Analisis Distribusi Intensitas RGB Citra Digital untuk Klasifikasi Kualitas Biji Jagung menggunakan Jaringan Syaraf Tiruan

Abstract

Intisari Telah dilakukan penelitian dan pembuatan program komputer berbasis jaringan syaraf tiruan backpropagation yang bertujuan untuk mengklasifikasikan kualitas biji jagung berdasarkan pada pola distribusi intensitas RGB citra digital biji jagung tersebut. Dalam penelitian ini, kualitas biji jagung terklasifikasi dalam 4 kelompok, yaitu biji busuk, biji berjamur, biji normal, dan biji rusak. Jumlah sampel yang digunakan adalah 120 sampel untuk pelatihan dan 80 sampel untuk pengujian. Urutan tahapan penelitian adalah sebagai berikut: filterisasi citra digital dengan median filter, ekualisasi dengan histogram adaptif, ekstraksi indeks warna RGB untuk ketiga intensitas warna RGB, dan penghitungan mean dan standard deviasi untuk masing-masing indeks warna RGB tersebut. Selanjutnya dari pola mean dan standard deviasi ketiga indeks warna RGB dapat digunakan untuk mengenali kualitas biji jagung menggunakan metode jaringan syaraf tiruan backpropagation. Dalam penelitian ini, jaringan syaraf menggunakan fungsi aktivasi log-sigmoid dan dapat mengenali pola secara optimal bila digunakan 1500 iterasi, 500 neuron, 4 hidden layer, 4 output layer, dan laju pembelajaran 0,01. Hasil penelitian memperlihatkan bahwa jaringan syaraf tiruan yang telah dibuat ternyata mempunyai tingkat akurasi rata-rata sebesar 100% pada proses pelatihan dan sebesar 73,75% pada proses pengujian. ABSTRACT The research and manufacture of computer programs based backpropagation neural network which aims to classify the quality of corn seeds based on RGB intensity distribution pattern of digital image of the corn seeds have been done. In this research, the quality of corn seeds classified into 4 groups, namely rotten seeds, moldy seeds, normal seeds and damaged seeds. The number of samples used is 120 samples for training and 80 samples for testing. The order of the stages of the research are as follows : filtering the digital image with the median filter, equalization with adaptive histogram, extracting RGB color index for the three RGB color intensity, and calculating the mean and standard deviation for each of the RGB color index. Furthermore, from the pattern of the mean and standard deviation of the three RGB color index can be used to identify the quality of corn seeds using backpropagation neural network method. In this research, the neural network using the log-sigmoid activation function and can recognize patterns optimally when used 1500 iterations, 500 neurons, 4 hidden layer, the output layer 4, and a learning rate of 0.01. The results showed that the neural network which has been made apparently has an average accuracy rate of 100% on the training process and amounted to 73.75% on the testing process. KATA KUNCI: Corn seeds quality, RGB color index, The mean and standard deviation pattern, Backpropagation neural network