IDENTIFIKASI JENIS BERAS MENGGUNAKAN METODE BACKPROPAGATION NEURON NETWORK

Qoriah, Rizki - 145410232 (2017) IDENTIFIKASI JENIS BERAS MENGGUNAKAN METODE BACKPROPAGATION NEURON NETWORK. Skripsi thesis, STMIK AKAKOM Yogyakarta.

Preview	Text 1_145410232_HALAMAN_DEPAN.pdf - Published Version Download (724kB) | Preview
Preview	Text 2_145410232_BAB_I.pdf - Published Version Download (109kB) | Preview
Preview	Text 3_145410232_BAB_II.pdf - Published Version Download (340kB) | Preview
	Text 4_145410232_BAB_III.pdf - Published Version Restricted to Repository staff only Download (130kB) | Request a copy
Preview	Text 6_145410232_BAB_V.pdf - Published Version Download (32kB) | Preview
	Text 5_145410232_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text 7_145410232_DAFTAR_PUSTAKA.pdf - Published Version Download (84kB) | Preview
Preview	Text 8_145410232_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (7kB) | Preview
	Text 9_145410232_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (252kB) | Request a copy

Abstract

Perancangan aplikasi identifikasi jenis beras menggunakan metode backpropagation neuron network ini dimaksudkan agar masyarakat dapat membedakan jenis beras berdasarkan bentuknya. sehingga masyarakat tidak tertipu oleh beras oplosan yang sedang marak di lingkungan masyarakat. Pembuatan aplikasi ini menggunakan metode segmentasi tepi canny pada bentuk beras sebagai identifikasi objek yang akan diuji dan menggunakan metode backpropagation sebagai pengenalannya jenis berasnya. Sistem akan memproses gambar beras yang dikenali dengan tahapan proses yaitu segmentasi tepi canny kemudian klasifikasi backpropagation. Arsitektur jaringan backpropagation yang digunakan meliputi 1 layer input, 1 hidden layer, dan 1 layer output. Data yang digunakan diambil dari 4 macam jenis beras dimana pada pelatihan aplikasi digunakan sebanyak 20 data dan pengujian aplikasi sebanyak 20 data. Arsitektur JST untuk backpropagation dengan arsitektur terbaik terdiri dari 400 layer input, 100 layer hidden, 4 layer output, 35 maks epoch, 0.07 learning rate, dengan minimal error adalah 0.1 menghasilkan durasi 0:00:00 detik, dan nilai MSE 0.0920, dengan besar akurasi ketepatan data identifikasi pada saat pengujian adalah 70%.

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : Danny Kriestanto, S.Kom, M.Eng
Uncontrolled Keywords:	Beras, Backpropagation, Segmentasi tepi, Matlab, canny
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi
Divisions:	Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User:	Unnamed user with username user391
Date Deposited:	06 Des 2017 08:45
Last Modified:	06 Des 2017 08:45
URI:	http://eprints.akakom.ac.id/id/eprint/5943

Actions (login required)

View Item