BAB I

PENDAHULUAN

1.1 Latar Belakang

Beras adalah bagian bulir padi yang telah dipisah dari sekam. Sekam (Jawa
merang) secara anatomi disebut 'palea' (bagian yang ditutupi) dan 'lemma' (bagian
yang menutupi). Sebagaimana bulir serealia lain, bagian terbesar beras didominasi
oleh pati (sekitar 80-85%). Beras juga mengandung protein, vitamin (terutama
pada bagian aleuron), mineral, dan air.tetapi beras memiliki kualitas yang berbeda
berdasarkan oleh karena itu pengawasan dalam menentukan kualitas beras yang
akan beredar dipasaran merupakan hal penting karena menyangkut dengan tingkat
penjualan dan konsumsi [1].

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

1.2 Rumusan Masalah

Berikut ini adalah permasalahan yang akan menjadi objek penelitian yaitu:
1. Bagaimana menganalisis kualitas beras berdasarkan tingkatan
kualitasnya dengan ekstraksi ciri menggunakan metode Gray Level Co-
occurrence Matrix (GLCM) pada citra digital ?
2. Bagaimana menerapkan metode Support Vector Machine (SVM) pada
citra yang sudah dilakukan ekstraksi ciri sehingga dapat diketahui
tingkatan kualitas beras ?

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.

7. Tidak membahas berapa lama beras setelah dipanen.

8. Pengambilan citra beras menggunakan format .JPEG/JPG

menggunakan Samsung Galaxy A7 2016 dengan resolusi
kamera 13 MP.
9. Tidak membahas faktor lain yang membuat perubahan pada
beras .

10. Sistem hanya disimulasikan menggunakan matlab.

1.4 Tujuan Penelitian

Berdasarkan deskripsi latar belakang dan perumusan masalah, maka berikut
adalah tujuan di tugas akhir ini yaitu :
1. Membuat aplikasi untuk menganalisis kualitas beras berdasarkan ekstraksi
ciri dengan menggunakan metode Gray Level Co-occurrence Matrix
(GLCM) dan Support Vector Machine (SVM).
2. Menerapkan klasifikasi metode support vector machine (SVM) pada sistem
berdasarkan bentuk dari biji beras dalam tiga kualitas yaitu kualitas A, B ,
dan C .

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.

1.6 Metodologi Penelitian

Metodologi yang digunakan pada penelitian ini adalah :
1. Studi literatur
Mengumpulkan dan mempelajari materi yang diperlukan untuk
memahami ekstraksi ciri dengan metode Gray Level Co-occurrence
Matrix (GLCM), klasifikasi dengan metode Support Vector Machine
(SVM) dan ilmu yang berkaitan dengan beras . Referensi yang didapat
berasal dari berbagai sumber yaitu buku, jurnal ilmiah serta laporan
penelitian.
2. Pengumpulan data
Data yang digunakan merupakan citra beras yang diambil dengan
smartphone Samsung galaxy A7 2016 dengan butiran beras disebar
pada latar dengan warna latar yang berbeda lalu diamati.
3. Perancangan sistem
Untuk perancangan sistem diawali dengan tahap preprocessing untuk
mendapatkan citra beras yang diinginkan. Berikutnya dilakukan proses
ekstraksi ciri dengan menggunakan metode Gray Level Co-occurrence
Matrix (GLCM) dan proses klasifikasi untuk mengelompokkan citra
yang memiliki kualitas A, B dan C dengan menggunakan metode
Support Vector Machine (SVM).
4. Implementasi sistem

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.