KlASIFIKASI KUALITAS BERAS MENGGUNAKAN IMAGE PROCESSING DAN BACKPROPAGATION

Sulaihah, Siti (2018) KlASIFIKASI KUALITAS BERAS MENGGUNAKAN IMAGE PROCESSING DAN BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_14013409_Siti Sulaihah_IF.pdf Restricted to Registered users only Download (5MB)

Abstract

Kata Kunci: Kualitas Beras, Image Processing, Ekstraksi Fitur, Jaringan Saraf Tiruan, Backpropagation.

Penentuan kualitas beras memegang peranan yang sangat vital bagi masyarakat, mengingat beras merupakan bahan pangan utama dan makanan pokok bagi sebagian besar penduduk di Indonesia. Oleh karena itu, standardisasi dan pelabelan kelas kualitas pada komoditas beras perlu dilakukan secara teliti serta objektif guna menghasilkan akurasi yang tinggi. Penentuan mutu beras untuk membedakan kategori kualitas premium dan medium umumnya dinilai dari karakteristik fisik berupa morfologi bentuk dan kecerahan warna. Penelitian ini bertujuan untuk mengklasifikasikan kualitas beras secara otomatis memanfaatkan teknologi pengolahan citra (image processing) dan Jaringan Saraf Tiruan (JST) algoritma Backpropagation. Pendekatan ini diimplementasikan agar proses klasifikasi tidak lagi mengandalkan estimasi visual manusia semata, melainkan berbasis pada ekstraksi data digital yang mengacu pada keahlian pakar (expert). Tahapan pengolahan citra diawali dengan prapemrosesan gambar menggunakan Adobe Photoshop CS4. Selanjutnya, dilakukan ekstraksi fitur bentuk yang merepresentasikan nilai compactness dan circularity, serta ekstraksi fitur warna yang mencakup parameter nilai rata-rata (mean) dan kemiringan distribusi (skewness). Nilai hasil ekstraksi fitur tersebut kemudian digunakan sebagai input pada arsitektur JST Backpropagation. Eksperimen ini menggunakan total 100 sampel data citra, yang dibagi menjadi 80 citra sebagai data pelatihan (training) dan 20 citra sebagai data pengujian (testing). Hasil pengujian dari 50 kali pengulangan percobaan menunjukkan bahwa sistem mampu mencapai tingkat akurasi sebesar 95% menggunakan konfigurasi 19 hidden layer dan pembatasan iterasi sebanyak 1.000 epoch.

Item Type:	Thesis (Other)
Subjects:	S Agriculture > SB Plant culture T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	14 Jun 2026 03:29
Last Modified:	14 Jun 2026 03:29
URI:	https://repository.unuja.ac.id/id/eprint/3551

Actions (login required)

View Item