Fakultas Teknologi Informasi

DETEKSI JENIS DAN KEMATANGAN PISANG MENGGUNAKAN METODE EXTREME LEARNING MACHINE

Penulis
Dosen:
  1. INA NAJIYAH
  2. IFANI HARIYANTI
Tanggal Terbit
31 Agustus 2020
Kategori
Jurnal Nasional Tidak Terakreditasi [Lainnya]
Penerbit
Jurnal Responsif : Riset Sains dan Informatika
Kota / Negara
Bandung / Indonesia
Volume
Vol. 2 No.2
Halaman
232-242
E-ISSN
2685-6964
URL
https://ejurnal.ars.ac.id/index.php/jti/article/view/315
Abstrak
Kebun Pisang Celak, yang berada di desa Celak Kec. Cililin adalah salah satu tempat yang khusus bercocok tanam buah pisang. Pisang pada Kebun Pisang Celak ini beraneka ragam jenis. Permasalahan yang ditemukan adalah kurang tepatnya dan kurang pengetahuannya karyawan dalam membedakan jenis dan kematangan pisang terutama karyawan baru. Penelitian ini membuat aplikasi deteksi jenis pisang dan kematangan pisang menggunakan metode Extreme learning machine. Dataset pada penelitian ini merupakan gambar pisang dengan 9 jenis yaitu pisang ambon, pisang raja, pisang cavendish, pisang kirana, pisang barangan, pisang Nangka, pisang mas dan pisang kapok. Kematangan pisang pada penelitian ini yaitu tingkat mentah, matang dan terlalu matang. Program dibuat menggunakan tensorflow python. CNN diuji dan menghasilkan tingkat akurasi sebesar 89%. Hasil dari penelitian ini yaitu aplikasi berbasis android untuk mendeteksi jenis pisang.