Penerapan Metode Convolutional Neural Network Pada Pengenalan Pola Citra Sandi Rumput

Sandi rumput termasuk sandi yang unik karena memiliki pola yang menyerupai rumput. Karena bentuk polanya yang unik, dilakukan penelitian mengenai pengenalan pola citra sandi rumput. Pada penelitian sebelumnya yang membahas kajian mengenai pengenalan sandi rumput didapat hasil akurasi yang cukup bagus namun masih banyak pola yang belum dikenali. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasi jenis pola sandi rumput. Tujuan dari penelitian ini adalah mengetahui tingkat akurasi dari CNN dalam mengenali pola citra sandi rumput. Penelitian ini memiliki beberapa tahapan yaitu preprocessing yang meliputi proses grayscale, thresholding, segmentasi, dan resize. Kemudian dilanjutkan dengan proses pelatihan pada CNN yang meliputi Convolution Layer, Activation Layer, Pooling Layer, Fully Connected Layer, Hidden Layer, dan Output Layer serta proses Backpropagation. Proses pelatihan menggunakan data sebanyak 2600 data. Adapun proses pengujian CNN meliputi Convolution Layer, Activation Layer, Pooling Layer, Fully Connected Layer, Hidden Layer, dan Output Layer. Berdasarkan hasil pengujian dengan menggunakan data sebanyak 260 data, didapat persentasi akurasi terbaik sebesar 96.92%. Hasil akurasi ini dipengaruhi oleh nilai learning rate pada proses pelatihan. Selain itu, tingkat kerapihan pola, jumlah dataset dan jumlah layer dalam arsitektur CNN juga berpengaruh terhadap tingkat akurasi.