Implementasi Algoritma Canny Dan Backpropagation Untuk Mengklasifikasi Jenis Tanaman Mangga

Abstract

Indonesia merupakan negara yang banyak memiliki keanekaragaman jenis tanaman, salah satunya adalah tanaman mangga. Tanaman mangga banyak sekali di jumpai di Indonesia serta tanaman mangga memiliki banyak jenis diantaranya yaitu mangga golek, mangga apel dan lainnya. Meskipun tanaman ini banyak ditanam oleh orang, pengenalan jenis tanaman mangga juga masih kurang optimal. Pengenalan sebuah tanaman bisa dilihat dari bagian daun, karena setiap jenis tanaman mangga memiliki bentuk yang berbeda-beda.. Penelitian ini bertujuan untuk mengidentifikasi citra daun mangga menggunakan deteksi tepi Canny dan ekstraksi ciri tekstur GLCM (Grey Level Co-occurent Matrix) serta menggunakan metode klasifikasi Backpropagation. Pada penelitian ini menggunakan 2 tahapan pengambilan data yaitu menggunakan scanner dan kamera hp. Tanaman manggga yang digunakan terdiri dari 10 jenis untuk data scanner dan 5 jenis data kamera hp. Akurasi tertinggi didapat pada pengujian data scanner menggunakan 450 citra data dengan perbandingan 90% data latih :10% data uji yaitu sebesar 49% dengan menggunakan 1 hidden layer yang terdiri dari 1000 neuron dengan learning rate 0.01. Akurasi terendah pada pengujian perbandingan 90% data latih :10% data uji yaitu sebesar 31% menggunakan learning rate 0.001.