EKSTRASI FITUR MORFOLOGI DAN DETEKSI TEPI CANNY UNTUK PENGENALAN JENIS TANAMAN HERBAL MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Sartika, Sartika
Martaleli, Bettiza
Nurul, Hayaty
Martaleli, Bettiza
Nurul, Hayaty
Subject
004.65.Jaringan Komunikasi Komputer
Datestamp
2021-07-24 05:25:37
Abstract :
Indonesia memiliki beraneka ragam jenis tanaman herbal yang tidak mudah dikenali. Salah satu bentuk keanekaragaman tanaman tampak pada bentuk daunnya, yang berbentuk oval, waru (cordate), elips dan lain-lain. Kemajuan dalam bidang teknologi informasi dapat mempermudah pengenalan jenis tanaman herbal, khususnya dari bentuk daun. Pada penelitian ini dikembangkan sebuah aplikasi pengenalan jenis tanaman herbal berdasarkan bentuk daun dengan menggunakan ekstrasi fitur morfologi dan deteksi tepi canny dengan metode Backpropagation. Sebanyak 60 data sampel yang terbagi dalam tiga macam jenis daun tanaman herbal yaitu sirih (Chavica Betle L), daun lada (Piper nigrum L) dan daun brotowali (Tinospora Crispa Miers Hook) digunakan dalam aplikasi ini. Dari hasil pengujian, tingkat keakuratan pengenalan mencapai 94,44% menggunakan max threshold 0,2, min threshold 0,1 max epoch 30000 iterasi, node hidden layer 7, learning rate 0,9 dan target error 0,01.
Indonesia memiliki beraneka ragam jenis tanaman herbal yang tidak mudah dikenali. Salah satu bentuk keanekaragaman tanaman tampak pada bentuk daunnya, yang berbentuk oval, waru (cordate), elips dan lain-lain. Kemajuan dalam bidang teknologi informasi dapat mempermudah pengenalan jenis tanaman herbal, khususnya dari bentuk daun. Pada penelitian ini dikembangkan sebuah aplikasi pengenalan jenis tanaman herbal berdasarkan bentuk daun dengan menggunakan ekstrasi fitur morfologi dan deteksi tepi canny dengan metode Backpropagation. Sebanyak 60 data sampel yang terbagi dalam tiga macam jenis daun tanaman herbal yaitu sirih (Chavica Betle L), daun lada (Piper nigrum L) dan daun brotowali (Tinospora Crispa Miers Hook) digunakan dalam aplikasi ini. Dari hasil pengujian, tingkat keakuratan pengenalan mencapai 94,44% menggunakan max threshold 0,2, min threshold 0,1 max epoch 30000 iterasi, node hidden layer 7, learning rate 0,9 dan target error 0,01.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
