KLASIFIKASI KUALITAS BERAS MENGGUNAKAN NA
ABSTRAK
Klasifikasi kualitas fisik beras selalu menggunakan cara manual berdasarkan
pengamatan visual secara langsung pada beras yang akan diproses. Namun dalam
proses secara manual sangat dipengaruhi subjektivitas masyarakat sehingga pada
kondisi tertentu tidak konsisten prosesnya. Untuk itu dibangun sebuah aplikasi yang
dapat digunakan untuk memenuhi hal ini menggunakan android sehingga proses
dapat dilakukan dimanapun subjek berada. Beras diklasifikasikan dengan ektraksi
fitur yang menggunakan metode Gray Level Co-occurrence Matrix (GLCM)
dengan kombinasi fungsi dari 5 fungsi GLCM (Energy, Contrast, Homogeinity,
Entropy, Correlation, Shade, dan Prominence) dan klasifikasi yang digunakan
yaitu Naive Bayes. Naive bayes classifier merupakan salah satu metode machine
learning yang menggunakan perhitungan probabilitas dengan kelebihan
implementasi yang relatif mudah dan menghasilkan akurasi yang baik. Dari hasil
uji coba dengan menggunakan metode k-fold cross validation dengan data training
sebanyak 120 gambar beras dan data testing sebanyak 30 gambar beras. Terdapat 8
kesalahan pada saat proses testing. Maka didapatkan tingkat keberhasilan
klasifikasi kematangan beras menggunakan naive bayes adalah 73%. Dengan
menggunakan metode k-fold cross validation dengan data sebanyak 150 gambar
beras menunjukkan bahwa metode naive bayes dapat diterapkan pada analisis
kualitas beras untuk mengklasifikasikan beras kedalam kelas beras bagus, beras
buruk, dan beras sedang dengan rata – rata akurasi mencapai 73%.
Kata Kunci : Beras, GLCM, Naive Bayes, K-Fold Cross Validation, Citra
S06-18921 | 1892 | Koleksi Skripsi | Tersedia |
Tidak tersedia versi lain