Identifikasi Citra Beras Menggunakan Algoritma Multi-SVM Dan Neural Network Pada Segmentasi K-Means

Tanggal

2021-02-20

Penerbit

Organisasi Profesi Ikatan Ahli Informatika Indonesia (IAII)

Abstraksi

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-SVM dan Neural Network. Akuisisi citra dilakukan menggunakan flatbed scanner yang menghasilkan 90 citra yang dibagi menjadi 63 citra training dan 27 citra testing. K-Means menjadi metode segmentasi citra dan mengubah citra menjadi citra biner. Ekstraksi fitur menggunakan morphological feature dengan metode regionprop
dikombinasikan dengan Gray Level Co-Occence Matrix (GLCM) menghasilkan 9 fitur yang dapat menghasilkan akurasi 96,296% untuk Multi-SVM dan Neural Network 88,89%

Kata Kunci: k-means, GLCM, regionprop, citra beras, identifikasi

URI
http://jurnal.iaii.or.id/index.php/RESTI/article/view/2721

Bidang ilmu
Image Processing

References

[1] J. Alzeer, U. Rieder, and K. Abou, “Trends in Food Science &
Technology Rational and practical aspects of Halal and Tayyib

in the context of food safety,” Trends Food Sci. Technol., no.
October, pp. 0–1, 2017.

[2] N. Bandumula, “Rice Production in Asia : Key to Global Food
Security,”
Proc. Natl. Acad. Sci. India Sect. B Biol. Sci., 2017.
N. W. Childs, “Rice Outlook U . S . Rice Export Forecasts
[3]
Lowered for Both,” pp. 1–11, 2020.
[4] Sabarella et al., “Buletin Konsumsi Pangan,” Pus. Data dan
Sist. Inf. Pertan. Sekr. Jenderal Kementeri. Pertan.
, vol. 10, no.
1, 2019.
[5] Badan Pusat Statistik, “Impor Beras Menurut Negara Asal
Utama , 2000-2019,” 2020.
[6] Menteri Perdagangan Republik Indonesia, “Peraturan Menteri
Perdagangan Republik Indonesia Nomor 19/M
DAG/PER/3/2014.”
[7] D. Ricardo and Gasim, “Perbandingan Akurasi Pengenalan
Jenis Beras dengan Algoritma Propogasi Balik pada Beberapa
Resolusi Kamera,” vol. 1, no. 10, pp. 1–8, 2019.
[8M. Z. Abidin, “Dampak kebijakan impor beras dan ketahanan

pangan dalam perspektif kesejahteraan sosial,” pp. 213–230,
2015.
[9] R. Mumm, J. A. H. M. N. Calingacion, and R. C. H. De Vos,
“Multi-platform metabolomics analyses of a broad collection of
fragrant and non-fragrant rice varieties reveals the high
complexity of grain quality characteristics,”
Metabolomics, vol.
12, no. 2, pp. 1–19, 2016

[10] G. Mahajan, A. Matloob, and R. Singh, Basmati Rice in the
Indian Subcontinent : Strategies to Boost Production and
Quality Traits
, vol. 151. Elsevier Ltd, 2018.
[11] N. Patel, “Rice Quality Analysis Based on Physical Attributes
Using Image Processing Technique,” 2017.
[12] P. Kongsawat, “Quality Assessment of Thai Rice Kernels Using
Low Cost Digital Image Processing System,” 2018.
[13] T. G. Devi, “Image processing based rice plant leaves diseases
in Thanjavur , Tamilnadu,”
Cluster Comput., vol. 3456789,
2018.
[14] S. Mahajan, “Image acquisition techniques for assessment of
legume quality,”
Trends Food Sci. Technol., vol. 42, no. 2, pp.
116–133, 2015.
[15] Z. Wang, Q. Zeng, L. Wang, K. Li, S. Xu, and Y. Yao,
“Characterizing frost damages of concrete with flatbed
scanner,” vol. 102, pp. 872–883, 2016.
[16] M. Rizman, S. Mohd, S. H. Herman, and Z. Sharif, “Application
of K-Means Clustering in Hot Spot Detection for Thermal
Infrared Images,” pp. 107–110, 2017.
[17] E. Bostanci, N. Kanwal, B. Bostanci, and M. S. Guzel, “A Fuzzy
Brute Force Matching Method for Binary Image Features,” vol.
1, pp. 1–5.
[18] R. Ruslan, A. A. Aznan, F. A. Azizan, N. Roslan, and N.
Zulkifli, “Extraction of Morphological Features of Malaysian
Rice Seed Varieties Using Extraction of Morphological
Features of Malaysian Rice Seed Varieties Using Flatbed
Scanner,” no. March, 2018.
[19] J. Chen, D. Lopresti, and G. Nagy, “Conservative preprocessing
of document images,”
Int. J. Doc. Anal. Recognit., 2016.
[20] A. Putera and U. Siahaan, “RC4 Technique in Visual
CryptographyRGB Image Encryption,” vol. 3, no. 7, pp. 3–8,
2016.
[21] L. Indriyani, W. Susanto, and D. Riana, “APLIKASI MATLAB
PADA PENGUKURAN DIAMETER,” vol. 2, no. 1, pp. 46–
52, 2017.