Klasifikasi Logo Mobil Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Decision Tree

Authors

  • Syahroni Wahyu Iriananda Universitas Widyagama Malang
  • Rangga Pahlevi Putra Universitas Widyagama Malang
  • Firman Nurdiyansyah Universitas Widyagama Malang
  • ‪Fitri Marisa Universitas Widyagama Malang
  • Istiadi Istiadi Universitas Widyagama Malang

DOI:

https://doi.org/10.31328/jointecs.v7i1.3464

Keywords:

klasifikasi, logo, JST-backpropagation, decision tree

Abstract

Logo mobil sendiri sangat dalam membedakan dalam sebuah mobil adalah logo kendaraan yang berfungsi untuk mengenalkan kepada masyarakat tentang sebuah brand mereka. Pada klasifikasi ini agar masyarakat paham dalam mengetahui logo mobil yang telah ada. Oleh karena itu, dalam penelitian ini mengusulkan klasifikasi logo mobil menggunakan JST -backpropagation dan decision tree. Penelitian ini bertujuan untuk mengklasifikasikan jenis logo mobil yang ada di indonesia. Serta dapat memudahkan masyarakat awam dalam pengenalan sebuah logo mobil, sehingga nantinya masyarakat akan paham dalam pemilihan sebuah mobil dengan brand yang berkualitas. Dari hasil yang didapatkan bahwa Decision Tree pada split ratio 50:50 precision mendapatkan nilai 0.604, recall mendapatkan nilai 0.611, f-measure mendapatkan nilai 0.598 dan accuracy mendapatkan nilai 95.70%. Kemudian pengujian yang dilakukan JST-backpropagation hasil pada split ratio 50:50 fitur 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 yang dihasilkan oleh JST-backpropagation mencapai 92.50% dengan perbandingan data 50:50. Hasil membuktikan dengan klasifikasi dengan Decision Tree menghasilkan precision, recall, f-measure dan accuracy tertinggi dibandingkan decision tree. 

Author Biographies

Syahroni Wahyu Iriananda, Universitas Widyagama Malang

Program Studi Teknik Informatika

Rangga Pahlevi Putra, Universitas Widyagama Malang

Program Studi Teknik Informatika

Firman Nurdiyansyah, Universitas Widyagama Malang

Program Studi Informatika

‪Fitri Marisa, Universitas Widyagama Malang

Program Studi Informatika

Istiadi Istiadi, Universitas Widyagama Malang

Program Studi Informatika

References

W. Swastika, A. Kurniawan, and H. Setiawan, “Deteksi Dan Klasifikasi Merek Mobil Untuk Penentuan Iklan Detection And Classification Car Type To Determine Billboard Advertising Using Convolutional Neural Network,†vol. 7, no. 4, pp. 701–708, 2020, doi: 10.25126/jtiik.202072183.

A. T. Sari and E. Haryatmi, “Penerapan Convolutional Neural Network Deep Learning Dalam Pendeteksian Citra Biji Jagung Kering,†J. Resti (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 10, pp. 265–271, 2021, doi: https://doi.org/10.29207/resti.v5i2.3040.

I. Fathurrahman and I. Gunawan, “Pengenalan Citra Logo Kendaraan Menggunakan Metode Gray Level Co-Occurence Matrix (Glcm) dan Jst-Backpropagation,†vol. 1, no. 1, pp. 47 – 55, 2018, doi: DOI : 10.29408/jit.v1i1.894.

D. A. Nugraha and A. S. Wiguna, “Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis,†Res. Comput. Inf. Syst. Technol. Manag., vol. 3, no. 1, p. 24, 2020, doi: 10.25273/research.v3i1.5352.

Z. Hasanati and Dwiny Meidelfi, “Kajian Implementasi Jaringan Syaraf Tiruan Metode Backpropagation Untuk Deteksi Bau,†J. Appl. Comput. Sci. Technol., vol. 1, no. 2, pp. 90–95, Dec. 2020, doi: 10.52158/jacost.v1i2.113.

M. Olivia, E. Tungadi, and N. Bua’rante, “Klasifikasi Kualitas Biji Kopi Ekspor Menggunakan Jaringan Saraf Tiruan Backpropagation,†J. INSTEK (Informatika Sains dan Teknol., vol. 3, no. 2, pp. 299–308, 2018, doi: https://doi.org/10.24252/instek.v3i2.6227.

I. M. Nasser and S. S. Abu-Naser, “Artificial Neural Network For Predicting Animals Category,†vol. 3, no. 2, pp. 18–24, 2019, doi: 10.256W1/123456789/182.

D. W. Wibowo, D. Erwanto, and D. A. W. Kusumastutie, “Klasifikasi Jenis Kayu Menggunakan Esktrasi Fitur Gray Level Co-Occurence Matrix dan Multilayer Perceptron,†J. Nas. Tek. ELEKTRO, vol. 10, no. 1, p. 1, Mar. 2021, doi: 10.25077/jnte.v10n1.788.2021.

Z. Z. R. Permana, S. T. Rasmana, and I. Puspasari, “Prediksi Jarak Bola Pada Citra Kamera Katadioptrik Menggunakan Metode Artifical Neural Network,†ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 9, no. 2, p. 279, 2021, doi: 10.26760/elkomika.v9i2.279.

A. Y. Rahman and I. Istiadi, “LoveBird Type Classification Using Fuzzy Logic and Artificial Neural Networks With Three Levels Of Features,†2020.

A. B. Seran, A. Y. Rahman, and I. Istiadi, “Temu Kembali Kemiripan Motif Citra Tenun Menggunakan Transformasi Wavelet Diskrit Dan GLCM,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 5, pp. 958–966, 2021, doi: 10.29207/resti.v5i5.3484.

A. Y. Rahman, “Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi,†p. 6, 2021.

Ilhamsyah, Aviv Yuniar Rahman, and Istiadi, “Klasifikasi Kualitas Biji Kopi Menggunakan MultilayerPerceptron Berbasis Fitur Warna LCH,†Resti, vol. 1, no. 1, pp. 19–25, 2017, doi: DOI: https://doi.org/10.29207/resti.v5i6.3438.

T. N. Turnip, P. O. Manik, J. H. Tampubolon, and P. A. P. Siahaan, “Klasifikasi Aplikasi Android Menggunakan Algoritme K-Means Dan Convolutional Neural Network Berdasarkan Permission,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 2, 2020, doi: 10.25126/jtiik.202072641.

K. Jayech and M. Ali, “Clustering And Bayesian Network For Image Of Faces Classification,†Int. J. Adv. Comput. Sci. Appl., vol. 1, no. 1, 2011, doi: 10.14569/specialissue.2011.010105.

E. P. Wanti and M. Muhathir, “Pengidentifikasian Citra Ikan Berformalin Dengan Menggunakan Metode Multilayer Perceptron,†J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, no. 1, pp. 491–502, 2021, doi: http://dx.doi.org/10.30645/j-sakti.v5i1.342.

O. A. Marlita, A. P. Kurniati, and F. Informatika, “Anomaly Detection pada Intrusion Detection System (IDS) Menggunakan Metode Bayesian Network,†vol. 14, no. 1, pp. 64–66, 2017, doi: jnu090/00208132.

Downloads

Published

2022-02-01

Issue

Vol. 7 No. 1 (2022)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)