Literatur Review: Klasifikasi Kualitas Beras Berdasarkan Citra Digital
Keywords:
Studi Literatur, Klasifikasi, Kualitas Beras, Citra DigitalAbstract
Penelitian dilakukan dengan tujuan untuk membandingkan beberapa metode yang dapat digunakan untuk mengidentifikasi kualitas beras. Beberapa metode yang akan direview adalah Hue Saturation Value (HSV), Neural Network, K-Nearest Neighbor (K-NN), Connected Component Labeling, serta Anfis dan Sobel. Penelitian ini menggunakan teknik pengumpulan data berupa studi literatur. Studi Literatur ini melibatkan pencarian dan analisis terhadap beberapa artikel, jurnal ilmiah, maupun publikasi terkait yang membahas penerapan kelima metode tersebut dalam mengidentifikasi kualitas beras. Data-data yang penulis peroleh dari studi literatur ini akan digunakan sebagai pembanding tingkat akurasi pada masing-masing metode tersebut. Hasil dari penelitian akan menyajikan beberapa perbandingan dari kelima metode tersebut berdasarkan tingkat akurasi. Berdasarkan hasil review Kasifikasi Kualitas Beras Berdasarkan Citra Digital dengan cara membandingkan lima artikel dengan lima metode yang berbeda, maka dapat disimpulkan bahwa metode yang tepat adalah Metode KK-Nearst NeighborI (KNN). Dengan hasil klasifikasi menggunakan validasi K Fold dengan k=10 pada data asli menunjukkan hasil metode K-Nearst Neighbor memiliki akurasi 99,87%. Penelitian Literatur Review ini diharapkan dapat menjadi bahan kajian lanjutan dan menjadi informasi tambahan dalam bidang pendidikan.
References
Fitriana Nur’Aini D., Rosa Andrie A., Odhitya Desta Triswidrananta, (2019). Penentuan Klasifikasi Mutu Fisik Beras Dari Bentuk Fisik Dan Warna Menggunakan Metode Connected Component Labelling.
Gansar Suwanto, Riza Ibnu Adam, Garno, (2021). Identifikasi Citra Digital Jenis Beras Menggunakan Metode Anfis dan Sobel.
Azizah, M., Sutamihardja, R., & Wijaya, N. (2019). Clustering Kualitas Beras Berdasarkan Ciri Fisik Menggunakan Metode K-Means. Universitas Brawijaya.
Chen, S., Xiong, J., Guo, W., Bu, R., Zheng, Z., Chen, Y.2019. Sistem pemeriksaan mutu beras berwarna menggunakan visi mesin. Jurnal Ilmu Sereal 88:87-95. DOI:10.1016/j.jcs.2019.05.010.
Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu.
Embun, B. (2012, April 17). Banjir Embun. Retrieved from Penelitian Kepustakaan: http://banjirembun.blogspot.co.id/2012/04/penelitian-kepustakaan.html
Zed, M. (2014). Metode Penelitian Kepustakaan. Jakarta: Yayasan Obor Indonesia.
Amrulloh, A., Wibowo, A.P., Studi, P., Teknologi, M. and Yogyakarta, U.T. (2019), Implementasi Algoritma Decission Tree Untuk Mengklasifikasi Kondisi Kesuburan Pria, , 1(1), 7–11.
G. Van Dalen, “Determination of the size distribution and percentage of broken kernels of rice using flatbed scanning and image analysis,” Food Res. Int., vol. 37, no. 1, pp. 51–58, 2004.
H. S. Gujjar, “A Method for Identification of Basmati Rice grain of India and Its Quality Using Pattern Classification,” vol. 3, no. 1, pp. 268–273, 2013.
Rinaldi Munir, (2019). Pengantar Pengolahan Citra (Bagian 1). IF4073 Interpretasi dan Pengolahan Citra, Institut Teknologi Bandung.
Ghani Mutaqin, (2023). Teknik Penghapusan Kabut Pada Citra Digital
Yuliana Aprilia Anwar, Billy Eden William Asrul, Sitti Zuhriyah, (2023). Implementasi Algoritma Hue Saturation Value (HSV) Pada PenentuanKualitas Beras Berbasis Android
R. Adi, “Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Kualitas Air ( Studi Kasus : Pdam Kota Surakarta ),” no. April, 2018.
Fadly, M., Uddin, N., & Sutarto, H. Y. (2002). Flutter Suppression Using Neural Networks : Design and Implementation. (January 2017).
Fitriana Nur’Aini D, Rosa Andrie A, Odhitya Desta Triswidrananta, (2019). Penentuan Klasifikasi Mutu Fisik Beras Dari Bentuk Fisik Dan Warna Menggunakan Metode Connected Component Labelling.
Umam, B. A., Sunaryo, & Yudaningtyas, E. (2016). Implementasi Metode Anfis-Minkowski Untuk Identifikasi Biometrik Iris Mata Menggunakan Image Processing. Jurnal Ilmiah NERO, 2(1), 29–36.
Dianta, E. G. (2012). Deteksi Tepi Menggunakan Metode Canny Dengan Matlab Untuk Membedakan Uang Asli dan Uang Palsu. Jurnal Jurusan Teknik Informatika, Fakultas Teknologi, Industri Universitas Gunadarma,1(1), 1–13.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Aisyah Pramudita, Suranta Bill Fatric Ginting, Ika Syahfitri, Haliza Silviya, Faiz Aulia Rahman Sitepu, Benget Agustin Silalahi
This work is licensed under a Creative Commons Attribution 4.0 International License.
