Identifikasi Jenis dan Mutu Teh Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan

Masud Effendi, Fitriyah Fitriyah, Usman Effendi

Abstrak


Teh merupakan hasil pucuk daun muda tanaman Camelia sinensis dan menjadi salah satu produk ekspor terbesar. Salah satu kendala yang dihadapi konsumen dalam memilih teh berkualitas baik adalah minimnya pengetahuan konsumen terhadap jenis dan mutu teh, sehingga menyebabkan perbedaan penentuan jenis dan mutu teh. Penelitian untuk mengidentifikasi jenis dan mutu teh dari 3 jenis teh yaitu teh hitam, teh hijau, dan teh putih perlu dilakukan. Tujuan penelitian ini adalah merancang aplikasi sistem pengolahan citra digital untuk mengidentifikasi jenis dan mutu teh serta menentukan hasil pengenalan terbaik berdasarkan akurasi yang diperoleh. Penelitian ini menerapkan metode pengolahan citra digital dengan teknik Learning Vector Quantization yang menggunakan 6 parameter warna yaitu R, G, B, H, S, dan I sebagai neuron input dan 13 mutu dari 3 jenis teh sebagai neuron output. Penelitian menggunakan 403 citra dengan perbandingan training dan testing sebesar 80:20. Akurasi training diperoleh sebesar 62,7%. Prediksi menggunakan 26 sampel citra teh berbeda menunjukkan tingkat akurasi sebesar 42,31%.

 

Kata Kunci: jaringan syaraf tiruan, learning vector quantization (LVQ), teh


Teks Lengkap:

PDF

Referensi


Adha, G. 2013. Pengklasifikasian kualitas minuman anggur menggunakan algoritma learning vector quantization berbasis asosiasi. Skripsi. Universitas Brawijaya. Malang

Adnan, B. Kusbiantoro, dan Suhartini. 2013. Identifikasi varietas berdasarkan warna dan tekstur permukaan beras menggunakan pengolahan citra dan jaringan syaraf tiruan. Jurnal Penelitian Pertanian Tanaman Pangan 32(2):91-96

Adrizal, D.Anggraini, N. Novita, Santosa, dan Andasuryani. 2011. Pendugaan kualitas fisik biji jagung untuk bahan pakan menggunakan jaringan syaraf tiruan berdasarkan data citra digital. Jurnal Peternakan Indonesia Vol. 13 (3)

Azmi, M. 2014. Komparasi metode jaringan syaraf tiruan SOM dan LVQ untuk mengidentifikasi data bunga iris. Jurnal TEKNOIF 2 (1): 65

Dirjen Perkebunan. 2014. Statistik Perkebunan Indonesia 2013-2015: Teh. Direktorat Jenderal Perkebunan. Jakarta

Degang, Y., Guo, C., Hui, W. and Xiaofeng, L. 2007. Learning vector quantization neural network method for network intrusion detection. Journal of Natural Sciences 12 (1): 147-150

Hartoyo, A. 2007. Teh dan Khasiatnya Bagi Kesehatan. Kanisius. Yogyakarta

Heaton, J. 2008. Programming Neural Networks with Encog 2 In Java. Heaton Research, Inc. St. Louis.

Hendrawan, Y dan Sumardi, HS. 2005. Pengkajian karakteristik mutu buah belimbing manis (Averrhoa carambola L.) dengan teknik pengolahan citra. Jurnal Teknologi Pertanian(6) 2: 131-142

Khan, N., and Mukhtar, H. 2007. Tea polyphenols for health promotion. J. Life Sciences 81: 519–533.

Kusumadewi, S. 2003. Artificial Intelligence: Teknik dan Aplikasinya. Penerbit Graha Ilmu. Yogyakarta

Luthfi, E.T dan Kusrini. 2009. Algoritma Data Mining. Penerbit Andi. Yogyakarta

Mandel, S. A., Avramovich-Tirosh, Y., Reznichenko, L., Zheng, Weinreb, O., and Amit, T. 2005. Multifunctional activities of green tea catechins in neuroprotection. J. Neurosignals 14: 46-60

Rohdiana, D. 2015. Teh: proses, karakteristik dan komponen fungsionalnya. Jurnal Foodreview Indonesia 10 (8): 35

Sarkar dan Leong. 2000. Principles of Data Mining. Cambridge: MIT Press

Somantri, A.S. 2010. Menentukan klasifikasi mutu fisik beras dengan menggunakan teknologi pengolahan citra digital dan jaringan syaraf tiruan. Jurnal Badan Standarisasi Nasional 12 (3).

Sutoyo, T., Mulyanto, E., Suhartono, V., Nurhayanti, D. dan Wijanarto. Pengolahan Citra Digital. 2009. Penerbit Andi. Yogyakarta

Yashin, AY; Nemzer, BV; Combet, E and Yashin, YI. 2015. Determination of the chemical composition of tea by chromatographic methods: a review. Journal of Food Research; Vol. 4, No. 3

Warman, K; Harahap, LA, dan Munir, AP. 2015. Identifikasi kematangan buah jeruk dengan teknik jaringan syaraf tiruan. J.Rekayasa Pangan dan Pert., Vol.3 No. 2




DOI: https://doi.org/10.24198/jt.vol11n2.7

Refbacks

  • Saat ini tidak ada refbacks.


Member of :