Identifikasi Kualitas Buah Tomat dengan Metode PCA (Principal Component Analysis) dan Backpropagation

Intisari — Analisis komponen utama atau principal component analysis merupakan suatu metode yang digunakan dalam menganalisis kumpulan dataset untuk meringkas karakteristik utama mereka. Metode PCA ini mengurangi dimensi dataset dengan memproyeksikan setiap titik data ke hanya beberapa komponen utama pertama untuk mendapatkan data berdimensi lebih rendah sambil mempertahankan sebanyak mungkin variasi data.  Pada penelitian ini digunakan metode PCA untuk memproyeksikan data citra sehingga diperoleh data ekstraksi ciri dengan dimensi yang lebih kecil. Selanjutnya metode Backpropagation diterapkan untuk melakukan proses identifikasi. Dataset yang digunakan sebanyak 30 dataset yang terdiri dari 10 buah citra uji dan 20 data latih. Dari simulasi yang dilakukan diperoleh kesimpulan bahwa Metode PCA yang diterapkan berhasil mengurangi dimensi data. Identifikasi kualitas buah tomat menggunakan metode Back-propagation menunjukkan tingkat ketepatan dengan akurasi mencapai 76,7%. Nilai akurasi tersebut menunjukkan bahwa sistem ini telah berjalan dengan baik. Kata kunci — Back-propagation,  PCA (Principal Componenet Analisys), Pengolahan Citra, JST (Jaringan Syaraf Tiruan).     Abstract — Principal component analysis is a method used in analyzing datasets to summarize their main characteristics. This PCA method reduces the dimension of the dataset by projecting each data point onto only the first few principal components to obtain lower dimensional data while maintaining as much variation of the data as possible. In this study, the PCA method was used to project image data in order to obtain feature extraction data with smaller dimensions. Furthermore, the Backpropagation method is applied to carry out the identification process. The dataset used is 30 data consisting of 10 test images data and 20 training data. From the simulation, it can be concluded that the PCA method applied has succeeded in reducing the dimensions of the data. Identification of tomato fruit quality using the Back-propagation method shows the level of accuracy with an accuracy of 76.7%. it indicates that this system has been running well. Keywords — Backpropagation, PCA (Principal Component Analysis), Image Processing, ANN (Artificial Neural Networks).