Aggregat batu perlu dikelaskan kepada jenis baik dan tidak baik mengikut jenisnya. Pada masa sekarang pengkelasan aggregat dilakukan menggunakan kaedah manual. Kaedah secara manual mempunyai kelemahan yang ketara antaranya penggunaan masa yang lama serta memerlukan kemahiran yang tinggi. Pemilihan aggregat yang baik sangat penting dalam pembinaan jalan raya yang kukuh. Jalan raya yang kukuh dapat mengurangkan kadar kemalangan jalan raya. Ini kerana jalan merupakan faktor yang menyumbang kepada peningkatan kemalangan. Projek ini mencadangkan rangkaian neural berhirarki untuk mengkelaskan aggregat secara automatik. Aggregat yang dikelaskan adalah baik dan tidak baik, Selain itu aggregat tadi juga dikelaskan bagi menentukan jenisnya. Antara jenis aggregat ialah berkubus, berbucu, panjang dan tak sekata. Diharapkan pengkelasan yang dilakukan menggunakan rangkaian neural berhirarki dapat mengkelaskan aggregat dengan lebih mudah dan cepat.
______________________________________________________________________________________
Aggregate must be classify into good shape and not depend on the types. Nowadays, the classification of the aggregate is done manually. This technique is not practical because it take a lot of time and high skill to get the result. Good classification of the aggregate is important in roads construction. The good structure of the road could minimize the rate of accident. This project used hierarchal neural network to classify the aggregate automatically. This neural network has it advantages because it can classify the aggregate to its category and shapes. The aggregates are classified into good and bad shape. There are several types of aggregates which are angular, cubical, irregular and elongated. Hopefully the classification of the hierarchal neural network can be used to classify the aggregate perfectly.