Image Classification of Canaries Using Artificial Neural Network

Yanuki, Bagus; Rahman, Aviv Yuniar; Istiadi,

doi:10.1109/icicos53627.2021.9651905

Cited by 9 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ayam ras petelur berperan penting dalam penyediakan kebutuhan telur masyarakat sebagai bagian dari pemenuhan kebutuhan protein hewani. Semakin pentingnya peranan ayam petelur dalam struktur konsumsi telur [5][6], setiap tahun permintaan terhadap telur semakin meningkat dan telur ayam memiliki permintaan yang income estic demand untuk di evaluasi agar mendapatkan yang terbaik [7][8]. Peningkatan permintaan tersebut haruslah didukung dengan peningkatan produksi telur.…”

Section: Pendahuluanunclassified

“…Kemudian pada penelitian sebelumnya juga telah dilakukan penelitian terkait dengan ayam petelur. dengan sistem klasifikasi warna ayam yang berkualitas menggunakan segmentasi otomatis [13] [14]. Hasil dalam penelitian tersebut memiliki intensitas warna yang tinggi, yakni berwarna merah kecoklatan mencapai yakni sekitar 2,95-4,25 keakuratannya atau mencapai 56% dari 150 data ayam.…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Klasifikasi Ayam Petelur Menggunakan Artificial Neural Network dan Decision Tree

Nurdiansyah

Marisa²

2022

JOINTECS

View full text Add to dashboard Cite

Indonesia merupakan negara yang sangat berkembang jumlah penduduknya. Seiring dengan perkembangan tahun ke tahun terus diimbangi dengan kesadaran akan arti penting peningkatan gizi dalam kehidupan. Oleh karena itu diperlukan sistem klasifikasi ayam petelur menggunakan Artificial Neural Network dan Decision Tree. Penelitian ini bertujuan untuk mengklasifikasikan jenis-jenis dari ayam petelur yang ada di Indonesia. Karena banyaknya jenis ayam, nantinya akan memudahkan masyarakat ataupun pengusaha ayam dalam memilih ayam petelur yang berkualitas baik. Disisi lain juga dapat meningkatkan ekonomi masyarakat dengan cara menjual sebuah ayam petelur dengan kualitas yang baik. Dalam pengujian yang dihasilkan Artificial Neural Network lebih baik dalam proses pengujiannya. Hasil membuktikan pada split ratio 50:50 tekstur dan bentuk dengan nilai precision mendapatkan nilai mencapai 0.680, recall mendapatkan nilai 0.521, f-measure mendapatkan nilai 0.600 dan accuracy juga memiliki nilai tertinggi mencapai 92.50% pada split ratio 50:50 antara data training dan data testing. Hasil membuktikan dengan klasifikasi menggunakan Artificial Neural Network menghasilkan precision, recall, f-measure dan accuracy tertinggi dibandingkan decision tree.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Ayam Petelur Menggunakan Artificial Neural Network dan Decision Tree

Nurdiansyah

Marisa²

2022

JOINTECS

View full text Add to dashboard Cite

show abstract

“…The quality made in processing tempeh is currently for producers abroad as much as 50% in exports. Today's daily consumption in Indonesia is 6.45 kg, so the importance of the tempeh maturity classification process is needed [5], [6]. The selection process of tempeh must be by the standards determined by the level of good tempeh quality to increase the expected taste.…”

Section: Introductionmentioning

confidence: 99%

Classification of Tempeh Maturity Using Decision Tree and Three Texture Features

Faqih

Rahman

Aziz

et al. 2022

JOIV : Int. J. Inform. Visualization

View full text Add to dashboard Cite

Tempe is an average food from Indonesia, eaten in Indonesia. Even today, tempe is around the world, and vegans around the world use tempeh as a meat substitute. This study plans to work on the accuracy of tempe characterization by utilizing the three-element extraction technique and the choice tree arrangement strategy. This research uses a decision tree method with three texture features in its classification. The results obtained indicate that this method has the highest Gabor channel level, including extraction, which is 71% accuracy, the split proportion is 10;90 and the lowest is 60% with parted balance of 90:10. The most important level value of GCLM extraction precision is 86% with a split proportion of 90;10 and the lowest price level and 60% level with a split ratio of 10;90 for Wavelet including the highest extraction rate price is 77%. It can be said that from the extraction of three elements, GLCM is the element extraction with the highest value from Gabor and Wavelet, including extraction at a split proportion of 10:90 by 86%. The test shows the Featured Tree highlight designation. The extraction technique was superior to different strategies for interaction characterization of tempe development quality. In the next research, improve the accuracy performance so that it can reach 100% using the CNN deep learning method. Then you can also add Support Vector Machine (SVM) and Naive Bayes methods based on the GLCM Extraction feature.

show abstract

Image Classification of Starlings Using Artificial Neural Network and Decision Tree

Rahman

2022

2022 IEEE International Conference on Cybernetics and Computational Intelligence (CyberneticsCom)

View full text Add to dashboard Cite

Image Classification of Canaries Using Artificial Neural Network

Cited by 9 publications

References 8 publications

Klasifikasi Ayam Petelur Menggunakan Artificial Neural Network dan Decision Tree

Klasifikasi Ayam Petelur Menggunakan Artificial Neural Network dan Decision Tree

Classification of Tempeh Maturity Using Decision Tree and Three Texture Features

Image Classification of Starlings Using Artificial Neural Network and Decision Tree

Contact Info

Product

Resources

About