IDENTIFIKASI TINGKAT MANIS BUAH BELIMBING BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN FUZZY NEURAL NETWORK
| Main Author: | Whidhiasih, Retno Nugroho |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
LPPM Universitas Islam 45 Bekasi
, 2018
|
| Online Access: |
https://jurnal.unismabekasi.ac.id/index.php/piksel/article/view/251 https://jurnal.unismabekasi.ac.id/index.php/piksel/article/view/251/185 |
Daftar Isi:
- ABSTRACT Fuzzy Neural Network (FNN) has a capability to classify a pattern within two different classes which a classical Neural Network (NN) is failed to do so. The fuzzy pattern classification use membership degree on output of neuron as learning target. This research aim is to develop an artificial intelligence system model for non-destructive classification of starfruit using Fuzzy Neural Network. The input parameter is the estimator parameter of starfruit sweet level of red, green and blue index color obtained from image processing. The best result of starfruit sweet level identification using FNN with three classification class target (sour, medium and sweet) is achieved with 25 neurons in hidden layer and 14th epoch with 100% accuracy. Keyword : classification, fuzzy neural network, starfruit, non-destructive grading, pattern recognition. ABSTRAK Fuzzy Neural Network (FNN) memiliki kemampuan untuk mengklasifikasikan pola dalam dua kelas yang tidak bisa dilakukan oleh Neural Network (NN). FNN merupakan klasifikasi fuzzy yang mengubah target dari pembelajaran menjadi derajat keanggotaan. Tujuan penelitian ini adalah untuk mengembangkan model sistem kecerdasan buatan untuk klasifikasi non-destruktif dari belimbing menggunakan Fuzzy Neural Network. Parameter input yang digunakan adalah indeks warna red, green dan blue yang diperoleh dari pengolahan citra. Hasil terbaik dari identifikasi belimbing tingkat manis buah belimbing menggunakan FNN ke dalam tiga target kelas klasifikasi, yaitu asam, sedang dan manis dicapai dengan 25 neuron pada lapisan tersembunyi pada epoch ke 14 dengan akurasi 100%. Keyword : identifikasi, fuzzy neural network, belimbing, identifikasi non destruktif