Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th.

2018

IDENTIFIKASI KEMATANGAN BUAH STROBERI (Fragaria x vescana L.)

DENGAN TEKNIK JARINGAN SARAF TIRUAN

(Indentification of Strawberry (Fragaria x vescana L.) Maturity with Artificial Neural

Network)

Luvi Harmayanvi Harahap1,2), Saipul Bahri Daulay1), Delima Lailan Sari Nasution1)
1)Program Studi Keteknikan Pertanian, Fakultas Pertanian Universitas Sumatera Utara
Jl. Prof. Dr. A. Sofyan No. 3 Kampus USU Medan 20155
2)Email :luviharahap@gmail.com

Diterima: 05 April 2018/Disetujui: 09 Juli 2018

ABSTRACT
Identification of strawberry maturity is still done manually by the farmers. Fruits was seen visually by eyes and
responded by the brain to differentiate maturity level. This study was a non-conventional method of measurement that
used digital image processing to produce data that will be processed by artificial neural network and then processed
using computer software that can be used to determine strawberry maturity level. The input images were strawberrys
which were identified based on color histogram (RGB) and then the program was built using visual basic. The
system was trained with some strawberry image data that have different values in each classification in order to
identify the level of maturity of the strawberrys with backpropagation method. This identification system was capable
to identify the entire category of fruits with 96% correct identification. From the identification that had been done, it was
found that 80 % was ripe strawberry, half ripe was 80 %, and 70 % was raw. Results of the identifications were affected
by the shooting fruit process.

Key words : Artificial Neural Network, Image Processing, Back Propagation, Identification, Strawberry.

ABSTRAK
Identifikasi kematangan buah stroberi masih banyak dilakukan manual oleh para petani. Buah dilihat oleh mata lalu di
respon oleh otak untuk membedakan tingkat kematangnnya. Penelitian ini metode pengukurannya non-konvensional
yaitu menggunakan pengolahan citra digital (image processing) menghasilkan data yang akan diproses secara pelatihan
dengan jaringan syaraf tiruan (artificial neural network) kemudian diolah dengan menggunakan perangkat lunak komputer
sehingga dapat digunakan untuk menentukan tingkat kematangan buah stroberi. Buah stroberi diidentifikasi berdasarkan
input histogram warna citra (RGB) yang didapat dari hasil capture lalu dibangun programnya dengan visual basic.
System ini dilatih dengan beberapa gambar buah stroberi yang memiliki nilai yang berbeda dalam beberapa klasifikasi
untuk mengidentifikasi kematangan buah stroberi dengan menggunakan metode backpropagation. Sistem identifikasi ini
mampu mengenali seluruh kategori buah dengan tingkat keberhasilan identifikasi kebenaran 96%. Dari hasil identifikasi
yang telah dilakukan menghasilkan tiga output identifikasi yaitu Stroberi matang 80%, setengah matang 80%, dan
mentah 70%. Hasil identifikasi ini dipengaruhi oleh cara pengambilan gambar buah.

Kata Kunci : Jaringan Syaraf Tiruan, Pengolahan Citra, Back Propagation, Identifikasi, Stroberi.

PENDAHULUAN tempat ovari tanaman itu berada (BAPPENAS,

Stroberi atau tepatnya stroberi kebun (juga
dikenal dengan nama arbei, dari bahasa
Belandaaardbei) adalah sebuah varietas stroberi
yang paling banyak dikenal di dunia. Seperti
spesies lain dalam genus Fragaria (stroberi),
buah ini berada dalam keluarga Rosaceae.
Secara umum buah ini bukanlah buah, melainkan
buah palsu, artinya daging buahnya tidak berasal
dari ovari tanaman (achenium) tapi dari bagian
bawah hypanthium yang berbentuk mangkok
2000).
Hal yang membedakan tingkat kematangan
buah stoberi dapat berupa warna, ukuran,
bentuk, dan tekstur buah dari tanaman buah
stroberi. Dari berbagai macam ciri tersebut, yang
paling mudah digunakan untuk mengenali tingkat
kematangan buah stroberi adalah ciri warna
karena dapat langsung dilihat tanpa harus
diamati teksturnya (Amarta, 2009).
Beberapa metode pengenal pola, alat,
software, dan bahasa pemrograman digunakan

602
Keteknikan Pertanian
telah dicoba dalam berbagai penelitian untuk
mengenal tingkat kematangan buah stroberi
maupun objek yang lain seperti apel dan
manggis. Ciri yang diekstraksi kebanyakan
adalah ciri warna RGB (red, green and blue).
Penelitian sebelumnya dengan objek tomat dan
lainnya menghasilkan keakuratan yang berbeda-
beda (Muis, 2009).
Sifat dan ketahanan buah stroberi untuk
masing-masing varietas berbeda-beda. Kondisi
ini mengakibatkan buah stroberi yang dipanen,
baik waktu maupun tingkatkesegaran dan
kekerasan buah tidak sama. Oleh karena itu,
perlakuan yang diberikan untuk setiap varietas
dapat berbeda. Kualitas stroberi ditentukan oleh
rasa (manis-asam), kemulusan kulit dan luka
mekanis akibat benturan atau hama-penyakit)
(Amarta, 2009).
Salah satu cara untuk mengetahui tingkat
kematangan buah stroberi melalui identifikasi
kematangan dengan teknik jaringan saraf tiruan
adalah dengan representasi warna. Warna
merupakan respon physiological dan intensitas
yang berbeda. Persepsi warna dalam
pengolahan citra tergantung pada tiga faktor,
yaitu spectral reflectance (menentukan
bagaimana suatu permukaan memantulkan
warna), spectral content (kandungan warna dari
cahaya yang menyinari permukaan) dan spectral
response (kemampuan merespon warna dari
sensor dalam imaging system) (Arham, 2004).
Jaringan Syaraf Tiruan
mentransformasikan informasi dalam bentuk
bobot dari satu neuron ke neuron lainnya.
Informasi tersebut akan diproses oleh suatu
fungsi perambatan dan semua bobot masukan
yang datang dijumlahkan kemudian
dibandingkan dengan suatu nilai ambang
tertentu melalui fungsi aktivasi suatu neuron yang
tersambung dengannya (Muis, 2009).
Neuron-neuron dibentuk dalam suatu
lapisan dan antar lapisan saling berhubungan.
Pada umumnya struktur dasar jaringan syaraf
tiruan terdiri dari 3 lapisan neuron, yaitu: lapisan
input atau masukan, lapisan tersembunyi,
lapisan output atau keluaran. Banyaknya lapisan
tersembunyi sangat tergantung kepada
kompleksitas pemrosesan dan hasil yang
diharapkan ( Muis, 2009).
Jaringan saraf tiruan (JST) adalah sistem
pemroses informasi yang memiliki karakteristik
mirip dengan jaringan syaraf biologis. Seperti
proses informasi pada otak manusia, cara kerja
jaringan syaraf tiruan sama dengan cara kerja
manusia yaitu belajar melalui contoh.
Backpropagation melatih jaringan untuk
mendapatkan keseimbangan antara kemampuan
jaringan untuk mengenali pola yang digunakan
J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
selama pelatihan, serta kemampuan jaringan
untuk memberikan respon yang benar terhadap
pola masukan yang serupa (tapi tidak sama)
dengan pola yang dipakai selama pelatihan
(Jong, 2009).
Penelitian ini bertujuan untuk menentukan
persentase keakuratan implementasi metode
Backpropagation dalam mengenali tingkat
kematangan buah stroberi. Untuk membangun
sebuah sistem informasi yang mampu
mengidentifikasi kematangan buah stroberi
berdasarkan ciri warna dengan metode jaringan
saraf tiruan.
BAHAN DAN METODE
Bahan dan alat yang digunakan dalam
penelitian ini adalah buah Stroberi Berastagi
Lokal yang digunakan untuk objek foto, dan data
gambar buah Stroberi, Perangkat keras yang
terdiri dari komputer, kamera SLR Nikon, latar
berupa kotak. Perangkat lunak yang terdiri dari
Microsoft Visual Basic 2012, mySQL manajemen
studio 2012, Power Point, Coreldraw 12.
Tahapan Penelitian
Proses berikut merupakan tahapan yang
dilakukan untuk membangun sistem berbasiskan
Neural Network yang handal;
- Pengumpulan data dan Pemrosesan data awal
- Pembentukan jaringan serta proses pelatihan
akan
- Proses pengujian serta proses verifikasi dan
validasi jaringan.
Dalam melaksanakan penelitian ini
dilakukan langkah sebagai berikut:
- Pengumpulan data berupa data gambar
stroberi berastagi dengan jarak dari objek ke
kamera dan latar yang sama.
- Pre Processing setelah gambar diambil lalu
diubah citra gambar menjadi format bitmap dan
dilakukan perubahan ukuran menjadi 100 x100
piksel
- Fitur ekstraksi, dimana sebuah cara
menampilkan presepsi warna atau Kuantifikasi
sesuai parameter yang dibutuhkan yaitu RGB
(red, green and blue)
- Menentukan paradigma yang akan dibangun
pada jaringan syaraf lalu dengan menggunakan
Visual Basic Studio 2012 untuk membangun
aplikasi
- Perancangan struktur jaringan yaitu penentuan
jumlah lapisan masukan 3 (input) (nilai RGB),
50 lapisan tersembunyi, dan jumlah 3 lapisan
keluaran yang akan digunakan dalam jaringan
- Mengisialisasi bobot dengan fungsi random,
bias dan nilai dari tiap-tiap parameter
603
Keteknikan Pertanian
- Proses pelatihan, dimana melatih sistem dalam
bekerja sebanyak 10 data yang telah
ditentukan
- Proses pengujian, dimana pembuktian bahwa
sistem telah dibangun secara layak ditinjau dari
segi mekanis
- Proses validasi jaringan, ditinjau apakah sistem
yang dibangun sesuai kebutuhan dimana
Tabel 1. Tingkat kematangan buah
Parameter Mentah
Tekstur buah Keras
Warna daging buah Putih
Ukuran buah Kecil
Warna kulit Putih
Mengkilap dan
Kenampakan kulit
pori-pori kecil
Ukuran buah 1-15 mm
(BAPPENAS, 2000)
HASIL DAN PEMBAHASAN
Analisis Sistem
Selama ini para petani stroberi
membedakan buah hanya tertuju berdasarkan
sortasi ukuran. Namun, dalam keperluan industri
buah harus memiliki kualitas dan grade yang
baik. Tingkat kematangan buah sangat
berpengaruh bagi industri untuk menentukan
bahan atau buah stroberi mana yang tepat untuk
diolah menjadi produk. Selain itu konsumen yang
menikmati buah secara langsung tanpa diolah
tentu variatif. Ketika konsumen menginginkan
buah yang akan dimakannya memiliki rasa
manis, tentu akan sulit bagi penjualnya untuk
menjamin rasa buah tanpa mencoba rasanya.
Perkembangan teknologi informasi
memungkinkan identifikasi buah berdasarkan ciri
warna dengan bantuan komputer. Metode
pengukurannya non-konvensional
menggunakan pengolahan citra digital (image
processing) menghasilkan data yang akan
diproses secara pembelajaran dengan jaringan
syaraf tiruan (artificial neural network) kemudian
diolah dengan menggunakan perangkat lunak
komputer sehingga dapat digunakan untuk
menentukan tingkat kematangan buah stroberi.
Pemanfaatan program Identifikasi
kematangan buah Stroberi
menglasifikasikan tingkat kematangan buah
stroberi merupakan solusi yang tepat dalam
menyelesaikan permasalahan tersebut.
Perancangan Sistem
Pembuatan perangkat lunak identifikasi
kematangan buah stroberi untuk penglasifikasian
J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
sistem mampu untuk stroberi mengenali data
gambar
- Proses verifikasi jaringan, ditinjau apakah
sistem yang dibangun telah bekerja sesuai
fungsinya. Dimana dilihat dari tingkat
keberhasilan sistem dalam mengidentifikasi
kematangan buah stroberi.
Matang Lewat matang
Agak empuk Empuk
Merah sempurna Merah sempurna
Sedang Sedang
Merah Merah tua
Mengkilap dan pori-pori lebih Mengkilap, pori-pori besar,
besar keriput.
15-25 mm 20-30 mm
buah berdasarkan warna dilakukan dengan
beberapa software berupa Visual Studio 2010,
SQL server menajemen studio 2005, Coreldraw
12,Photoshop, xampp, navicate, dan dilakukan
harus melalui tahap perancangan sistem yang
terdiri dari pre-proses gambar pengolahaninput,
menentukan dan menajemen basis data,
perancangan program, perancangan proses
pengujian dan proses validasi serta verifikasi.
Perancangan sistem ini perlu dilakukan untuk
mendapatkan gambaran yang jelas mengenai
program yang nantinya akan dibuat. Model warna
RGB yang dapat dinyatakan dalam bentuk indeks
warna RGB dengan cara menormalisasi setiap
komponen warna dengan persamaan sebagai
sebagai berikut:
R=
G=
yaitu B=
Pre-proses
Merupakan suatu tahapan yang dilakukan
untuk memudahkan ke tahapan pengolahan
ataupun input yang akan diterima dalam tahap
propagasi balik. Pada tahapan ini pertama
dilakukan proses inisialisasi gambar. Gambar
untuk buah akan diubah kedalam formatPNG (Portable
Network Graphics)lalu selanjutnya dilakukan
proses mengubah ukuran gambar. Ukuran
gambar yang telah di-cropdan hanya terfokus
pada bagian gambar buahnya, gambar tidak
perlu di resize atau di ubah ukuran pikselnya.
Karena software ini sudah membuat perubahan
604
Keteknikan Pertanian
ukuran otomatis pada saat pengupload-an
gambar.
Proses Pelatihan
Proses pelatihan dilakukan agar dapat
melatih jaringan yang akan dapat
mengidentifikasi kematangan buah stroberi baik
dilatih ataupun yang tidak dilatihkan dengan
menggunakan jaringan saraf tiruan propagasi
balik. Tujuannya untuk mendapatkan
keseimbangan antara kemampuan tanggapan
yang benar terhadap masukan yang dipakai
untuk pelatihan jaringan (memorisasi) dan
kemampuan memberikan tanggapan yang benar
untuk masukan data yang sejenis namun tidak
identik dengan data gambar yang dipakai pada
pelatihan.
Proses pelatihan terdiri dari 3 tahap. Tahap
yang pertama yaitu tahap umpan maju pola yang
digunakan untuk mencari nilai lapisan
tersembunyi dan nilai lapisan keluaran
menggunakan aktivasi yang ditentukan. Tahap
yang kedua adalah tahap mundur, jika hasil
keluaran tidak sesuai dengan target maka
dilakukan propagasi balik untuk mendapatkan
nilai error yang ada di lapisan keluaran dan
lapisan tersembunyi. Tahap yang ketiga adalah
memperbaharui nilai bobot yang ada dilapisan
tersembunyi dan lapisan masukkan untuk
menentukan error yang terjadi. Setelah itu
lakukan lagi umpan maju dan propagasi balik jika
nilai keluarannya tidak sesuai dengan nilai yang
ditargetkan. Proses ini dilakukan secara berulang
kali sampai mendapatkan batasan error yang
ditentukan dari jaringan.
Proses Pengujian
Proses pengujian adalah menguji jaringan
yang telah dilatih untuk mengenali data gambar
pelatihan maupun data yang tidak digunakan
pada tahapan pelatihan jaringan. Jaringan
diharapkan dapat mengenali dan
mengidentifikasi buah stroberi yang terdapat
pada data pelatihan dan pengujian. Pada proses
pengujian hanya menggunakan tahap umpan
maju untuk mencari nilai keluaran lapisan
tersembunyi dan lapisan keluaran.
Ketika jaringan diuji dengan menggunakan
data pelatihan, yang diuji adalah kemampuan
memorisasi jaringannya, sebab kasus-kasusyang
dimasukkan telah dipelajari sebelumnya. Dan
sebaliknya, pada saat jaringan diuji dengan
menggunakan data baru, yang diuji adalah
kemampuan generalisasi jaringannnya.
Perancangan Mekanik Latar Buah
Dalam perancangan mekanik digunakan
latar kotak sebagai setting tempat pengambilan
J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
gambar buah stroberi. Hal ini berfungsi
untuk menjaga kestabilan citra gambar sehingga
diharapkan latar belakang dan pencahayaan
ruangan akan sama dalam setiap pengambilan
gambar.
Hasil Pelatihan dan Pengujian Sistem
Dari hasil pelatihan dan pengujian sistem
didapatkan tingkat keberhasilan program untuk
mengidentifikasi kematangan buah stroberi
menggunakan back propagation. Tingkat
kematangan buah stroberi dibedakan atas
klasifikasi mentah, setengah matang dan
matang.
Pada tahap pengujian data gambar buah
jeruk untuk menetukan tingkat keberhasilannya
dalam mengenali klasifikasi buah dilakukan
perhitungan sebagai berikut:
Pada proses pelatihan dilakukan
menggunakan 10 data gambar buah stroberi
yang mencirikan tingkat kematangan buah
stroberi. Data gambar buah stroberi yang dilatih
dapat dilihat pada Tabel 2. Dari Tabel 2 terdapat
3 buah stroberi untuk Mentah, 3 buah stroberi
untuk Setengah Matang, dan 4 buah stroberi
yang Matang. Setelah dilakukan pelatihan, lalu
10 data gambar buah stroberi yang telah dilatih
tersebut dilakukan pengujian untuk
mengidentifikasi kematangannya dengan
menggunakan persamaan sebagai berikut:
Tingkat Keberhasilan Hasil Pengujian
Pada tahap ini dilakukan dengan 3 buah
yaitu buah Stroberi Matang, Stroberi Setengah
Matang, dan Stroberi Mentah. Proses ini
dilakukan untuk mengetahui keberhasilan hasil
yang diujikan. Satu buah dilakukan pengujian
sebanyak 10 kali perulangan sehingga didapat
persentase tingkat keberhasilan uji buah seperti
pada Tabel 3.
Tabel 3 menunjukkan terdapat 10 buah
stroberi Matang. Setelah dilakukan pelatihan, lalu
10 data gambar buah stroberi yang telah dilatih
tersebut dilakukan pengujian untuk
605
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018

mengidentifikasi kematangannya dengan stroberi tersebut adalah buah stroberi setengah

menggunakan persamaan sebagai berikut:
Pada saat pengujian buah stroberi matang
presentase keberhasilan yang di dapat mencapai
80% dengan error pada pada angka 20%.
Pengujian error pada saat pengujian ke 2 dan ke
5 yang hasilnya menyatakan bahwa buah
matang yang merupakan buah stroberi matang.
Tabel 4 menunjukkan terdapat 10 buah
stroberi Setengah Matang. Setelah dilakukan
pelatihan, lalu 10 data gambar buah stroberi
yang telah dilatih tersebut dilakukan pengujian
untuk mengidentifikasi kematangannya dengan
menggunakan persamaan sebagai berikut:

Tabel 2. Data buah stroberi pelatihan

No Nama data Tipe data Width Height Bobot Status
1 Dsc_1069 Bitmap 356 238 0.437018 Mentah
2 Dsc_1070 Bitmap 244 163 0.436780 Mentah
3 Dsc_1095 Bitmap 327 218 0.436541 Mentah
4 Dsc_1088 Bitmap 309 206 0.436303 Setengah matang
5 Dsc_1089 Bitmap 377 252 0.436066 Setengah matang
6 Dsc_1090 Bitmap 386 258 0.435828 Setengah matang
7 Dsc_1082 Bitmap 220 147 0.435591 Matang
8 Dsc_1080 Bitmap 394 262 0.435353 Matang
9 Dsc_1077 Bitmap 353 236 0.435116 Matang
10 Dsc_1072 Bitmap 368 246 0.434879 Matang

Tabel 3.data keberhasilan uji buah stroberi matang.

No. Bobot Klasifikasi Hasil identifikasi
1 0.839950 Matang Benar
2 0.645344 Setengah matang Salah
3 0.839950 Matang Benar
4 0.839950 Matang Benar
5 0.469966 Setengah matang Salah
6 0.839950 Matang Benar
7 0.779935 Matang Benar
8 0.779935 Matang Benar
9 0.779935 Matang Benar
10 0.799995 Matang Benar

Tabel 4. Data keberhasilan uji buah stroberi setengah matang

No. Bobot Klasifikasi Hasil identifikasi
1 0.429847 Mentah Salah
2 0.589911 Setengah matang Benar
3 0.589911 Setengah matang Benar
4 00000000 - Salah
5 0.589911 Setengah matang Benar
6 0.589911 Setengah matang Benar
7 0.589911 Setengah matang Benar
8 0.559874 Setengah matang Benar
9 0.559874 Setengah matang Benar
10 0.589911 Setengah matang Benar

606
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018

Pada saat pengujian buah stroberi keberhasilan pengujian 86% dari 30 data
setengah matang presentase keberhasilan yang gambar yang diuji.
di dapat mencapai 80% dengan error pada pada 2. Dari hasil identifikasi pengujian yang telah
angka 20%. Pengujian error pada saat pengujian dilakukan menghasilkan tiga output
ke 1 yang hasilnya menyatakan bahwa buah identifikasi yaitu stroberi matang 80%,
stroberi tersebut adalah buah stroberi mentah setengah matang80%, dan mentah70%
yang merupakan buah stroberi setengah matang dan seluruh data gambar 96% dapat
dan pada pengujian ke 4 yang hasilnya tidak dikenali.
terdeteksi. 3. Identifikasi kematangan buah stroberi
matang dan mentah pada sistem ini lebih
Tabel 5. Data keberhasilan uji buah stroberi akurat dibanding identifikasi stroberi
mentah setengah matang karena pengaruh warna
Hasil yang hampir sama dengan matang yang
No. Bobot Klasifikasi
identifikasi hanya berbeda sedikit, matang dengan
1 0.197643 Mentah Benar warna merah sedangkan setengah matang
2 0.197643 Mentah Benar dengan warna merah dengan sedikit pudar.
3 0.197643 Mentah Benar 4. Identifikasi terhadap data gambar buah
4 0.357808 Mentah Benar stroberi yang telah dilatih 100% data
5 0.697102 Setengah matang Salah gambar dapat dikenali dengan tingkat
6 0.197643 Mentah Benar identifikasi keberhasilan 100%.
7 0.697102 Setengah matang Salah 5. Sistem identifikasi kematangan buah
8 0.539701 Setengah matang Salah stroberi “ISM” menggunakan 10input,
9 0.269924 Mentah Benar 100hidden layer dan 3 output dengan target
10 0.459946 Mentah Benar 10 digit binar dan maksimal pelatihan yang
disesuaikan dengan kapasitas hardware.
Tabel 5 menunjukkan terdapat 10 buah 6. Sistem identifikasi kematangan buah
stroberi Mentah. Setelah dilakukan pelatihan, lalu stroberi “ISM” menggunakan 0,0073 error
10 data gambar buah stroberi yang telah dilatih minimum, 0,05 ratio pelatihan dan
tersebut dilakukan pengujian untuk menggunakan 5000 iterasi (pengulanagan).
mengidentifikasi kematangannya dengan 7. Format gambar yang di gunakan pada
menggunakan persamaan sebagai berikut: system ini adalah PNG (Portable Network
Graphics).

DAFTAR PUSTAKA

Pada saat pengujian buah stroberi mentah
presentase keberhasilan yang di dapat mencapai
70% dengan error pada pada angka 20%.
Pengujian error pada saat pengujian ke 5 dan ke
7 dan ke 8 yang hasilnya menyatakan bahwa
buah stroberi tersebut adalah buah stroberi
setengah matang yang merupakan buah stroberi
mentah. Dari pengataman perbedaan warna
pada stroberi setengah matang dan mentah
memeiliki sedikit kesamaan. Sehingga membuat
system sulit membedakan antara mentah dan
setengah matang.
KESIMPULAN
1. Penelitian ini berhasil membangun
perangkat lunak yang
mengimplementasikan algoritma back
propagationdalam mengindetifikasi tingkat
kematangan buah stroberi berdasarkan
warna RGB menggunakan kamera
pocketdengan tingkat identifikasi
607
Amarta, L. 2009. Tentang Strawberry on Farm.
http://Strawberryfarm.com.
Arham, Z. 2004. Evaluasi Mutu Jeruk Nipis
(Citrus Aurantifolia Swingle) Dengan
Pengolahan Citra Digital dan Jaringan
Syaraf Tiruan. Pascasarjana IPB. Bogor.
Badan Perencanaan Pembangunan Nasional.
2000. Tentang Stroberi (Fragaria chiloensis
L / F. vesca L.). http://www.ristek.go.id/
Diakses pada tanggal 3 Januari 2015.
Jong, J.S. 2009. Jaringan Syaraf Tiruan &
Pemrogramannya Menggunakan Matlab.
Penerbit Andi. Yogyakarta.
Muis, S. 2009. Identifikais Pola Sinyal
dengan Menggunakan Teknik Neurn
Networks. Graham Ilmu, Jakarta.
Nugroho, A. 2009. Algoritma dan Struktur Data
dengan C#. Andi Offset. Yogyakarta.