PERBANDINGAN TINGKAT AKURASI PENGENALAN JENIS BERAS PUTIH BERDASARKAN BANYAKANYA DATA LATIH

Hakim, Erick (2020) PERBANDINGAN TINGKAT AKURASI PENGENALAN JENIS BERAS PUTIH BERDASARKAN BANYAKANYA DATA LATIH. Diploma thesis, STMIK Global Informatika Mdp.

Text erick hakim 1519250009_watermark.pdf Download (959kB)

Abstract

Beras memiliki banyak macam jenis, jika dilihat dari warna beras dapat dibagi menjadi tiga jenis yaitu beras merah, hitam dan putih. Untuk membedakan jenis beras merah dan hitam mungkin akan lebih mudah dikarenakan perbedaan warna yang signifikan. Tetapi pada beras putih, bentuk, tekstur dan warnanya memiliki kemiripan sehingga tidak semua orang bisa mengenali jenis beras. Untuk mengatasi masalah ini kita dapat menggunakan metode pengenalan kecerdasan buatan. Salah satu metode yang sudah sering digunakan adalah backpropagation, metode ini telah terbukti dapat mengenali berbagai jenis objek dengan cukup baik. Namun untuk mengenali suatu objek dengan menggunakan kecerdasan buatan terdapat banyak faktor yang dapat mempengaruhi hasil tingkat akurasi dari pengenalan jenis objek tersebut seperti jarak potret, resolusi kamera, sudut potret, intensitas cahaya, banyaknya data latih dan lain-lain. Pada penelitian ini dilakukan pengujian terhadap salah satu faktor yaitu banyaknya data latih. Penelitian ini menggunakan tiga jenis beras yaitu Beras Pandan Wangi, Beras Thailand dan Beras Vietnam yang digunakan sebagai 15, 30, 45 dan 60 citra per jenis untuk model JST yang berbeda Didapatkan hasil yang baik pada model JST dengan banyak data latih 60 citra per jenis dibandingkan dengan model lain yaitu 81% pada akurasi , 70% pada presisi dan 71% pada recall.

Actions (login required)

View Item