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 co-occurrence matrix, identifikasi kayu.
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.
