Klasifikasi Kualitas Beras Delanggu Berdasarkan Ciri Tekstur Menggunakan Gray Level Co-Occurrence Matrix dan Naïve Bayes
DOI:
https://doi.org/10.54082/jiki.47Kata Kunci:
Beras, GLCM (Gray Level Co-Occurrence Matrix), Naïve BayesAbstrak
Beras merupakan salah satu makanan wajib bagi masyarakat Indonesia. Salah satu daerah penghasil beras terbesar di Indonesia adalah daerah Delanggu, tepatnya Kabupaten Klaten, Jawa Tengah. Banyak jenis beras yang beredar di pasaran memiliki kualitas dari segi warna, tekstur, dan aroma berbeda-beda. Begitu pun, peran beras sebagai bahan pangan pokok masyarakat Indonesia menjadikan permintaan masyarakat terhadap konsumsi beras juga tinggi. Namun, fluktuasi yang terjadi setiap tahunnya terhadap harga bahan pangan pokok, membuat tingkat daya beli masyarakat mengalami penurunan yang mendorong tindak kecurangan berupa manipulasi kualitas beras oleh beberapa oknum dengan mengoplos beras dengan kualitas berbeda. Maka diperlukan teknologi yang dapat membantu masyarakat maupun pemerintah dalam mengidentifikasi kualitas beras yang beredar di pasaran untuk menentukan tingkat kelayakan beras tersebut. Dalam penelitian ini telah dirancang sistem berbasis machine learning untuk mengidentifikasi kualitas beras menggunakan citra. Dalam pengklasifikasian, penulis menggunakan metode Naïve Bayes. Sedangkan, pada ekstraksi ciri digunakan metode Gray Level Co-Occurrence Matrix (GLCM) yang nantinya akan digunakan untuk menentukan tekstur beras. Berdasarkan pengujian yang telah di lakukan, dapat diketahui bahwa sistem yang dirancang dapat mengidentifikasi beras delanggu berdasarkan dua kualitas yaitu beras kelas super dan biasa. Pengujian dilakukan menggunakan 40 citra beras di mana masing-masing kelas memiliki dua kualitas citra beras. Sehingga didapatkan dari beberapa skenario pengujian parameter orde dua terbaik pada kombinasi dua ciri orde dua metode GLCM dengan hasil akurasi terbaik yaitu contrast-correlation dengan akurasi 100,00 % dan waktu komputasi 82,59 detik dengan sudut 135° dan jarak piksel d=1.
Referensi
A. Adnan, S. Suhartini, and B. Kusbiantoro, “Identifikasi Varietas Berdasarkan Warna dan Tekstur Permukaan Beras Menggunakan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan,” J. Penelit. Pertan. Tanam. Pangan, vol. 32, no. 2, pp. 91–97, 2013.
A. N. Arifin and S. R. Faridatussalam, “Pengaruh Literasi Keuangan Dan Lingkungan Sosial Terhadap Perilaku Konsumtif Remaja Desa Sumber Makmur Kabupaten Oku Timur Provinsi Sumatera Selatan.” Universitas Muhammadiyah Surakarta, 2022.
K. Khudori, “Kaji Ulang Kebijakan Perberasan,” J. PANGAN, vol. 28, no. 1, pp. 57–72, 2019.
R. Resnia, “Fluktuasi Harga Bahan Pangan Pokok (Bapok) dan Daya Beli Kelompok Masyarakat Berpendapatan Rendah,” Bul. Ilm. Litbang Perdagang., vol. 6, no. 2, pp. 169–188, 2012.
E. Supriyadi, A. Basuki, and R. Sigit, “Deteksi Kualitas Beras Menggunakan Segmentasi Citra Berdasarkan Pecahan Bulir dan Sebaran Warna,” J. Inform. dan Rekayasa Elektron., vol. 3, no. 1, pp. 20–29, 2020.
A. I. Khan and S. Al-Habsi, “Machine learning in computer vision,” Procedia Comput. Sci., vol. 167, pp. 1444–1451, 2020.
S. Kusumadewi, “Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification,” CommIT (Communication Inf. Technol. J., vol. 3, no. 1, pp. 6–11, 2009.
R. Anggraini, B. Hidayat, and S. Darana, “Klasifikasi Jenis Kualitas Keju Dengan Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM) Dan Support Vector Machine (SVM) Pada Citra Digital,” eProceedings Eng., vol. 4, no. 2, 2017.
I. S. Wibisono and S. Mujiyono, “Segmentasi fuzzy c-means untuk membantu identifikasi kualitas beras berdasarkan nilai threshold, warna dan ukuran,” Multimatrix, vol. 1, no. 1, 2018.
M. S. Ardi, A. Abdullah, and U. Usman, “Rancang Bangun Pendeteksi Kualitas Beras Menggunakan Metode K-Nearest Neighbor Berbasis Android,” J. Inform. Upgris, vol. 7, no. 2, 2021.
M. Pulung Nurtantio Ardon, T. Sutojo, Pengolahan Citra Digital. Yogyakarta: Penerbit Andi, 2017.
M. Ramadhani, S. Suprayogi, and H. B. Dyah, “Klasifikasi Jenis Jerawat Berdasarkan Tekstur dengan Menggunakan Metode GLCM,” eProceedings Eng., vol. 5, no. 1, 2018.
D. P. Pamungkas, “Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk Identifikasi Jenis Anggrek (Orchidaceae),” J. Innov. Innov. Res. Informatics, vol. 1, no. 2, pp. 51–56, 2019.
D. D. Prihatin, B. Hidayat, and S. Saidah, “Deteksi Batik Bojonegoro Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM) Dan Naive Bayes,” eProceedings Eng., vol. 5, no. 3, 2018.
M. A. Abilisa, R. Magdalena, and S. Saidah, “Identifikasi Jenis Kulit Manusia Menggunakan Metode GLCM Dan LVQ Berbasis Android,” eProceedings Eng., vol. 8, no. 1, pp. 182–197, 2021.
B. Bustami, “Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi,” TECHSI-Jurnal Tek. Inform., vol. 5, no. 2, 2013.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Tiara Virlianda Herliana, Sofia Sai’dah, Bambang Hidayat, Weni Tasya
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
