Klasifikasi Jambu Air Berulat menggunakan Convolutional Neural Network

Authors

  • Rio Setya Pambudi Universitas Mercu Buana Yogyakarta
  • Mutaqin Akbar Universitas Mercu Buana Yogyakarta

DOI:

https://doi.org/10.24002/senapas.v1i1.7354

Keywords:

jambu air, berulat, tidak berulat, convolutional neural network

Abstract

Jambu air termasuk suku jambu-jambuan atau myrtaceae yang berasal dari Asia Tenggara. Menurut Prihatman, jambu air banyak sekali jenisnya. Jenis jambu air yang banyak ditanam yaitu syzgium aquaeum (jambu air kecil/citra) dan syzgium samarangense (jambu air besar). Penelitian ini menyajikan klasifikasi jambu air berulat dan tidak berulat. Jambu air diambil data citranya menggunakan kamera smartphone. Setelah itu data diubah ukuran pikselnya menjadi 64x64 piksel, tujuannya adalah agar data citra dapat diproses dengan lebih cepat pada saat pelatihan. Data yang digunakan sebanyak 130 data citra yaitu 65 data jambu air berulat dan 65 data jambu air tidak berulat. Dalam melakukan klasifikasi jambu air berulat dan tidak berulat digunakan convolutional neural network dengan rincian masukan, 1 lapisan konvolusi (dengan ukuran filter 8), 1 lapisan subsampling, dan 1 lapisan tersembunyi, 1 lapisan klasifikasi, dan keluaran. Berdasarkan hasil pelatihan, parameter terbaik yang digunakan yaitu epoch sebesar 900 dan laju pelatihan 0.0001. Hasil pengujian dalam penelitian dengan menggunakan metode convolutional neural network mendapatkan tingkat akurasi sebesar 88,3%.

References

Y. Galih et al., “ANALISIS KERAGAMAN JAMBU AIR (Syzygium sp.) KOLEKSI KEBUN PLASMA NUTFAH CIBINONG BERDASARKAN MORFOLOGI DAN RAPD (Diversity Analysis of Syzygium sp. from Cibinong Germplasm Garden Based on Morphology and RAPD),” 2019.

B. Sahetapy, M. R. Uluputty, and L. Naibu, “Identifikasi Lalat Buah (Bactrocera spp), pada Tanaman Cabai (Capsicum Annum L.) dan Belimbing (Averrhoa Carambola L.) dikecamatan Salahutu kabupaten Maluku Tengah.,” Agrikultura, vol. 30, no. 2, p. 63, Oct. 2019, doi: 10.24198/agrikultura.v30i2.23659.

R. Tantiati, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode Learning Vector Quantization (LVQ) untuk Klasifikasi Persalinan,” 2019. [Online]. Available: http://j-ptiik.ub.ac.id

A. Kurniadi and M. Fal Sadikin, “Implementasi Convolutional Neural Network Untuk Klasifikasi Varietas Pada Citra Daun Sawi Menggunakan Keras Implementation of Neural Network Convolutionals For Classification of Variety on Image of Collards Meat Leaves Using The Keras,” vol. 4, no. 1, pp. 25–33, 2020, [Online]. Available: http://e-journal.unipma.ac.id/index.php/doubleclick

A. Rahim and E. Taufiq Luthfi, “Rahim, Convolutional Neural Network untuk Kalasifikasi Penggunaan Masker CONVOLUTIONAL NEURAL NETWORK UNTUK KALASIFIKASI PENGGUNAAN MASKER.”

A. Peryanto, A. Yudhana, and D. R. Umar, “Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network,” 2019. [Online]. Available: https://www.mathworks.com/discovery/convolutional-neural-network.html

H. Fonda, Y. Irawan, A. Febriani, S. Informatika, and H. T. Pekanbaru, “KLASIFIKASI BATIK RIAU DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN) 1 2 3 Email : 1 2 3,” 2020. [Online]. Available: http://jik.htp.ac.id

N. D. Miranda, L. Novamizanti, and S. Rizal, “CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50,” Jurnal Teknik Informatika (Jutif), vol. 1, no. 2, pp. 61–68, Dec. 2020, doi: 10.20884/1.jutif.2020.1.2.18.

M. Akbar, “Traffic sign recognition using convolutional neural networks,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 2, pp. 120–125, Apr. 2021, doi: 10.14710/jtsiskom.2021.13959.

E. N. Arrofiqoh and H. Harintaka, “IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI,” GEOMATIKA, vol. 24, no. 2, p. 61, Nov. 2018, doi: 10.24895/jig.2018.24-2.810.

Downloads

Published

2023-06-13

Issue

Section

Articles