KLASIFIKASI MUTU BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZAION (LVQ)

Anas Firdaus, Maulana and Helilintar, Risa and Swanjaya, Daniel KLASIFIKASI MUTU BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZAION (LVQ). Prosiding Semnas Inotek 2020. ISSN 2549-7952

[img] Text (Full Text)
RAMA_57201_16103020095.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (403kB) | Request a copy
[img] Text (Similarity)
RAMA_57201_16103020095_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (271kB)
[img] Text (References)
RAMA_57201_16103020095_0721058902_0723098303_06_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (87kB)

Abstract

Beras merupakan salah satu produk pangan pokok bagi sebagian besar penduduk dunia, termasuk penduduk Indonesia. Penilaian kualitas beras, merupakan kegiatan yang dilakukan sebelum beras dipasarkan. Inspeksi mutu beras masih dilakukan secara tradisional berdasarkan pada penglihatan tenaga ahli dan berpengalaman, yaitu dengan cara mengambil sampel beras secara random kemudian ditentukan kualitasnya, cara ini memiliki kelemahan seperti : adanya faktor subjektifitas yang menyebabkan perbedaan diantara satu pengamat dengan pengamat lainnya; adanya kelelahan fisik bila pengamat bekerja terlalu lama menyebabkan hasil pengamatan tidak konsisten. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat digunakan untuk mengklasifikasikan mutu/kualitas beras berdasarkan analisis pada citra digital beras. Sistem diharapkan dapat membantu untuk mengidentifikasi mutu beras yang akurat dan mudah pengoperasiannya, sehingga meningkatkan efisiensi kinerja penilai. Penentuan mutu beras dilakukan dengan menganalisis fitur warna, tekstur dari citra digital beras yang akan dijadikan sampel data penelitian dengan menerapkan metode Learning Vector Quantizaion(LVQ) sebagai metode pelatihan untuk pengenalan mutu beras. Hasil pengujian menghasilkan akurasi klasifikasi untuk kelas 1 (baik) 92 %, kelas 2 (sedang) 76 %, dan kelas 3 (buruk) 96 % dengan akurasi hasil klasifikasi rata-rata 88 %

Item Type: Article
Uncontrolled Keywords: Klasifikasi,Beras,Cira Digial,LVQ
Subjects: 410 Engineering science > 462 Information technology
Divisions: Fakultas Teknik > S1-Teknik Informatika
Depositing User: Mr Maulana Anas Firdaus
Date Deposited: 27 Aug 2020 03:48
Last Modified: 27 Aug 2020 03:49
URI: http://repository.unpkediri.ac.id/id/eprint/1853

Actions (login required)

View Item View Item