<![CDATA[Abstrak Kayu jati memiliki karakteristik akan kekuatan yang dimilikinya dalam ketahanan berbagaiperubahan cuaca. Kayu jenis ini banyak dimanfaatkan dalam keperluan rumah tangga atau kebutuhanperindustrian lainnya. Selain itu memiliki karakter tekstur dan serat yang menjadi ciri khas tersendiri.Secara kasat mata mungkin akan sulit membedakan jenis kualitas kayu jati ini. Citra kayu dapatdibedakan dengan jenis tekstur serat. Identifikasi ini dapat dilakukan dengan proses analisis citra kayu,pemrosesan citra, identifikasi ciri, dan kemudian pengklasifikasian. Identifikasi ciri ini menggunakanGray-level-co-occurrence(GLCM) kemudian melakukan klasifikasi degan jaringan syaraf tiruan. Metodeini digunakan untuk membantu sistem melakukan pengenalan pola tekstur serat melalui nilai kontras,korelasi, homogenitas dan energy. Keluaran yang dihasilkan memiliki akurasi sebesar 98,3%. Dari 60data yang diujikan pada sistem hanya terdapat 2 kesalahan antara data asli dan data hasil pengujian. Kata kunci: Identifikasi kualitas kayu jati, Gray Level Coocurence Matrix, Jaringan Syaraf Tiruan.Jaringsn Syaraf Tiruan propagasi balikAbstract Teak having the characteristics of the property in the resistance of a variety of climate change.This type of wood commonly used in domestic use or need other industry. Besides having the charactertexture and fiber is typical of its own. In naked eyes may be hard to differentiate teak this kind of thequality. The image of wood can be distinguished by a kind of texture fibers. This can be done byidentification image analysis wood, image processing, the identification, and then classification. It uses theidentification gray-level-co-occurrence ( glcm ) classification in the artificial neural network. This methodused to help the system did pattern recognition texture through the value of the contrast, correlation,homogeneity and energy. Output has produced by 98,3% accuracy. From 60 data to be tested in thesystem only have 2 error of the data between real data and the result og testing Keywords: identification teak quality, Gray Level Co-Occurrence Matrix, Artificial Neural Network,Artificial Neural Network Backpropagataiom]]>
