A Review Paper: Identifikasi Kualitas Beras Dengan Citra Digital Menggunakan Metode Neural Network Dan Support Vector Machine

Authors

  • Siti Sarah Universitas Budi Luhur

Abstract

Beras merupakan makanan pokok sebagian besar orang Indonesia. Sehingga kebutuhan akan bahan pokok beras sangatlah tinggi. Tetapi ada beberapa pedagang yang bermain curang dengan cara menimbun beras, sehingga kualitas beras menurun seperti: berkutu, menguning, patah, apek, dan lain-lain. Bahkan untuk mengurangi biaya operasional, ada juga pedagang yang menjual beras tiruan yang mengandung bahan plastik dan beras yang di campur pemutih. Maka diperlukanlah penilaian terhadap kualitas beras. Pengujian beras secara visual selama ini dilakukan dengan cara tradisional yaitu berdasarkan penglihatan pengamat yang berpengalaman. Tetapi memiliki kelemahan yaitu faktor subjektifitas seperti terdapat perbedaan penilaian antara pengamat satu dengan yang lainnya, bila pengamat bekerja terus menerus maka akan mengalami kelelahan fisik sehingga menyebabkan kesalahan dalam pengujian yang berdampak penilaian pengamat tidak konsisten dan waktu yang digunakan lebih lama. Tujuan dari paper review ini adalah untuk mengetahui metode mana yang mempunyai hasil yang lebih akurat dan efisien dalam identifikasi kualitas beras berdasarkan morfologi, tekstur dan warna. Pada paper review ini, penulis membandingkan beberapa metode dari paper-paper yang telah penulis kumpulkan. Adapun metode- metode yang dipakai yaitu menggunakan digital image processing, Neural Network, dan SVM. Neural Network banyak digunakan untuk klasifikasi kombinasi berdasarkan morfologi, tekstur dan bentuk, mampu menunjukan hasil kinerja yang baik dengan nilai akurasi yang tinggi. SVM menunjukan hasil kinerja dan akurasi yang tinggi bila mengklasifikasikan satu jenis pada satu waktu.

References

R. Kurniawan and A. Zulius, “Jurnal

Sustainable : Jurnal Hasil Penelitian

Dan Industri Terapan Smart Home

Security menggunakan Face

Recognition dengan Metode Eigenface

Berbasis Raspberry Pi,” vol. 08, no. 02,

M. R. Muliawan, B. Irawan, and Y.

Brianorman, “Implementasi

Pengenalan Wajah Dengan Metode

Eigenface Pada Sistem Absensi,” J.

Coding, Sist. Komput. Untan, vol. 03,

no. 1, pp. 41–50, 2015, [Online].

Available:

http://jurnal.untan.ac.id/index.php/jcsk

ommipa/article/viewFile/9727/9500.

R. Singgalen, “Sistem Pengenalan

Wajah sebagai Akses Loker

Penyimpanan Barang,” Telekontran,

vol. 5, no. 2, pp. 149–158, 2017.

H. A. Saputra, F. Utaminingrum, and

W. Kurniawan, “Deteksi dan

Pengenalan Wajah sebagai Pendukung

Keamanan Menggunakan Algoritme

Haar-Classifier dan Eigenface

Berbasis,” J. Pengemb. Teknol. Inf. dan

Ilmu Komput. Univ. Brawijaya, vol. 3,

no. 2, pp. 8928–8936, 2019.

R. E. Putri, T. Matulatan, and N.

Hayaty, “Sistem Deteksi Wajah Pada

Camera Real Time dengan

menggunakan Metode Viola - Jones,”

J. Sustain. J. Has. Penelit. dan Ind.

Terap., vol. 08, no. 01, 2019.

D. Suprianto, “Sistem Pengenalan

Wajah Secara Real-Time,” Sist.

Pengenalan Wajah Secara Real-Time

dengan Adab. Eig. PCA MySQL, vol. 7,

no. 2, pp. 179–184, 2013.

A. Pradana, E. Paulus, and D. Setiana,

“Deteksi Wajah dengan Berbagai

Posisi Sudut pada Sekumpulan Orang

dengan Membandingkan Metode

Viola-Jones dan Kanade-Lucas-

Tomasi,” J. Nas. Pendidik. Tek.

Inform., vol. 5, no. 3, p. 136, 2016, doi:

23887/janapati.v5i3.9920.

C. Suhery and I. Ruslianto,

“Identifikasi Wajah Manusia untuk

Sistem Monitoring Kehadiran

Perkuliahan menggunakan Ekstraksi

Fitur Principal Component Analysis

(PCA),” J. Edukasi dan Penelit.

Inform., vol. 3, no. 1, p. 9, 2017, doi:

26418/jp.v3i1.19792.

A. R. Syafira, “Sistem Deteksi Wajah

Dengan Modifikasi Metode Viola

Jones,” Emit. J. Tek. Elektro, vol. 17,

no. 1, pp. 26–33, 2017, doi:

23917/emitor.v17i1.5964.

Downloads

Published

2021-01-05

How to Cite

Sarah, S. . (2021). A Review Paper: Identifikasi Kualitas Beras Dengan Citra Digital Menggunakan Metode Neural Network Dan Support Vector Machine. Proceedings of the Informatics Conference, 6(11), 45-52. Retrieved from https://ojs.journals.unisel.edu.my/index.php/icf/article/view/72