Klasterisasi Kualitas Beras Berdasarkan Citra Pecahan Bulir Dan Sebaran Warna

Eko Supriyadi, Achmad Basuki, Riyanto Sigit

Abstract


Intisari – Berassebagai bahan pokok makanan masyarakat Indonesia , karena di dalam beras terdapat kandungan karbohidrat kompleks, serta dapat memberikan berbagai zat gizi lain yang penting bagi tubuh. Masih banyak masyarakat yang berasumsi jika beras dalam keadaan bersih, tak berbau, dan memiliki harga lebih mahal, beras tersebut berkualitas baik, padahal belum tentu beras yang dimaksud tersebut mempunyai kualitas baik. Untuk itu dalam melakukan penelitian mendeteksi kualitas beras yang nantinya dapat membantu masyarakat untuk dapat membedakan kualitas baik dan buruk. Banyak faktor yang mempengaruhi kualitas beras seperti fragmen biji- bijian, warna yang tidak seragam, bau dan faktor lainnya. Penelitian ini menggunakan persentase buliran beras pecah dan keseragaman warna untuk menentukan kualitas beras. Penelitian ini menggunakan parameter buliran pecah dan distribusi warna yang selanjutnya  diproses klasterisasi dengan metode K-Means di mana nilai klaster dijadikan sebagai nilai class untuk melabeli jenis beras sesuai mutu dari medium 1,2, dan 3. Selanjutnya data yang terlabel klaster dilakukan proses klasifikasi untuk mendapatkan akurasi yang terbaik, dan metode klasifikasi yang terbaik adalah neural network sebesar 99,85%.

Kata kunci – kualitas beras, citra beras, K-Mean, Neural Network.


References


E. Z. Parveen, “Assessment of Quality of Rice Grain using Optical and Image Processing Technique,†pp. 265–270, 2017.

I. Shape et al., “Pengolahan Citra Digital Menggunakan Metode Susan Detection Dan Neurofuzzy Untuk Identifikasi Komponen,†vol. 4, no. 6, pp. 30–45, 2017.

S. F. Ali, H. Jamil, R. Jamil, I. Torij, and S. Naz, “Low cost solution for rice quality analysis using morphological parameters and its comparison with standard measurements,†Proc. 2017 Int. Multi-Topic Conf. INMIC 2017, vol. 2018–January, pp. 1–6, 2018.

D. Ngampak and P. Piamsa-Nga, “Image analysis of broken rice grains of Khao Dawk Mali rice,†Proc. 2015-7th Int. Conf. Knowl. Smart Technol. KST 2015, pp. 115–120, 2015.

N. Pratibha, M. Hemlata, M. Krunali, and P. S. T. Khot, “Analysis and Identification of Rice Granules Using Image Processing and Neural Network,†vol. 10, no. 1, pp. 25– 33, 2017.

Indra Abdam Muwakhid, Dewi Nurdiyah . “ Otsu Method For Image Finish Segmentation With Components of Hue Saturation Value “TRANSFORMATIKA, Vol.15, No.2, January 2018, pp. 67- 73 ISSN: 1693-3656, journals.usm.ac.id/index.php/transformatika.

S. Shantaiya and U. Ansari, “Identification Of Food Grains And Its Quality Using Pattern Classification,†Image (Rochester, N.Y.), vol. 2, no. 2, pp. 70– 74, 2010.

G. Van Dalen, “Determination of the size distribution and percentage of broken kernels of rice using flatbed scanning and image analysis,†Food Res. Int., vol. 37, no. 1, pp. 51–58, 2004.

H. S. Gujjar, “A Method for Identification of Basmati Rice grain of Indiaand Its Quality Using Pattern Classification,†vol. 3, no. 1, pp. 268–273, 2013.

D. Sharma and S. D. Sawant, “Grain quality detection by using image processing for public distribution,†Proc. 2017 Int. Conf. Intell. Comput. Control Syst. ICICCS 2017, vol. 2018– January, pp. 1118–1122, 2018.

P. Kongsawat, “Quality Assessment of Thai Rice Kernels Using Low Cost Digital Image Processing System,†2018.

Nagoda, N., & Ranathunga, L. (2018), “Rice Sample Segmentation and Classification Using Image Processing and Support Vector Machine,†2018 IEEE 13th International Conference on Industrial and Information Systems (ICIIS), (978), 179–184. https://doi.org/10.1109/ICIINFS.2018.8721312

Asif, M. J., Shahbaz, T., Tahir Hussain Rizvi, S., & Iqbal, S. (2019), “Rice Grain Identification and Quality Analysis using Image Processing based on Principal Component Analysis,†RAEE 2018 - International Symposium on Recent Advances in Electrical Engineering, 1–6. https://doi.org/10.1109/RAEE.2018.8706891

Parveen, E. Z. (2017), “Assessment of Quality of Rice Grain using Optical and Image Processing Technique,†265–270.

Ruslan, R., & Ibrahim, M. F. (2018), “Effect of Background Color on Rice Seed Image Segmentation using Machine Vision,†2018 International Conference on Computational Approach in Smart Systems Design and Applications(ICASSDA),1–4.




DOI: https://doi.org/10.35314/isi.v6i1.1657

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: [email protected]
www.polbeng.ac.id

Web
Analytics
View My Stats