Ayunita, Anien Novella Mahdi (2018) Identifikasi Jenis dan Mutu Beras (Oryza Sativa) Berdasarkan Analisis Warna dan Bentuk Menggunakan Teknologi Pengolahan Citra dan Jaringan Saraf Tiruan (JST). Sarjana thesis, Universitas Brawijaya.
Abstract
Beras merupakan bahan pangan pokok di 26 negara termasuk salah satunya yaitu Indonesia. Jumlah konsumsi ratarata per kapita beras tiap tahun mengalami kenaikan hal ini dipengaruhi oleh angka pertumbuhan penduduk, yang akhirnya mampu mempengaruhi harga penjualan beras dipasaran yang terus melonjak, sehingga ada oknum tertentu yang mengambil keuntungan dari menjual beras dengan kualitas mutu kurang baik. Hal ini dipengaruhi oleh minimnya pengetahuan produsen dan konsumen terhadap jenis dan mutu beras karena sistem identifikasi yang masih manual. Sehingga penelitian ini bertujuan untuk membuat sistem identifikasi modern sebagai alternatif dalam memperbaiki proses identifikasi yang masih manual. Metode yang digunakan yaitu dengan pemanfaatan teknologi pengolahan citra dan pemodelan jaringan saraf tiruan (JST) yang digunakan dalam mengidentifikasi jenis dan mutu beras. Parameter yang digunakan adalah warna yaitu nilai Red, Green, Blue, Hue, Saturation, Value. Parameter bentuk meliputi nilai area, perimeter, roundness dan compactness. Selanjutnya disusun pada Jaringan Saraf Tiruan (JST) dengan algoritma pelatihan Backpropagation. Hasil penelitian ini diperoleh program dengan jumlah kelas yang berbeda yaitu 3 dan 12 kelas. Program 3 kelas menunjukkan hasil deteksi berupa jenis beras tanpa diikuti dengan mutu, perolehan akurasi tertinggi yaitu menggunakan data citra mutu Medium I. Akurasi yang diperoleh adalah sebesar 100% dengan variasi hidden layer 17, learning rate 0,5 dan banyaknya data latih sejumlah 78 data. Sedangkan pada program 12 kelas menunjukkan hasil deteksi jenis beras beserta mutunya. Akurasi tertinggi yang diperoleh adalah sebesar viii 21,7228% dengan variasi hidden layer 15, Learning rate 0,01 dan banyaknya data sejumlah 267 data. Keduanya menggunakan fungsi aktivasi tansig dan training fuction menggunakan trainlm dengan Error goal 0,001. Hasil identifikasi beras pada penelitian ini hanya mampu mengidentifikasi dengan baik jenis beras tanpa diikuti mutu hal ini ditunjukkan dari hasil akurasi yang diperoleh.
English Abstract
Rice is a staple food in 26 countries and Indonesia is include in one of them. The average amount of rice consumption per capita increases every year, this is influenced by population growth rates, which ultimately can affect the price of rice sales in a market that continues to soar, so that certain people take advantage of selling rice with poor quality. This is influenced by the lack of knowledge of producers and consumers on the type and quality of rice because the identification system is still manual. So this study aims to create a modern identification system as an alternative in improving the manual identification process. The method that used is by utilizing the image processing technology and Artificial Neural Network (ANN) used in identifying the type and quality of rice. The parametersthat used are colors that are the values of Red, Green, Blue, Hue, Saturation, Value. Form parameters include area, perimeter, roundness and compactness values. Furthermore, it was arranged in modeling of Artificial Neural Network (ANN) with Backpropagation training algorithm. The results of this study obtained a program with a number of different classes, there are 3 and 12 classes. The 3-class program shows the detection results in the form of rice without specific quality, the highest accuracy achieved using quality image data of Medium I. The accuracy obtained is 100% with hidden layer variations 17, learning rate 0.5 and the number of training data is 78 data. Where the program 12 class shows the results of detection of the type of rice and its quality. The highest accuracy obtained is 21,7228% with hidden layer variations 15, Learning rate 0.01 and the amount of data is 267 data. Both use x the activation function tansig and training function using trainlm with a 0.001 error goal. The results of the identification of rice in this study were only able to identify the type of rice without followed the quality, this was indicated by the results of the accuracy obtained.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTP/2018/444/051809954 |
Uncontrolled Keywords: | Backpropagation, Bentuk, Beras, JST, Mutu, Warna,/ Backpropagation, Shape, Rice, ANN, Quality, Color |
Subjects: | 600 Technology (Applied sciences) > 664 Food technology > 664.7 Grains, other seeds, their derived products |
Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
Depositing User: | Endang Susworini |
Date Deposited: | 20 May 2019 02:13 |
Last Modified: | 11 Jan 2022 03:54 |
URI: | http://repository.ub.ac.id/id/eprint/164127 |
Preview |
Text
Anien Novella Mahdi Ayunita.pdf Download (3MB) | Preview |
Actions (login required)
![]() |
View Item |