Tugas Akhir - 2012

KLASIFIKASI KUALITAS BERAS BERDASARKAN CIRI FISIK BERBASIS

PENGOLAHAN CITRA DIGITAL

Ratih Suminar, Bambang Hidayat, Ratri Dwi Atmaja

Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Abstrak
Beras merupakan tanaman Graminae yang termasuk ke dalam genus Oriza Linn. Ada beberapa
jenis beras yang beredar di masyarakat Indonesia, yaitu: beras pandan wangi, rojolele,
membramo, IR 64, IR 42, C4, dan lain-lain. Jenis beras yang paling banyak beredar di pasaran
adalah beras IR 64. Dalam pengelompokkannya mutu beras dibagi menjadi 3 jenis: mutu beras
berdasarkan pasar beras, mutu beras berdasarkan Standar Nasional Indonesia (SNI), mutu beras
berdasarkan prefensi konsumen. Untuk mendapatkan jaminan mutu beras perlu adanya
pemeriksaan kualitas beras yang biasa dilakukan oleh inspektur yang berpengalaman. Tugas
Akhir ini bertujuan untuk menghasilkan suatu alat bantu bagi inspektur pemeriksa yang dapat
mengolah citra beras dan mengklasifikasikan kualitas beras serta menganalisa performansi
sistem klasifikasi tersebut.

Citra beras yang diolah sudah dalam bentuk digital (foto). Metode yang digunakan dalam
pengerjaan Tugas Akhir ini adalah pengolahan citra digital. Tahap-tahap yang akan dilakukan
meliputi: pre-processing, ekstraksi ciri, dan klasifikasi. Metode ekstraksi ciri yang digunakan
adalah Ekstraksi Ciri Statistik dengan ditinjau dari teksturnya yang merupakan salah satu dari
ciri fisik beras. Sedangkan untuk pengklasifikasian kualitas menggunakan metode K-Nearest
Neighbor (K-NN).

Berdasarkan simulasi secara keseluruhan, maka dapat disimpulkan bahwa klasifikasi kualitas
beras dengan ekstraksi ciri Statistik dan metode klasifikasi KNearest Neighbor diperoleh akurasi
sebesar 84,167%. Itu artinya akurasi sesuai dengan yang diharapkan.

Kata Kunci : beras, kualitas beras, pengolahan citra digital, Ekstraksi Ciri Statistik,

Abstract
Rice is Graminae plant that belongs to genus Oriza Linn. There are several types of rice in
Indonesia, such as: pandan wangi, rojolele, Memberamo, IR 64, IR 42, C4, and others. Most type
of rice in the market is IR 64. In quality grouping, rice is divided into three types: the quality of
rice based on the rice market, Standar Nasional Indonesia (SNI), and consumer preference. To
obtain guarantee of quality, it needs inspection by an experienced inspector. This final project is
supposed to produce a tool for processing the image quality of rice, classifying and analyzing the
performance of classification system.

The image of processed rice is already in digital (photo). The method in this final project is using
digital image processing. The stages performed included: pre-processing, feature extraction, and
classification. For feature extraction, used Statistic feature extraction to observe texture while the
quality classification used K-Nearest Neighbor (K-NN).

Based on the simulation, it can be concluded that the classification of rice quality by Statistic
feature extraction and classification method K-Nearest Neighbor produce 84,167% of
accurateness. It means the accuracy as expected.

Keywords : Key words: rice quality, digital image processing, Statistic feature extraction,
KNearest

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2012

BAB 1
PENDAHULUAN

1.1 Latar Belakang

Beras merupakan hasil proses pasca panen dari tanaman padi yaitu setelah
tangkai dan kulit malainya dilepaskan dan digiling. Pada negara-negara di dunia
khususnya Indonesia, beras merupakan komponen yang penting dalam makanan
sehari-hari. Ada beberapa jenis beras yang beredar di pasaran, yaitu : beras
pandan wangi, rojolele, membramo, IR 64, IR 42, C4, dan lain-lain. Karena
terdapat beberapa jenis beras, maka pada Tugas Akhir ini diambil satu sampel dari
jenis beras yang paling banyak beredar di pasaran dan memiliki tekstur nasi yang
pulen yaitu beras IR 64.
Dalam pengelompokkannya mutu beras dibagi menjadi 3 jenis: mutu beras
berdasarkan pasar beras, mutu beras berdasarkan Standar Nasional Indonesia
(SNI), dan mutu beras berdasarkan prefensi konsumen. Untuk mendapat jaminan
mutu beras yang ada di pasaran, maka dalam perdagangan beras harus diterapkan
sistem standarisasi mutu beras. Standar Nasional Indonesia (SNI) untuk beras
giling bertujuan untuk mengantisipasi terjadinya manipulasi mutu beras di
pasaran, terutama karena pengoplosan atau pencampuran antarkualitas atau
antarvarietas. Saat ini pemeriksaan kualitas beras telah dilakukan secara manual
oleh inspektur yang berpengalaman. Namun cara ini memiliki kelemahan seperti
adanya subjektivitas penilaian kualitas antara pengamat yang satu dengan yang
lain, adanya kelelahan fisik jika pengamat bekerja terlalu lama sehingga
menyebabkan hasil pengamatan yang tidak konsisten, dan waktu yang digunakan
untuk pengamatan kualitas lebih lama. Oleh karena itu, diperlukan cara untuk
menentukan klasifikasi kualitas beras dengan cepat, akurat, dan mudah untuk
dioperasikan sehingga meningkatkan efisiensi pengkelasan kualitas beras. Tugas
Akhir ini bertujuan untuk membuat alat bantu inspektur pemeriksa dalam
menentukan klasifikasi kualitas beras.
Pada penelitian sebelumnya, mutu fisik beras telah diuji menggunakan
pengolahan citra digital dan jaringan syaraf tiruan. Dalam Tugas Akhir ini
digunakan metode ektraksi ciri Statistik dan K-Neares Neighbor untuk

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2012
BAB 1 PENDAHULUAN

mengklasifikasikan kualitas beras. Klasifikasi beras ini berdasarkan ciri fisiknya

yaitu menggunakan analisis tekstur. Tekstur telah menjadi salah satu ciri yang
dapat digunakan untuk mengenali, menggolongkan, dan mencari gambar. Dengan
menggunakan pengolahan citra digital dapat dihasilkan sebuah program aplikasi
yang mampu untuk mengklasifikasi kualitas beras sehingga dapat menjadi
perangkat pilihan atau sebagai alat bantu dalam menganalisis kualitas beras.
Tingkat keakuratan yang dihasilkan adalah 84,167%.

1.2 Tujuan
Tujuan dari penulisan Tugas Akhir ini adalah :
a. Merancang dan membangun program yang berfungsi untuk mengklasifikasi
kualitas beras dengan ekstraksi ciri Statistik dan metode K-Nearest Neighbor.
b. Menganalisa performansi program pengklasifikasian yang telah dibuat.

1.3 Manfaat
Manfaat dari penelitian ini adalah menghasilkan alat bantu dalam bidang
pertanian dan perdagangan terutama bagi inspektur pemeriksa untuk
mengklasifikasi kualitas beras berdasarkan ciri fisik berbasis pengolahan citra
digital.

1.4 Perumusan Masalah

Adapun masalah yang akan diangkat dan dijadikan objek penelitian dalam
Tugas Akhir ini adalah :
a. Apakah metode ekstraksi ciri Statistik dan klasifikasi menggunakan K-Nearest
Neighbor dapat mengklasifikasi kualitas beras dengan akurasi yang baik?
b. Bagaimana performansi program yang telah dirancang?

1.5 Batasan Masalah

Untuk menghindari meluasnya materi pembahasan Tugas Akhir ini, maka
penulis membatasi permasalahan dalam Tugas Akhir ini hanya mencakup hal-hal
sebagai berikut:

Institut Teknologi Telkom 2

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2012
BAB 1 PENDAHULUAN

a. Objek yang digunakan adalah citra digital dari beras dengan format *.jpg,
hasil pengambilan kamera digital dengan resolusi 4000x3000 piksel.
b. Jarak pengambilan citra beras 15 cm dari kamera digital dengan pencahayaan
yang cukup serta pengambilan pada posisi berhadapan dengan butir beras.
c. Jenis beras yang digunakan dalam penelitian ini adalah beras IR 64.
d. Output sistem terbagi menjadi 3 tingkatan penggolongan kualitas, yaitu
kualitas 1, kualitas 2, dan kualitas 3.
e. Ciri fisik yang digunakan dilihat dari tekstur setiap kualitas.
f. Metode yang digunakan untuk ekstraksi ciri adalah eksrtaksi ciri Statistik.
g. Metode yang digunakan untuk mengklasifikasi adalah K-Nearest Neighbor.
h. Klasifikasi kualitas hanya dilakukan secara offline dan disimulasikan dengan
software Matlab R2009a.

1.6 Metodologi Penelitian

Metode penelitian Tugas Akhir ini meliputi beberapa tahapan, antara lain
sebagai berikut:
a. Studi literatur
Tahapan ini bertujuan untuk mempelajari dasar teori dari sumber-sumber
yang sudah ada. Mempelajari tentang karakteristik beras dan cara mengolah
citra digital dari beras berdasarkan tekstur dengan ekstraksi ciri Statistik dan
K-Nearest Neighbor menggunakan software Matlab R2009a.
b. Pengumpulan data
Bertujuan mendapatkan data dari citra tiap kualitas beras yang akan
digunakan sebagai masukan sistem.
c. Implementasi program aplikasi
Pada tahap ini, dirancang suatu implementasi yang sesuai dengan metode
yang telah dipelajari sebelumnya dalam studi literatur dan melakukan analisis
perancangan.
d. Analisis performansi
Pada tahap ini, dilakukan pengujian tingkat akurasi pada program aplikasi
yang telah dibuat kemudian dianalisis performansinya, apakah metode yang
dipilih tepat atau tidak.

Institut Teknologi Telkom 3

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

 Tugas Akhir - 2012
BAB 1 PENDAHULUAN

e. Pengambilan kesimpulan dan penyusunan laporan Tugas Akhir

Bertujuan untuk menarik kesimpulan setelah melakukan pengujian dan
menyusun laporan hasil dari penelitian.

1.7 Sistematika Penulisan

Penulisan Tugas Akhir ini akan dibagi dalam beberapa bagian sebagai
berikut.
BAB 1 PENDAHULUAN
Berisi tentang latar belakang pembuatan tugas akhir, tujuan dan
manfaat, perumusan dan batasan masalah, metode penelitian yang
dilakukan, dan sistematika penulisan.
BAB 2 DASAR TEORI
Berisi teori-teori dasar mengenai beras dan kualitasnya, citra digital,
pengolahan citra, ekstraksi cirri Statistik, dan metode pengklasifikasian
K-Nearest Neighbor.
BAB 3 MODEL DAN PERANCANGAN SISTEM
Berisi diagram alir penelitian, perancangan sistem serta cara kerja
sistem.
BAB 4 ANALISIS DAN PENGUJIAN SISTEM
Berisi analisis dari pengujian sistem yang telah dilakukan.
BAB 5 KESIMPULAN DAN SARAN
Berisi kesimpulan dari hasil analisis dan saran yang dapat diberikan
untuk pengembangan dari Tugas Akhir ini.

Institut Teknologi Telkom 4

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2012

BAB 5
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan hasil percobaan dan analisis data pada sistem klasifikasi
kualitas beras berdasarkan ciri fisik yang ditinjau dari teksturnya dengan
menggunakan ekstaksi ciri Statistik dan metode K-Nearest Neighbor, maka dapat
ditarik kesimpulan sebagai berikut:
1. Metode ekstraksi ciri Statistik dan klasifikasi menggunakan K-Nearest
Neighbor dapat digunakan untuk mengklasifikasikan kualitas beras dengan
akurasi sebesar 84,167%.
2. Kombinasi ciri dari setiap orde dalam ekstraksi cirri Statistik untuk
mendapatkan akurasi terbaik adalah menggunakan ciri Angular Second
Moment (ASM) dan Inverse Different Moment (IDM) dengan nilai akurasi
yang dihasilkan sebesar 83,333%. Akurasi tertinggi sistem klasifikasi kualitas
beras dengan K-Nearest Neighbor mencapai 84,167% dengan pemilihan
parameter klasifikasi yaitu nilai k = 9, distance Euclidean maupun Cityblock.

5.2 Saran
Berdasarkan hasil evaluasi analisis pada sistem klasifikasi kualitas beras,
maka untuk pengembangan penelitian dapat disarankan sebagai berikut.
1. Untuk proses ekstraksi ciri dan klasifikasi disarankan menggunakan metode
lain agar dapat meningkatkan akurasi sistem, menurunkan kesalahan sistem,
dan mempercepat waktu komputasi sistem.
2. Pengklasifikasian kualitas beras dapat ditinjau berdasarkan ciri fisik yang lain
seperti bentuk. Pemilihan tinjauan lain tersebut agar dapat meningkatkan
akurasi sistem dan mempermudah proses pengolahan data.
3. Penelitian ini berpeluang untuk dikembangkan menjadi lebih aplikatif dan
untuk objek beras dari varietas lain ataupun seluruh varietas beras.

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)
 Tugas Akhir - 2012

DAFTAR PUSTAKA

[1] Wikipedia. (2011). Beras. [Online]. Tersedia:

http://id.wikipedia.org/wiki/Beras.html. [20 September 2011].

[2] Badan Ketahanan Pangan dan Penyuluhan Provinsi DIY. (2012). Tips
Memilih Beras yang Sehat. [Online]. Tersedia:
http://bkpp.jogjaprov.go.id/tips.php?ix=15: Website Resmi Badan
Ketahanan Pangan dan Penyuluhan Provinsi D.I. Yogyakarta.htm [24 April
2012].
[3] Purnomo, Mauridhi Hery dan Arif Muntasa. 2010. Konsep Pengolahan
Citra Digital dan Ekstraksi Fitur. Yogyakarta: Graha Ilmu.
[4] Sutoyo, T., S.Si., M.Kom. (dkk). 2009. Teori Pengolahan Citra Digital.
Yogyakarta: Penerbit ANDI.
[5] Somantri, Agus Supriatna. (2010). Menentukan Klasifikasi Mutu Fisik Beras
Dengan Menggunakan Teknologi Pengolahan Citra Digital Dan Jaringan
Syaraf Tiruan. Jurnal Standardisasi Vol. 12, No. 3 Tahun 2010: 162 173.
[6] Siroyudin. (2011). Karakteristik Fisik Beras Dari Padi Lokal Sebagai
Sumber Plasma Nutfah Asal Jambi. [Online]. Tersedia:
http://siroychery.blogspot.com/2011/03/karakterisitik-fisik-beras-dari-
padi.html. [30Oktober 2011].
[7] Widiarsana, I.G.A Oke (dkk). (2011). Data Mining Metode Classification K-
Nearest Neighbor (KNN). [Online]. Tersedia:
http://www.scribd.com/doc/88859050/57208138-Metode-Algoritma-KNN.
[6 Mei 2012].
[8] Ardi. (2011). Analisis Tekstur dengan Metode GLCM (Gray Level Co-
occurrence Matrix). [Online]. Tersedia:
http://utekqu.wordpress.com/2011/01/23/analisis-tekstur-dengan-metode-
glcm/. [13 Juni 2012].
[9] Classification Using Nerarest Neighbor. [Online]. Tersedia:
http://www.mathworks.com/help/toolbox/stats/bsehyju-1.html. [13 Juni
2012].
[10] Modul Praktikum Pengolahan Citra. (2008). Analisis Tekstur dan Ekstraksi
Ciri. [Online]. Tersedia : http://biomed.ee.itb.ac.id. [19 Juni 2012].

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

Powered by TCPDF (www.tcpdf.org)