Abstract:Penipuan uang palsu merupakan masalah serius yang dapat merugikan perekonomian negara dan masyarakat. Seiring dengan kemajuan teknologi, deteksi keaslian uang kertas kini dapat dilakukan menggunakan metode berbasis citra…
digital. Penelitian ini bertujuan untuk mengembangkan sistem deteksi keaslian uang kertas menggunakan pendekatan machine learning dengan memanfaatkan platform Teachable Machine. Sistem ini memanfaatkan citra digital uang kertas yang diambil menggunakan kamera digital untuk dianalisis dan diklasifikasikan berdasarkan keaslian uang tersebut. Data citra uang kertas yang digunakan mencakup gambar dari berbagai sisi dan elemen pengaman pada uang, seperti watermark, benang pengaman, dan cetakan mikroteks. Model machine learning yang diterapkan dilatih dengan berbagai gambar uang kertas asli dan palsu untuk menghasilkan model yang dapat mengidentifikasi perbedaan antara keduanya. Hasil penelitian menunjukkan bahwa sistem ini dapat mendeteksi keaslian uang kertas dengan tingkat akurasi yang tinggi, memberikan solusi praktis dan efisien untuk membantu mendeteksi uang palsu secara cepat dan akurat. Implementasi sistem ini berpotensi untuk digunakan di berbagai sektor, seperti perbankan, ritel, dan pemeriksaan keuangan.
Abstract:Visi computer yang merupakan cabang kecerdasan buatan yang menggunakan citra digital sebagai input data. Penelitian ini bertujuan untuk mengembangkan metode pengumpulan data dalam deteksi warna buah paprika menggunakan citra…
itra digital dan platform Teachable Machine. Metode ini dirancang untuk meningkatkan efisiensi dan akurasi dalam mengidentifikasi variasi warna paprika, yang penting untuk kualitas produk di industri pertanian. Data dikumpulkan melalui pengambilan gambar paprika dalam kondisi pencahayaan yang konsisten, kemudian diproses menggunakan teknik segmentasi warna dan analisis histogram. Model machine learning dilatih menggunakan Teachable Machine, yang memungkinkan klasifikasi warna dengan mudah dan cepat. Hasil evaluasi menunjukkan bahwa model dapat mendeteksi warna paprika dengan akurasi yang memuaskan. Penelitian ini memberikan wawasan penting tentang potensi penerapan teknologi digital dalam pertanian dan membuka peluang untuk pengembangan lebih lanjut dalam deteksi dan analisis kualitas produk pertanian. Dengan demikian, penelitian ini berkontribusi pada peningkatan efisiensi pengelolaan hasil pertanian serta promosi inovasi dalam sektor ini.
Abstract:Tomat (Solanum Lycopersicum) memiliki peran penting dalam industri pertanian dan kuliner global, di mana tingkat kematangan buah secara signifan mempengaruhi kualitas, rasa, dan nilai pasar. Penentuan kematangan yang akurat…
rat sangat diperlukan untuk mengurangi kerugian ekonomi yang dialami oleh petani dan distributor. Dengan memanfaatkan teachable machine, sebuah platform machine learning inovatif dari google, telah dikembangkan model klasifikasi kematangan tomat dalam tiga kategori; mentah, setengah matang dan matang. Proses yang dilakukan mencakup pengumpulan 375 gambar tomat dari berbagai sumber, pra-pemrosesan citra, serta pelabelan data sebelum pelatihan model. Hasilnya menunjukkan akurasi tinggi yang mencapai 98% dengan nilai loss yang rendah, menandakan efektivitas metode yang diterapkan. Prototipe yang dihasilkan memungkinkan pengguna untuk melakukan klasifikasi kematangan tomat secara real-time melalui smartphone, sehigga meningkatkan aksesibilitas teknologi dalam sektor pertanian. Hasil ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas hasil panen, mengurangi kerugian dan mendukung keberlanjutan industri pertanian melalui penerapan teknologi canggih yang lebih objektif dan sistematis.
Abstract:Pelatihan ini mengembangkan model klasifikasi otomatis untuk membedakan jamur Shiitake yang dapat dikonsumsi dan jamur Galerina beracun, menggunakan Teachable Machine dan teknik pengolahan citra digital. Jamur dikenal sebagai…
bagai sumber nutrisi dan komponen bioaktif yang beracun sering kali sulit dikenali. Gambar jamur dukumlkan dari berbagai sumber, diproses, dan dimasukkan ke dalam model keterampilan pemrograman. Konfigurasi model seperti epoch, batch size, dan learning rate dioptimalkan untuk mencapai akurasi maksimal. Hasil evaluasi menunjukkan akurasi model sebesar 100% dengan nilai loss 0.25, yang menunjukkan performa yang sangat baik dalam mengklasifikasi jamur. Setelah diuji, model ini siap untuk di-deploy dalam aplikasi yang membantu identifikasi jamur dan memberikan solusi yang lebih efisien dan akurat.
Abstract:Jeruk merupakan komoditas holtikultura dengan nilai ekonomi tinggi di indonesia, namun penyakit Hunglongbing (HBL), yang disebabkan oleh bakteri Candidatus Liberibacter asiaticus (Clas) dan disebabkan oleh vektot serangga…
a Diaphorina citri, menjadi ancaman serius bagi produksi jeruk. Gejala HBL, seperti daun menguning, tunas terhambat, dan buah yang mengerut, menyebabkan penurunan kualitias dan kuantitas hasil jeruk yang signifikan. Deteksi dini penyakit ini sangat penting untuk mengurangi dampaknya, namun deteksi pada tahap awal sering kali terhambat kerena gejala baru muncul pada tahap lanjut. Salah satu solusi yang menjajikan adalah penggunaan teknologi pembelajaran mesin dalam analisis citra digital. Teachable Machine, sebuah Platform dari Google, Digunakan untuk melatih model pembelajaran esin yang dapat mendeteksi gejala HBL pada tanaman jeruk secara cepat dan akurat dengan memanfaatkan citra digital. Data set gambar daun jeruk sehat dan yang terinfeksi HBL diperoleh melalui Platform Pencairan gambar, dan model pelatihan dilakukan dengan menyusaikan parameter seperti epoch, batch size, dan learning rate. Evaluasi model menunjukkan akurasi klasifikasi yang signifikan, memberikan solusi deteksi dini yang efisien dan mudah diakses oleh petani. Penggunaan Teachable Machine menawarkan alternatif praktis bagi petani untuk mengidentifikasi penyakit tahap awal, yang dapat meningkatkan pengelolaan kesehatan tanaman jeruk dan mengurangi kerugian ekonomi akibat HBL. Hasil ini menekankan potensi besar teknologi pembelajaran mesin dalam meningkatkan keberlanjutan pertanian melalui deteksi penyakit yang lebih cepat dan akurat.