Klasifikasi Citra Beras Menggunakan Algoritma Jaringan Syaraf Tiruan Backpropagation

I. Pendahuluan

Dalam era teknologi informasi dan pertanian yang semakin berkembang pesat, penggunaan metode pengolahan citra dan kecerdasan buatan menjadi semakin penting dalam berbagai bidang, termasuk dalam klasifikasi citra beras. Klasifikasi citra beras memiliki potensi besar untuk meningkatkan efisiensi dan akurasi dalam mengenali jenis-jenis beras berdasarkan ciri-ciri tertentu. Penelitian ini difokuskan pada klasifikasi beras menggunakan algoritma Jaringan Syaraf Tiruan (JST) dengan metode pembelajaran Backpropagation. Ciri-ciri bentuk yang digunakan adalah panjang, lebar, luas, dan keliling.

II. Metodologi Penelitian

Pengumpulan Data Citra Beras
Data citra beras dari jenis Arborio, Basmati, Ipsala, Jasmine, dan Karacadag diambil dan disiapkan untuk pengolahan. Setiap citra direpresentasikan dalam bentuk data numerik yang mencakup ciri-ciri bentuk yang akan digunakan dalam klasifikasi.
Ekstraksi Ciri Bentuk
Ciri-ciri bentuk yang digunakan dalam penelitian ini adalah panjang, lebar, luas, dan keliling. Setiap citra beras diukur dan dihitung ciri-ciri tersebut menggunakan metode pengolahan citra yang sesuai.
Pembentukan Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan (JST) dengan arsitektur yang sesuai dipilih untuk melakukan klasifikasi citra beras. Arsitektur JST melibatkan input layer sesuai dengan jumlah ciri-ciri yang diekstraksi, satu atau beberapa hidden layers, dan output layer sesuai dengan jumlah kelas yang akan diklasifikasikan (jenis beras).
Pelatihan Jaringan Syaraf Tiruan
Data citra beras digunakan untuk melatih JST menggunakan metode pembelajaran Backpropagation. Proses pelatihan dilakukan dengan menghitung gradien dari kesalahan prediksi dan menyesuaikan bobot jaringan secara iteratif menggunakan algoritma optimisasi.
Pengujian dan Evaluasi
Setelah pelatihan selesai, model JST dievaluasi menggunakan data citra beras yang belum pernah dilihat sebelumnya. Akurasi pengujian dihitung berdasarkan perbandingan antara kelas prediksi dan kelas sebenarnya dari citra-citra pengujian.

III. Hasil dan Pembahasan

Hasil dari penelitian ini menunjukkan bahwa metode klasifikasi citra beras menggunakan algoritma Jaringan Syaraf Tiruan Backpropagation dengan ekstraksi ciri bentuk panjang, lebar, luas, dan keliling memiliki potensi untuk mengenali jenis-jenis beras dengan akurasi yang memadai. Akurasi pelatihan yang diperoleh adalah sebesar 84%, sedangkan akurasi pengujian adalah sebesar 80%. Ini menunjukkan bahwa model memiliki kemampuan untuk menggeneralisasi dari data pelatihan ke data pengujian dengan baik.

IV. Kesimpulan

Dalam penelitian ini, kami berhasil mengimplementasikan algoritma Jaringan Syaraf Tiruan Backpropagation untuk klasifikasi citra beras berdasarkan ekstraksi ciri bentuk panjang, lebar, luas, dan keliling. Hasil eksperimen menunjukkan akurasi yang cukup baik dalam mengklasifikasikan jenis-jenis beras yang diteliti. Meskipun terdapat potensi untuk pengembangan lebih lanjut, penelitian ini memberikan kontribusi dalam pengaplikasian teknologi kecerdasan buatan dalam bidang pertanian dan pengolahan citra.