Abstract

Tujuan penelitian ini adalah merancang suatu sistem yang dapat mengenali citra menggunakan metode jaringan syaraf tiruan backpropagation dan mengetahui tingkat akurasi sistem dalam mengenali citra digital. Tujuan yang lain menentukan arsitektur jaringan yang optimal untuk JST dalam mengenali citra digital dan mengetahui operator deteksi tepi yang paling optimal mengenali objek bangun ruang. Operator deteksi tepi yang digunakan dalam penelitian ini adalah operator berbasis turunan pertama. Saat ini telah ada beberapa metode yang dapat digunakan dalam mendeteksi tepi, contohnya adalah metode Roberts, Sobel, Prewitt, Laplacian of Gaussian (LoG), Canny dan sebagainya. Metode yang termasuk operator turunan pertama adalah Sobel, Prewitt, dan Roberts.Penelitian ini memanfaatkan sensitivitas dari jaringan saraf tiruan (JST) backpropagation.Hasil pengujian menunjukkan bahwa dengan adanya variasi jumlah neuron hidden layer dan learning rate dalam arsitektur JST untuk mendapatkan arsitektur jaringan yang optimal. Dari hasil pengujian diperoleh recognition rate 100 % dengan parameter arsitektur jaringan learning rate: 0,1, jumlah neuron hidden layer: 15, target eror: 0,001, dan jumlah epoh: 1000. Operator deteksi tepi yang paling optimal dalam mengenali citra dalam jaringan tiruan adalah Prewitt dengan tingkat recognition rate 100 % dan MSE 0.000131.