Pada penelitian ini bertujuan untuk membuat suatu sistem komputasi pengidentifikasi penyakit ice-ice dengan metode Jaringan Saraf Tiruan (JST) backpropagation, sehingga dengan adanya sistem ini dapat mempermudah dan mempercepat keputusan dalam mengidentifikasi penyakit ice-ice pada rumput laut. Penggunaan metode backpropagation dapat menghasilkan suatu keputusan yang akurat di karenakan dapat menyelesaikan permasalahan yang rumit dengan cara ketika keluaran menghasilkan yang salah, maka penimbang (weight) di koreksi supaya galatnya dapat diperkecil dan tanggapan JST dapat menghasilkan keluaran yang mendekati nilai yang benar. Backpropagation juga berkemampuan untuk memperbaiki penimbang pada lapis tersembunyi (hidden layer). Pengambilan sampel citra pada peneltian ini menggunaka kamera HP dengan resolusi 4160×2080 piksel kemudian data yang berupa citra tersebut akan dilakukan pengolahan citra seperti cropping citra 40×35 piksel, mengubah citra RGB menjadi citra grayscale dan histogram citra grayscale , threshold dan histogram thresholdd sehingga nilai piksel dari histogram citra dipresentasikan ke nilai biner (0 dan 1) sebanyak 256 skala keabuan citra. Data penelitian ini terdiri dari data pelatihan dan data pengujian sistem dimana data pelatihan terdiri dari 24 citra kemudian diperoleh kandidat 6 citra terbaik dan data pengujian sebanyak 54 yaitu 30 citra dalam kondisi sakit dan 24 citra dalam kondisi sehat. Tingkat keberhasilan dari penelitian ini dapat di lihat dari hasil pengujian dimana hasil pengujian data pelatihan tingkat akurasi sebesar 100%, data uji citra sakit 90% dan data uji citra sehat 100% sehingga secara keseluruhan didapatkan tingkat akurasi sebesar 95% dengan tingkat kegagalan 5%. Dari hasil sistem menggunakan JST backpropagation maka dapat disimpulkan bahwa perangkat lunak ini layak digunakan untuk pengidentifikasi penyakit ice-ice pada citra rumput laut.

In this study aims tomake a computational system to identify ice-ice disease with Artificial Neural Network (ANN) backpropagation method, so that with this system can simplify and speed up decisions in identifying ice-ice disease in seaweed. The use of backpropagation method can produce an accurate decision because it can solve complex problems in a way when the output produces the wrong one, then the weight is corrected so that the error can be minimized and the response of ANN can produce an output close to the correct value. Backpropagation is also capable of improving the weighing on hidden layers. Sampling of images in this study using a cellphone camera with a resolution 4160× 2080 pixels then the image data will be processed like image cropping 40x35 pixels, converting RGB images to grayscale images and grayscale image histograms, thresholds and thresholdd histograms so that the pixel values from the image histograms are presented to binary values (0 and 1) by 256 gray scale image. The research data consisted of training data and system test data where the training data consisted of 24 images and then obtained 6 candidates for the best image and 54 test data, 30 of which were in sick condition and 24 in healthy condition. The success rate of this research can be seen from the test results where the training data testing results are 100% accuracy,From the results of the system using ANN backpropagation, it can be concluded that this software is feasible to use to identify ice-ice disease in seaweed images.