Академический Документы
Профессиональный Документы
Культура Документы
2, September 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
1,2,3,4,5
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Pembangunan Nasional
Veteran Jawa Timur
Jl. Raya Rungkut Madya, Gunung Anyar, Surabaya, Jawa Timur 60294
Email: 1 Satriaramadhan14@gmail.com, 2 davidsvilla9498@gmail.com, 4 azizahfi99@gmail.com, 5
devianugrah3050@gmail.com
ABSTRAK
Sebagian besar masyarakat Indonesia menjadikan beras sebagai makanan pokok. Sehingga produksi beras di
Indonesia sangat melimpah. Namun beras yang diproduksi tidak semua berkualitas baik. Banyak masyarakat yang
masih kesulitan untuk menentukan kualitas beras yang beredar di pasaran. Diperlukan standar khusus dalam
menentukan kualitas beras. Penelitian ini dapat membantu masyarakat dalam menangani masalah tersebut. Dalam
penelitian ini standar kualitas beras dilihat dari nilai putih beras, nilai bersih, dan nilai utuh beras. Dilakukan
pelatihan data terlebih dahulu untuk mendapatkan klasifikasi dengan model decision tree atau pohon keputusan.
Selanjutnya dilakukan pengolahan citra terhadap citra beras hasil pengambilan gambar beras. Dari proses
pengolahan citra beras akan didapatkan nilai putih, nilai bersih dan nilai utuh beras yang akan diklasifikasikan
menjadi tiga kelas yaitu baik, kurang dan buruk dengan menggunakan rules dari decision tree. Kemudian
dilakukan pengujian data dengan menggunakan metode k-fold cross validation. Dari pengujian tersebut akan
dihasilkan prosentasi keakuratan hasil pengujian.
Kata Kunci: Beras, Pengolahan Citra, Pohon keputusan, K-fold cross validation
1
Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 2, September 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
() = 2
=1
(, ) = () ()
=0
Keterangan:
S = ruang sampel untuk data training
A = atribut
2
Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 2, September 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
=
+
=
+
2
=
+
3
Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi Vol. 2, No. 2, September 2017
e-ISSN 2540-7902 dan p-ISSN 2541-366X
sampai 0.7, saturation antara 0.01 sampai 0.3 dan ditentukan hasil kualitas kelas dari beras yang diuji.
value antara 0.55 sampai 0.9. Kemudian dilakukan Hasilnya seperti berikut:
pelabellan beras putih dan tidak putih. Beras Bersih Putih Utuh Kelas
dikatakan putih jika prosentase 75% atau lebih dari 100% 100% 100% Baik
standar gudang.
Proses mencari nilai bersih beras dilakukan dengan 3.1.5 Evaluasi
konversi RGB ke HSV. Untuk selanjutnya dilakukan Pada proses evaluasi ini menggunakan k-fold cross
analisis nilai Hue, Saturation, dan Value berdasarkan validation dengan k= . Kemudian dihitung Precision
nilai yang sudah ditentukan oleh gudang yaitu (P), recall (R), dan f-Measure (F).
saturation < 0.4 dan value > 0.55. Kemudian
dilakukan pelabellan beras bersih dan tidak bersih. 4. KESIMPULAN
Beras dikatakan bersih jika prosentase 75% atau Pada penelitian didapatkan nilai akurasi yang tinggi
lebih dari standar gudang. Pada penelitian ini itu artinya klafikasi kualitas beras dengan
dihasilkan seperti berikut: menggunakan model pohon keputusan ID3 dan
pengujian dengan metode k_fold cross validation
dapat diterapkan. Nilai akurasi dengan melakukan
identifikasi pohon keputusan ID3 sebesar .
5. DAFTAR PUSTAKA
[1]. Kompasiana.2015.Ini 5 negara penghasil beras
terbesar di dunia.
http://bisniskeuangan.kompas.com/read/2015/09
/02/095100026/Ini.5.Negara.Penghasil.Beras.Te
rbesar.di.Dunia?page=all, diakses pada 11 April
2017
[2]. Suminar, R. , Hidayat, B. , Atmaja, R.D. 2012.
Klasifikasi Kualitas Beras Berdsrkan Ciri Fisik
Berbasis Pengolahan Citra Digital.Jurnal Telkom
University
[3].Nurcahyani, A.A, Saptono, R. 2015. Identifikasi
Kualitas Beras dengan Citra Digital.Scintific
Gambar 8. Nilai putih dan nilai bersih
Jurnal of Informatic.Vol 2 No. 1, Mei 2015
[4].Aryn-Genetika.2013. Segmentasi Citra.
Terakhir proses mencari nilai utuh dilakukan dengan
aryngenetika.blogspot.com/2013/01/segmentasi-
melakukan perhitungan luas piksel tiap bulir beras.
citra.html, diakses pada 11 April 2017
Kemudian dibandingkan dengan jumlah piksel beras
utuh. Jika prosentase beras 75% atau lebih dari
standar jumlah beras utuh maka beras dikatakan
utuh. Pada penelitian ini dihasilkan