Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Meidina Revi Sandra Pertiwi
Unknown Affiliation
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Citra Mikroskopik Beras Organik dan Non-Organik Berdasarkan Fitur Tekstur Menggunakan Metode K-Nearest Neighbor Meidina Revi Sandra Pertiwi; Supatman Supatman
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7808

Abstract

Beras merupakan salah satu bahan pangan pokok selain gandum, terutama di Benua Asia yang sebagian besar penduduknya mengonsumsi beras. Beras organik dan non-organik tersedia di pasaran, namun konsumen kesulitan membedakannya. Penelitian ini bertujuan untuk menganalisis citra mikroskopik antara beras organik dan non-organik berdasarkan tekstur. Metode yang digunakan mencakup ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan wavelet, serta klasifikasi menggunakan K-Nearest Neighbor (KNN). Fitur GLCM yang diekstraksi meliputi contrast, homogeneity, energy, dan correlation, sedangkan fitur wavelet diperoleh dari empat sub-band, yaitu LL, LH, HL, dan HH dengan parameter mean, standard deviation, maximum, dan minimum. Dataset penelitian terdiri dari 600 citra beras organik dan non-organik dengan resolusi 640 × 480 piksel yang diambil menggunakan mikroskop digital. Citra tersebut kemudian diproses melalui tahapan cropping, konversi ke grayscale, dilanjutkan dengan ekstraksi fitur, dan klasifikasi menggunakan KNN. Hasil penelitian menunjukkan bahwa penggunaan fitur GLCM menghasilkan akurasi sebesar 0,8111 dengan nilai K=6. Penggunaan fitur wavelet menghasilkan akurasi sebesar 0,8222 dengan nilai K=10. Sementara itu, kombinasi fitur GLCM dan wavelet menghasilkan akurasi tertinggi sebesar 0,8389 dengan nilai K=24. Hasil penelitian ini menunjukkan bahwa beras organik dan non-organik dapat diklasifikasikan melalui analisis tekstur permukaannya, sehingga temuan ini dapat menjadi dasar dalam pengembangan perangkat lunak untuk identifikasi beras organik dan non-organik.
Co-Authors Supatman Supatman