Teknik identifikasi objek menggunakan mesin berbasis vision telah banyak diimplementasikan pada industri manufaktur elektronika. Teknik ini kebanyakan digunakan untuk tujuan deteksi reject (produk yang tidak sesuai standar) atau deteksi defect (cacat). Penelitian ini bertujuan membuat alat deteksi kondisi reject subassembly base yang dibedakan menjadi dua kondisi yaitu missing screw dan wrong position screw, menggunakan metode jaringan syaraf tiruan backpropagation. Citra yang diambil menggunakan kamera akan diubah ke dalam grayscale terlebih dahulu sebelum diimplementasikan dengan metode backpropagation untuk menghasilkan nilai bobot. Hasil pengujian menunjukkan bahwa arsitektur jaringan backpropagation dengan 2 layer memiliki tingkat akurasi paling baik. Dengan learning rate 0.5, target error 0.015%, jumlah node 1 sebesar 100 dan node 2 sebesar 50, tingkat keberhasilan deteksi objek Sub-assembly kondisi benar mencapai 99.02% dengan tidak ada error pada proses deteksi sub-assembly kondisi salah (missing screw dan wrong position screw).