SISTEM KLASIFIKASI KUALITAS KAYU JATI BERDASARKAN JENIS TEKSTUR DENGAN JARINGAN SYARAF TIRUAN MENGGUNAKAN GRAY- LEVEL-CO-OCCURENCE MATRIX Muhammad Irfan Fathurrahman 1 , Drs. Jondri. M. Si 2 , Aniq Atiqi Rohmawati M. Si 3 1,2,3 Fakultas Informatika, Universitas Telkom, Bandung 1 irfanfath@student.telkomuniversity.ac.id, 2 jondri@telkomuniversity.ac.id, 3 aniqatiqi@telkomuniversity.ac.id Abstrak Kayu jati memiliki karakteristik akan kekuatan yang dimilikinya dalam ketahanan berbagai perubahan cuaca. Kayu jenis ini banyak dimanfaatkan dalam keperluan rumah tangga atau kebutuhan perindustrian lainnya. Selain itu memiliki karakter tekstur dan serat yang menjadi ciri khas tersendiri. Secara kasat mata mungkin akan sulit membedakan jenis kualitas kayu jati ini. Citra kayu dapat dibedakan dengan jenis tekstur serat. Identifikasi ini dapat dilakukan dengan proses analisis citra kayu, pemrosesan citra, identifikasi ciri, dan kemudian pengklasifikasian. Identifikasi ciri ini menggunakan Gray-level-co-occurrence(GLCM) kemudian melakukan klasifikasi degan jaringan syaraf tiruan. Metode ini digunakan untuk membantu sistem melakukan pengenalan pola tekstur serat melalui nilai kontras, korelasi, homogenitas dan energy. Keluaran yang dihasilkan memiliki akurasi sebesar 98,3%. Dari 60 data yang diujikan pada sistem hanya terdapat 2 kesalahan antara data asli dan data hasil pengujian. Kata kunci: Identifikasi kualitas kayu jati, Gray Level Coocurence Matrix, Jaringan Syaraf Tiruan. Jaringsn Syaraf Tiruan propagasi balik Abstract Teak having the characteristics of the property in the resistance of a variety of climate change. This type of wood commonly used in domestic use or need other industry. Besides having the character texture and fiber is typical of its own. In naked eyes may be hard to differentiate teak this kind of the quality. The image of wood can be distinguished by a kind of texture fibers. This can be done by identification image analysis wood, image processing, the identification, and then classification. It uses the identification gray-level-co-occurrence ( glcm ) classification in the artificial neural network. This method used to help the system did pattern recognition texture through the value of the contrast, correlation, homogeneity and energy. Output has produced by 98,3% accuracy. From 60 data to be tested in the system only have 2 error of the data between real data and the result og testing Keywords: identification teak quality, Gray Level Co-Occurrence Matrix, Artificial Neural Network, Artificial Neural Network Backpropagataiom 1. Pendahuluan Tanaman jati merupakan tanaman tropika dan sub tropika yang sejak abad ke-9 telah dikenal sebagai pohon yang memiliki kualitas tinggi dan bernilai jual tinggi. Tanaman jati yang tumbuh di indonesia berasal dari India [1]. Selain itu kayu jati pun memiliki beberapa kelas dalam kualitasnya. Dengan perkembangan teknologi pada zaman ini, untuk membedakan jenis kayu dapat dibantu dengan sistem komputer. Untuk melakukan klasifikasi tentu harus memiliki pengetahuan yang cukup dalam mengenai tekstur dan serat kayu. Bagi manusia yang masih awam tentu akan kesulitan untuk membedakan secara kasat mata. Sehingga dikembangkan suatu sistem teknik klasifikasi untuk identifikasi jenis kayu dengan metode GLCM. Metode ini merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui tingkat keabuan yang sering terjadi. Metode ini menganalisis frekuensi pada kombinasi nilai piksel yang muncul pada suatu citra. Untuk melakukan analisis citra berdasarkan distribusi statistik dari intensitas pikselnya, dapat dilakukan dengan mengekstrak fitur teksturnya [2]. Metode yang digunakan meliputi analisis citra warna keabuan dan Gray Level Cooccurrence Matrix (GLCM) untuk analisis fitur tekstur serat kayu. Metode GLCM sendiri merupakan metode yang mampu menyediakan informasi yang penting mengenai tekstur citra [3]. Untuk klasifikasi yang digunakan sistem adalah Jaringan Saraf Tiruan (JST) Backpropagation karena mampu digunakan untuk menyelesaikan problem non linier termasuk pengenalan pola [3]. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian jenis kualitas kayu dengan menggunakan jaringan syaraf tiruan. Algoritma ini dipilih karena kemampuannya yang memiliki kecenderungan untuk menyimpan pengetahuan yang dialami dan dapat ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 9537