PERBANDINGAN TINGKAT AKURASI DAGING BAKSO BERDASARKAN JARAK POTRET MENGGUNAKAN FITUR GLCM DENGAN METODE JARINGAN SYARAF TIRUAN

Jiwanata, Ivan Ricardo (2023) PERBANDINGAN TINGKAT AKURASI DAGING BAKSO BERDASARKAN JARAK POTRET MENGGUNAKAN FITUR GLCM DENGAN METODE JARINGAN SYARAF TIRUAN. Diploma thesis, Universitas Multi Data Palembang.

Text 1923250011 Ivan Ricardo Jiwanata.pdf Download (671kB)

Abstract

Bakso merupakan makanan favorit masyarakat luas. Bakso yang beredar di masyarakat memiliki kualitas yang bervariasi. Orang cenderung menyukai bakso yang kenyal dan tidak menyukai bakso yang terlalu lembut atau terlalu keras. Permasalahannya adalah bagaimana mengetahui perbandingan akurasi daging bakso menggunakan 4 jarak potret yang berbeda menggunakan metode Jaringan Syaraf Tiruan backpropagation ekstraksi GLCM. Perbandingan bakso pada penelitian ini menggunakan 400 gram daging sapi dan 100 gram tepung. Sebanyak 320 data latih dan 8 data uji diekstraksi menggunakan fitur Gray Level Co-occurrence Matrix kemudian dilakukan pelatihan Jaringan Syaraf Tiruan menggunakan 17 fungsi latih. Jarak Potret yang digunakan adalah 10 cm, 13cm, 15cm dan 18cm dengan jumlah neuron 5, 10, dan 20 sehingga terdapat 3 arsitektur Neural Network yang berbeda. Setiap arsitektur dicoba sebanyak 5 kali sehingga terdapat 15 percobaan untuk 1 fungsi pelatihan (3 jumlah neuron x 5 percobaan untuk menjalankan program). Penentuan lapisan tersembunyi dan jumlah neuron yang digunakan dalam fungsi pelatihan dipilih hasil pengujian terbaik pada data uji. Berdasarkan fungsi pelatihan dan hasil ekstraksi fitur GLCM sebagai nilai masukan pada jaringan syaraf tiruan dapat disimpulkan bahwa fungsi pelatihan Traincgb yang menggunakan neuron 20 mendapatkan hasil pengenalan yang cukup baik pada citra bakso. Hasil penelitian menunjukkan bahwa keseluruhan output sebesar 72,0% untuk akurasi, 36,2% untuk presisi, dan 15,0% untuk recall.

Actions (login required)

View Item