Jaringan Syaraf Tiruan Untuk Klasifikasi Kualitas Kacang Hijau Berdasarkan Warna Dan Ukuran

• Main Author: Suhartono, Suhartono (Author)
• Format: Book
• Published: 2012.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Connect to this object online
• Notes: https://eprints.ums.ac.id/20621/14/Makalah_publikasi.pdf; https://eprints.ums.ac.id/20621/1/HALAMAN_DEPAN.pdf; https://eprints.ums.ac.id/20621/3/BAB_I.pdf; https://eprints.ums.ac.id/20621/7/BAB_II.pdf; https://eprints.ums.ac.id/20621/8/BAB_III.pdf; https://eprints.ums.ac.id/20621/9/BAB_IV.pdf; https://eprints.ums.ac.id/20621/10/BAB_V.pdf; https://eprints.ums.ac.id/20621/11/DAFTAR_PUSTAKA.pdf; https://eprints.ums.ac.id/20621/12/LAMPIRAN.pdf
• Keywords: QA75 Electronic computers. Computer science

Kebutuhan kacang hijau terus meningkat dari tahun ke tahun, hal ini menyebabkan penyimpanan kacang hijau di gudang sangat dibutuhkan. Penyimpanan kacang hijau di gudang akan memperngaruhi kualitas kacang sehingga perlu mendapat perhatian serius. Parameter untuk penentuan kualitas kacang hijau diantaranya dinilai berdasarkan warna dan ukurannya dan biasanya dilakukan oleh pengamat. Faktor kelelahan dan perbedaan persepsi pada masing-masing pengamat menyebabkan proses klasifikasi kualitas kacang hijau tidak optimal. Jaringan syaraf tiruan yang di padu dengan pengolahan citra mampu menyelesaikan permasalahan tersebut, karena data hasil pengolahan citra lebih tepat dan obyektif, dan jaringan syaraf tiruan mampu memberikan keputusan kualitas kacang hijau karena telah dilatih mengenali pola data hasil pengolahan citra kacang hijau. Metode yang digunakan untuk merancang sistem ini adalah tanya jawab, literatur, dan eksperimen. Dari metode tersebut akan dibuat sistem image processing yang dipadu dengan jaringan syaraf tiruan. Image processing digunakan untuk memproses gambar kacang hijau sehingga menghasilkan data yang akan digunakan sebagai input jaringan syaraf tiruan dan jaringan akan menentukan kualitas kacang apakah baik atau buruk. Metode jaringan yang digunakan adalah jaringan backpropagation dengan pembelajaran terbimbing (supervised learning). Model Jaringan Syaraf Tiruan (JST) yang digunakan terdiri dari tiga layer, layer input dengan 12 node input, layer tersembunyi dengan 800 node, dan layer output dengan 4 node keluaran. Hasil yang dicapai jaringan mampu mengenali 29% terhadap data baru yang belum dilatihkan.