KLASIFIKASI CORAK DAUN AGLAONEMA MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK DENGAN ALGORITMA BACKPROPAGATION

Abstract

Penelitian ini bertujuan mengklasifikasikan corak daun Aglaonema menggunakan Artificial Neural Network (ANN) dengan algoritma Backpropagation, serta meninjau pengaruh dari perbandingan rasio dataset, pemilihan fungsi aktivasi, dan arsitektur model Backpropagation terhadap hasil akurasi klasifikasi ANN Backpropagation. Data citra daun Aglaonema diolah menggunakan ekstraksi fitur GLCM (Graylevel co-occurrence matrix) sebagai input klasifikasi. Terdapat beberapa tahapan dalam penelitian ini, yaitu pengambilan data citra daun Aglaonema, pengolahan citra digital pada tahap preprocessing data dan ekstraksi fitur tekstur GLCM, pembagian dataset dengan perbandingan 70:30 dan 80:20, membuat arsitektur model ANN Backpropagation,  serta evaluasi model untuk memperoleh akurasi terbaik dalam klasifikasi. Hasil pengujian menunjukkan akurasi ANN Backpropagation mencapai 40% hingga 92%, dengan arsitektur terbaik 20-400-200-100-50-10 menggunakan fungsi aktivasi ELU (Exponential Linear Unit) pada hidden layer dan sigmoid pada output layer. Hasil evaluasi menunjukkan recall 95%, precision dan F1-score 93%.