CLASSIFICATION OF CANE SUGAR BASED ON IMAGE PROCESSING AND ARTIFICIAL NEURAL NETWORK

ALFIAH RIZKY DIANA PUTRI, Prof. Adhi Susanto, M. Sc. Ph. D.

2013 | Skripsi | TEKNIK ELEKTRO

Dalam pengolahan produk pertanian, pada umumnya proses identifikasi dan klasifikasi dilakukan berdasarkan pengamatan dengan menggunakan mata telanjang di laboratorium yang memerlukan waktu yang tidak sebentar, proses yang panjang dan kemungkinan ketidakakuratan diagnosis. Proses identifikasi dan klasifikasi gula tebu dilakukan dengan cara yang serupa dan belum terdapat standar di Indonesia. Dalam proses pembuatan gula tebu, terdapat beberapa proses yang masing-masing menghasilkan jenis gula yang berbeda sesuai kondisi, sehingga masih perlu diawasi oleh pekerja. Dalam otomasi dan standarisasi kualitas produk, proses identifikasi perlu dilakukan. Telah didesain sistem identifikasi menggunakan jaringan syaraf tiruan dengan satu hidden layer dengan pelatihan Levenberg-Marquardt. Fitur-fitur warna dan tekstur diekstrak dari citra gula tebu yang diambil sebanyak 120 buah. Setelah dilakukan reduksi fitur, sistem dapat mengidentifikasi 8 jenis gula tebu dengan keberhasilan 85%. Sistem yang didesain juga telah diuji untuk nilai parameter learning rate, fungsi aktivasi, rasio data pelatihan dan pengujian yang berbeda-beda. Telah dibuat pula aplikasi yang dapat dijalankan dengan GUI.

Classification and identification of agricultural products are usually done manually. This method is prone to error and subjectivity of the user. The other method, laboratory testing, can only be done by professional and takes time. Classification and identification of cane sugar in Indonesia is also done with similar process with no standardization. In the production of cane sugar, several stages and condition produce different kinds of sugar, resulting in the need of supervision. In automation and standardization of quality, quantized identification process needs to be done. System was designed as Artificial Neural Network with one hidden layer using Levenberg-Marquardt algorithm. Colour and textural features were extracted from 120 images of cane sugar for Artificial Neural Network inputs. After feature reduction, the designed system could identify 8 kinds of cane sugar with success rate of 85%. Designed system was also tested for different learning rate, activating function, ratio of training and testing set and different testing conditions. Application with GUI was also made for user.

Kata Kunci : , ekstraksi fitu identifikasi, citra, jaringan syaraf tiruan, gula tebu r