Implementation of SOM (Self Organizing Maps) for Identification of Tomato Fruit Maturity
Implementasi SOM (Self Organizing Maps) untuk Identifikasi Kematangan Buah Tomat
Abstract
Tomat salah satu buah sekaligus sayuran dengan harga yang ekonimis dan sering kali kita jumpai. Harganya yang tidak terlalu mahal dan banyak mengandung vitamin dan mineral serta antioksidan yang tinggi, membuat tomat banyak dibeli dimasyarakat. Sehingga membuat petani buah tomat untuk terus meningkatkan mutu dan kualitas terhadap pelayanan kepada kosumen. Tetapi kadang banyak petani yang menjual buah tomatnya dengan kematangan yang tidak seragam, sehingga kadang yang sudah matang tertindih oleh yang mengkal atau mentah, sehingga banyak yang membusuk. Dari permasalahan ini, maka penulis ingin membuah sebuah aplikasi untuk memilah kematangan buah tomat mentah, mengkal dan matang. Penggunaan metode Self Organizing Map (SOM) ini bertujuan untuk melakukan pengelompokkan antara tomat yang mentah, mengkal dan matang. SOM tidak akan menghentikan proses iterasinya selama jumlah iterasinya belum mencapai target yang diharapkan. Hasil penelitian yang dihasilkan adalah sebuah aplikasi identifikasi kematangan buah tomat untuk mempermudah petani atau masyarakat luas dengan cepat. Implementasi pengujian identifikasi kematangan buah tomat ini adalah 91,11%.
References
[2] Mappiratu, Nurhaeni, and I. Israwaty, “Pemanfaatan tomat afkiran untuk produksi likopen,” Media Litbang Sulteng, vol. 3, no. 1, pp. 64–69, 2010.
[3] Smith, Andrew F. 1994. The Tomato in America. Amerika: University of IllinoisPress. Online,https://id. wikipedia.org/wiki/Tomat
[4] Anonim. 2013. Pedoman Teknis Budidaya Tomat. https:// tabloitsinartani.com/detail/indeks/kebun/31-budidaya-tomat/
[5] Kim, K. I., Jung K., & Kim, H. J., 2002, Face Recognition Using Kernel Principal Component Analysis, IEEE Signal Processing letters, Vol 9, No. 2.
[6] Majumder, A., Behera, L., & Subramanian, V. K., 2014. Local Binary Pattern based Facial Expression Recognition using Self-Organizing Map. International Joint Conference on Neural Networks (IJCNN). 2375- 2382
[7] Chelali, F. Z., Djeradi, A., & Cherabit, N., 2015, Investigation of DCT/PCA combined with Kohonen classifier for human identification. 978-1-4673-6673-1.
[8] Harahap, M., Tulus, Budiarthi, E., 2014, Analisa Perbandingan Pengenalan Tulisan Tangan dengan Kohonen SOM dan MDF, Tesis Megister Teknik Informatika Universitas Sumatera Utara.
[9] Prasetyo, Eko. 2012. DATA MINING Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: ANDI Yogyakarta.
[10] D. Erwanto, S. A. D. Prasetyowati, dan E. N. Budi Susila, “Utilization of Digital Image Processing in Process of Quality Control of the Primary Packaging of Drug Using Color Normalization Method,” in IOP Conference Series: Materials Science and Engineering, 2017
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
.png)
.png)
