Hendry Setiawan
Universitas Negeri Makassar

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Metode Perbaikan Citra Tanaman atas Variasi Iluminasi dengan Metode KNN (K-Nearest Neighbour) dan ANN (Artificial Neural Network) pada Sistem Prediksi Pigmen Fotosintesis secara Non Destruktif Marcelino Centauri Dwi Prasetyo; Kestrilia Rega Prilianti; Hendry Setiawan
Journal of Embedded Systems, Security and Intelligent Systems Vol. 3 No. 2 (2022): Vol 3, No 2 (2022): November 2022
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aplikasi Fuzzy Piction adalah aplikasi prediksi kandungan pigmen tanaman berbasis android yang dikembangkan oleh kelompok riset Precision Agriculture, Universitas Ma Chung Malang. Aplikasi mampu memprediksi kandungan 3 macam pigmen fotosintesis utama yaitu klorofil, karotenoid, dan antosianin secara non destruktif melalui citra daun tanaman yang sedang dievaluasi. Model prediksi dikembangkan dengan metode Convolutional Neural Network (CNN). Aplikasi menghadapi permasalahan akurasi yang terjadi karena variasi iluminasi di lapangan saat evaluasi terhadap tanaman dilakukan secara in-situ. Untuk menyelesaikan permasalahan tersebut, pada penelitian ini diimplementasikan metode perbaikan citra berbasis kecerdasan buatan yaitu KNN (K-Nearest Neighbor) dan ANN (Artificial Neural Network). Hasil eksperimen menunjukan bahwa metode KNN mampu memberikan perbaikan citra yang lebih baik. Indikator lebih baik dilihat dari presisi nilai prediksi pigmen dari beberapa citra pada iluminasi yang berbeda untuk objek tanaman yang sama. Nilai standar deviasi prediksi pigmen pada citra-citra hasil perbaikan dengan KNN berada pada kisaran 0,001 hingga 0,026 sedangkan dengan ANN berada pada kisaran 0,005 hingga 0,557. Sampel tanaman yang digunakan pada penelitian ini adalah Duranta Erecta dan Piper Betle.