Jurnal : Optimasi Conjugate Gradient Pada Backpropagation Neural Network untuk Deteksi Kualitas Daun Tembakau

Abstrak - Tembakau merupakan komoditi perkebunan yang memiliki nilai ekonomi tingg, teutama sebagai bahan utama rokok. Produksi rokok memberikan pengaruh pada perekonomian di beberapa negara. Sebelum proses produksi rokok, diperlukan klasifikasi kualitas daun tembakau agar mendapatkan komposisi bahan baku rokok yang tepat. Penilaian kualitas daun tembakau ini terdiri dari dua faktor yaitu human sensory dan human vision yang dilakukan oleh grader. Perkembangan teknologi informasi saat ini mampu melakukan pengolahan citra sehingga dapat memaksimalkan faktor human vision yang diharapkan dapat menghemat waktu dan biaya. Pada penelitian ini, deteksi kualitas daun tembakau didasarkan pada dua ekstraksi fitur daun tembakau yaitu bentuk dan tekstur. Kedua fitur tersebut nantinya akan diklasifikasikan menggunakan optimasi Conjugate Gradient pada Backpropagation Neural Network. Hasilnya, metode yang digunakan mampu meningkatkan tingkat akurasi deteksi kualitas daun tembakau. Peningkatan akurasi untuk klasifikasi grade daun tembakau dengan metode backpropagation neural network mencapai akurasi hingga 77,50%.

Kata kunci: daun tembakau, backpropagation neural network, klasifikasi, conjugate gradient.

1. Pendahuluan

Diantara berbagai komoditas perkebunan, tembakau merupakan salah satu komoditas yang memiliki nilai ekonomi tinggi di banyak negara seperti China, India, Brazil, Amerika, Eropa, Zimbabwe, Malawi, Rusia dan juga Indonesia [1]. Tembakau dapat digunakan sebagai pestisida, dalam bentuk nikotin tartrat dapat digunakan untuk obat, dan aplikasi olahan yang paling utama yaitu bahan baku rokok. Produksi rokok memberikan pengaruh besar pada perekonomian nasional Indonesia karena berkontribusi dalam penerimaan cukai [2]. Untuk melakukan penilaian kualitas daun tembakau dapat ditentukan dari dua faktor, yaitu: faktor internal dan ekseternal [3]. Faktor internal melibatkan human sensory (lebih pada penciuman), pengujian dengan test merokok, analisis kimia, sedangkan faktor eksternal melalui(human vision) penglihatan grader. Penentuan dengan faktor internal cukup memakan waktu dan biaya karena terlalu banyak fitur dan jumlah tembakau yang harus dianalisis. Sebagai alternatif, diusulkan penentuan melalui faktor eksternal yang dapat dilakukan berdasarkan ukuran dan bentuk dari daun tembakau. Dalam bidang computer vision, pengolahan citra digital dapat memberikan solusi untuk meningkatkan kualitas produksi rokok dengan cara otomatisasi penilaian kualitas daun tembakau dengan mengekstraksi tekstur dan bentuk daun tembakau [4], sehingga kesalahan klasifikasi oleh grader dapat diminimalisir. Penelitian ini mengusulkan sebuah sistem otomatisasi deteksi grade daun tembakau berdasarkan pada ekstraksi fitur tekstur dan bentuk menggunakan optimasi algoritma Conjugate Gradient pada Backpropagation Neural Network. Penelitian ini juga diharapkan mampu meningkatkan akurasi deteksi grade daun tembakau dibandingkan dengan penelitian-penelitian sebelumnya.