Professional Documents
Culture Documents
Abstract: Indonesia is the third largest rice producer in the world. Thanks to that there are many types of
rice in Indonesia. This study aims to identify the types of rice using the Adaptive Neuro Fuzzy Inference
(ANFIS) method which can be trained to identify the types of rice. Using the values contained in shape
feature extraction which includes metric and eccentricity as well as texture feature extraction which
includes LBP, contrast, correlation, and energy. This study also aims to determine the effect of adding
Prewitt edge detection on accuracy in identifying rice types. This edge detection is added to the
extraction of shape feature extraction values. Extraction values were taken from 100 training images and
100 test images with 25 images each for each type of rice. The results of the research conducted showed
that ANFIS proved to be quite good at identifying types of rice with an average accuracy above 70%,
while the use of Prewitt edge detection had an effect of 1-5% on accuracy.
Gambar 4.
Citra hasil resize dan cropping
Gambar 7
Flowchart Pengujian tanpa deteksi tepi
Gambar 8.
Citra Hasil Segmentasi
Gambar 8
Flowchart Pengujian dengan deteksi tepi
3.3.2. Ekstraksi Ciri
Pada penelitian ini ekstraksi ciri yang
digunakan adalah ekstraksi ciri bentuk yang
meliputi metric dan eccentricity serta ekstraksi
ciri tekstur yang meliputi LBP, contrast,
correlation, dan energy. Ekstraksi ciri beragam
variasinya, digunakan untuk mengektrak suatu
ciri pada citra. Digunakannya ekstraksi ciri dan
bentuk pada penelitian ini karna keduanya
Gambar 9. relevan dengan objek citra yang diteliti
Citra Hasil Morfologi
mengacu pada referensi paper yang sudah
Gambar 10.
Hasil Deteksi Tepi Prewitt
Tabel 2. Hasil Identifikasi Citra Latih 90% dan Citra Uji
10%
Hasil Identifikasi
Jumlah
Jenis Citra Tanpa Dengan
Citra
Prewitt Prewitt
Ciherang 25 22 22
IR 64 25 22 23
Rojolele 25 25 25
Pandan Wangi 25 23 23
Akurasi 92% 93%
(1) Pengujian
Tabel 5. Hasil Identifikasi Citra Latih 60% dan Citra Uji
dilakukan sebanyak 5 kali dengan
40%
keterangan seperti Tabel 1. Hasil Identifikasi
Jumlah
Jenis Citra Tanpa Dengan
Tabel 1. Hasil Identifikasi Citra Latih 100% Citra
Prewitt Prewitt
Hasil Identifikasi Ciherang 25 19 19
Jumlah IR 64 25 18 15
Jenis Citra Tanpa Dengan
Citra Rojolele 25 21 18
Prewitt Prewitt
Pandan Wangi 25 14 15
Ciherang 25 25 25
Akurasi 72% 67%
IR 64 25 25 25
Rojolele 25 25 25
Pandan Wangi 25 25 25 IV. KESIMPULAN
Akurasi 100% 100%
Kesimpulan yang didapatkan pada penelitian
Deteksi dan Identifikasi Citra Digital Jenis
Menggunakan Deteksi Tepi Dan
Beras Menggunakan Metode Anfis dan Prewitt
Operasi Morfologi, e-Proceeding of
adalah:
Engineering, vol. 5, no. 3, pp. 5506–
1. ANFIS telah berhasil dengan baik dalam
5512, 2018.
mengidentifikasi citra jenis beras,
[4] R. K. Widi, Menggelorakan Penelitian;
dibuktikan dari hasil pengujian yang
Pengenalan dan Penuntun
menunjukkan bahwa akurasi
Pelaksanaan Penelitian. Deepublish
pengidentifikasian citra jenis beras
menggunakan metode ANFIS rata-rata (CV Budi Utama), Yogyakarta. ISBN
2. Penambahan deteksi tepi Prewitt dalam [5] Effendi, M., Fatasya, U., Effendi, U.
mengidentifikasi jenis beras menggunakan Identifikasi Jenis dan Mutu Kopi
metode ANFIS bisa dilakukan dengan Menggunakan Pengolahan Citra
cara menempatkannya setelah proses Digital dengan Metode Jaringan
morfologi. Syaraf Tiruan, Jurnal Ilmiah Teknologi
3. Hasil penambahan deteksi tepi Prewitt Pertanian Agrotechno, vol. 2, no. 1,
dalam mengidentifikasi jenis beras pp. 140–146, 2017.
menggunakan metode ANFIS memiliki [6] Romindo, R., Khairina, N. Analisa
pengaruh 1-5% terhadap akurasi. Perbandingan Metode Edge Detection
Roberts dan Prewitt, Semantika pp.
DAFTAR PUSTAKA 244–251, 2017.
[1] Food and Agriculture Organization [7] Rowansyah, Asmara, R.A., Heryanto,
(FAO), “Rice Market Monitor: Volume T.A., Klasifikasi Varietas Biji Kopi
XX, Issue No. 3 - October 2017,” Rice ArabikaMenggunakanEkstraksi
Mark. Monit., vol. 20, no. 3, 2017. Bentuk dan Tekstur, Seminar
[2] Andri. Deteksi Cacat Ubin Keramik Informatika Aplikatif Polinema (SIAP),
Menggunakan Teknik Pengolahan pp. 316–322, 2019.
Citra dan Adaptive Neural Fuzzy [8] Hani’ah, U., Arifudin, R., Sugiharti, E.
Jurnal String, vol. 1, no. 2, pp. 182– Implementasi Adaptive Neuro-Fuzzy
193, 2016. Inference System (Anfis) untuk
[3] A. Zendhaf, R. Magdalena, R. Y. Nur, Peramalan Pemakaian Air di
F. U. Adah. Segmentasi Pembuluh Perusahaan Daerah Air Minum Tirta
DarahPadaFundusRetina