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