Klasifikasi Varietas Biji Kismis dengan Artificial Neural Network

Abstract

Penerapan kecerdasan buatan pada industri kismis banyak dikembangkan sebagai upaya mengatasi human error pada penyortiran secara manual. Pada studi ini jaringan saraf tiruan atau artificial neural network (ANN) diterapkan untuk mengklasifikasikan kismis besni dan kismis kecimen. Studi ini menggunakan dataset dari UCI Machine Learning Repository. Data tersebut kemudian dilakukan pemrosesan awal dengan metode encoding categorical dan min max scaler. Studi ini membandingkan akurasi tes model ANN yang memiliki jumlah neuron yang berbeda. Terdapat lima level jumlah neuron yang masing-masing ditinjau dengan lima kali trial. Jumlah neuron yang diterapkan pada model penelitian ini adalah 10, 20, 30, 40, dan 50. Pada penelitian ini menggunakan input berupa tujuh variabel yang menggambarkan karakteristik ukuran dan bentuk kismis untuk membedakan antara kismis berjenis besni dan kecimen yaitu jumlah piksel dalam batas kismis, panjang sumbu utama, panjang sumbu kecil, ukuran eksentrisitas elips, jumlah piksel kulit cembung tekecil, rasio wilayah antara kismis dan kotak pembatas, dan jarak antara batas kismis dan piksel sekitarnya. Penyelesaian dilakukan menggunakan aplikasi dari MATLAB dengan algoritma scaled conjugate gradient.  Diperoleh bahwa terdapat trend peningkatan rata-rata test accuracy seiring dengan bertambahnya jumlah neuron. Nilai rata-rata akurasi tes tertinggi sebesar 86.7% diperoleh pada jumlah neuron 50. Akan tetapi, akurasi tes tidak bertambah lagi secara signifikan pada penambahan jumlah neuron dari 40 ke 50. Dengan demikian, studi ini dapat membuktikan adanya hubungan antara jumlah neuron dengan akurasi dari model ANN.