Daftar Isi: Prediksi Klorofil Sayuran Dengan Metode Jaringan Saraf Tiruan Berbasis Citra Digital

Daftar Isi:

Sayuran berklorofil sangat penting bagi kesehatan, karena mengandung sumber nutrisi. Kualifikasi visual yang kurang objektif, serta analisis laboratorium yang lama dan cukup mahal untuk setiap sampelnya, mendorong solusi alternatif dari metode jaringan saraf tiruan berbasis citra digital untuk diterapkan dalam memprediksi klorofil total pada sayuran daun. Hasil penelitian menunjukkan bahwa Red, saturation_HSV, lightness dan saturation_HSL terhadap klorofil total, a dan b menghasilkan liniearitas positif. Green, blue, hue,dan value menghasilkan linieritas negatif. Regresi positif tertinggi ditunjukkan pada indeks saturation_HSL terhadap klorofil total daun singkong sebesar 78,6 %. Regresi negatif tertinggi terjadi pada indeks green terhadap klorofil total daun kangkung sebesar 49,8 %. Model terbaik yang dihasilkan melalui metode jaringan saraf tiruan dalam memprediksi klorofil total adalah model jaringan dengan 8 input, 9 hidden layer dan satu output layer, pada proporsi data training 75 % dan data testing 25 % sehingga diperoleh nilai MSE testing terkecil sebesar 0,0921, dengan Regresi testing sebesar 0,8468. Model jaringan mampu membaca sumber klorofil tertinggi pada daun singkong dengan presentase 84,68 %.