Klasifikasi Jenis Daun Jambu Air dengan Backpropagation

Authors

  • Erry Anggraini Universitas Islam Lamongan
  • Nur Nafiiyah Universitas Islam Lamongan

DOI:

https://doi.org/10.29407/stains.v3i1.4075

Keywords:

klasifikasi, Backpropagation, daun jambu air

Abstract

Syzygium Aqueum merupakan anggota keluarga jambu-jambuan (Myrtaceae) yang disebut sebagai jambu air. Akar, batang, daun, bunga, buah merupakan ciri bagian dari tanaman. Namun masih banyak masyarakat yang belum terlalu mengenali ciri jenis tanaman dari bagian daun. Kami membuat sistem untuk klasifikasi jenis daun jambu dengan metode Backpropagation. Fitur yang digunakan adalah ciri warna RGB (meanR, meanG, meanB, stdR, stdG, stdB, varR, varG, varB, skewnessR, skewnessG, skewnessB) dan ciri tekstur Gray Level Co-Occurrence Matrix (GLCM) (contrast, energy, correlation, homogeneity). Data yang digunakan sebanyak 367 citra yang dibagi menjadi 2 bagian yaitu 332 data training dan 35 data testing. Kami membuat 2 model arsitektur Backpropagation, yaitu (16-16-3) dan (16-32-3), fitur input sebanyak 16, dan hidden sesuai usulan, dan output ada tiga (Camplong, Cincalo Merah, Madu Deli Hijau). Dengan melakukan pengujian sebanyak 8 kali, setiap pengujian arsitektur Backpropagation dilakukan 4 kali pengujian. Hasil terbaik yang didapat menggunakan arsitektur 16-32-3 dengan tingkat akurasi sebesar 80%.

Downloads

Download data is not yet available.

References

S. Wahyuni, “Sosialisasi Pemanfaatan Jambu Air Menjadi Nata De Syzigium,” Din. J. Pengabdi. Kpd. Masy., vol. 4, no. 1, 2020, doi: 10.31849/dinamisia.v4i1.3285.

J. V. P. Putra, F. Ayu, and B. Julianto, “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” Stain. (Seminar Nas. Teknol. Sains), vol. 2, no. 1, 2023.

W. F. Rischa et al., “Pengenalan Pola Penyakit Daun Jambu Air,” vol. 7, no. 2, pp. 158–163, 2023.

R. S. Pambudi and M. Akbar, “Klasifikasi Jambu Air Berulat menggunakan Convolutional Neural Network,” vol. 1, no. 1, pp. 136–139, 2023.

T. Y. Prahudaya and A. Harjoko, “Metode Klasifikasi Mutu Jambu Biji Menggunakan k-NN Berdasarkan Fitur Warna dan Tekstur,” J. Teknosains, vol. 6, no. 2, 2017, doi: 10.22146/teknosains.26972.

I. G. Wirayudhana, “Klasifikasi Mutu Buah Jambu Biji Getas Merah Berdasarkan Tekstur Menggunakan Grey Level Co-Occurence Matrix (GLCM) dengan Klasifikasi KNN,” J. Indones. Sos. Teknol., vol. 2, no. 6, 2021, doi: 10.36418/jist.v2i6.166.

Y. Nursita and F. Rhohman, “Klasifikasi Jenis Jambu Air Berdasarkan Tulang Daun Menggunakan Metode K-Means,” … Pgri Kediri.(online) simki. unpkediri. ac …. 2016.

D. Wijaya, “Identifikasi Jenis Jambu Air Berdasarkan Bentuk Daun Menggunakan Jaringan Syaraf Tiruan Backpropagation dengan Fitur Histogram of Oriented Gradient,” J. Pendidik. dan Konseling, vol. 4, no. 5, 2022.

I. Afrianty, R. Al Hafiz, F. Yanto, and E. P. Cynthia, “Klasifikasi Daun Jambu Air Menggunakan Ekstraksi Ciri Morfologi dan Backpropagation,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 12, Fak. Sains dan Teknol. UIN Sultan Syarif Kasim Riau, no. SNTIKI, 2020.

R. Al Hafiz, “Penerapan Ekstraksi Ciri Morfologi dan Backpropagation Neural Network pada Klasifikasi Jenis Tumbuhan Jambu Air,” Riau, 2020. [Online]. Available: http://repository.uin-suska.ac.id/29295/.

S. Suhendri and P. Rahayu, “Metode Grayscale Co-occurrence Matrix (GLCM) Untuk Klasifikasi Jenis Daun Jambu Air Menggunakan Algoritma Neural Network,” J. Inf. Technol., vol. 1, no. 1, 2019, doi: 10.47292/joint.v1i1.4.

Y. R. Prayogi, “Klasifikasi Jenis Jambu Air Berdasarkan Citra Daun Menggunakan Metode Filter Gabor Dan K-NN (K-Nearest Neighbors),” J. Pelita Teknol., vol. 17, no. 2, pp. 18–23, 2023.

F. Fitriani, “Implementasi Pengolahan Citra Digital dan Adaptive Neuro Fuzzy Inference System untuk Klasifikasi Tanaman Jambu Air,” Riau, 2022. [Online]. Available: http://repository.uin-suska.ac.id/58504/.

Downloads

Published

2024-01-13

How to Cite

Anggraini, E., & Nafiiyah, N. (2024). Klasifikasi Jenis Daun Jambu Air dengan Backpropagation. Seminar Nasional Teknologi &Amp; Sains, 3(1), 1–6. https://doi.org/10.29407/stains.v3i1.4075