Email this article 
Klasifikasi Jenis Kelengkeng Berdasarkan Daun Menggunakan Convolutional Neural Network Multilayer Perceptron
Abstract
Research related to the introduction of longan types based on leaves requires increased feature extraction of longan leaves, whether based on features, shape, or texture. Existing research uses more feature extraction processes using color, texture, and shape, so this study proposes the introduction of longan types based on leaf images of all image pixels using the convolution neural network method. This research aims to identify longan species using feature extraction of all leaf image intensities. The image used to identify the type of longan is a color image measuring 128x128. The types of longan studied were itoh, diamond river, and local with a total of 150 training data images and 30 image test data. Longan-type classification results using multilayer perceptron are good. The resulting multilayer perceptron accuracy value is 96.7%.
Penelitian terkait pengenalan jenis kelengkeng berdasarkan daun membutuhkan peningkatan ekstraksi fitur daun kelengkeng, baik berdasarkan fitur, bentuk, atau tekstur. Penelitian yang sudah ada lebih banyak proses ekstraksi fitur menggunakan warna, tekstur, dan bentuk sehingga penelitian ini mengusulkan pengenalan jenis kelengkeng berdasarkan citra daun dari seluruh piksel citra dengan metode convolution neural network. Tujuan penelitian ini mengenali jenis kelengkeng menggunakan ekstraksi fitur seluruh intensitas citra daun. Citra yang digunakan untuk mengenali jenis kelengkeng adalah citra warna berukuran 128x128. Jenis kelengkeng yang diteliti adalah itoh, diamond river, dan lokal dengan total seluruh data latih 150 citra dan data tes 30 citra. Hasil klasifikasi jenis kelengkeng dengan menggunakan multilayer perceptron adalah baik. Nilai akurasi multilayer perceptron yang dihasilkan adalah sebesar 96,7%.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
H. Syahputra dan A. Harjoko, “Klasifikasi varietas tanaman kelengkeng berdasarkan morfologi daun menggunakan backpropagation neural network dan probabilistic neural network,” IJCCS (Indonesian J. Comput. Cybern. Syst.), vol. 5, no. 3, 2011. DOI: 10.22146/ijccs.5206
Siti Khotimatul Wildah, S. Agustiani, Ali Mustopa, Nanik Wuryani, Hendri Mahmud Nawawi, dan Rizky Ade Safitri, “Pengenalan wajah menggunakan pembelajaran mesin berdasarkan ekstraksi fitur pada gambar wajah berkualitas rendah,” Infotech - J. Inform. Teknol., vol. 2, no. 2, 2021. DOI: 10.37373/infotech.v2i2.189
H. C. Kurniawan, K. S. Soemarto, dan B. N. Yahya, “Evaluasi metode ekstraksi fitur hu moment invariants untuk pengenalan aktivitas manusia,” J. Telemat., vol. 15, no. 2, 2020.
M. Widyaningsih dan S. Hendartie, “Image processing bentuk jarimatika dengan deteksi canny dan ektraksi momen hu,” J. Sains Komput. dan Teknol. Inf., vol. 4, no. 1, 2021. DOI: 10.33084/jsakti.v4i1.2545
I. Siswanto, E. Utami, dan S. Raharjo, “Klasifikasi tingkat kematangan buah berdasarkan warna dan tekstur menggunakan metode k-nearest neighbor dan nearest mena classifier,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 1, p. 93, 2020. DOI: 10.35585/inspir.v10i1.2559
M. K. Ummah dan N. Nafi’iyah, “Identifikasi penyakit daun jagung berdasarkan tekstur dengan KNN,” Musamus J. Technol. Inf., vol. 02, no. 01, 2019.
M. Rofiq, K. Huda, dan N. Nafi’iyah, “Identifikasi penyakit daun kentang berdasarkan fitur warna, tekstur, dan bentuk dengan SVM dan KNN,” Semin. Multimed. Artif. Intell., vol. 3, 2020.
Y. A. Sari, R. K. Dewi, dan C. Fatichah, “Seleksi fitur menggunakan ekstraksi fitur bentuk, warna, dan tekstur dalam sistem temu kembali citra daun,” JUTI - J. Ilm. Teknol. Inf., vol. 12, no. 1, 2014. DOI: 10.12962/j24068535.v12i1.a39
M. Jogin, Mohana, M. S. Madhulika, G. D. Divya, R. K. Meghana, dan S. Apoorva, “Feature extraction using convolution neural networks (CNN) and deep learning,” 2018. DOI: 10.1109/RTEICT42901.2018.9012507.
N. Nafi’iyah dan J. Maknun, “CNN architecture for classifying types of mango based on leaf images,” Telematika, vol. 14, no. 2, 2021. DOI: 10.35671/telematika.v14i2.1262
F. Rizal, “Penerapan algoritma backpropagation untuk klasifikasi jenis buah rambutan berdasarkan fitur tekstur daun,” JATIM - J. Apl. Teknol. Inf. dan Manaj., vol. 1, no. 2, 2020.
A. A. Paturrahman dan I. G. P. S. Wijaya, “Analisis pengenalan pola daun berdasarkan fitur canny edge detection dan fitur GLCM menggunakan metode klasifikasi k-nearest neighbor (KNN),” J. Comput. Sci. Informatics Eng., vol. 5, no. 1, 2021. DOI: 10.29303/jcosine.v5i1.388
R. Rahmadewi, E. Purwanti, dan V. Efelina, “Identifikasi jenis tumbuhan menggunakan citra daun berbasis jaringan saraf tiruan (artificial neural networks),” J. Media Elektro, 2018. DOI: 10.35508/jme.v0i0.427
F. Liantoni, “Klasifikasi daun dengan perbaikan fitur citra menggunakan metode k-nearest neighbor,” J. Ultim., vol. 7, no. 2, 2016. DOI: 10.31937/ti.v7i2.356
Y. Ye, C. Chen, C. T. Li, H. Fu, dan Z. Chi, “A computerized plant species recognition system,” dalam Proceedings of 2004 International Symposium on Intelligent Multimedia, Video and Speech Processing, Hongkong, Cina, 20-22 Oktober 2004. DOI: 10.1109/isimp.2004.1434166
S. G. Wu, F. S. Bao, E. Y. Xu, Y. X. Wang, Y. F. Chang, dan Q. L. Xiang, “A leaf recognition algorithm for plant classification using probabilistic neural network,” dalam 2007 IEEE International Symposium on Signal Processing and Information Technology, Giza, Mesir, 15-18 Desember 2007. DOI: 10.1109/ISSPIT.2007.4458016
J. X. Du, X. F. Wang, dan G. J. Zhang, “Leaf shape based plant species recognition,” Appl. Math. Comput., vol. 185, no. 2, 2007. DOI: 10.1016/j.amc.2006.07.072
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Jurnal Telematika
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
____________________________________________
Institut Teknologi Harapan Bangsa
Jl. Dipatiukur no. 80-84 Lt. 2
Bandung 40132
Jurnal Telematika is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.