IDENTIFIKASI PENGELOLAAN CITRA KUALITAS BERAS

Article Sidebar

Published: Nov 12, 2025
DOI: https://doi.org/10.35329/jiik.v11i1.355
Keywords:
kualitas beras, citra beras,K-Mean ,Neural Network

Main Article Content

Rifai Rifai
teknik informatika, Universitas Al Asyariah Mandar
Muhammad Sarjan
Fakultas Ilmu Komputer, Universitas Al Asyariah Mandar
Akhmad Qashlim
Fakultas Ilmu Komputer, Universitas Al Asyariah Mandar

Abstract

Beras merupakan makanan pokok masyarakat Indonesia karena mengandungkarbohidrat kompleks dan dapat memberikan berbagai nutrisi penting lainnya bagi tubuh. Banyak orang yang masih beranggapan bahwa beras itu bersih, tak berbau, dan memiliki harga lebih mahal, beras tersebut berkualitas baik, padahal belum tentu beras yang dimaksud tersebut mempunyai kualitas baik. Untuk alasan ini, kualitas beras ditentukan selama penelitian, dan ini membantu membedakan antara kualitas yang baik dan yang buruk nantinya. Kualitas beras dipengaruhi oleh berbagai faktor seperti pecahan bulir, warna yang tidak rata, dan bau. Pada penelitian ini persentase butir beras pecah dan keseragaman warna digunakan untuk menentukan kualitas beras. Pada penelitian ini digunakan parameter kerusakan gabah dan sebaran warna, diproses dengan K-means clustering, dan skor cluster digunakan sebagai skor kelas untuk pelabelan kultivar padi menurut mutu medium 1. Selain itu, data yang berisi cluster berlabel diproses untuk mendapatkan klasifikasi. Akurasi dan metode klasifikasi terbaik adalah neural network dengan 99,85%.


 

Downloads

Download data is not yet available.

Article Details

Issue
Vol. 11 No. 1 (2025): Edisi April
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

References

[1] Agung Prihandono dan Eddy Nurraharjo. (2015). Implementasi Java Interface pada Pembuatan Aplikasi Multimedia Berbasis Android. Volume 20, No.1, Januari 2015 : 1-10.
[2] Alfandi, Dukat dan Elon Hermawan. (2016). Pengaruh
[3] Arissa Aprilia Nurcahyani, Ristu Saptono. (2015). Identifikasi Kualitas Beras dengan Citra Digital. e-ISSN 2460-0040
[4] Bowo Eko Cahyono*), Agung Tjahjo Nugroho, dan Jamal Husen. (2018). Karakteristik Time Series Reflektansi Tanaman Padi Varietas Ciherang dengan Analisis RGB Citra Fotografi. Volume 15, Nomor 1, Februari 2018
[5] Candra Dewia, Elok Fatma Anjarwati, dan Imam Cholissodin (2017). Implementasi Citra Digital Untuk Identifikasi Penyakit Pada Daun Padi Menggunakan Anfis.
[6] Dio Lavarino, Dan, Wiyli Yustanti (2016). Rancang Bangun E – Voting Berbasis Website Di Universitas Negeri Surabaya. Volume 6 Nomor 1 Tahun 2016, 72-81
[7] Elma Irawaty, DKK. (2017). Analisis Biofisik Tanaman Padi dengan Citra Drone (UAV) Menggunakan Software Agisoft Photoscan. ISSN : 1979 – 7362
[8] Fitriani, U., Informatika, T., & Malikussaleh, U. (2019). Implementasi Huruf Pejazm Fi ’ Il Mudhari ’ Pada Citra Al - Qur ’ An. 11(1), 61–75.
[9] LeCun, Bengio, & Hinton, (2015). Implementasi Deep Learning Menggunakan Metode Convolutional Neural Network Untuk Klasifikasi Gambar.
[10] Liantoni, F. (2016). Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor. Jurnal ULTIMATICS, 7(2), 98–104.
[11] Mansur, Muhammad Assidiq, M. (2024). IDENTIFIKASI JUMLAH SEBARAN PPPK GURU PADA POLEWALI MANDAR BERBASIS GEOGRAFIS. Journal Peqguruang: Conference Series, 6.
[12] Nur Wahidah Sudarsono; Bambang Sudarsono; Arwan Putra Wijaya (2016). Analisis Fase Tumbuh Padi Menggunakan Algoritma Ndvi, Evi, Savi, Dan Lswi Pada Citra Landsat 8. Volume 5, Nomor 1, Tahun 2016, (ISSN : 2337-845X)
[13] Pengaturan Jarak Tanam Dan Umur Bibit Terhadap Pertumbuhan Dan Hasil Tanaman Padi (Oryza sativa L.) Kultivar Mekongga. Jurnal Agroswagati 4 (2), September 2016
[14] Reza Revindra, DKK (2017). Identifikasi Pemberian Pupuk Pada Tanaman Padi Berdasarkan Tingkat Kehijauan Daun Menggunakan Metode Local Binary Pattern Berbasis Android Vol.2 No.1 Maret 2017.
[14] Ruminta, Agus Wahyudin, dan Syaza Sakinah (2017). Respon Pertumbuhan Dan Hasil Tanaman Padi Terhadap Jarak Tanam Pada Lahan Tadah Hujan Dengan Menggunakan Pengairan Intermittent. Jatinangor Sumedang 45363 Jawa Barat.
[15] Sari, Y., Baskara, A. R., & Arya, F. (2019). Klasifikasi Grade Daun Padi Sebagai Penentu Pemupukan Urea Dengan Metode Ekstraksi Fitur Rice Leaf Grade Classification as A Determination of Urea Fertilization Using Feature Extraction Method. 4(April), 148–151.
[16] Tarigan, A. K., Nasution, S. D., & Karim, A. (2016). Aplikasi Pembelajaran Citra Dengan Menggunakan Metode Computer Assisted Instruction ( Cai ). 3(4), 1– 4.
[17] Tarkus Suganda*, Endah Yulia , Fitri Widiantini dan Hersanti. (2016). Intensitas Penyakit Blas ( Pyricularia oryzae Cav.) pada Padi Varietas Ciherang di Lokasi Endemik dan Pengaruhnya terhadap Kehilangan Hasil. Jurnal Agrikultura 2016, 27 (3): 154-159