Perbandingan Akurasi Pengenalan Kadar Semen Dan Pasir Berdasarkan Ukuran Citra Dengan Backpropagation

Abstract

Penelitian ini mengangkat topik terkait dengan identifikasi jenis campuran semen dan pasir pada material yang sudah kering menggunakan kecerdasan buatan. Namun belum diketahui pada ukuran citra berapa yang memiliki tingkat pengenalan yang terbaik dalam penelitian tersebut. Penelitian ini membandingkan tingkat akurasi pengenalan kadar semen dan pasir berdasarkan ukuran citra. Jenis campuran semen dan pasir yang digunakan adalah 1:1, 1:1.5, 1:2, 1:2.5, 1:3, dan 1:3.5. Data yang digunakan sebanyak 570 citra yang terdiri dari 450 citra latih dan 120 citra uji pada setiap ukuran citranya. Metode pengenalan menggunakan jaringan syaraf tiruan dengan algoritma backpropagation, dengan input berupa nilai tekstur dari hasil ekstraksi ciri menggunakan fitur GLCM dari citra campuran semen dan pasir. Pengujian sistem dilakukan dengan variasi ukuran cropping citra yaitu 550x550 piksel, 450x450 piksel, 350x350 piksel, 250x250 piksel, dan 150x150 piksel. Tingkat akurasi tertinggi didapatkan pada ukuran citra 550x550 piksel yaitu sebesar 89.17% dengan hasil pengenalan sebanyak 107 dari 120 data uji. Hasil dari penelitian ini dapat digunakan sebagai referensi pada penelitian lanjutan dengan objek karakter sejenis ataupun objek yang sama.