PENGKLASIFIKASI BERAS MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK)

  • MUH ZAINAL ALTIM Jurusan Teknik Elektro Universitas Muslim Indonesia
    (ID)
  • FAISAL Jurusan Teknik Informatika UIN Alauddin Makassar
    (ID)
  • SALMIAH Jurusan Teknik Elektro Universitas Muslim Indonesia
    (ID)
  • KASMAN Jurusan Teknik Elektro Universitas Muslim Indonesia
    (ID)
  • ANDI YUDHISTIRA Jurusan Teknik Elektro Universitas Muslim Indonesia
    (ID)
  • RITA AMALIA SYAMSU Jurusan Teknik Elektro Universitas Muslim Indonesia
    (ID)

Abstract

Pemanfaatan Computer Vision yang digunakan untuk pengolahan gambar dan deep learning dalam melakukan proses pembelajaran. Berdasarkan citra image (gambar) beras yang di input, memungkinkan system untuk mengklasifikasikan jenis objek beras. Kemudian, proses deep learning seperti Convolutional Neural Network (CNN). melakukan training pembelajaran dalam memproses gambar yang menjadi data set, dengan melakukan proses learning dalam beberapa jaringan (Network) tersembunyi dan menjadikan gambar yang ingin diuji dapat diklasifikasikan berdasarkan tingkat atau level dari learning (pembelajaran) network itu sendiri. Berdasarkan hasil proses diperoleh, pengklasifikasian beras dengan data yang diambil berupa gambar beras dapat dilakukan dengan melakukan training objek beras yang diujikan. Pengklasifikasian beras dilakukan dengan membedakan 8 (dua) kelas jenis beras yang diambil yaitu beras yang baik dan beras yang jelek. Dengan Metode CNN dapat dihasilkan tingkat keakuratan sampai diatas 90 persen. Sistem pengklasifikasian ini digunakan untuk industri, perusahaan atau stakeholder untuk dimanfaatkan dalam melihat kualitas beras secara lebih cepat, akurat, dan objectif.

 

 Kata Kunci : Dataset beras, beras, CNN, Deep Learning

Downloads

Download data is not yet available.

Author Biographies

MUH ZAINAL ALTIM, Jurusan Teknik Elektro Universitas Muslim Indonesia

Jurusan Teknik Elektro Universitas Muslim Indonesia

FAISAL, Jurusan Teknik Informatika UIN Alauddin Makassar

Jurusan Teknik Informatika UIN Alauddin Makassar

SALMIAH, Jurusan Teknik Elektro Universitas Muslim Indonesia

Jurusan Teknik Elektro Universitas Muslim Indonesia

KASMAN, Jurusan Teknik Elektro Universitas Muslim Indonesia

Jurusan Teknik Elektro Universitas Muslim Indonesia

ANDI YUDHISTIRA, Jurusan Teknik Elektro Universitas Muslim Indonesia

Jurusan Teknik Elektro Universitas Muslim Indonesia

RITA AMALIA SYAMSU, Jurusan Teknik Elektro Universitas Muslim Indonesia

Jurusan Teknik Elektro Universitas Muslim Indonesia

References

Bejiga, M. B., Zeggada, A., Nouffidj, A., & Melgani, F. 2017. “A convolutional neural network approach for assisting avalanche search and rescue operations with UAV imagery. Remote Sensing”, 9(2). https://doi.org/10.3390/rs9020100

Yalcin, H., & Razavi, S 2015, “Plant classification using convolutional neural networks. 2016 Fifth International Conference on Agro-Geoinformatics (Agro-Geoinformatics)”, 1–5. https://doi.org/10.1109/AgroGeoinformatics.2016.7577698

Vedaldi, A., & Lenc, K 2015, “MatConvNet: Convolutional Neural Networks for MATLAB”. In Proceedings of the 23rd ACM International Conference on Multimedia” (hal. 689–692). New 68 York, NY, USA: ACM. https://doi.org/10.1145/2733373.2807412

Zhang, C., Sargent, I., Pan, X., Gardiner, A., Hare, J., & Atkinson, P. M. 2018, “VPRS-Based Regional Decision Fusion of CNN and MRF Classifications for Very Fine Resolution Remotely Sensed Images”. IEEE Transactions on Geoscience and Remote Sensing, 1–15. https://doi.org/10.1109/TGRS.2018.2822783 5. Zeiler, M. D., & Fergus, R. 2014, “Visualizing and Understanding Convolutional Networks”, In D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Ed.), Computer Vision -- ECCV 2014 (hal. 818–833). Cham: Springer International Publishing.

Nurfita, R.D, Ariyanto. G, 2018 “Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari. Jurnal Emitor, 18(01), 22-27.

Nurhimat, T, 2018, “Implementasi Deep Leraning untuk image classification menggunakan algoritma Convolutional Neural Network (CNN) pada citra wayang golek”.
Published
2022-03-31
Section
Volume 7 Nomor 1 April Tahun 2022
Abstract viewed = 936 times