KLASIFIKASI KUALITAS PRODUKSI GARAM MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK (Studi kasus: PT. GARAM Persero)

Indonesia merupakan negara maritim yang memiliki garis pantai
terpanjang kedua didunia dengan luas wilayah laut dan luas wilayah daratan
95.181kilometer (KKP, 2020). Di Sumenep kebutuhan garam pertahunnya terus
meningkat, pada tahun 2010 kebutuhan garam nasional sebanyak 2,2 juta ton
garam dengan rincian 1 juta ton garam konsumsi dan 1,2 juta ton garam industri
kimia dan industri pangan. Oleh karena itu dibutuhkan pengklasifikasian produksi
garam. Garam yang akan diklasifikasi merupakan dari pt. persero yang bertempat
di sumenep kalianget. Metode Backpropagation Neural Network merupakan
metode yang akan digunakan pengklasifikasian ini karena metode ini adalah metode yang memaksimalkan hasil akhir melalui perubahan bobot lewat kesalahan keluaran yang terjadi atau meminimalkan kesalahan. Setelah
melakukan skenario pengujian. Metode Backpropagation Neural Network dalam mengklasifikasi kualitas garam mendapatkan nilai evaluasi terbaik pada skenario 34 pada k-fold 4 dengan hidden layer 10 learning rate 0.8 dengan nilai presisi 56.87%, recall 77.39% dan f1 score=65.56%..