Wahyu Syahrul Akmal: TUGAS BESAR (MACHINE LEARNING)

Referensi :

Daniel Eka Putra Risamasu. IDENTIFIKASI BENTUK BIJI KOPI MENGGUNAKAN DESKRIPTOR BENTUK DASAR DAN JARINGAN SARAF TIRUAN. Skipri Universitas Sanata Dharma Yogyakarta tahun 2017. pp 1-114

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Abstrak

2. Pendahuluan

3. Metode Penelitian

4. Hasil dan Pembahasan

5. Video

6. Download File

*Klik teks untuk menuju

IDENTIFIKASI BENTUK BIJI KOPI MENGGUNAKAN DESKRIPTOR BENTUK DASAR DAN JARINGAN SARAF TIRUAN

1. Abstrak [Kembali]

Biji kopi merupakan salah satu komoditas yang banyak diperdagangkan di era global saat ini.Biji kopi dihasilkan di lebih dari 70 negara tropis, salah satunya Indonesia. Dengan 70% produksi nasional kopi diekspor, perlu adanya penetapan standar mutu terhadap kualitas biji kopi. Salah satu standar mutu dalam SNI adalah penentuan biji kopi utuh dan biji kopi pecah. Biji kopi dikatakan pecah apabila ukuran tidak memenuhi ¾ dari ukuran biji kopi yang utuh. Penelitian ini akan menggunakan deskriptor bentuk dasar yang terdiri dari luas, perimeter, panjang (diameter), lebar, rasio kebulatan, rasio kerampingan, dan fitur dispersi untuk melakukan identifikasi terhadap biji kopi utuh dan biji kopi pecah. Adapun ciri yang didapatkan akan dimasukkan dalam sebuah arsitektur jaringan saraf tiruan untuk mengenalinya

2. Pendahuluan [Kembali]

Penelitian sebelumnya telah dilakukan oleh beberapa peneliti untuk melakukan identifikasi atau klasifikasi berdasarkan citra biji kopi. Pada penelitian kali ini akan digunakan beberapa parameter seperti luas, parimeter, panjang, lebar, diameter, kerampingan, kebulatan, dan dispersi sebagai ciri, dan jaringan saraf tiruan sebagai alat klasifikasi dalam melakukan identifikasi dari biji kopi. Penelitian ini akan menggunakan ciri-ciri tersebut dan melakukan perancangan arsitektur jaringan saraf tiruan sebagai alat untuk melakukan klasifikasi jenis bentuk biji.

3. Landasan Teori [Kembali]

Kopi

Tanaman kopi termasuk dalam famili Rubiaceae dan terdiri dari banyak jenis antara lain Coffea arabica, Coffea robusta, dan Coffea liberica. Kopi banyak diyakini berasal dari sebuah kerajaan kuno di Ethiopia bernama Abessinia. Dan disana, tanaman kopi tumbuh di dataran tinggi.

Citra Digital

Citra atau gambar merupakan kata yang berasal dari kata image dalam bahasa Inggris. Citra sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra memiliki karakteristik yang tidak dimiliki oleh data tekstual dikarenakan lebih kaya akan informasi. Sebuah gambar dapat memberikan informasi dapat memberikan informasi yang lebih banyak daripada informasi yang disajikan dalam bentuk tekstual.

Pengertian Angin

Secara singkat dapat dijelaskan bahwa angin adalah udara yang bergerak. Menurut Buys Ballot, ahli ilmu cuaca dari Perancis, angin adalah massa udara yang bergerak dari daerah bertekanan maksimum ke daerah bertekanan minimum. Gerakan massa udara yang arahnya horizontal dikenal dengan istilah angin.

4. Metodologi Penelitian [Kembali]

Cropping

Cropping merupakan proses yang digunakan untuk memotong citra hasil capture dari kamera digital yang digunakan. Proses ini bertujuan membuat data citra tepat berbentuk persegi, sesuai dengan bentuk penampang tempat obyek biji kopi diletakkan.

Deteksi tepi

Pada tahap ini, akan dilakukan pendeteksian tepi dari gambar yang sudah dilakukan perubahan ke skala keabuan sebelumnya. Dimulai dengan penghitungan threshold, kemudian dengan penggunaan fudgefactor yang dikalikan dengan threshold, yang menjadi parameter masukan dalam proses deteksi tepi.

Dilasi Structure Element

Digunakan untuk mempertegas tepi yang berhasil dideteksi menggunakan operator sebelumnya. Dilakukan dengan mendilasi 2 (dua) buah kernel (structure element).

Image Filling

Merupakan proses yang digunakan untuk mengisi lubang dari citra hasil operasi dilasi sebelumnya. Menggunakan operasi flood-fill, dari piksel latar dari citra biner masukannya.

Image Center Resize

Merupakan proses yang dilakukan untuk mencari centroid dari obyek biji kopi yang didapatkan dari hasil proses sebelumnya, kemudian melakukan translasi objek kopi tersebut dengan sebuah bidang baru, sehingga objek kopi benar-benar berada ditengah sesuai centroidnya, dan background ditambahkan panjang atau lebarnya.

Pencarian Kontur

Metode untuk pelacakan kontur yang digunakan adalah pelacakan kontur internal dengan algoritma Moore. Masukan dari tahap pertama ini merupakan citra biner hasil preprocessing, dan keluarannya merupakan sebuah matriks (2xn) yang berisi pasangan koordinat kontur.

5. Implementasi Sistem dan Hasil [Kembali]

pelatihan

Neural Network pelatihan

pengujian

7. Penutup [Kembali]

Kesimpulan

Dari pengolahan citra biji kopi yang telah dilakukan menggunakan algoritma jaringan saraf tiruan, menggunakan citra biji kopi robusta dan arabika. Didapatkan data akurasi pelatihan sebesar 79% dan data hasil pengujian sebesar 78% dikarenakan dari total 110 terdapat 88 data yang diklasifikasi secara benar.

Saran

Perbesar Nilai akurasi pada data pelatihan dan data pengujian

Implementasi Saran

Implementasi saran dilakukan dengan memperbesar jumlah neuron pada hidden layar dengan mengubahnya pada bagian hiddenSize menjadi 10 , serta memperlambat laju pembelajaran pada bagian lvqLR menjadi 0.01. Sehingga didapatkan akurasi data pelatihan sebesar 88% dan akurasi data pengujian sebesar 85%

pelatihan