Identifikasi Jenis Kayu Tropis Menggunakan Backpropagation Neural Network
v
ABSTRAK
Setiap jenis kayu memiliki karakteristik yang berbeda sehingga identifikasi jenis kayu
sangat dibutuhkan terutama bagi pihak yang memiliki keperluan untuk mengetahui jenis
kayu. Namun, tidak semua orang memiliki keahlian dalam mengidentifikasi jenis kayu
sehingga kebutuhan terhadap orang yang ahli dalam mengidentifikasi jenis kayu sangat
penting. Akan tetapi, ketersediaan pakar kayu sangat terbatas. Selain itu, identifikasi
jenis kayu secara manual oleh para ahli kayu dinilai kurang efisien karena
membutuhkan waktu yang banyak. Untuk mengatasi masalah tersebut, maka
dibutuhkan metode untuk mengidentifikasi jenis kayu. Pada penelitian ini,
backpropagation neural network digunakan sebagai metode identifikasi jenis kayu
tropis. Tahap – tahap yang dilakukan sebelum identifikasi adalah akuisisi citra dengan
mikroskop, pra-pengolahan, ekstraksi fitur menggunakan gray level co-occurrence
matrix dan normalisasi data hasil ekstraksi fitur menggunakan decimal scaling. Hasil
penelitian menunjukkan bahwa metode yang diajukan mampu melakukan identifikasi
kayu dengan akurasi sebesar 94%.
Kata kunci: backpropagation neural network, decimal scaling, gray level cooccurrence matrix, identifikasi kayu.
Universitas Sumatera Utara
vi
TROPICAL WOOD SPECIES IDENTIFICATION USING
BACKPROPAGATION NEURAL NETWORK
ABSTRACT
Each species of wood has different characteristics so that the wood species
identification is needed, especially for those who have a need to know the species of
wood. However, not everyone has the expertise in identifying the wood species so that
the need for people skilled in wood species identification is very important. But, the
availability of wood experts is very limited. In addition, the identification of wood
species manually by wood experts is inefficient because it requires a lot of time. To
overcome these problems, so the method to identify the wood species is required. In
this research, backpropagation neural network was used as a identification method of
tropical wood species. The steps taken before the identification were image acquisition
using microscope, pre-processing, feature extraction using gray level co-occurrence
matrix and data normalization of feature extraction results using the decimal scaling.
The result showed that proposed method was able to perform the wood identification
with an achieve 94% accuracy.
Keyword: backpropagation neural network, decimal scaling, gray level co-occurrence
matrix, wood identification.
Universitas Sumatera Utara
ABSTRAK
Setiap jenis kayu memiliki karakteristik yang berbeda sehingga identifikasi jenis kayu
sangat dibutuhkan terutama bagi pihak yang memiliki keperluan untuk mengetahui jenis
kayu. Namun, tidak semua orang memiliki keahlian dalam mengidentifikasi jenis kayu
sehingga kebutuhan terhadap orang yang ahli dalam mengidentifikasi jenis kayu sangat
penting. Akan tetapi, ketersediaan pakar kayu sangat terbatas. Selain itu, identifikasi
jenis kayu secara manual oleh para ahli kayu dinilai kurang efisien karena
membutuhkan waktu yang banyak. Untuk mengatasi masalah tersebut, maka
dibutuhkan metode untuk mengidentifikasi jenis kayu. Pada penelitian ini,
backpropagation neural network digunakan sebagai metode identifikasi jenis kayu
tropis. Tahap – tahap yang dilakukan sebelum identifikasi adalah akuisisi citra dengan
mikroskop, pra-pengolahan, ekstraksi fitur menggunakan gray level co-occurrence
matrix dan normalisasi data hasil ekstraksi fitur menggunakan decimal scaling. Hasil
penelitian menunjukkan bahwa metode yang diajukan mampu melakukan identifikasi
kayu dengan akurasi sebesar 94%.
Kata kunci: backpropagation neural network, decimal scaling, gray level cooccurrence matrix, identifikasi kayu.
Universitas Sumatera Utara
vi
TROPICAL WOOD SPECIES IDENTIFICATION USING
BACKPROPAGATION NEURAL NETWORK
ABSTRACT
Each species of wood has different characteristics so that the wood species
identification is needed, especially for those who have a need to know the species of
wood. However, not everyone has the expertise in identifying the wood species so that
the need for people skilled in wood species identification is very important. But, the
availability of wood experts is very limited. In addition, the identification of wood
species manually by wood experts is inefficient because it requires a lot of time. To
overcome these problems, so the method to identify the wood species is required. In
this research, backpropagation neural network was used as a identification method of
tropical wood species. The steps taken before the identification were image acquisition
using microscope, pre-processing, feature extraction using gray level co-occurrence
matrix and data normalization of feature extraction results using the decimal scaling.
The result showed that proposed method was able to perform the wood identification
with an achieve 94% accuracy.
Keyword: backpropagation neural network, decimal scaling, gray level co-occurrence
matrix, wood identification.
Universitas Sumatera Utara