Penggunaan Algoritma Extreme Learning Machine Berbasis Android Untuk Mengidentifikasi Daging Sapi dan Babi

Authors

  • Agung Hartono Universitas Islam Negeri Sumatera Utara Medan
  • Suendri Suendri Universitas Islam Negeri Sumatera Utara Medan
  • Aninda Muliani Harahap Universitas Islam Negeri Sumatera Utara Medan

DOI:

https://doi.org/10.53513/jsk.v6i1.7409

Keywords:

Android, ELM, Extreme Learning Machine, Identifikasi, Machine learning

Abstract

UD. Zahra merupakan sebuah unit usaha yang bergerak dibidang perdagangan daging sapi yang berdiri pada tahun 2014 oleh bapak Dwi Sanopa. Dalam hal membedakan antara daging sapi dan daging babi terdapat potensi kecurangan yang akan dilakukan oleh supplier, yaitu dengan mencampurkan daging babi kedalam daging sapi tersebut dikarenakan kurangnya ilmu dalam membedakan hal tersebut. UD. Zahra memerlukan sistem identifikasi untuk membantu dalam membedakan daging sapi dan babi kedepannya. Algoritma Extreme Learning Machine pada machine learning dapat memberikan kemudahan bagi UD. Zahra untuk mengidentifikasi daging sapi dan babi. Aplikasi Identifikasi ini dibangun menggunakan Bahasa Python sehingga mengurangi kecurangan yang akan terjadi dalam pemasokan daging.

References

R. M. Awangga dan N. A. Batubara, Tutorial Object Detection Plate Number With Convolution Neural Network (CNN). Bandung: Kreatif Industri Nusantara, 2020.

D. Ariyanto, “IDentifikasi Daging Sapi dan Daging Babi Berdasarkan Citra Red Green Blue Menggunakan Algoritma K-Nearest Neighbor,†Universitas Pembangunan Nasional “Veteran†Yogyakarta, 2020.

E. Budianita, J. Jasril, dan L. Handayani, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web,†J. Sains dan Teknol. Ind., vol. 12, no. Vol 12, No 2 (2015): Juni 2015, hal. 242–247, 2015.

E. Setyowati dan S. Mariani, “Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA),†in PRISMA, Prosiding Seminar Nasional Matematika, 2021, vol. 4, hal. 514–523.

V. V. Nurdiansyah, I. Cholissodin, dan P. P. Adikara, “Klasifikasi Penyakit Tuberkulosis (TB) menggunakan Metode Extreme Learning Machine (ELM),†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 5, hal. 1387–1393, 2020.

L. H. Harum, N. Hidayat, dan R. K. Dewi, “Implementasi Metode Extreme Learning Machine (ELM) Untuk Memprediksikan Penjualan Roti (Studi Kasus: Harum Bakery),†vol. 2, no. 11, hal. 1–119, 2018.

Z. A. Fikriya, M. I. Irawan, dan Soetrisno, “Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital,†J. Sains dan Seni ITS, vol. 6, no. 1, 2017, doi: 10.12962/j23373520.v6i1.21754.

N. A. Izati, B. Warsito, dan T. Widiharih, “Prediksi Harga Emas Menggunakan Feed Forward Neural Network dengan Metode Extreme Learning Machine,†J. Gaussian, vol. 8, no. 2, hal. 171–183, 2019.

N. S. Sukmadinata, Metode Penelitian Pendidikan. Bandung: PT Remaja Rosdakarya, 2013.

R. A. Chandra, E. Santoso, dan S. Adinugroho, “Optimasi Metode Extreme Learning Machine Dalam Penentuan Kualitas Air Sungai Menggunakan Algoritme Genetika,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, hal. 3265–3273, 2018.

M. D. Puspaningrum, E. Santoso, dan N. Yudistira, “Prediksi Persentase Penyelesaian Permohonan Hak Milik menggunakan Metode Fuzzy Time Series (Studi Kasus: Badan Pertanahan Nasional (BPN) Kabupaten Malang),†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 7, hal. 2851–2857, 2020.

K. N. D. Putra, M. T. Furqon, dan N. Yudistira, “Prediksi Penjualan Hijab menggunakan Metode Extreme Learning Machine ( ELM ) ( Studi Kasus : Vie Hijab Store ),†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 6, hal. 1750–1757, 2020.

Downloads

Published

2023-01-13