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

  • Yunarto Yunarto STMIK Global Informatika MDP
  • Muhammad Rizky Pribadi STMIK Global Informatika MDP
  • Hafiz Irsyad STMIK Global Informatika MDP
Keywords: jagung, pengenalan, glcm, backpropagation, support vector machine

Abstract

Jagung termasuk tumbuhan biji-bijian seperti padi, gandum, sorgum yang dikonsumsi
sebagai sumber makanan pokok di Amerika dan beberapa wilayah di Indonesia seperti Madura,
Nusa Tenggara Timur, Sulawesi dan Jawa Tengah. Jagung biji memiliki banyak jenis, maka
dari itulah jika jagung biji tersebut tercampur akan susah untuk dibedakan. Tujuan dari
penelitian ini adalah untuk mengenali biji jagung tersebut. Jenis biji jagung yang digunakan
adalah jagung merah pozole, jagung pipil, jagung putih dan jagung warna-warni yang difoto
menggunakan camera 16MP dengan jarak pengambilan foto 10cm antara kamera dengan objek
jagung. 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 algoritma
backpropagation dengan rata-rata accuracy 97,5, rata-rata precision 95% dan rata-rata recall
sebesar 95,1% dibandingkan dengan algoritma support vector machine yang hanya mendapat
rata-rata accuracy 97,1%, rata-rata precision 93,3% dan rata-rata recall sebesar 95%.

Published
2020-10-10
How to Cite
Yunarto, Y., Pribadi, M., & Irsyad, H. (2020, October 10). Perbandingan Algoritma Backpropagation Dan Support Vector Machine Pada Pengenalan Jenis Biji Jagung. Jurnal Algoritme, 1(1), 111-120. Retrieved from http://jurnal.mdp.ac.id/index.php/algoritme/article/view/539