IMPLEMENTASI METODE BACK-PROPAGATION UNTUK KLASIFIKASI TINGKAT KEMATANGAN MANGGA PODANG
2016: Seminar Informatika Aplikatif Polinema (SIAP)
Abstract
Klasifikasi kematangan buah mangga podang saat ini masih dilakukan secara manual oleh para petani.
Cara manual ini dilakukan berdasarkan pengamatan secara langsung oleh kedua mata manusia dan persepsi
manusia akan buah tersebut berdasarkan warna yang dilihatnya. Namun dengan berkembangnya teknologi yang
semakin maju maka dimungkinkan untuk mengklasifikasi tingkat kematangan buah mangga podang dengan
bantuan sebuah komputer.
Penelitian ini mengajukan judul tentang klasifikasi kematangan buah mangga. Buah mangga podang
diklasifikasikan berdasarkan perbedaan warna yang didapat dari proses ekstraksi fitur RGB dari masing-masing
buah. Setelah itu nilai tersebut akan digunakan sebagai inputan dalam proses pembelajaran dengan menggunakan
perhitungan back-propagation agar menghasilkan bobot terbaik. Bobot terbaik itulah yang digunakan sebagai
bobot dalam perhitungan proses klasifikasi. Sehingga akan didapatkan tiga keluaran klasifikasi yakni mentah,
setengah matang, dan matang. Tingkat keakuratan klasifikasi buah mangga podang menggunakan backpropagation ini mencapai nilai keakuratan 100%. Namun perlu diperhatikan tingkat keberhasilan sangat
dipengaruhi oleh faktor pencahayaan pada citra mangga podang yang diklasifikasikan serta banyaknya data
training.
Cara manual ini dilakukan berdasarkan pengamatan secara langsung oleh kedua mata manusia dan persepsi
manusia akan buah tersebut berdasarkan warna yang dilihatnya. Namun dengan berkembangnya teknologi yang
semakin maju maka dimungkinkan untuk mengklasifikasi tingkat kematangan buah mangga podang dengan
bantuan sebuah komputer.
Penelitian ini mengajukan judul tentang klasifikasi kematangan buah mangga. Buah mangga podang
diklasifikasikan berdasarkan perbedaan warna yang didapat dari proses ekstraksi fitur RGB dari masing-masing
buah. Setelah itu nilai tersebut akan digunakan sebagai inputan dalam proses pembelajaran dengan menggunakan
perhitungan back-propagation agar menghasilkan bobot terbaik. Bobot terbaik itulah yang digunakan sebagai
bobot dalam perhitungan proses klasifikasi. Sehingga akan didapatkan tiga keluaran klasifikasi yakni mentah,
setengah matang, dan matang. Tingkat keakuratan klasifikasi buah mangga podang menggunakan backpropagation ini mencapai nilai keakuratan 100%. Namun perlu diperhatikan tingkat keberhasilan sangat
dipengaruhi oleh faktor pencahayaan pada citra mangga podang yang diklasifikasikan serta banyaknya data
training.
Copyright ©2020 Jurusan Teknologi Informasi - Politeknik Negeri Malang.
References
Adlin, Garesya, Panggabean. 2015.
“Identifikasi Kematangan Buah Markisa
(Passiflora edulis) dengan Pengolahan Citra
Menggunakan Jaringan Syaraf Tiruan”.
J.Rekayasa Pangan dan Pert., Vol.3 No. 3 Th.
2015
Baswarsiati, Yuniarti. 2007. “Karakter
Morfologis dan Beberapa Keunggulan
Mangga Podang curang (Mangivera Indica
L)”. Buletin Plasma Nutfah vol.13 No.2
Derisma, Deswari, Hendrick. “Identifikasi
Kematangan Buah Tomat Menggunakan
Metode Back Propagation”.
Dinas Pertanian Tanaman Pangan Kabupaten
Kediri. 2001. Laporan Tahunan 2001. Dinas
Pertanian Tanaman Pangan Kabupaten Kediri.
Jong Jek Siang. 2009. “Jaringan Syaraf
Tiruan & Pemrogramannya Menggunakan
Matlab”. Yogyakarta : Penerbit Andi.
Kusumadewi, Sri. 2003. “Artificial
Intelligence (Teknik dan Aplikasinya)”.
Yogyakarta; Graha Ilmu.
Kusumaningtyas. Sella. 2015. “Identifikasi
Kematangan Buah Tomat Berdasarkan Warna
Menggunakan Metode Jaringan Syaraf Tiruan
(JST)”. Malang : Politeknik Negeri.
Kusumanto, Novi. 2011. “Pengolahan citra
digital untuk mendeteksi obyek menggunakan
pengolahan warna model normalisasi RGB”.
Seminar Nasional Teknologi Informasi &
Komunikasi Terapan 2011.
Cilimkovic, Mirza. 2010. “Neural Networks
and Back-Propagation Algorithm”. Ireland :
Institute of Technology Blanchardstown.
“Identifikasi Kematangan Buah Markisa
(Passiflora edulis) dengan Pengolahan Citra
Menggunakan Jaringan Syaraf Tiruan”.
J.Rekayasa Pangan dan Pert., Vol.3 No. 3 Th.
2015
Baswarsiati, Yuniarti. 2007. “Karakter
Morfologis dan Beberapa Keunggulan
Mangga Podang curang (Mangivera Indica
L)”. Buletin Plasma Nutfah vol.13 No.2
Derisma, Deswari, Hendrick. “Identifikasi
Kematangan Buah Tomat Menggunakan
Metode Back Propagation”.
Dinas Pertanian Tanaman Pangan Kabupaten
Kediri. 2001. Laporan Tahunan 2001. Dinas
Pertanian Tanaman Pangan Kabupaten Kediri.
Jong Jek Siang. 2009. “Jaringan Syaraf
Tiruan & Pemrogramannya Menggunakan
Matlab”. Yogyakarta : Penerbit Andi.
Kusumadewi, Sri. 2003. “Artificial
Intelligence (Teknik dan Aplikasinya)”.
Yogyakarta; Graha Ilmu.
Kusumaningtyas. Sella. 2015. “Identifikasi
Kematangan Buah Tomat Berdasarkan Warna
Menggunakan Metode Jaringan Syaraf Tiruan
(JST)”. Malang : Politeknik Negeri.
Kusumanto, Novi. 2011. “Pengolahan citra
digital untuk mendeteksi obyek menggunakan
pengolahan warna model normalisasi RGB”.
Seminar Nasional Teknologi Informasi &
Komunikasi Terapan 2011.
Cilimkovic, Mirza. 2010. “Neural Networks
and Back-Propagation Algorithm”. Ireland :
Institute of Technology Blanchardstown.