EKSTRAKSI FITUR UNTUK MENGIDENTIFIKASI MARGA TANAMAN MENGGUNAKAN ALGORITMA BACKPROPAGATION

Penulis

  • Sunu Jatmika Fakultas Teknologi dan Desain, Prodi Sistem Komputer, Institut dan Teknologi Bisnis Asia Malang
  • Tria Aprilianto Fakultas Teknologi dan Desain, Prodi Sistem Komputer, Institut dan Teknologi Bisnis Asia Malang
  • Muhammad Idris Fakultas Teknologi dan Desain, Prodi Teknik Informatika, Institut dan Teknologi Bisnis Asia Malang

DOI:

https://doi.org/10.31961/positif.v6i1.907

Kata Kunci:

Ekstraksi Fitur, Identifikasi Tanaman, Fitur Bentuk, Fitur Warna, Citra Daun, Algoritma Backpropagation

Abstrak

Ekstraksi fitur adalah awal untuk dapat mengklasifikasi dan menginterpretasi citra dengan mengaitkan karakteristik daun kedalam sekelompok marga yang sesuai dengan jenisnya. Algoritma yang digunakan adalah backpropagation yang didasarkan pada bentuk dan warna. Rumusan masalah yang diambil adalah bagaimanakah penggunaan algoritma backpropagation dapat meningkatkan kualitas masyarakat dalam mengidentifikasi citra daun. Tujuan penelitian ini adalah mempermudah khalayak umum untuk mengenali tanaman khususnya marga Azadirachta, Swietenia, dan Khaya.

Penelitian ini menggunakan teknik pengumpulan data berupa observasi, wawancara, dan dokumentasi. Analisis data dilakukan dengan memasukkan konten kedalam sistem. Data akan di inputkan ke mesin learning yang didapat dari ekstraksi fitur  dan di proses dengan metode backpropagation. Perancangan sistem menggunakan algoritma backpropagation untuk mengklasifikasikan tanaman melalui fitur daun.  Pada sistem ini menggunakan Android Studio dan database SQLite.

Hasil dari penelitian ini adalah dari 9 data pengujian terdapat 8 data yang dikenali dan 1 data yang salah dikenali. Data tersebut menunjukkan tingkat keakurasian algoritma backpropagation dalam mempermudah khalayak umum untuk mengenali tanaman khususnya marga Azadirachta, Swietenia, dan Khaya adalah 88,9%. Selain itu, hasil kuesioner menunjukan algoritma backpropagation memiliki kemanfaatan aplikasi 66%, kemudahan interaksi 76%, dan tampilan aplikasi 80%. Rata-rata keseluruhan dari manfaat tiap aspek adalah  74,2%.

 

Kata Kunci : Ekstraksi Fitur, Identifikasi Tanaman, Fitur Bentuk, Fitur Warna, Citra Daun, Algoritma Backpropagation

Unduhan

Data unduhan belum tersedia.

Referensi

Ladjamudin, A. B. B. (2005). Analisis dan desain sistem informasi. Yogyakarta: Graha Ilmu, 1, 1-6.

George, J., & Raj, S. G. (2017, August). Leaf recognition using multi-layer perceptron. In 2017 International Conference on Energy, Communication, Data Analytics and Soft Computing (ICECDS) (pp. 2216-2221). IEEE.

Purnomo, M. H., & Muntasa, A. (2010). Konsep pengolahan citra digital dan ekstraksi fitur. Yogyakarta: Graha Ilmu.

Rideng, I. Made. 1989. Taksonomi Tumbuhan Biji.

Wu, Q., Zhou, C., & Wang, C. (2006). Feature extraction and automatic recognition of plant leaf using artificial neural network. Advances in Artificial Intelligence, 3, 5-12.

Unduhan

Diterbitkan

2020-06-05

Terbitan

Vol 6 No 1 (2020): Positif : Jurnal Sistem dan Teknologi Informasi

Bagian

Articles

Lisensi

Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:

  • Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
  • Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
  • Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.