KLASIFIKASI BUNGA ANGGREK BULAN BERDASARKAN WARNA DAN TEKSTURNYA MENGGUNAKAN METODE JST
Anggrek Bulan(Phalaenopsis), CCM(color co-occourrence matrix), JST
DOI:
https://doi.org/10.51903/juisi.v1i3.417Keywords:
Anggrek Bulan(Phalaenopsis), CCM(color co-occourrence matrix),JSTAbstract
Orchidaceae merupakan nama latin dari bunga anggrek yang memiliki variasi bentuk, Bunga anggrek di Indonesia sangatlah banyak dan beragam jenis yang salah satunya anggrek bulan (Phalaenopsis). Meskipun anggrek banyak yang membudidayakan, namun untuk membedakan jenis anggrek satu dengan yang lain yaitu dengan melihat warna dan tekstur. Namun secara umum jenis bunga anggrek memiliki kemiripan warna, tekstur, hal ini yang menyebabkan seseorang kesulitan dalam mengidentifikasi jenis bunga anggrek, oleh karena itu dilakukan secara otomatis dengan sistem komputer. Dengan menggunakan metode color co-occourrence matrix (CCM) dan klasifikasi menggunakan metode JST (Jaringan Saraf Tiruan). Yang diharapkan mampu membedakan jenis anggrek bulan berdasarkan ekstraksi warna dan tekstur menggunakan CCM dan melakukan klasifikasi JST berdasarkan data CCM. Memanfaatkan metode penelitian eksperimen yang menggunakan pendekatan kuantitatif. Dengan MSE terkecil 3,5 x 10-6 serta 1000 iterasi. Serta hasil uji coba 5 anggrek bulan, dimana anggrek bulan kuning berhasil diklasifikasi sebanyak 112 bunga dan gagal 28 bunga dengan presentase keberhsilan 89.70%, anggrek bulan merah 207 dapat di kenali dengan benar dan 3 tidak dikenali, dengan presentase keberhasilan 98.57%. Anggrek bulan putih sebanyak 171 dapat dikenali dengan benar dan 29 salah dengan tingkat presentase keberhasilan 85.50%. Anggrek bulan Taiwan dapat dikenali 213 bunga secara benar dan salah 37 bunga dengan presentase keberhasilan 85.20%. Anggrek bulan ungu dapat dikenali benar sebanyak 194 bunga dan tidak dapat dikenali 6 bunga drngan presentase keberhasilan 97%. Dari keseluruhan uji coba 5 anggrek bulan secara keseluruhan terdapat 897 dapat dibaca secara benar dan 103 salah dengan presentase keberhasilan 89.70%. Sehingga pada penelitian ini mampu menyempurnakan penelitian sebelumnya.
References
[2] I. S. Manuel and I. Ernawati, “Implementasi GLCM dan Algoritma Naive Bayes Dalam Klasifikasi Jenis Bunga Anggrek,” Senamika, vol. 1, no. 2, pp. 99–109, 2020.
[3] L. Erfa, D. Maulida, R. N. Sesanti, and Y. Yuriansyah, “Keberhasilan Aklimatisasi dan Pembesaran Bibit Kompot Anggrek Bulan (Phalaenopsis) Pada Beberapa Kombinasi Media Tanam,” J. Penelit. Pertan. Terap., vol. 19, no. 2, p. 122, 2020, doi: 10.25181/jppt.v19i2.1420.
[4] O. N. Shpakov and G. V. Bogomolov, “Technogenic activity of man and local sources of environmental pollution,” Stud. Environ. Sci., vol. 17, no. C, pp. 329–332, 1981, doi: 10.1016/S0166-1116(08)71924-1.
[5] R. Pratama et al., “Tomato Fruit Detection Based on Color Features Using His Color Space Transformation Method,” vol. 2, no. 2, pp. 81–86, 2019.
[6] R. H. Muhammad Otong1, Ri Munarto1, “Jurnal Ilmiah Setrum,” J. Control Netw. Syst., vol. 5, no. 2, pp. 1–13, 2017.
[7] M. S. Wibawa, “Pengaruh Fungsi Aktivasi, Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan,” J. Sist. dan Inform., vol. 11, no. 2, pp. 1–8, 2016, doi: 10.13140/RG.2.2.21139.94241.
[8] L. Syafie and D. Indra, “Jaringan Syaraf Tiruan,” Ilk. J. Ilm., vol. 10, no. 2, pp. 201–206, 2018.
.png)
