Klasifikasi Jenis Kacang-Kacangan Berdasarkan Tekstur Menggunakan Jaringan Syaraf Tiruan

M. Rivan, Nur Rachmat, Monica Rizki Ayustin
{"title":"Klasifikasi Jenis Kacang-Kacangan Berdasarkan Tekstur Menggunakan Jaringan Syaraf Tiruan","authors":"M. Rivan, Nur Rachmat, Monica Rizki Ayustin","doi":"10.35143/JKT.V6I1.3546","DOIUrl":null,"url":null,"abstract":"Klasifikasi jenis kacang-kacangan dilakukan terhadap kacang merah, kacang hijau dan kacang tanah. Fitur tekstur diperoleh dengan menggunakan algoritma Gray Level Co-occurence Matrix\n(GLCM). Algoritma yang digunakan untuk melakukan klasifikasi yaitu Jaringan Syaraf Tiruan (JST). Eksperimen dilakukan dengan 3 jumlah neuron yang berbeda pada hidden layer. Selain\nitu training function yang digunakan ada 17 jenis. Setiap skenario eksperimen diulang sebanyak 5 kali. Berdasarkan skenario eksperimen yang telah dilakukan hasil yang terbaik yaitu 99,8% untuk accuracy, 99,6% untuk precision dan 99,8% untuk recall dengan menggunakan 20 neuron pada hidden layer.","PeriodicalId":31786,"journal":{"name":"Jurnal Komputer Terapan","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2020-05-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"9","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputer Terapan","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35143/JKT.V6I1.3546","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 9

Abstract

Klasifikasi jenis kacang-kacangan dilakukan terhadap kacang merah, kacang hijau dan kacang tanah. Fitur tekstur diperoleh dengan menggunakan algoritma Gray Level Co-occurence Matrix (GLCM). Algoritma yang digunakan untuk melakukan klasifikasi yaitu Jaringan Syaraf Tiruan (JST). Eksperimen dilakukan dengan 3 jumlah neuron yang berbeda pada hidden layer. Selain itu training function yang digunakan ada 17 jenis. Setiap skenario eksperimen diulang sebanyak 5 kali. Berdasarkan skenario eksperimen yang telah dilakukan hasil yang terbaik yaitu 99,8% untuk accuracy, 99,6% untuk precision dan 99,8% untuk recall dengan menggunakan 20 neuron pada hidden layer.
使用模拟神经组织对豆类的纹理进行分类
花生的分类分为红色花生、绿色花生和花生。使用灰度共生矩阵(GLCM)算法获得纹理特征。用于执行分类的算法是JST。实验是用隐藏层上三个不同数量的神经元完成的。还使用了17种类型的培训功能。每个实验场景重复五次。基于所做的最佳实验场景,使用隐藏层上的20个神经元,准确率为99.8%,准确度为99.6%,回忆率为99.8%。
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
自引率
0.00%
发文量
32
审稿时长
6 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信
小红书