PENDAHULUAN
Terdapat beberapa jenis beras yang bayak beredar di pasaran, yaitu beras setra
ramos (IR 64), beras pandan wangi, beras Rojolele, beras IR 42, dan lain-lain. Pada
tugas akhir ini diambil satu jenis beras yang paling banyak dikonsumsi oleh
masyarakat Indonesia karena harganya yang ekonomis namun memiliki tekstur nasi
yang pulen yaitu beras setra ramos (IR 64).
Dalam pengelompokannya 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 pengamat
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.
Dari permasalahan tersebut kita dapat melakukan analisa berdasarkan bidang
teknologi sinyal informasi analisa kualitas beras menggunakan image processing
1
pengelompokan mutu beras dalam tiga klasifikasi yaitu kualitas A , B, dan C
berdasarkan mutu Standar Nasional Indonesia. Dimana pengolahan citra sinyal
dengan memanfaatkan citra digital yang diolah dengan metode GLCM(Gray Level
Co-occurrence Matrix) yang dapat menganalisa tekstur dan klasifikasi SVM
(Support Vector Machine ) dengan penambahan canny sebagai deteksi tepi dan
operasi morfologi pada tekstur beras yang akan menghasilkan data yang lebih cepat
dan akurat.
Dengan metode ini dihasilkan program dapat mengklasifikasikan kualitas beras
berdasarkan tekstur dengan akurasi yang lebih tinggi dari penelitian-penelitian
sebelumnya. Penelitian-penelitian terkait dapat dirangkum pada tabel di bawah ini:
Tabel 1.1 Penelitian Terkait
No Nama Peneliti dan Tahun Hasil Penelitian
1 Ratih Suminar, 2012 Metode ekstraksi ciri statistik dan
klasifikasi KNearest Neighbor dapat
digunakan untuk Mengklasifikasikan
beras berdasarkan ciri fisik dengan
akurasi sebesar 84,16%
2 Ila Fahlati Amalia,2018 Klasfikasi Kualitas Beras Menggunakan
Haar Wavelet dan Support Vector
Machine dengan akurasi 96,67% OAA
dan 88,90 % OAO
2
1.3 Batasan Masalah
Pada tugas akhir ini membatasi beberapa permasalahan yang dijabarkan sebagai
berikut:
1. Perangkat kerja yang digunakan adalah laptop Asus ROG dengan RAM
16 GB.
2. Software yang dipakai untuk melakukan uji image processing
menggunakan Matlab.
3. Software deteksi kualitas beras yang akan dibuat berbasis Matlab.
4. Karena jenis beras banyak maka pada analisis penelitian ini
hanya menggunakan satu jenis beras yaitu IR 64/Setra Ramos
dengan menggunakan 3 klasifikasi kelas.
5. Citra beras yang diambil berformat *.jpg.
6. Beras yang digunakan hanya untuk beras yang berwarna putih.
3
1.5 Manfaat Penelitian
Manfaat dari penelitian ini adalah untuk menghasilkan alat bantu dalam bidang
pertanian dan perdagangan terutama untuk mempermudah inspektur pengamat
yang bertugas untuk mengklasifikasi kualitas berdasarkan ciri fisik (tekstur) agar
mendapatkan hasil yang cukup akurat. Selain itu, penelitian ini bermanfaat untuk
mencegah terjadinya pencampuran beras antarvarietas dan antarkualitas yang
berbeda sehingga merugikan konsumen dan penjualan beras di pasaran.
4
Sistem deteksi kualitas beras menggunakan aplikasi matlab yang akan
dibuat untuk kemudian dilakukan pengujian parameter subjektif dan
objektif.
5. Analisis hasil pengujian
Tahap ini dilakukan pengujian terhadap citra beras yang akan dibuat
nanti untuk melihat output dari setiap tahapan yang dikerjakan oleh
aplikasi matlab .
6. Kesimpulan
Kesimpulan didapatkan dari hasil simulasi, pengujian serta analisis
terhadap sistematika deteksi kualitas beras yang dibangun untuk
menjawab permasalahan dan pertanyaan penelitian.
1.7 Sistematika Penulisan
Pada penulisan buku tugas akhir ini dibagi menjadi lima bab yang tersusun
secara sistematis sebagai berikut:
BAB I PENDAHULUAN
Pada bab ini membahas latar belakang, rumusan masalah, tujuan, batasan
masalah, metodelogi penelitian, sistematika penulisan dan jadwal kegiatan.
BAB II DASAR TEORI
Membahas prinsip ilmu mengenai pengolahan citra digital, beras, ektraksi
ciri dengan metode Gray Level Co-occurrence Matrix (GLCM) dan klasifikasi
dengan metode Support Vector Machine (SVM).
BAB III PERANCANGAN MODEL DAN SISTEM
Pada bab ini memaparkan proses desain, realisasi sistem dan parameter
pengujian sistem.
BAB IV PENGUJIAN SISTEM DAN ANALISIS HASIL
Pengujian dan analisa terhadap pengolahan data citra acuan dengan
pengolahan data citra uji untuk dilihat keakuratannya.
BAB V KESIMPULAN DAN SARAN
Pada bab ini berisi kesimpulan yang bersifat komprehensif, menyeluruh
serta jelas dan juga saran yang dapat digunakan untuk penelitian dan
pengembangan lebih lanjut atau sebagai bahan referensi.