SORTASI TEKSTUR BIJI JAGUNG SEBAGAI BENIH TANAM MENGGUNAKAN SELF ORGANIZING MAP (Studi Kasus: Desa Bismarak Kabupaten Kupang Timur Provinsi Nusa Tenggara Timur)
Keywords:
benih jagung, citra digital, gray level co-occurrence matrix, Self-Organizing Map, teksturAbstract
Pemilihan biji jagung untuk pembenihan belum terlalu diperhatikan oleh para petani lokal di Pulau Timor Provinsi Nusa Tenggara Timur sehingga terjadi gagal panen. Sortasi kebanyakan masih dilakukan secara manual oleh para petani sehingga hasil panen juga tidak memuaskan. Tekstur biji jagung baik untuk dijadikan benih tanam adalah memiliki tekstur tidak retak, tidak susut, tidak bolong dan tidak pecah. Pada penelitian ini akan dikembangkan suatu pembelajaran mesin berbasis pengelompokan menggunakan citra digital. Untuk ekstraksi ciri digunakan ekstraksi orde dua yaitu Gray Level Co-occurrence Matrix dengan menggunakan empat ciri Haralick. Sedangkan untuk teknik pengelompokan yang digunakan adalah menggunakan Self Organizing Map (SOM). Hasil yang dihasilkan pada penelitian ini memberikan rata-rata kesalahan pada tiap ciri Haralick sebesar 25% dengan waktu pelatihan tercepat adalah 12 second untuk ciri Contrast.
References
[BPS] Badan Pusat Statistik. 2014. Nusa Tenggara Timur Dalam Angka. Kupang (ID): BPS
Limin F. 1994. Neural Network in Computer Intelligence. McGraw-Hill
Larose DT. 2004. Discovering Knowledge in Data : An Introduction to Data Mining. John Wiley & Sons, Inc.
Han J, Kamber M, Pei J. 2012. Data Mining Concepts and Techniques third edition. Waltham (US) : Morgan Kaufmann Publishers
Zhang XT, Chen JS, Dong JK. 2007. Color Clustering using Self-Organizing Map. Proceedings of the 2007 International Conference om Wavelet Analysis and Pattern Recognition. doi: 10.1109/ICWAPR.2007.4421574
Okubo K, Ogawa T, Kanada H. 2007. Impact Perforation Image Processing using a Self- Organizing Map. SICE Annual Conference 2007. doi : 10.1109/SICE.2007.4421148
Overbeek MV, Kaesmetan YR, 2015. Ekstraksi tekstur benih jagung lokal Pulau Timor dengan Gray Level Co-occurance Matrix. SEMMAU I Conference 2015.
