Jurnal: Klasifikasi Kematangan Buah Manggis Ekspor dan Lokal Berdasarkan Warna dan Tekstur Menggunakan Fuzzy Neural Network

Abstrak

Fuzzy neural network (FNN) memiliki kemampuan untuk melakukan klasifikasi terhadap suatu pola yang berada di dalam dua kelas yang tidak dapat diklasifikasi menggunakan model klasifikasi klasik neural network (NN). Penelitian ini bertujuan mengembangkan model klasifikasi buah manggis segar secara non-destruktif dengan menggunakan FNN. FNN yang dipakai menggunakan derajat keanggotaan pada neuron output sebagai target pembelajaran. Parameter input yang digunakan adalah komponen warna hasil dari pengolahan citra yang mempunyai pengaruh terhadap tahap kematangan buah manggis dan tekstur. Hasil pemodelan FNN menjadi 2 kelas target klasifikasi (ekspor dan lokal) mendapatkan model terbaik dengan fitur penduga indeks warna merah, hijau, biru, value, a*, u*, v*, dan entropi dengan 5 neuron pada lapisan tersembunyi. Perbandingan persentase akurasi model FNN dan NN ialah 90:90, dengan perbandingan kemampuan pengenalan terhadap kelas ekspor dan lokal ialah 92:100 dan 89:75.

Kata kunci: fuzzy neural network, klasifikasi, manggis, non-destructive grading, pengenalan pola

Pendahuluan

Neural network (NN) yang menggunakan algoritme pembelajaran backpropagation pada saat ini digunakan secara luas untuk klasifikasi pola. Algoritme tersebut hanya memberikan satu kelas output dari masing-masing pola input dengan asumsi bahwa batasan kelas telah didefinisikan dengan baik. Namun, dalam situasi nyata dapat terjadi batasan kelas yang overlapping, dimana suatu pola input dapat menjadi anggota lebih dari satu kelas. Untuk mengatasi keterbatasan algoritme tersebut, digunakan pendekatan klasifkasi fuzzy ke dalam algoritme backpropagation yang disebut fuzzy neural network (Pal dan Mitra 1992).

Peneliti: RETNO NUGROHO WHIDHIASIH

Untuk lebih lengkapnya silahkan download di link berikut: