Klasifikasi Jenis Tanaman Kelengkeng Berdasarkan Ciri Tekstur Daun Menggunakan Metode Adaptive Neuro Fuzzy Inference System (AFIS)

Authors

  • Ahmad Rif’an Firdaus Prodi Teknik Informatika, Universitas Yudharta Pasuruan, Indonesia
  • Moch. Lutfi Universitas Yudharta Pasuruan image/svg+xml
  • Muhammad Faishol Amrulloh Prodi Teknik Informatika, Universitas Yudharta Pasuruan, Indonesia

DOI:

https://doi.org/10.35891/explorit.v14i1.2726

Keywords:

Tanaman kelengkeng, Gray Level Co-occurance Matrix, Adaptive Neuro Fuzzy Inference, Fuzzy Logic, Klasifikasi

Abstract

Dimocarpus Longan atau kelengkeng merupakan buah yang memiliki beberapa jenis varietas yang dapat dilihat dari tiga ciri yang berbeda yaitu daun, batang dan buah. Namun tidak semua orang dapat mengidentifikasi jenis tanaman kelengkeng dari beberapa ciri tersebut. Salah satunya ciri daun kelengkeng yang susah untuk diidentifikasi jenisnya karena persamaan bentuk yang hampir mirip dengan jenis tanaman kelengkeng lainnya. Salah satu cara untuk mengatasi yang dapat dilakukan untuk membedakan jenis tanaman dengan menggunakan metode citra digital. Oleh karena itu pada penelitian ini menggunakan daun kelengkeng sebagai data citra untuk klasifikasi dan ektraksi fitur untuk identifikasi ciri tanaman kelengkeng. Untuk metode klasifikasi yang digunakan untuk mengklasifikasikan citra daun kelengkeng adalah Adaptive Neuro Fuzzy Sistem (ANFIS) dengan ekstraksi fitur tektur daun tanaman kelengkeng menggunakan metode ekstraksi Gray Level Co-occurance Matrix (GLCM) dan menggunakan citra daun kelengkeng diamond river, new kristal mata lada dan puang rai. Klasifikasi ANFIS merupakan teknik fuzzy inference pada pemodelan berdasarkan pasangan data input dan output. Error yang dilakukan selama pelatihan atau selisih keluaran FIS dengan data training sebesar 0.10475 dengan kemampuan pengenalan atau akurasi sebesar 67.5%.

Downloads

Download data is not yet available.

References

Rosadi, M. I., & Moch. Lutfi. (2021). Identifikasi Jenis Penyakit Daun Jagung Menggunakan Deep Learning Pre-Trained Model. Explore IT! : Jurnal Keilmuan Dan Aplikasi Teknik Informatika, 13(2), 35-42. https://doi.org/10.35891/explorit.v13i2.2690

Andono dan P. Nurtantio, Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI, 2017.

M. M. Sebatubun dan M. A. Nugroho, “EKSTRAKSI FITUR CIRCULARITY UNTUK PENGENALAN VARIETAS KOPI ARABIKA,†vol. 4, hal. 283–289, 2017, doi: 10.25126/jtiik.201744505.

Adtya Pa Budhi, “Klasifikasi Jenis Pohon Gaharu Berdasarkan Tekstur dan Bentuk Daun Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS),†BI-Obses, 2019.

H. S. A. Harjoko, “Klasifikasi Varietas Tanaman Kelengkeng Berdasarkan Morfologi Daun Menggunakan Backpropagation Neural Network dan Probabilistic Neural Network,†vol. 55281, hal. 11–16, 2011.

R. A. Raharjo, “Klasifikasi Jenis Buah Menggunakan Adaptive Neuro-fuzzy Inference System (anfis) Dan Image Processing,†eProceedings Eng., vol. 6, no. 2, hal. 9053–9068, 2019.

D. Hardiyanto, S. Kristiyana, D. Kurniawan, dan D. A. Sartika, “Klasifikasi Motif Citra Batik Yogyakarta Menggunakan Metode Adaptive Neuro Fuzzy Inference System,†J. Control Netw. Syst., vol. 5, no. 2, hal. 1–13, 2019.

S. A. Wibowo, B. Hidayat, dan U. Sunarya, “Simulasi dan Analisis Pengenalan Citra Daging Sapi dan Daging Babi dengan Metode GLCM dan KNN,†Semin. Nas. Inov. Dan Apl. Teknol. Di Ind. 2016, hal. 338–343, 2016.

N. S. Hodijah, R. N. Whidhiasih, dan D. Irwan, “Identifikasi Buah Mangga Gedong Gincu Cirebon Berdasarkan Citra Red-Green-Blue Menggunakan Adaptif Neuro Fuzzy Inference System,†vol. 5, no. 1, hal. 12–20, 2017.

R. N. Whidhiasih dan I. Ekawati, “IDENTIFIKASI JENIS PENYAKIT DAUN PADI MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENE SYSTEM ( ANFIS ),†hal. 131–140, 2019.

C. Malegori, L. Franzetti, R. Guidetti, E. Casiraghi, dan R. Rossi, “GLCM, an Image Analysis Technique for Early Detection Of Biofilm,†J. Food Eng., vol. 185, hal. 48–55, 2016, doi: 10.1016/j.jfoodeng.2016.04.001.

M. Fashi, L. Naderloo, dan H. Javadikia, “The Relationship Between the Appearance of Pomegranate Fruit and Color And Size of Arils Based on Image Processing,†Postharvest Biol. Technol., vol. 154, no. September 2018, hal. 52–57, 2019, doi: 10.1016/j.postharvbio.2019.04.017.

S. Mishra, B. Majhi, P. K. Sa, dan L. Sharma, “Gray Level Co-Occurrence Matrix And Random Forest Based Acute Lymphoblastic Leukemia Detection,†Biomed. Signal Process. Control, vol. 33, hal. 272–280, 2017, doi: 10.1016/j.bspc.2016.11.021.

Y. I. Anas et al., “Decision Support System Pemilihan Bibit Unggul Tanaman Kelengkeng Menggunakan Metode Saw ( Simple Additive Weighting ),†hal. 17–22, 2020.

L. Fajriyah, M. K. Dr. Hamidah, dan M. S. Prof. Dr. Bambang Irawan, “ANALISIS KEANEKARAGAMAN DAN PENGELOMPOKAN EMPAT VARIETAS KELENGKENG (Dimocarpus longan Lour.) MELALUI METODE FENETIK,†2016.

A. Hermawan, Jaringan Saraf Tiruan. Yogyakarta: Penerbit ANDI, 2006.

S. K. Dewi dan H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung keputusan, Pertama. Yogyakarta: Graha Ilmu, 2004.

Thomas dan S. Widodo, Sistem Neuro Fuzzy untuk Prengolahan Informasi, Pemodelan, dan Kendali, Pertama. Yogyakarta: Graha Ilmu, 2005.

A. Titisari, Kiat Panen Lengkeng Sepanjang Tahun. Jakarta: PT Trubus Swadaya, 2018.

F. N. FAJRI, “PENGENALAN VARIETAS MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK,†2016.

Downloads

Published

2022-06-21

Issue

Vol. 14 No. 1 (2022): Jurnal Explore IT! Edisi Juni 2022

Section

Articles

License

Lisensi Creative Commons
Jelajahi IT! dilisensikan di bawah Lisensi Internasional Creative Commons Attribution 4.0 .

How to Cite

[1]
“Klasifikasi Jenis Tanaman Kelengkeng Berdasarkan Ciri Tekstur Daun Menggunakan Metode Adaptive Neuro Fuzzy Inference System (AFIS)”, explorit, vol. 14, no. 1, pp. 29–38, Jun. 2022, doi: 10.35891/explorit.v14i1.2726.