Identifikasi Kualitas Beras dengan Citra Digital

Abstract

Beras merupakan makanan pokok yang paling banyak di konsumsi oleh masyarakat Indonesia. Namun, harga beras di pasaran justru semakin melonjak, sehingga banyak beredar beras yang memiliki kualitas kurang baik. Oleh karena itu perlu adanya standar kualitas mutu dari pihak gudang beras saat mendistribusikan beras ke pasaran. Standar pengujian kualitas dari pihak Bulog terdapat dua tahap, yaitu uji laboratorium dan uji visual. Namun, pengujian secara visual selama ini masih dilakukan secara manual sehingga masih sering terjadi kesalahan karena terbatasnya penglihatan manusia dan subjektivitas penguji. Oleh karena itu, sistem pengujian secara visual dengan citra digital dapat menjadi solusi yang efektif untuk permasalahan tersebut. Proses pengujian dapat dilihat dari nilai putih, nilai bersih, dan nilai utuh beras yang diakuisisi melalui pengolahan citra digital. Proses akuisisi nilai bersih dan putih dilakukan dengan menganalisis nilai HSV (Hue, Saturation, Value), sedangkan nilai utuh dilakukan dengan menganalisis luas region area objek. Sebelumnya, dilakukan training terhadap 30 data untuk mendapatkan decision tree dengan model ID3 (Iterative Dichotomiser Tree). Data yang telah diakuisisi kemudian diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk dengan menggunankan aturan dari decision tree yang dihasilkan pada proses training. Hasil pengujian dengan metode k-fold cross validation dengan k=5 didapatkan akurasi sebesar 96.67%.

Untitled

“…Nurcahyani [7] in her research using the Decision tree with the ID3 model has an accuracy of 96.67%.…”

“…For this reason, the need for regular quality food products for rice is increasing day by day [4]. Rice quality assessment [5] is still done manually and subjectively through human visual examination [6], [7]even though the quality is very important [8] to increase agricultural income [9].…”

“…The quality of rice [7], [10]is determined by physical (visual) and chemical character (laboratory test). Of the two characters, to test the quality of rice using laboratory tests is very time consuming [11], as for one relatively fast way of determining the quality of rice is the aspect of the shape and appearance of rice which consists of length (size) and grain shape physically [12].Rice quality affects the price of rice [13].…”

Penerapan Dizcretization dan Teknik Bagging Untuk Meningkatkan Akurasi Klasifikasi Berbasis Ensemble pada Algoritma C4.5 dalam Mendiagnosa Diabetes

“…Oleh karena itu discretization membahas masalah ini dengan menemukan interval angka yang lebih ringkas untuk diwakili dan ditentukan [7]. Salah satu contohnya, algoritma pohon keputusan ID3 bekerja dengan baik pada masalah klasifikasi memiliki dataset dengan nilai-nilai diskrit [8].…”

Digital Image Analysis Using Flatbed Scanning System for Purity Testing of Rice Seed and Confirmation by Grow Out Test

“…Lurstwut and Pornpanomchai (2017) used a rice seed image which was taken by mobile phone for evaluating seed germination. Nurcahyani and Saptono (2015) used a smartphone for identifying husked rice quality with 96.67% accuracy. Kuo et al (2016) modified cameras and microscopes to identify rice quality and resulted 89.1% accuracy.…”