Klasifikasi Jenis Zat Narkotika Dengan Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Jaringan Saraf Tiruan Backpropagation (jst-bp)

Abstract

Abstrak Narkoba adalah suatu zat adiktif yang masuk kedalam tubuh yang mempengaruhi susunan sistem saraf atau otak yang berdampak buruk pada tubuh. Melihat alat pengujian jenis narkoba yang ada pada saat ini memerlukan biaya lebih mahal sehingga, menyebabkan terbatasnya alat yang dipunya dan tidak semua petugas yang berwenang melakukan penyidikan narkoba membawa alat saat sedang berkerja. Karena begitu seriusnya kasus narkoba di Indonesia diperlukan juga alat pendukung yang memadai untuk membantu para petugas saat berkerja. Maka dari itu, diperlukan suatu sistem yang dapat mengklasifikasikan jenis zat narkotika untuk dapat menjadi alternatif lain dalam pengujian jenis zat narkoba. Pada tugas akhir ini, sistem klasifikasi jenis zat narkoba yang dibuat menggunakan metode Gray Level Cooccurrence Matrix (GLCM) untuk ekstraksi ciri pada narkoba dengan klasifikasi menggunakan Jaringan Saraf Tiruan Backpropagation (JST-BP) untuk pencocokan basis data citra terhadap input yang akan di identifikasi. Hasil penelitian ini menggunakan 150 data citra latih dan 125 citra uji data jenis zat narkotika yang diambil menggunakan kamera dino-lite digital microscope AM3111T dengan hasil performansi sistem, nilai akurasi tertinggi 96,80% dan waktu komputasi 0,0897 detik. Hasil tersebut didapatkan dengan menggunakan parameter jarak piksel, arah sudut, level kuantisasi, 7 fitur ciri GLCM, pada klasifikasi JST-BP menggunakan parameter hidden layer, dan iterasi (epoch). Kata Kunci: Narkotika, Gray Level Co-occurrence Matrix, Jaringan Saraf Tiruan Backpropagation. Abstract Drugs is something substance addictive that entry into human body which affects arrangement neural system or brain that has bad impact on the body. Tool testing type of drugs that exists is more expensive. Expensive testing equipment for drugs, make tools become limited to use and no all the authorized officer conducts a drug investigation bring tool when worked. Because of that, case drugs in Indonesia that also needs supportive tool to help officer worked. Therefore, a system is needed that can classify the types of narcotics substance to be an alternative testing drugs substance. In this final project, the classification system for drugs substance using Gray Level Co-occurrence Matrix (GLCM) method for extraction characteristic image with classification using Artificial Neural Network Backpropagation (ANN-BP) for testing database images are tested by input data drugs that will be identified. The results of this study used 150 training images data and 125 test images of types narcotics substance, data taken using camera dino-lite digital microscope AM3111T with system performance results, the highest accuracy value is 96,80% and the computing time 0,0897 seconds. These results are obtained by using parameters of pixel distance, angle direction, quantization level, 7 features extraction GLCM, in the classification ANN-BP using parameters hidden layer, and iteration (epoch). Keywords: Narcotics, Gray Level Co-occurrence Matrix, Artificial Neural Network Backpropagation