Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer)
Saputra, Irigi Mahendrata
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
KLASIFIKASI TANAMAN OBAT BERDASARKAN CITRA DAUN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORKS Nurhikam, Arizal Sabila; Agung, Wiseto Prasetyo; Rohman, Saepul; Saputra, Irigi Mahendrata
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i1.945

Abstract

Indonesia dikenal memiliki kekayaan hayati yang melimpah, termasuk ribuan spesies tumbuhan, di mana sebagian besar memiliki nilai pengobatan dalam pengobatan tradisional. Meskipun pengobatan tradisional telah menjadi bagian dari warisan budaya Indonesia dan digunakan oleh generasi sebelumnya, penggunaan obat tradisional saat ini mengalami penurunan karena kurangnya informasi yang tersedia. Akibatnya, banyak tumbuhan obat di Indonesia, termasuk yang memiliki potensi pengobatan, tidak dimanfaatkan dengan optimal. Untuk meningkatkan pemahaman dan pemanfaatan obat tradisional, penelitian ini menggunakan teknologi Artificial Neural Networks (ANN), khususnya metode Backpropagation Neural Networks (BNN), untuk mengklasifikasikan jenis tanaman obat berdasarkan citra daun. Metode ini didasarkan pada model matematika yang terinspirasi dari cara kerja otak manusia dan mampu mempelajari pola dari data yang diberikan. Pada penelitian ini, dilakukan pengklasifikasian citra daun herbal menggunakan algoritma BNN dengan ekstraksi ciri bentuk. Proses pengklasifikasian melibatkan segmentasi citra, operasi morfologi, serta ekstraksi ciri menggunakan parameter metric dan eccentricity. Model ini diimplementasikan melalui antarmuka pengguna grafis (GUI) menggunakan perangkat lunak Matlab untuk mempermudah pengujian. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan citra daun herbal dengan akurasi keseluruhan mencapai 93,75%.
Co-Authors Agung, Wiseto Prasetyo Nurhikam, Arizal Sabila Saepul Rohman