Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah

Sanjaya, Suwanto

doi:10.24014/coreit.v5i2.8199

Cited by 2 publications

(12 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Fitur warna HSV sudah banyak digunakan pada penelitian sebagai salah satu fitur untuk mengidentifikasi objek. Beberapa penelitian yang menggunakan fitur warna HSV antara lain digunakan untuk klasifikasi tingkat kematangan buah tomat [7], klasifikasi citra daun [8], klasifikasi jenis tanaman hias daun Philodendron [9], klasifikasi jenis Bunga [10], klasifikasi kematangan buah jeruk [11], dan klasifikasi jenis buah apel [12].…”

Section: Pendahuluanunclassified

“…Pada penelitian sebelumnya [7] sudah dibahas bagaimana menentukan model terbaik untuk klasifikasi tingkat kematangan buah tomat menggunakan fitur warna HSV dan algoritme LVQ sebagai proses pembelajarannya. Berdasarkan penelitian tersebut, akurasi yang dihasilkan antara 76,5% sampai dengan 86,5% dari pengujian model klasifikasi tingkat kematangan buah tomat.…”

Section: Pendahuluanunclassified

“…Ada beberapa batasan yang diperlukan pada penelitian ini agar penelitinnya menjadi terarah. Beberapa batasan masalah yang menjadi fokus pada penelitian ini pertama adalah model prototype (bobot) yang digunakan adalah hasil dari penelitian sebelumnya [7]. Kedua, tingkat kematangan yang digunakan sama dengan penelitian sebelumnya yaitu lima tingkatan (green, turning, pink, light red, dan red) [7].…”

Section: Pendahuluanunclassified

“…Beberapa batasan masalah yang menjadi fokus pada penelitian ini pertama adalah model prototype (bobot) yang digunakan adalah hasil dari penelitian sebelumnya [7]. Kedua, tingkat kematangan yang digunakan sama dengan penelitian sebelumnya yaitu lima tingkatan (green, turning, pink, light red, dan red) [7]. Ketiga, data uji yang digunakan untuk menguji aplikasi yang dikembangkan adalah data buah tomat dari penelitian sebelumnya [7] sebanyak 400 gambar.…”

Section: Pendahuluanunclassified

“…Kedua, tingkat kematangan yang digunakan sama dengan penelitian sebelumnya yaitu lima tingkatan (green, turning, pink, light red, dan red) [7]. Ketiga, data uji yang digunakan untuk menguji aplikasi yang dikembangkan adalah data buah tomat dari penelitian sebelumnya [7] sebanyak 400 gambar.…”

Section: Pendahuluanunclassified

See 4 more Smart Citations

Aplikasi Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Fitur Warna HSV Berbasis Android

Sanjaya

2022

JTI

Self Cite

View full text Add to dashboard Cite

Tomatoes ripen relatively quickly, so tomato farmers must be able to properly sort the tomatoes for distribution. Farmers typically sort the tomatoes by hand. Tomato farmers are generally experts at manually sorting tomatoes, but humans have many limitations, such as being tired and unfocused. Because these issues can lead to inconsistencies and inaccuracies in sorting, a tool is required to help with the process. As a result, it is necessary to create an Android application to aid in the sorting process. The reason for using Android as a platform is that it is a tool that a large number of people own. The LVQ algorithm is used as a learning algorithm to find the best model for tomato recognition. To build the model, the algorithm requires features. Colors with Hue, Saturation, and Value (HSV) are used. The Personal eXtreme Programming (PXP) system development methodology was used to create applications that recognize the level of ripeness of tomatoes. Unified Modeling Language (UML) is the analytic tool of choice. The application was successfully developed on the Android platform based on the test results. The application's use results in an accuracy of 80%. Green and red tomatoes are the most well-known types of tomatoes. Turning tomatoes are difficult to identify because many of them are mistaken for green tomatoes.Keyword: Android; eXtreme Programming; HSV; Recognition; TomatoBuah tomat memiliki waktu kematangan relatif cepat, sehingga petani tomat harus dapat menyortir buah tomat dengan tepat yang akan didistribusikan. Pada umumnya petani menyortir buah tomat secara manual. Petani tomat juga pada umumnya sudah ahli dalam menyortir tomat secara manual, tetapi manusia memiliki banyak keterbatasan seperti lelah dan tidak fokus. Masalah tersebut dapat meyebabkan inkonsistensi dan ketidaktepatan dalam penyortirannya, sehingga dibutuhkan alat bantu untuk membantu proses peyortiran tersebut. Oleh karena itu, perlu dikembangkan sebuah aplikasi Android yang dapat membantu proses penyortiran tersebut. Alasan penggunaan Android sebagai platform karena merupakan alat yang banyak dimiliki orang pada umumnya. Algoritme LVQ digunakan sebagai algoritme pembelajaran untuk mendapatkan model terbaik dalam mengenali buah tomat. Algoritme tersebut membutuhkan fitur untuk membangun modelnya. Fitur yang digunakan adalah warna Hue, Saturation, dan Value (HSV). Aplikasi pengenalan tingkat kematangan buah tomat dikembangkan menggunakan metodologi pengembangan sistem Personal eXtreme Programming (PXP). Alat analisis yang digunakan adalah Unified Modeling Language (UML). Berdasarkan hasil pengujian, aplikasi berhasil dikembangkan pada platform Android. Penggunaan aplikasi tersebut menghasilkan akurasi sebesar 80%. Tomat yang paling banyak dikenali adalah tomat Green dan Red. Tomat Turning cukup sulit dikenali, karena tomat tersebut cukup banyak yang dikenali sebagai tomat Green.Kata Kunci: Android; eXtreme Programming; HSV; Pengenalan; Tomat

show abstract

Section: Pendahuluanunclassified

See 3 more Smart Citations

Aplikasi Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Fitur Warna HSV Berbasis Android

Sanjaya

2022

JTI

Self Cite

View full text Add to dashboard Cite

show abstract

Measuring the Maturity Level of Oil Palm Fruit For CPO Production Based on Color With Using the LVQ Method

Hamid,

Saragih,

Syahputra

2023

j. of artif. intell. and eng. appl.

View full text Add to dashboard Cite

Palm oil is a very important commodity besides oil and gas which also has a fairly good export value. The palm oil produced must be supported by the quality standards set by SNI. The level of maturity when harvesting oil palm fruit greatly influences the quality of Crude Palm Oil (CPO) production, which is crude palm oil that has a reddish color obtained from extraction or from the pressing process of oil palm fruit flesh. In fact, in the field of oil palm fruit harvest, there are still many oil palm fruit that are not ripe enough and can even be said to be still raw, entering the CPO production process. Determination of the maturity level of oil palm fruit is generally determined based on the amount of loose fruit and color, so handling the harvest of oil palm fruit is an important activity in improving the quality of CPO. It is necessary to build a system capable of managing and processing palm fruit images to measure the maturity level of the palm fruit to be produced. To obtain the right level of accuracy, this research uses the Learning Vector Quantization (LVQ) method. LVQ is a method for conducting supervised competitive layer learning. From the results of trials conducted, it is proven that the system can measure very ripe oil palm fruit with HSV values (0.052209; 0.896021; 0.791114).

show abstract

Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah

Cited by 2 publications

References 6 publications

Aplikasi Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Fitur Warna HSV Berbasis Android

Aplikasi Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Fitur Warna HSV Berbasis Android

Measuring the Maturity Level of Oil Palm Fruit For CPO Production Based on Color With Using the LVQ Method

Contact Info

Product

Resources

About