Klasifikasi Mutu Beras Menggunakan Metode Learning Vector Quantizaion (LVQ)

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. Proses pengujian diukur dari nilai putih, bersih, dan utuh dari citra beras. Nilai putih dan nilai bersih beras diperoleh dengan menganalisis nilai HSV pada citra beras, sedangkan nilai utuh diperoleh dengan menganalisis luas objek beras. Kemudian nilai putih, bersih dan utuh citra beras tersebut diklasifikasi ke dalam 3 kelas yaitu baik, kurang, dan buruk dengan menggunakan pohon keputusan. Hasilnya, identifikasi kualitas beras dengan citra digital dapat diaplikasikan dengan menggunakan metode waterfall dan telah dilakukan uji coba dengan menggunakan black box testing.