Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi)
RITA AMALIA SYAMSU
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGKLASIFIKASI BERAS MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK) MUH ZAINAL ALTIM; FAISAL; SALMIAH; KASMAN; ANDI YUDHISTIRA; RITA AMALIA SYAMSU
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 7 No 1 (2022): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v7i1.28922

Abstract

Pemanfaatan Computer Vision yang digunakan untuk pengolahan gambar dan deep learning dalam melakukan proses pembelajaran. Berdasarkan citra image (gambar) beras yang di input, memungkinkan system untuk mengklasifikasikan jenis objek beras. Kemudian, proses deep learning seperti Convolutional Neural Network (CNN). melakukan training pembelajaran dalam memproses gambar yang menjadi data set, dengan melakukan proses learning dalam beberapa jaringan (Network) tersembunyi dan menjadikan gambar yang ingin diuji dapat diklasifikasikan berdasarkan tingkat atau level dari learning (pembelajaran) network itu sendiri. Berdasarkan hasil proses diperoleh, pengklasifikasian beras dengan data yang diambil berupa gambar beras dapat dilakukan dengan melakukan training objek beras yang diujikan. Pengklasifikasian beras dilakukan dengan membedakan 8 (dua) kelas jenis beras yang diambil yaitu beras yang baik dan beras yang jelek. Dengan Metode CNN dapat dihasilkan tingkat keakuratan sampai diatas 90 persen. Sistem pengklasifikasian ini digunakan untuk industri, perusahaan atau stakeholder untuk dimanfaatkan dalam melihat kualitas beras secara lebih cepat, akurat, dan objectif. Kata Kunci : Dataset beras, beras, CNN, Deep Learning
Co-Authors Andi Yudhistira Faisal Kasman MUH ZAINAL ALTIM Salmiah