Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Hidayat, Roki
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
KLASIFIKASI CITRA DAUN HERBAL DENGAN KHASIATNYA UNTUK PENGOBATAN MENGGUNAKAN JARINGAN SYARAF TIRUAN (BACKPROPAGATION) Hidayat, Roki; Toyib, Rozali; Apridiansyah, Yovi; Reswan, Yuza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13860

Abstract

Indonesia memilki kekayaan tanaman herbal yang melimpah, dengan ribuan jenis tanaman berkhasiat. Namun, pemanfaatannya belum maksimal karena keterbatasan informasi dan kesesulitan dalam mengidentifikasi jenis dan manfaat daun herbal secara manual. Untuk meningkatakan pemahaman serta mengoptimalan penggunaan obat herbal, Penelitian ini bertujuan untuk mengembangkan sistem yang dapat mengklasifikasikan gambar daun tanaman herbal berdasarkan khasiatnya untuk pengobatan menggunakan jaringan saraf tiruan backpropagation. Pada tahap awal penelitian ini, dilakukan pengumpulan dataset tanaman herbal dengan berbagai jenis. Dataset yang digunakan terdiri dari 100 citra dengan 10 jenis daun tanaman herbal yang dibagi mejadi dua data yaitu data pelatihan dan data pengujian, dengan pembagian 60% data digunakan untuk pelatihan, sementara 40% untuk pengujian. Saat proses klasifikasi melibatkan transformasii warna ke hsv, segmentasi citra serta ekstraksi ciri yang mengunakan parameter metriic dan eccentricity. Sistem di terapkan melalui aplikasi matlap dengan antarmuka pengguna grafis (GUI), sehingga mempermuda pengujian. Berdasarkan hasil model yang dikembangkan dan hasil evaluasi menunjukan bahwa metode dapat mengklafikasikan daun herbal dengan Tingkat akurasi total yang diperoleh mencapai 75,00%.
Co-Authors Apridiansyah, Yovi Toyib, Rozali Yuza Reswan