Amini, Aisyiyah (2018) Penerapan Teknik Image Analysis Dan Artificial Neural Network (Ann) Untuk Pendugaan Ketuaan Buah Kelapa Gading (Coco Nucifera Var. Ebunea). Sarjana thesis, Universitas Brawijaya.
Abstract
Tanaman kelapa (Cocos nucifera L.) merupakan salah satu tanaman industri yang memegang peranan penting dalam perekonomian di Indonesia. Tanaman kelapa termasuk salah satu sumber mata pencaharian bagi sebagian besar penduduk di seluruh pelosok tanah air. Hal itu membuat pemerintah daerah setempat giat melakukan peremajaan dan perluasan areal perkebunan kelapa untuk meningkatkan produksinya. Dalam penentuan mutu dan kualitas buah kelapa yang akan dipasarkan faktor yang paling berpengaruh adalah proses penanganan pasca panen. Buah kelapa dengan mutu yang baik disesuaikan dengan kebutuhan konsumen. Pada prakteknya, dalam menentukan jenis kelapa muda atau tua tidak semua orang bisa melakukan. Biasanya para tengkulak buah kelapa menentukan kelapa yang muda dengan cara di tepuk-tepuk atau di goncangkan buahnya. Proses identifikasi ini memiliki kelemahan yakni kelelahan, perbedaan persepsi, waktu yang diperlukan relatif lama, serta menghasilkan produk yang kurang seragam. metode yang cocok untuk menjamin tingkat ketuaan tanaman buah kelapa adalah penerapan teknik pengolahan citra digital. Aplikasi citra ini bertujuan untuk mengidentifikasi tingkat ketuaan buah kelapa menggunakan metode Artificial Neural Network (ANN). Penelitian ini dilakukuan dengan tujuan untuk mengidentifikasi tingkat ketuaan kelapa secara non konvensional dengan pengembangan algoritma pengolahan citra digital dan ANN. Dari penelitian didapatkan hasil pemodelan ANN terbaik adalah dengan 14 input yaitu RGB, HSI, contrast, correlation, energy, homogeneity, area, perimeter, eccentricity, dan metric. Pemodelan jaringan tersebut menghasilkan nilai MSE training sebesar 0,002155 dan MSE viii testing sebesar 0,107265. Hasil dari jaringan yang yang dilakukan mencapai proporsi data testing sebesar 90,331%. Hasil tersebut didukung dengan fungsi aktivasi tansig dan fungsi pembelajaran traincgb. Neuron yang digunakan untuk satu hidden layer adalah 100 neuron.
English Abstract
Coconut (Cocos nucifera L.) production plays an important role in the national economy of Indonesia. The most important factor in determining the quality of coconuts is post-harvest handling process. The best quality of coconuts adjusted to the needs of consumers. However, classifying of young coconuts or old coconuts is difficult. Conventional identification process has a weakness that is exhaustion, differences of perception, time to required is relatively long, and the resulting product is less accuracy. The corresponding method to ensure of coconut maturity is application of image analysis. This study aims to identify coconut maturity by Artificial Neural Network (ANN) method and image analysis. Besed on the result of this research was developed the best ANN model. The structure of neural network model consisted of 14 input neurons in the input layer (RGB, HSI, area, perimeter, metric, eccentricity, contrast, correlation, energy, and homogeneity) and three output neurons in the output layer (the volume of coconut water, thickness of coconut meat, and weight of coconut meat). Results showed that feed-forward neural networks trained by backpropagation algorithm had a good ability for creating a nonlinier mapping between input and output parameters. The training and testing Mean Square Error (MSE) values were 0,002155 and 0,107265 respectively. The results showed that multilayer-feed-forward neural networks with 14 nodes was the most suitable and reasonable model to use with R-testing value of 90,331%. The results are supported by tansig activation function and traincgb learning function with 100 neurons of hidden layer.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTP/2018/327/051808796 |
Uncontrolled Keywords: | Artificial Neural Network, Citra Digital, Kelapa, Tingkat Ketuaan Kelapa,/ Artificial Neural Network, Coconut, Image Analysis, Maturity of Coconut |
Subjects: | 500 Natural sciences and mathematics > 584 Liliopsida (Monocotyledons) > 584.5 Arecidae |
Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
Depositing User: | Endang Susworini |
Date Deposited: | 14 Oct 2019 02:11 |
Last Modified: | 24 Mar 2022 00:50 |
URI: | http://repository.ub.ac.id/id/eprint/165774 |
Text
Aisyiyah Amini.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
View Item |