Identifikasi Kematangan Cabai Menggunakan Operasi Morfologi (Opening dan Closing) dan Metode Backpropagation

Khairullah khairullah, Erwin Dwika Putra

Abstract


Abstrak

Identifikasi kualitas buah cabai biasanya masih menggunakan cara visual secara langsung atau sortir secara manual oleh petani, dengan menggunakan sistem ini sering kali terjadi beberapa kesalahan setiap melakukan sortir yang disebabkan oleh petani yang melakukan sortir merasa terlalu lelah. Dengan menggunakan komputasi pengolahan citra digital, untuk melakukan identifikasi pengelompokan buah cabai yang matang dan mentah dapat membantu para petani, Teknik pengelompokan ini akan menggunakan metode pengelompokan berdasarkan warna. Metode pengelompokan tersebut sebelumnya akan dilakukan operasi morfologi pada citra yang telah diambil. Pendekatan operasi morfologi pada penelitian ini adalah Opening and Closing, pada operasi morfologi akan menghilangkan noise dan menebalkan objek dari inputan gambar. Metode Bacpropagatioan akan mengolah data latih sebanyak 10 data latih mendapatkan 6 iterasi perhitungan dan setelah diuji menggunakan data uji hasil yang didapatkan yaitu tingkat pengenalan rata-rat mendapatkan perhitungan sebanyak 7 iterasi metode Bacpropagation. Hasil dari penelitian ini juga dihitung menggunakan Confusion Matrix dimana nilai Precision 90%, Recall 74%, dan Accuracy 70%, maka dapat disimpulkan bahwa Operasi Morfologi dan Metode Backpropagation dapat digunakan untuk mengidentifikasi objek cabai.

Kata Kunci: backpropagation, morfologi, identifikasi, opening and closing

 

Abstract

Identification of the quality of chili fruit is usually still using a visual way directly or sorting manually by farmers, using this system often occurs several errors, every sorting caused by farmers who do the sorting feel too tired. By using digital image processing computing, to identify the grouping of ripe and raw chili fruits can help farmers, this grouping technique will use a method of grouping based on color. The grouping method will previously perform morphological surgery on the image that has been taken. The morphological operation approach in this study is Opening and Closing, in morphological operations will eliminate noise and thicken objects from image input. Bacpropagatioan method will process training data as much as 10 training data get 6 iterations of calculations and after being tested using the test data obtained results that is the level of introduction of the average rat get a calculation of 7 iterations bacpropagation method. The results of this study were also calculated using Confusion Matrix where precision values of 90%, Recall 74%, and Accuracy 70%, it can be concluded that Morphological Operations and Backpropagation Method can be used to identify chili objects.

Keywords: backpropagation, morfologi, identification, opening and closing


Full Text:

PDF

References


D. Deswari, Hendrick, and Derisma, “Identifikasi Kematangan Buah Tomat Menggunakan Metoda Backpropagation,” 2016.

R. Kastaman and A. Wasi, “Analisis Kinerja Perangkat Lunak Pengolah Citra dengan Menggunakan Beberapa Metode Klasifikasi untuk Menentukan Kualitas Buah Manggis,” Pros. Seminar Nasional Himpun. Inform. Pertan. Indonesia., pp. 978–979, 2009.

M. H. Noor and M. Hariadi, “Image Cluster Berdasarkan Warna untuk Identifikasi Kematangan Buah Tomat dengan Metode Valley Tracing,” Seminar Nasional Informatika 2009,pp.15–24,2009,[Online].Available: http://Jurnal.Upnyk.Ac.Id/Index.Php/Semnasif/Article/View/798.

A. Indra, Dwi and Murinto, “Aplikasi Pengolahan Citra Mendeteksi Kualitas Cabai Berdasarkan Tingkat Kematangan Menggunakan Transformasi Warna YCbCr,” J. Sarj. Tek. Inform., Vol. 3, No. 1, pp. 283–293, 2015, doi: 10.12928/Jstie.V3i1.3036.

F. Guo and Q. Cao, “Study on Color Image Processing Based Intelligent Fruit Sorting System,” Proc. World Congr. Intell. Control Autom., Vol. 6, pp. 4802–4805, 2004, doi: 10.1109/Wcica.2004.1343622.

R. D. Kusumanto, A. Tompunu, Novi, and W. Pambudi, Setyo, “Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV,”[Online]. Available: http://elektro.pnj.ac.id/upload/artikel/files/04_edit%26layout_rdkusmanto_jee sept2011_klasifikasi warna.pdf.

A. Qur’ania, L. Karlitasar, and S. Maryana, “Analisis Tekstur dan Ekstraksi Fitur Warna untuk Klasifikasi Apel Berbasis Citra,” Lokakarya Komputasi dalam Sains dan Teknol. Nukl., pp. 296–304, 2012, [Online]. Available: http://digilib.batan.go.id/e-prosiding/file prosiding/informatika/lkstn/lkstn2012/arie-q2012.pdf.

A. Susanto, “Matematika Citra Digital untuk Ekstraksi Area Plat Nomor,” J. Pseudocode, Vol. Vi, No. 1, pp. 49–57, 2019.

P. Pandya and M. Singh, “Morphology Based Approach to Recognize Number Plates in India,” Int. J. Soft Comput. Eng., Vol. 1, No. 3, pp. 107–112, 2011.

N. T. Anggraeni and A. Fadlil, “Sistem Identifikasi Citra Jenis Cabai (Capsicum Annum L.) Menggunakan Metode Klasifikasi City Block Distance,” Sarj. Tek. Inform., Vol. 1, No. 2, pp. 409–418, 2013, doi: 10.12928/Jstie.V1i2.2265.

Z. Arham, “Evaluasi Mutu Jeruk Nipis ( Citrus Aurantifolia Swingle ) dengan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan,” pp. 81–88, 2004.

F. Amato, A. López, E. M. Peña-Méndez, P. Vaňhara, A. Hampl, and J. Havel, “Artificial Neural Networks in Medical Diagnosis,” J. Appl. Biomed., Vol. 11, No. 2, pp. 47–58, 2013, doi: 10.2478/V10136-012-0031-X.

W. Widodo, A. Rachman, and R. Amelia, “Jaringan Syaraf Tiruan Prediksi Penyakit Demam Berdarah dengan Menggunakan Metode Backpropagation,” J. Iptek, Vol. 18, No. 1, pp. 64–70, 2014.

K. Nakano, “Application of Neural Networks to the Color Grading of Apples,” Comput. Electron. Agric., Vol. 18, No. 2–3, pp. 105–116, 1997, doi: 10.1016/S0168-1699(97)00023-9.

D. A. Priandini, J. Nangi, M. Muchtar, and J. Y. Sari, “Deteksi Area Plat Mobil Menggunakan Operasi Morfologi Citra,” Semin. Nas. Teknol. Terap. Berbas. Kearifan Lokal, pp. 294–302, 2018.

D. Abdullah and E. D. Putra, “Komparasi Metode Otsu Dengan Metode Fuzzy Cmeans pada Hasil Segmentasi Identifikasi Karakter Plat Nomor Kendaraan Indonesia,” Telematik, Vol. 6, No. 4, pp. 1475–1484, 2013.




DOI: https://doi.org/10.32520/stmsi.v10i1.1094

Article Metrics

Abstract view : 847 times
PDF - 350 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
https://journals.zetech.ac.ke/scatter-hitam/https://silasa.sarolangunkab.go.id/swal/https://sipirus.sukabumikab.go.id/storage/uploads/-/sthai/https://sipirus.sukabumikab.go.id/storage/uploads/-/stoto/https://alwasilahlilhasanah.ac.id/starlight-princess-1000/https://www.remap.ugto.mx/pages/slot-luar-negeri-winrate-tertinggi/https://waper.serdangbedagaikab.go.id/storage/sgacor/https://waper.serdangbedagaikab.go.id/public/images/qrcode/slot-dana/https://siipbang.katingankab.go.id/storage_old/maxwin/https://waper.serdangbedagaikab.go.id/public/img/cover/10k/https://waper.serdangbedagaikab.go.id/storage/app/https://waper.serdangbedagaikab.go.id/storage/idn/