PENGOLAHAN CITRA DIGITAL MENGGUNAKAN METODE SUSAN DETECTION DAN NEUROFUZZY UNTUK IDENTIFIKASI KOMPONEN KUALITAS BERAS

Abstract

Pengujian kualitas beras melalui pendekatan recognition pengolahan citra digital bertujuan untuk
menghasilkan model pengujian yang mampu mengenali komponen mutu beras yang meliputi butir patah, butir menir,
derajat sosoh, dan butir kuning serta mengetahui tingkat keberhasilannya. Pengujian diawali dengan melakukan blob
detection pada citra beras berjarak 18 cm dari kamera. Hasil pengambilan citra digunakan sebagai sampel pengujian
panjang butir menggunakan metode SUSAN, dan pengujian tekstur butir menggunakan model neurofuzzy.
Model pengujian panjang meliputi transformasi grayscale, pembatasan thresholding sebesar 25 piksel,
pendeteksian SUSAN, pengukuran panjang berdasarkan kedudukan antar titik SUSAN, perhitungan rata-rata 20 butir
terpanjang, penentuan batas ukuran butir patah, dan menir sebesar 61%, dan 29%. Keberhasilan pengujian panjang
butir sebesar 94.22 % dari keseluruhan sampel. Sedangkan model pengujian tekstur butir meliputi ekstraksi citra
menggunakan metode GLCM, pembagian data sampel 60% data training dan 40% data testing, pemecahan 15
parameter ke dalam 11 cluster, penentuan sebanyak 5 kelas target output (premium baik, premium buruk, medium
baik, medium buruk, and ekonomis) pada 11 basis aturan, dan menghasilkan ANFIS dengan 176 jaringan linear, dan
330 jaringan nonlinear. Keberhasilan pengujian dalam mengenali tekstur bukan premium baik menghasilkan nilai
sensitivitas, spesifisitas, dan akurasi secara berurutan sebesar 51,962 %, 40,151 %, dan 45,345 % pada data training
serta 48,387 %, 38,376 %, dan 42,640 % pada data testing.
Kata kunci: Beras, Citra, SUSAN, Backpropagation, Neurofuzzy