Identifikasi Kualitas Beras Berdasarkan Fitur Citra Menggunakan Metode K-Nearest Neighbors(KNN)

Abstract

Selama ini para perusahaan beras menentukan kualitas beras melalui 2 tahap yaitu uji visual dan uji laboratorium ,uji laboratorium terbilang memakan waktu yang cukup lama sedangkan uji visual dilakukan dengan cara manual, perkiraan atau penglihatan mata manusia, sehingga sering terjadinya kesalahan dalam menentukan kualitas beras karena kelelahan dan keraguan dalam menentukan kualitas beras. Berdasarkan masalah tersebut, penelitian ini melakukan pengembangan aplikasi identifikasi kualitas beras dengan menggunakan Ekstraksi warna Hue, Saturation, Value (HSV) dengan metode identifikasi menggunakan K-Nearest Neighbor (KNN) serta menerapkan metode hasil evaluasi menggunakan jarak Euclidean Distance, agar dapat mengetahui tingkat akurasi lebih tinggi dengan  pemrosesan digital. Oleh karena itu penelitian ini dilakukan proses identifkasi kualitas beras menjadi 3 kelas, yaitu medium 2, medium 1 dan premium. Dengan metode identifikasi KNN, dan dataset yang digunakan 240 data latih dan 60 data uji. Nilai tertinggi pada k=3 dengan akurasi sebesar 93,33%, presisi sebesar 93,33% dan recall 93,33%. Sehingga identifikasi kualitas beras berdasarkan fitur citra warna HSV menggunakan metode K-Nearest Neighbors (KNN) layak untuk digunakan sebagaimana mestinya.