Article Per Year (5 Year)
p-Index From 2019 - 2024
0.882
P-Index
This Author published in this journals
All Journal Teknotan: Jurnal Industri Teknologi Pertanian Jurnal Ilmiah Mahasiswa FEB Journal of Innovation and Applied Technology Jurnal Teknologi Pertanian Jurnal Sains dan Teknologi Pangan JURNAL SERAMBI ILMU JMB : Jurnal Manajemen dan Bisnis Agroindustrial Journal Journal of Informatics and Electronics Engineering (JIEE)
Usman Effendi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Teknotan: Jurnal Industri Teknologi Pertanian

 1 
Identifikasi Jenis dan Mutu Teh Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan Masud Effendi; Fitriyah Fitriyah; Usman Effendi
Teknotan: Jurnal Industri Teknologi Pertanian Vol 11, No 2 (2017): TEKNOTAN, Agustus 2017
Publisher : Fakultas Teknologi Industri Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (731.128 KB) | DOI: 10.24198/jt.vol11n2.7

Abstract

Teh merupakan hasil pucuk daun muda tanaman Camelia sinensis dan menjadi salah satu produk ekspor terbesar. Salah satu kendala yang dihadapi konsumen dalam memilih teh berkualitas baik adalah minimnya pengetahuan konsumen terhadap jenis dan mutu teh, sehingga menyebabkan perbedaan penentuan jenis dan mutu teh. Penelitian untuk mengidentifikasi jenis dan mutu teh dari 3 jenis teh yaitu teh hitam, teh hijau, dan teh putih perlu dilakukan. Tujuan penelitian ini adalah merancang aplikasi sistem pengolahan citra digital untuk mengidentifikasi jenis dan mutu teh serta menentukan hasil pengenalan terbaik berdasarkan akurasi yang diperoleh. Penelitian ini menerapkan metode pengolahan citra digital dengan teknik Learning Vector Quantization yang menggunakan 6 parameter warna yaitu R, G, B, H, S, dan I sebagai neuron input dan 13 mutu dari 3 jenis teh sebagai neuron output. Penelitian menggunakan 403 citra dengan perbandingan training dan testing sebesar 80:20. Akurasi training diperoleh sebesar 62,7%. Prediksi menggunakan 26 sampel citra teh berbeda menunjukkan tingkat akurasi sebesar 42,31%. Kata Kunci: jaringan syaraf tiruan, learning vector quantization (LVQ), teh
Co-Authors Ahmad Sinala ARIF HIDAYAT Aulia Bayu Yushila, Aulia Bayu Azzimatul Ihwah, Azzimatul Cicik Fauziya Darmawati Darmawati Dhita Morita Ikasari Diyah Ayu Astuti Effendi, Mas'ud Faqih Maulana Fitria Puji Lestari Fitriyah Fitriyah Hananingsih Widya Rahmanti, Hananingsih Widya Ika Atsari Dewi Imam Santoso Irnia Nurika Israwati Israwati Isti Purwaningsih Miftakhurrizal Kurniawan, Miftakhurrizal Muhammad Muhammad Muhammad Rizqi Ningsih, Desi Tristia Nungky Irma Triyanti Nur Hidayat Ramadhan, Wahyu Agung Rizal Retno Astuti Ryandi Ferdiannur Usman Sari, Dwi Novanda Saripudin S Sri Suhartini Sukardi Sukardi Susinggih Wijana Syukri Azwar Lubis T. Makmur Wawan Agus Hermayudi Wendra G. Rohmah, Wendra G. Wike Agustin Prima Dania Yudha Ainurrokhim Zulfan Zulfan