Perbandingan Algoritma Backpropagation Dan Support Vector Machine Pada Pengenalan Jenis Biji Jagung

Abstract

Jagung termasuk tumbuhan biji-bijian seperti padi, gandum, sorgum yang dikonsumsisebagai sumber makanan pokok di Amerika dan beberapa wilayah di Indonesia seperti Madura,Nusa Tenggara Timur, Sulawesi dan Jawa Tengah. Jagung biji memiliki banyak jenis, makadari itulah jika jagung biji tersebut tercampur akan susah untuk dibedakan. Tujuan daripenelitian ini adalah untuk mengenali biji jagung tersebut. Jenis biji jagung yang digunakanadalah jagung merah pozole, jagung pipil, jagung putih dan jagung warna-warni yang difotomenggunakan camera 16MP dengan jarak pengambilan foto 10cm antara kamera dengan objekjagung. Metode pengenalan yang digunakan adalah algoritma backpropagation dan support vector machine, sedangkan untuk ekstraksi fitur menggunakan metode GLCM(Gray Co-occurence Matrix) yang terdiri dari Contrast, energy, homogeneity, dan correlation. Pada perhitungan dengan confusion matrix hasil tertinggi didapatkan pada algoritmabackpropagation dengan rata-rata accuracy 97,5, rata-rata precision 95% dan rata-rata recallsebesar 95,1% dibandingkan dengan algoritma support vector machine yang hanya mendapatrata-rata accuracy 97,1%, rata-rata precision 93,3% dan rata-rata recall sebesar 95%.