PEMBELAJARAN RESILIENT BACKPROPAGATION DENGAN CIRI MOMENT INVARIANT DAN WARNA RGB UNTUK KLASIFIKASI BUAH JERUK KEPROK

Jurnal Fisika : Fisika Sains dan Aplikasinya Pub Date : 2022-04-27 DOI:10.35508/fisa.v7i1.7378

D. R. Sina, Dedy Dura, Yelly Y. Nubuasa

{"title":"PEMBELAJARAN RESILIENT BACKPROPAGATION DENGAN CIRI MOMENT INVARIANT DAN WARNA RGB UNTUK KLASIFIKASI BUAH JERUK KEPROK","authors":"D. R. Sina, Dedy Dura, Yelly Y. Nubuasa","doi":"10.35508/fisa.v7i1.7378","DOIUrl":null,"url":null,"abstract":"Abstract \n Jeruk keprok merupakan salah satu komoditas yang beredar luas dipasaran. Proses pemasaran harus melalui proses klasifikasi jeruk keprok kedalam kelompok baik dan cacat. Proses klasifikasi pada penelitian ini menggunakan pengolahan citra digital dan jaringan saraf tiruan (JST). Bidang ilmu citra berfungsi untuk mendapat ciri moment invariant dan warna RGB sedangkan jaringan saraf tiruan untuk proses pembelajaran menggunakan metode resilliant bankpropagation. Penelitian ini mengunakan 320 data citra, berasal dari 17 buah jeruk keprok dimana 10 buah diambil dari 4 sisi berbeda dengan jumlah 40 buah dan 7 buah diambil dari 5 sisi yang berbeda dan dikenakan rotasi sebanyak 8 kali (0°, 45°, 90°, 135°, 180°, 225°, 270°, 315°) dengan jumlah 280 citra. Penggujian dilakukan sebanyak 10 kali terhadap parameter neuron hidden 5, 7 dan 10 dan learning rate 1, 0.1 dan 0.001. Hasil pengujian menunjukan kombinasi parameter terbaik adalah 5 neuron hidden pada learning rate 0,1 dengan nilai akurasi sebesar 99,80% dan waktu pengujian 3,092 ms. \n Kata kunci: Jeruk keprok; citra; jaringan saraf tiruan (JST); moment invariant; RGB; resilient backpropagation. \n \nAbstract \nTangerines are one of the commodities which is widely distributed in the market. The marketing process should be going through a classifying process into good or defective clusters. The classification process in this research used Digital Image Processing and Artificial Neural Network. The field of image science operates to obtain moment invariant features and RGB colors while the artificial neural network for the learning process uses the resilliant bankpropagation method. This research utilized 320 image data from 17 tangerines where 10 of them were captured from 4 dissimilar sides with total of 40 images and 7 fruits were captured from 5 different sides and was rotated 8 times (0°, 45°, 90°, 135°, 180°, 225°, 270°, 315°) with a total of 280 images. The testing performed was 10 times towards the neuron hidden 5, 7 and 10 and learning rate 1, 0.1, and 0.001. The result shown the best parameter combination was 5 neuron hidden on 0.1 learning rate with the accuracy value of 99.80% and a test time of 3.092 ms. \nKeywords: Tangerines; image; artificial neural network (ANN); moment invariant; RGB; resilient backpropagation.","PeriodicalId":367071,"journal":{"name":"Jurnal Fisika : Fisika Sains dan Aplikasinya","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-04-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Fisika : Fisika Sains dan Aplikasinya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35508/fisa.v7i1.7378","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Abstract Jeruk keprok merupakan salah satu komoditas yang beredar luas dipasaran. Proses pemasaran harus melalui proses klasifikasi jeruk keprok kedalam kelompok baik dan cacat. Proses klasifikasi pada penelitian ini menggunakan pengolahan citra digital dan jaringan saraf tiruan (JST). Bidang ilmu citra berfungsi untuk mendapat ciri moment invariant dan warna RGB sedangkan jaringan saraf tiruan untuk proses pembelajaran menggunakan metode resilliant bankpropagation. Penelitian ini mengunakan 320 data citra, berasal dari 17 buah jeruk keprok dimana 10 buah diambil dari 4 sisi berbeda dengan jumlah 40 buah dan 7 buah diambil dari 5 sisi yang berbeda dan dikenakan rotasi sebanyak 8 kali (0°, 45°, 90°, 135°, 180°, 225°, 270°, 315°) dengan jumlah 280 citra. Penggujian dilakukan sebanyak 10 kali terhadap parameter neuron hidden 5, 7 dan 10 dan learning rate 1, 0.1 dan 0.001. Hasil pengujian menunjukan kombinasi parameter terbaik adalah 5 neuron hidden pada learning rate 0,1 dengan nilai akurasi sebesar 99,80% dan waktu pengujian 3,092 ms. Kata kunci: Jeruk keprok; citra; jaringan saraf tiruan (JST); moment invariant; RGB; resilient backpropagation. Abstract Tangerines are one of the commodities which is widely distributed in the market. The marketing process should be going through a classifying process into good or defective clusters. The classification process in this research used Digital Image Processing and Artificial Neural Network. The field of image science operates to obtain moment invariant features and RGB colors while the artificial neural network for the learning process uses the resilliant bankpropagation method. This research utilized 320 image data from 17 tangerines where 10 of them were captured from 4 dissimilar sides with total of 40 images and 7 fruits were captured from 5 different sides and was rotated 8 times (0°, 45°, 90°, 135°, 180°, 225°, 270°, 315°) with a total of 280 images. The testing performed was 10 times towards the neuron hidden 5, 7 and 10 and learning rate 1, 0.1, and 0.001. The result shown the best parameter combination was 5 neuron hidden on 0.1 learning rate with the accuracy value of 99.80% and a test time of 3.092 ms. Keywords: Tangerines; image; artificial neural network (ANN); moment invariant; RGB; resilient backpropagation.

查看原文本刊更多论文

橘子的发酵是市场上最广泛的商品之一。营销过程必须通过将橘子分类成有缺陷的群体。本研究的分类过程采用了人工图像和神经网络(JST)的处理。图像科学为获得RGB变幻和颜色等特性提供了功能，而模拟学习过程的神经网络则使用了再生班推广方法。这项研究用320图像数据,来自17在橘子10水果是从4不同一边40和第7章水果的数量从5个不同的方面和穿8次(0°,旋转45°、90°、135°、180°,225°270°,315°)280形象的数量。消解法是隐藏神经元参数5、7和10的10倍，学习速率是1、0、1和0.001。测试结果显示，最好的参数是5个隐藏的神经元以0.1的学习速度结合，准确性为99.80%，测试时间为3.092 ms。关键词:橘子;形象;人造神经网络(JST);invariant的时刻;RGB;resilient backpropagation。稻草是在市场上广泛分布的商品之一。市场程序应该经过一段漫长的过程，要么是有缺陷的集群。本研究使用数字图像和人工神经网络的机密信息处理过程。形象科学活动揭示了不变化的特征和RGB颜色的时刻，而而用于学习过程的神经传播媒介传播方法。17 tangerines哪里来的这个研究utilized 320图像数据10的他们是captured从4 dissimilar sides总共40的图像和7照是captured来自5个不同的sides和是rotated 8时报(0°、45°、90°、135°、180°,225°270°,315°)和a总共280的图像。测试结果是10倍于隐藏的神经元5、7和10，学习速率是1、0、1和0。结果显示，最好的组合参数是5个隐藏在0.1学习速率的神经元，最准确的是3.092 ms的99.80%和时间测试。安装:Tangerines;形象;人工神经网络(ANN);invariant的时刻;RGB;resilient backpropagation。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Fisika : Fisika Sains dan Aplikasinya

自引率

0.00%

发文量