FOURIERFOURIER
Jurnal FourierJurnal FourierDi Indonesia, berbagai jenis kayu tumbuh dan berkembang dengan karakteristik dan manfaat yang beragam. Setiap jenis kayu memiliki perbedaan tekstur dan serat, untuk mengklasifikasikannya harus memiliki pengetahuan yang cukup tentang tekstur dan serat kayu. Sistem identifikasi jenis kayu diperlukan untuk membantu proses klasifikasi tersebut. Tujuan dari penelitian ini adalah untuk mengklasifikasikan Kayu Jati, Kayu Sengon, Kayu Mahoni, dan Kayu Gmelina yang banyak diperjualbelikan di Indonesia. Metode klasifikasi yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan dengan ekstraksi Gray Level Co-occurrence Matrix (GLCM). Tahapan pra-pemrosesan meliputi Histogram Equalization, filtering, konversi citra ke dalam bentuk grayscale, dan augmentasi data. Ekstraksi fitur hasil pre-processing menggunakan GLCM yang diambil yaitu kontras, korelasi, energi, homogenitas, dan entropi. Dari hasil penelitian, klasifikasi menggunakan Jaringan Syaraf Tiruan diperoleh akurasi 46%, presisi 43%, recall 42,5%, dan F1-Score 42% dengan sudut kemiringan GLCM 90°. Jadi, metode ini dapat digunakan untuk mengklasifikasikan jenis kayu, namun kurang akurat karena masih terdapat kekurangan pada model.
Dari hasil penelitian, dapat disimpulkan bahwa penggunaan metode Artificial Neural Network dan ekstraksi fitur GLCM dengan k-fold = 10 menghasilkan klasifikasi yang lebih baik dibandingkan k-fold = 5.Hasil penelitian menunjukkan akurasi sebesar 46%, presisi 43%, recall 42,5%, dan F1-Score 42% dengan sudut GLCM 90°.Oleh karena itu, penelitian lebih lanjut diperlukan untuk meningkatkan akurasi klasifikasi jenis kayu dengan memperbaiki model dan teknik ekstraksi fitur yang digunakan.Pengembangan sistem ini diharapkan dapat memberikan solusi dalam identifikasi jenis kayu secara cepat dan akurat.
Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan yang ada, terdapat beberapa arah penelitian yang dapat dikembangkan. Pertama, penelitian dapat difokuskan pada eksplorasi fitur-fitur lain selain GLCM yang relevan dengan tekstur kayu, seperti Local Binary Pattern (LBP) atau Wavelet Transform, untuk meningkatkan kemampuan diskriminasi model. Kedua, pengembangan model machine learning yang lebih kompleks, seperti Convolutional Neural Network (CNN), dapat dipertimbangkan untuk secara otomatis mempelajari fitur-fitur yang paling relevan dari citra kayu. Ketiga, perlu dilakukan pengumpulan data yang lebih besar dan beragam, termasuk variasi jenis kayu, kondisi pencahayaan, dan sudut pengambilan gambar, untuk meningkatkan generalisasi model dan mengurangi risiko overfitting. Dengan menggabungkan ketiga saran ini, diharapkan dapat menghasilkan sistem klasifikasi jenis kayu yang lebih akurat, robust, dan dapat diandalkan untuk aplikasi di berbagai bidang, seperti industri perkayuan dan pengelolaan hutan.
- Identifikasi Kualitas Udang Segar Menggunakan Metode Gray Level Co-Occurance Matrix dan Artificial Neural... doi.org/10.37195/balok.v1i2.168Identifikasi Kualitas Udang Segar Menggunakan Metode Gray Level Co Occurance Matrix dan Artificial Neural doi 10 37195 balok v1i2 168
- Analisis Sistem Antrian dengan Simulasi di Puskesmas Cebongan Kota Salatiga | Jurnal Fourier. analisis... doi.org/10.14421/fourier.2019.82.57-64Analisis Sistem Antrian dengan Simulasi di Puskesmas Cebongan Kota Salatiga Jurnal Fourier analisis doi 10 14421 fourier 2019 82 57 64
- PERBANDINGAN METODE NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI DIAGNOSA PENYAKIT DIABETES... cerdika.publikasiindonesia.id/index.php/cerdika/article/view/662PERBANDINGAN METODE NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI DIAGNOSA PENYAKIT DIABETES cerdika publikasiindonesia index php cerdika article view 662
- Perbandingan Metode Support Vector Machine (SVM) dan Artificial Neural Network (ANN) pada Klasifikasi... doi.org/10.34123/semnasoffstat.v2021i1.1014Perbandingan Metode Support Vector Machine SVM dan Artificial Neural Network ANN pada Klasifikasi doi 10 34123 semnasoffstat v2021i1 1014
- Penurunan Kadar Lignin pada Fermentasi Limbah Kayu Mahoni Menggunakan Phanerochaete chrysosporium | Jurnal... jurnal.polinema.ac.id/index.php/jtkl/article/view/1616Penurunan Kadar Lignin pada Fermentasi Limbah Kayu Mahoni Menggunakan Phanerochaete chrysosporium Jurnal jurnal polinema ac index php jtkl article view 1616
| File size | 591.65 KB |
| Pages | 12 |
| DMCA | Report |
Related /
PRISMASEJAHTERAPRISMASEJAHTERA Logo brand, khususnya elemen warna logo, dapat dimanfaatkan untuk memunculkan brand personality tertentu yang dapat menarik konsumen. Penelitian ini dilakukanLogo brand, khususnya elemen warna logo, dapat dimanfaatkan untuk memunculkan brand personality tertentu yang dapat menarik konsumen. Penelitian ini dilakukan
UINSAIDUINSAID Upaya pencitraan yang dilakukan oleh Dinas Pemuda Olahraga dan Pariwisata Sragen dalam membangun citra Gunung Kemukus sebagai wisata religi dan keluargaUpaya pencitraan yang dilakukan oleh Dinas Pemuda Olahraga dan Pariwisata Sragen dalam membangun citra Gunung Kemukus sebagai wisata religi dan keluarga
UINSAIDUINSAID Addressing these gaps is crucial for developing a more comprehensive and theoretically grounded understanding of Islamic advertising as a communicativeAddressing these gaps is crucial for developing a more comprehensive and theoretically grounded understanding of Islamic advertising as a communicative
IOCSCIENCEIOCSCIENCE This research confirms that the combination of GLCM, SMOTE, and XGBoost constitutes a robust and high-precision method for rice disease identification.This research confirms that the combination of GLCM, SMOTE, and XGBoost constitutes a robust and high-precision method for rice disease identification.
UMSUUMSU Dengan pendekatan kuantitatif dan analisis regresi linear sederhana terhadap 58 pengurus BEM FISIP UNSIKA, hasil penelitian menunjukkan bahwa keterpercayaanDengan pendekatan kuantitatif dan analisis regresi linear sederhana terhadap 58 pengurus BEM FISIP UNSIKA, hasil penelitian menunjukkan bahwa keterpercayaan
PRISMASEJAHTERAPRISMASEJAHTERA Sekaligus memasyarakatkan pantun berkait sebagai kekayaan budaya Indonesia agar lebih akrab dan dipandang menarik. Metode yang digunakan dalam pengabdianSekaligus memasyarakatkan pantun berkait sebagai kekayaan budaya Indonesia agar lebih akrab dan dipandang menarik. Metode yang digunakan dalam pengabdian
UNPAMUNPAM Sedangkan pada variasi 10:30% hanya 21,61 MPa tidak memenuhi standar minimal. Untuk pengujian bending, variasi 30:10% merupakan variasi dengan hasil terbaikSedangkan pada variasi 10:30% hanya 21,61 MPa tidak memenuhi standar minimal. Untuk pengujian bending, variasi 30:10% merupakan variasi dengan hasil terbaik
UTUUTU Penelitian ini bertujuan untuk menemukan formulasi produk keumamah yang dapat bermanfaat sebagai makanan tambahan untuk mencegah stunting. Desain penelitianPenelitian ini bertujuan untuk menemukan formulasi produk keumamah yang dapat bermanfaat sebagai makanan tambahan untuk mencegah stunting. Desain penelitian
Useful /
UINSAIDUINSAID Pada tingkatan ini, perlu adanya kontribusi nyata dari mahasiswa sebagai bagian dari agent of change untuk menyuarakan perubahan, termasuk salah satunyaPada tingkatan ini, perlu adanya kontribusi nyata dari mahasiswa sebagai bagian dari agent of change untuk menyuarakan perubahan, termasuk salah satunya
STMIK DCISTMIK DCI Pengujian dilakukan menggunakan metode cross-validation dan pengukuran akurasi menggunakan RMSE dan MAE. Hasil menunjukkan bahwa algoritma Random ForestPengujian dilakukan menggunakan metode cross-validation dan pengukuran akurasi menggunakan RMSE dan MAE. Hasil menunjukkan bahwa algoritma Random Forest
STMIK DCISTMIK DCI Metode ini melibatkan aturan‑aturan yang telah dikumpulkan dari berbagai sumber, serta basis pengetahuan ahli dalam bidang gastritis. Sistem ini dirancangMetode ini melibatkan aturan‑aturan yang telah dikumpulkan dari berbagai sumber, serta basis pengetahuan ahli dalam bidang gastritis. Sistem ini dirancang
FOURIERFOURIER Hasil menunjukkan IndoBERT unggul dengan akurasi 0,96 dan F1-score makro 0,95 tanpa penanganan khusus, sedangkan SVM mencapai akurasi 0,95 dengan pembobotanHasil menunjukkan IndoBERT unggul dengan akurasi 0,96 dan F1-score makro 0,95 tanpa penanganan khusus, sedangkan SVM mencapai akurasi 0,95 dengan pembobotan