Jurnal Algoritme最新文献

筛选
英文 中文
Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network 玉米叶疾病的分类方法是通过神经联导网络对其进行分类
Jurnal Algoritme Pub Date : 2022-04-11 DOI: 10.35957/algoritme.v2i2.2360
Ivan Pratama Putra, Rusbandi Rusbandi, Derry Alamsyah
{"title":"Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network","authors":"Ivan Pratama Putra, Rusbandi Rusbandi, Derry Alamsyah","doi":"10.35957/algoritme.v2i2.2360","DOIUrl":"https://doi.org/10.35957/algoritme.v2i2.2360","url":null,"abstract":"Jagung merupakan tanaman pangan utama ketiga setelah padi dan terigu di dunia dan  menempati posisi kedua setelah padi di Indonesia. Penyakit tanaman sering kali disebabkan  oleh aktifitas atau serangan organism di dalam bagian tubuh tanaman, di luar tubuh, atau di  sekitarnya. Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun jagung  menggunakan metode convolutional neural network (CNN) dengan arsitektur Resnet 50 dengan  optimizer Adam, Nadam dan SGD. Dataset terdapat 4225 citra di pisahkan menjadi 3380 data  train, 845 data test. Citra yang digunakan di resize menjadi ukuran 224x224. Pada penelitian  ini mendapatkan hasil tingkat akurasi tertinggi untuk arsitektur Resnet 50 dengan  menggunakan optimizer Adam didapatkan tingkat akurasi sebesar 98,4%.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"90 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-04-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134378111","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 3
Klasifikasi Tingkat Kemanisan Alpukat Berdasarkan Fitur Hue Saturation Value (HSV) dengan Menggunakan Support Vector Machine (SVM)
Jurnal Algoritme Pub Date : 2022-04-11 DOI: 10.35957/algoritme.v2i2.2361
M. Saputra, Hafiz Irsyad
{"title":"Klasifikasi Tingkat Kemanisan Alpukat Berdasarkan Fitur Hue Saturation Value (HSV) dengan Menggunakan Support Vector Machine (SVM)","authors":"M. Saputra, Hafiz Irsyad","doi":"10.35957/algoritme.v2i2.2361","DOIUrl":"https://doi.org/10.35957/algoritme.v2i2.2361","url":null,"abstract":"Dalam proses penetuan mutu atau tingkat kemanisan buah alpukat di pasaran pada  umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan /  sortasi kemanisan alpukat atau menggunakan metode destruktif dengan cara pengambilan  sampel, uji coba kemanisan alpukat tersebut seperti menggunakan Refractometer.  Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar  dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan alpukat oleh  pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar.  Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel  linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation.  Fold yang digunakan yaitu 4-fold, 5-fold dan 10-fold. Performa fitur HSV dan metode SVM  yang mendapatkan hasil terbaik adalah pada 5-fold dengan nilai accuracy sebesar 100,00%  dengan menggunakan kernel polynomial, precision sebesar 100,00% pada kernel polynomial,  dan recall sebesar 100,00% pada kernel polynomial, Sedangkan hasil terendah terdapat pada  kernel gaussian 5-¬fold dengan nilai accuracy sebesar 98.91%, precision sebesar 98.61%, dan  recall sebesar 98.37%.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"107 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-04-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128015719","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih 使用猪的特征和HSV来分类白细胞图像
Jurnal Algoritme Pub Date : 2022-04-11 DOI: 10.35957/algoritme.v2i2.2362
Rial Prasthio, Yohannes Yohannes, Siska Devella
{"title":"Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih","authors":"Rial Prasthio, Yohannes Yohannes, Siska Devella","doi":"10.35957/algoritme.v2i2.2362","DOIUrl":"https://doi.org/10.35957/algoritme.v2i2.2362","url":null,"abstract":"Sel darah putih (leukosit) merupakan sel pembentuk komponen darah yang diproduksi oleh sumsum tulang dan disebarkan ke seluruh tubuh melalui aliran darah. Sel darah putih merupakan bagian penting dari sistem kekebalan tubuh yang berfungsi untuk menghasilkan antibodi yang dapat membantu tubuh manusia dalam melawan berbagai penyakit. Sel darah putih dibagi menjadi 5 jenis, yaitu neutrofil, limfosit, monosit, eosinofil, dan basophil. Analisis sel darah putih masih dilakukan secara manual yang memakan waktu yang lama dan memiliki tingkat ketelitian dan keakuratan yang rendah. Solusi yang dapat dilakukan salah satunya menggunakan machine learning yaitu SVM (support vector machine) dengan menggunakan  fitur HOG dan HSV. Penelitian ini menggunakan dataset hasil mikroskop sel darah putih dari  Kaggle yang bersifat public. Jumlah dataset yang digunakan dalam penelitian berjumlah  12.392 gambar dari 4 jenis sel darah putih (Eosinophil, Lymphocyte, Monocyte, dan  Neutrophil). Pada perhitungan confusion matrix hasil tertinggi didapatkan oleh Neutrophil  dengan accuracy sebesar 88,55%, precision sebesar 100%, dan recall sebesar 54,19%.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-04-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126386949","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Identifikasi Kadar Ikan Pada Pempek Menggunakan Fitur LBP Dengan Metode Jaringan Syaraf Tiruan 识别农民使用假神经组织功能的LBP特征
Jurnal Algoritme Pub Date : 2022-04-11 DOI: 10.35957/algoritme.v2i2.2364
Dina Agustina, Gasim Gasim
{"title":"Identifikasi Kadar Ikan Pada Pempek Menggunakan Fitur LBP Dengan Metode Jaringan Syaraf Tiruan","authors":"Dina Agustina, Gasim Gasim","doi":"10.35957/algoritme.v2i2.2364","DOIUrl":"https://doi.org/10.35957/algoritme.v2i2.2364","url":null,"abstract":"Pempek merupakan makanan khas Palembang yang terbuat dari campuran ikan giling, tepung, dan bumbu-bumbu penambah cita rasa dan dibuat dengan berbagai bentuk. Perbandingan karakteristik yang terdapat pada pempek selain dapat diketahui oleh orang awam melalui rasa dan tekstur kekenyalan pempek dapat juga diketahui dengan menggunakan teknologi seperti media kecerdasan buatan. Ada 4 jenis perbandingan yang ada pada pempek diantaranya adalah 1 ikan 1 tepung, 1,5 ikan 1 tepung, 2 ikan 1 tepung, dan 1 ikan 2 tepung, dengan resolusi kamera 2MP dan jarak pengambilan citra ±15cm. penelitian ini bertujuan untuk mengimplementasikan suatu sistem yang mampu mengidentifikasi kadar ikan pada pempek, dengan menerapkan Local Binary Pattern (LBP) sebagai ekstraksi fitur dan metode Jaringan Syaraf Tiruan (JST). Hasil dari ekstraksi LBP dijadikan masukan pada proses pembelajaran pada JST dengan training function traingdx serta menggunakan 40 neuron. Berdasarkan hasil pengujian menggunakan ekstraksi fitur LBP memperoleh tingkat akurasi  sebesar 31,67% dan jumlah pengenalan data uji sebanyak 76 dari 240 data uji.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"21 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-04-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129561250","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 1
0
×
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×
相关产品
×
本文献相关产品
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