UNDANAUNDANA

J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan Informatika

Barcode merupakan sebuah perangkat dalam bentuk matriks hitam dan putih untuk mewakili 1 dan 0, yang berfungsi untuk menyimpan informasi. Barcode dibagi menjadi 2 (dua) jenis yaitu barcode 1D dan barcode 2D. Perbedaan barcode 1D dan barcode 2D yaitu barcode 1D atau kode batang merupakan barcode dengan bentuk bar hitam dan putih, sedangkan barcode 2D adalah barcode dengan bentuk kotak atau persegi. Metode yang digunakan dalam penelitian ini, yaitu grayscaling, pengambangan, penapisan luas dengan algoritma flood fill pixel reduction, area pembatas obyek, ekstraksi ciri dengan algoritma gabor filter, pembelajaran dengan algoritma backpropagation neural network, dan identifikasi menggunakan metode feedforward pada algoritma backpropagation neural network. Data yang digunakan pada penelitian ini berupa 1 data barcode 2D pada masing-masing barcode 2D yang berjumlah 20 user yang diambil dari kontak BBM (Blackberry Messenger), karena minimnya data yang diperoleh maka dari 1 data barcode 2D tersebut dilakukan crop sebanyak 8 kali untuk menjadi data latih dan 2 kali untuk menjadi data uji. Pengujian dilakukan dalam 3 tahap, yaitu untuk data set (I) berjumlah 10 user, untuk data set (II) berjumlah 15 user, dan untuk data set (III) berjumlah 20 user. Hasil pengujian sistem untuk ketiga data set tersebut menunjukkan bahwa, data set (I) menunjukkan akurasi sebesar 100%, data set (II) menunjukkan akurasi sebesar 93,33%, dan data set (III) menunjukkan akurasi sebesar 66%.

Berdasarkan hasil pengujian terhadap sistem yang dibangun, dapat disimpulkan bahwa.(a) Pada data set I dengan 10 user barcode, gabor filter memiliki tingkat akurasi tertinggi sebesar 100%.(b) Kecepatan proses pembelajaran pada barcode 2D dipengaruhi oleh jumlah user barcode, jumlah neuron hidden, dan spesifikasi hardware yang digunakan.(c) Metode pembelajaran backpropagation cukup efektif dalam mengoptimasi ciri barcode 2D, walau memerlukan waktu yang lama dalam proses pembelajaran.

Untuk penelitian selanjutnya, dapat diteliti mengenai efektivitas penggunaan metode ekstraksi ciri lain seperti SVM atau LVQ dalam pengenalan barcode 2D agar hasil akurasi meningkat. Selain itu, peneliti juga dapat memperluas jumlah sampel data barcode 2D untuk meningkatkan kualitas model dan akurasi sistem. Terakhir, mempelajari kombinasi metode pengolahan citra dengan algoritma pembelajaran machine learning terbaru dapat menjadi arah penelitian lebih lanjut untuk mendorong inovasi dalam deteksi barcode.

  1. #tanaman cabai#tanaman cabai
  2. #program keluarga#program keluarga
Read online
File size335.25 KB
Pages8
Short Linkhttps://juris.id/p-1ID
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test