Implementasi Metode Support Vector Machine untuk Mendeteksi Penggunaan Pemutih pada Berasvb

Diah Nurlaila; Adi Rizky Pratama; Elsa Elvira Awal; Ayu Ratna Juwita

Diah Nurlaila Universitas Buana Perjuangan Karawang
Adi Rizky Pratama Universitas Buana Perjuangan Karawang
Elsa Elvira Awal Universitas Buana Perjuangan Karawang
Ayu Ratna Juwita Universitas Buana Perjuangan Karawang

Keywords: Support Vector Machine, Beras, Pemutih, Citra Beras

Abstract

Penggunaan bahan pemutih pada beras merupakan praktik berbahaya yang masih sering dilakukan untuk meningkatkan daya tarik visual produk. Deteksi dini sangat penting untuk melindungi konsumen dari bahaya kesehatan yang ditimbulkan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi menggunakan Support Vector Machine (SVM) guna mendeteksi penggunaan pemutih pada beras secara otomatis melalui analisis citra. Dataset yang digunakan terdiri atas 400 citra beras dengan dua kelas, yaitu beras normal dan beras pemutih. Tahapan penelitian meliputi praproses citra, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), histogram warna, dan Gray Level Co-occurrence Matrix (GLCM). Model SVM dengan berbagai pilihan kernel dilatih dan dievaluasi menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa performa terbaik dicapai oleh kernel RBF dengan akurasi sebesar 93,75%, precision 93,33%, recall 91,66%, dan F1-score 92,95%. Penelitian ini membuktikan bahwa kombinasi ekstraksi fitur HOG, histogram warna, dan GLCM dengan klasifikasi SVM efektif dalam mendeteksi penggunaan pemutih pada beras, sehingga dapat menjadi alat yang berguna untuk pengendalian kualitas pangan.

References

[1] Mochamad Sirojudin, Abdul Syukur, & Ricardus Anggi Pramunendar. (2020). Berbasis Backward Elimination. Magister Teknik Informatika, Universitas Dian Nuswantoro Semarang 2016, pp.1-5.
[2] Badan Pusat Statistik. (2024). Luas Panen dan Produksi Padi di Indonesia Tahun 2024.
[3] Agus Widada, Mualim, & Moh Gazali. (2023). Analisis Kandungan Klorin (Cl2) Pada Beras Yang Beredar Di Pasar Kota Bengkulu. Jurnal Mitra Rafflesia, Vol. 15(No. 1), pp.1-6.
[4] Ziana Warsani, & Khairiyatun Sholihah. (2023). Identifikasi Kandungan Klorin Pada Beras Putih (Oryzya Sativa L) yang Beredar di Pasa Tradisional Masbagik Kabupaten Lombok Timur. Jurnal Sains Dan Teknologi, Vol. 6(No. 3), pp.356-364. https://doi.org/10.31764/justek.vXiY.ZZZ
[5] Siti Aminah, Ismail Marzuki, & Asmi Rasyid. (2019). Analisis Kandungan Klorin pada Beras yang Beredar Di Pasar Tradisional Makassar Dengan Metode Argentometri Volhard.
[6] Ardiansyah, H., & Witanti, A. (2021). Identifikasi Beras Pemutih Dan Beras Tanpa Pemutih Menggunakan Jaringan Syaraf Tiruan Backpropagation. KONSTELASI : Konvergensi Teknologi Dan Sistem Informasi, pp.191-203.
[7] Aditya Tri Laksono, Endryansyah, Puput Wanarti Rusmanto, & Muhammad Syariffuddien Zuhrie. (2022). Pengolahan Citra Digital Buah Murbei Dengan Algoritma LDA (Linear Discriminant Analysis). Indonesian Journal of Engineering and Technology, Vol. 4(No. 2), pp.71-78. https://journal.unesa.ac.id/index.php/inajet
[8] Saidah, S., Adinegara, M. B., Magdalena, R., & Caecar, N. K. (2019). Identifikasi Kualitas Beras Menggunakan Metode k-Nearest Neighbor dan Support Vector Machine. TELKA - Telekomunikasi, Elektronika, Komputasi Dan Kontrol, 5(2), 114–121. https://doi.org/10.15575/telka.v5n2.114-121.
[9] Putri Kurnia Handayani. (2021). Penerapan Algoritma Support Vector Machine (Svm) Untuk Analisis Pola Klasifikasi Pada Parkinson’s Dataset. Indonesian Journal of Technology, Informatics and Science (IJTIS), Vol. 3(No. 1), pp.31-35. https://doi.org/10.24176/ijtis.v3i1.7530