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

Sofia Saidah; Muhammad Bayu Adinegara; Rita Magdalena; Nor Kumalasari Caecar

doi:10.15575/telka.v5n2.114-121

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

Sofia Saidah, Muhammad Bayu Adinegara, Rita Magdalena, Nor Kumalasari Caecar

Sari

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.

Kata Kunci

beras; morfologi citra; k-nearest neighbor; support vector machine

Teks Lengkap:

PDF

Dilihat:

Sari 3271 kali

PDF 1725 kali

Referensi

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.

DOI: https://doi.org/10.15575/telka.v5n2.114-121