Penerapan Artificial Neural Network (ANN) untuk Klasifikasi Jenis Biji Gandum

Abstract

Klasifikasi jenis biji gandum merupakan tahap penting dalam mendukung kualitas bahan baku industri pangan. Proses identifikasi yang masih banyak dilakukan secara manual berpotensi menimbulkan kesalahan akibat kemiripan karakteristik fisik antar jenis gandum. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode Artificial Neural Network (ANN) dengan algoritma Backpropagation dalam mengklasifikasikan jenis biji gandum secara otomatis berdasarkan karakteristik fisiknya. Data yang digunakan merupakan data sekunder dari UCI Machine Learning Repository (Seeds Dataset) yang terdiri dari tiga jenis gandum dan tujuh variabel prediktor, yaitu luas biji, keliling biji, tingkat kepadatan bentuk biji, panjang biji, lebar biji, koefisien asimetri, dan panjang alur biji. Data dipra-pemrosesan menggunakan normalisasi Min–Max dan dibagi menjadi data latih (80%) dan data uji (20%). Model ANN dibangun dengan tujuh neuron input, satu hidden layer dengan lima neuron, serta tiga neuron output untuk klasifikasi multikelas. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa model mencapai akurasi sebesar 90,48%, precision 91,91%, recall 89,74%, dan F1-score 90,81%. Hasil ini menunjukkan bahwa ANN efektif dalam mengklasifikasikan jenis biji gandum dan berpotensi diterapkan dalam mendukung pertanian presisi.