Identifikasi Kualitas Beras Menggunakan Metode k-Nearest Neighbor dan Support Vector Machine

  • Sofia Saidah Telkom University
  • Muhammad Bayu Adinegara Telkom University
  • Rita Magdalena Telkom University
  • Nor Kumalasari Caecar Telkom University

Abstract

Beras merupakan makanan pokok bagi mayoritas penduduk Indonesia. Beragamnya kualitas beras di pasaran menuntut adanya pengawasan terhadap standar kualitas beras. Pengamatan terhadap kualitas beras secara visual rentan terhadap kesalahan dikarenakan subjektifitas setiap pengamat berbeda-beda. Penelitian ini dilakukan dengan mendeteksi kualitas beras berbasis morfologi citra.. Sistem didesain dengan menggunakan dua metode klasifikasi yang berbeda, yaitu k-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) untuk kemudian diperoleh sistem dengan metode terbaik. Hasil dari penelitian menunjukkan bahwa sistem mampu melakukan identifikasi kualitas beras dengan akurasi terbaik yang diperoleh yaitu 96,67% ketika digunakan metode K-NN jenis Euclidean dengan nilai k=1, dan 96,67% pada saat digunakan parameter SVM OAO dan OAA dengan tipe kernel Polynomial serta kernel option 7.

Author Biographies

Sofia Saidah, Telkom University
Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro
Muhammad Bayu Adinegara, Telkom University
Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro
Rita Magdalena, Telkom University
Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro
Nor Kumalasari Caecar, Telkom University
Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro

References

R. Suminar, B. Hidayat, and R. D. Atmaja, “Klasifikasi Kualitas Beras Berdasarkan Ciri Fisik Berbasis Pengolahan Citra Digital,” e-Proceeding Telkom Univ., pp. 0–6, 2012.

P. Utomo, “Sistem Klasifikasi Jenis Beras Menggunakan Metode Learning Vector Quantization,” J. Ilm. Ilmu-ilmu Tek., vol. 1, no. 2, pp. 61–67, 2016.

E. Antika, H. Rakhmad, and F. N. Ishaq, “Penentuan Kualitas Mutu Beras Merah Berdasarkan Standart Nasional Indonesia Berbasis Pengolahan Citra Digital,” J. Inform. Polinema, vol. 4, no. 2, pp. 125–130, 2018.

I. S. Wibisono and S. Mujiyono, “Segmentasi Fuzzy C-Means Untuk Membantu Identifikasi Kualitas Beras Berdasarkan Nilai Threshold, Warna dan Ukuran,” J. Multimatrix, vol. I, no. 1, pp. 22–25, 2018.

A. C. Imanda, N. Hidayat, and M. T. Furqon, “Klasifikasi Kelompok Varietas Unggul Padi Menggunakan Modified K- Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2392–2399, 2018.

Nurjaya and N. Maulida, “Tingkat Kesukaan Konsumen pada Atribut Beras Pandanwangi Murni Cinajur,” J. Agroscience, vol. 8, no. 1, pp. 1–8, 2018.

R. D. Jayanti, B. Hidayat, and Suhardjo, “Identifikasi Biometrik Rugae Palatina pada Individu Berdasarkan Bentuk dengan Metode Matershed dan KNN,” e-proceeding Eng. Telkom Univ., pp. 1–8, 2017.

K. Sembiring, “Penerapan Teknik Support Vector Machine untuk Pendeteksian Intrusi pada Jaringan,” Institut Teknologi Bandung, 2007.

E. D. Ginting, “Deteksi Tepi Menggunakan metode Canny dengan Matlab untuk Membedakan Uang Asli dan Uang Palsu,” Universitas Gunadarma, 2014.

A. R. Prakoso and R. Magdalena, “Morfologi Citra untuk Analisa Kualitas Beras Menggunakan Metode Klasifikasi Support Vector Machine,” e-Proceeding Eng. J., vol. 5, no. 3, pp. 5157–5164, 2018.

Published
2019-11-27
How to Cite
Saidah, S., Adinegara, M. B., Magdalena, R., & Caecar, N. K. (2019). Identifikasi Kualitas Beras Menggunakan Metode k-Nearest Neighbor dan Support Vector Machine. TELKA - Telekomunikasi, Elektronika, Komputasi Dan Kontrol, 5(2), 114-121. https://doi.org/10.15575/telka.v5n2.114-121
Section
Articles
View Counter
Abstract viewed 253 times
PDF (Bahasa Indonesia) 35 times