dentifikasi Citra Beras Menggunakan AlgoritmaMulti-SVM Dan Neural Network Pada Segmentasi K-Means

dentifikasi Citra Beras Menggunakan AlgoritmaMulti-SVM Dan Neural Network Pada Segmentasi K-Means

k-means, GLCM, regionprop, citra beras, identifikasi.

Indonesia merupakan negara dengan kebutuhan beras yang tinggi karena menjadi makanan pokok lebih dari 90% masyarakatnya. Kebutuhan tinggi memerlukan stok yang tinggi sehingga impor pun dilakukan dengan aturan-aturan sesuai Permendagri Nomor 19/M-DAG/PER/3/2014 yang menerangkan standar impor beras. Terdapat banyak jenis beras yang di impor ke Indonesia dengan berbagai kualitas, warna dan keperluan impor seperti untuk kesehatan atau stabilisasi harga. Dari sisi wana, beras putih impor merupakan beras paling banyak dikonsumsi oleh warga Indonesia. Salahsatu contohnya adalah beras melati (jasmine) dari Thailand. Sedangkan dari sisi keperluan impor baik untuk kesehatan dan stabilisasi harga beras japonica (Jepang) dan Basmati (Pakistan) merupakan jenis paling banyak di impor ke Indonesia. Namun masih banyak yang belum mengenal ketiga beras tersebut. Pada penelitian ini dilakukan identifikasi ketiga jenis beras tersebut dengan perbandingan algoritma Multi-SVMdan Neural Network. Akuisisi citra dilakukan menggunakan flatbed scanneryang menghasilkan 90 citra yang dibagi menjadi 63 citra training dan 27 citra testing. K-Meansmenjadi metode segmentasi citra dan mengubah citra menjadi citra biner. Ekstraksi fitur menggunakan morphological feature dengan metode regionpropdikombinasikan dengan Gray Level Co-Occence Matrix(GLCM) menghasilkan 9 fitur yang dapat menghasilkan akurasi 96,296% untuk Multi-SVM dan Neural Network 88,89%

Ridan Nurfalah1, Dwiza Riana2, Anton

https://jurnal.iaii.or.id/index.php/RESTI/issue/view/20

STMIK Nusa Mandiri Jakarta

20 Februari 2021

Fajar bagus W

PDF

Indonesia

Text