Zakaria, Muchammad (2017) Pemodelan Pengeringan Kunyit (Curcuma domestica Val.) Berbasis Machine Vision Dengan Menggunakan Artificial Neural Network. Sarjana thesis, Universitas Brawijaya.
Abstract
Kunyit (Curcuma domestica Val.) merupakan tanaman suku temu – temuan. Untuk mempertahankan kunyit agar tetap tahan lama yaitu dilakukannya pengeringan. Namun dalam proses pengeringan sering timbul berbagai masalah, oleh sebab itu diperlukan suatu teknologi yang dapat memonitoring kadar air dari kunyit secara pasti dan akurat, yaitu dengan mesin pengering berbasis Machine Vision dan ANN. Tujuan penelitian ini yaitu untuk mengetahui waktu terbaik untuk pengeringan kunyit berbasis Machine Vision dengan menggunakan ANN, mengetahui perbedaan performansi ANN untuk citra digital yang memenuhi syarat kadar air standar pengeringan kunyit, mengetahui struktur ANN terbaik dalam proses pengeringan kunyit. Penelitian ini menggunakan metode deskriptif yang terdiri dari lama waktu pengeringan yaitu 5 jam dengan 5 kali pengulangan dan menggunakan bahan kunyit. Metode aplikasi ini menggunakan mesin pengering yang dilengkapi dengan machine vision sebagai pengambil data gambar bahan, kemudian gambar tersebut di ekstrak warnanya untuk dapat mengetahui nilai RGB. Dalam proses pembangunan model ANN digunakan learning rate sebesar 0.1 sampai 0.5 pada momentum rate sebesar 0.5 sampai 0.9. Pada penelitian ini didapatkan hasil Learning process terbaik dengan learning process 0.3 dan momentum rate 0.9. Model ANN dengan nilai eror terendah yaitu untuk training 0.005 MSE dan 24.59% ARE, untuk validation 0.005 MSE dan 25.35% ARE.
English Abstract
Turmeric is a plant with the Latin name Curcuma domestica Val. To maintain the turmeric to be durable is by drying. However, in the drying process often arise various problems, therefore it's required a technology that can monitor the moisture content of turmeric definitively and accurately, that is by using drying machine-based Machine Vision and ANN. The purpose of this study to determine the best time for drying turmeric-based Machine Vision by using ANN, to know the difference of ANN's graph for the image that qualify the standard of moisture content in drying turmeric, to know the best ANN in the turmeric drying process. This research used descriptive method that consisted of duration of drying time; it is 5 hours with five repetitions and used turmeric. The method of this application used drying machine equipped with a machine vision to take image data on materials, then from these images, these color was extracted to know the value of RGB. In the development process of ANN model used learning rate of 0.1, 0.2, 0.3, 0.4, and 0.5 on the momentum rate of 0.5, 0.6, 0.7, 0.8, and 0.9. In this research got the best results with the learning process of learning rate 0.3 and momentum rate 0.9. ANN models with the lowest error value is for training 0005 MSE and 24.59% ARE, for validation MSE 0005 and 25.35% ARE.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2017/444/051709292 |
| Uncontrolled Keywords: | Artificial Neural Network, Kunyit, Kadar Air, Machine Vision. |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 12 Oct 2017 07:23 |
| Last Modified: | 12 Oct 2020 03:28 |
| URI: | http://repository.ub.ac.id/id/eprint/3650 |
Actions (login required)
 |
View Item |