PREDIKSI KANDUNGAN KLOROFIL PADA DAUN BINAHONG (Anredera Cordifolia) BERBASIS ANALISIS CITRA DIGITAL MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK

Rafiud Darojah, Muhammad (2021) PREDIKSI KANDUNGAN KLOROFIL PADA DAUN BINAHONG (Anredera Cordifolia) BERBASIS ANALISIS CITRA DIGITAL MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK. Sarjana thesis, Universitas Brawijaya.

Abstract

Anredera cordifolia atau daun binahong merupakan tanaman obat dikenal memiliki banyak khasiat. Klorofil merupakan pigmen pemberi warna hijau pada daun dan juga memilki manfaat yang besar bagi tubuh manusia. Salah satu metode identifikasi kandungan klorofil yaitu adalah metode destruktif, namun metode tersebut mempunyai kelemahan yaitu memerlukan waktu yang lama dan merusak sampel. Oleh karena itu banyak dikembangkan metode non-destruktif salah satunya dengan menggunakan alat SPAD-502 Plus, namun alat tersebut memiliki harga yang mahal, oleh karena itu perlu dikembangkan motode non-destruktif yang lain yaitu metode pengolahan citra digital dengan analisis tekstur warna menggunakan pemodelan Artificial Neural Network (ANN). Tujuan dari penelitian ini adalah mendapatkan cara mengidentifikasi kandungan klorofil daun binahong menggunakan pengolahan citra digital dengan analisa tekstur warna dan mendapatkan model ANN terbaik untuk mendukung sistem identifikasi kandungan klorofil daun binahong. Daun binahong pada penelitian ini diambil dari tiga tingkatan perkembangan yang berbeda masing – masing 150 sampel jadi total sampel sebanyak 450 sampel. Setiap sampel daun diambil citranya sebanyak empat kali menjadi 1800 citra. Setelah itu dilakukan proses augmentasi sehingga didapatkan 7200 data citra. Analisa tekstur menggunakan parameter haralick berbasis color co-occurrence matrix (CCM) diekstrak dari warna grey, RGB, HSL, HSV dan L*a*b. Menggunakan tahap fitur seleksi dengan metode filter dengan beberapa attribute berbeda untuk mendapatkan tekstur warna yang terbaik. Berdasarkan penelitian didapatkan kandungan klorofil meningkat seiring meningkatnya tingkat perkembangan. Diperoleh 10 fitur terbaik sebagai input memalui atribut seleksi Gain Ratio. Fitur tekstur warna Hue Energy memiliki nilai koefisien determinan paling tinggi dibanding fitur tekstur yang lain yaitu sebesar 0.1435. Model ANN yang dipilih dari 75% data training dan 25% data validasi dengan topologi 10-30-40-1 (10 node input layer, 30 node hidden layer 1, 40 node hidden layer 2, dan 1 node output) dengan output sebagai nilai kandungan klorofil. Pemodelan ANN ini mempunyai nilai learning rate 0.1, momentum 0.4, serta trainlm sebagai fungsi pembelajaran sedangkan fungsi aktivasi meliputi logsig pada hidden layer dan tansig pada output layer. Struktur ANN tersebut menghasilkan nilai koefisien korelasi (R) training sebesar 0.95033, koefisien korelasi (R) validasi sebesar 0.83832, dengan nilai MSE training sebesar 0.0100, dan nilai MSE validasi sebesar 0.0378. Melalui penelitian ini dapat dibuktikan bahwa citra digital dengan analisa tekstur warna dikombinasi dengan pemodelan ANN memiliki potensi untuk memprediksi kandungan klorofil daun binahong

Item Type:	Thesis (Sarjana)
Identification Number:	052010
Subjects:	600 Technology (Applied sciences) > 630 Agriculture and related technologies
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	Unnamed user with username saputro
Date Deposited:	23 Oct 2021 04:44
Last Modified:	11 Oct 2024 01:00
URI:	http://repository.ub.ac.id/id/eprint/185335

Text MUHAMMAD RAFIUD DAROJAH.pdf Download (3MB)

Actions (login required)

View Item