Klasifikasi Jenis Beras Berdasarkan Warna Menggunakan Metode K-Nearest Neighboars (Knn)

Rindiani Rindiani, Cipta Riang Sari, Idhan Saldi

Abstract


Ketergantungan penduduk Indonesia terhadap makanan pokok beras sangat tinggi, meskipun sebagai negara agraris, Indonesia masih mengimpor beras untuk memenuhi kebutuhan domestik. Pertanian padi merupakan sektor vital dalam perekonomian Indonesia, yang memberikan kontribusi signifikan terhadap ketahanan pangan. Beras adalah gabah yang telah melalui proses penggilingan dan penyosohan, sehingga menghasilkan beras yang siap dikonsumsi. Penelitian ini berfokus pada klasifikasi jenis beras berdasarkan warna menggunakan metode K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM) memiliki kemampuan sangat baik dalam mendeteksi warna pada beras, dengan tingkat akurasi mencapai 100%. Dengan demikian, klasifikasi jenis beras berdasarkan warna menggunakan metode KNN menawarkan solusi yang menjanjikan untuk mengatasi tantangan dalam industri pengolahan beras di Indonesia.


Full Text:

PDF

References


Aulady, F., Syauqy, D., Regasari, R., & Putri, M. (2023). Sistem Klasifikasi Kualitas Air dalam Akuakultur Budidaya Ikan Lele dengan Algoritma PCA dan KNN. 7(7), 3395–3404.

Ekawijana, A., Bakhrun, A., & Arsyad, Z. (2022). Deteksi Dini Anak Disleksia dengan metode Support Vector Machine. Jurnal Sistem Komputer Dan Informatika (JSON), 4(1), 217. https://doi.org/10.30865/json.v4i1.4776

Hovi, H. S. W., Id Hadiana, A., & Rakhmat Umbara, F. (2022). Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM). Informatics and Digital Expert (INDEX), 4(1), 40–45. https://doi.org/10.36423/index.v4i1.895

Sari, C. R., Informatika, S. T., Al, U., & Mandar, A. (2022). Peqguruang: Conference Series. 4, 1–6.

Tasril, V., Khairul, K., & Wibowo, F. (2019). Aplikasi Sistem Informasi Untuk Menentukan Kualitas Beras Berbasis Android Pada Kelompok Tani Jaya Makmur Desa Benyumas. Jurnal Informatika, 7(3), 133–142. https://doi.org/10.36987/informatika.v7i3.1384




DOI: http://dx.doi.org/10.35329/ja.v4i1.6067

Article Metrics

Abstract views : 126 times | PDF - 68 times

Refbacks

  • There are currently no refbacks.


Alamat Penyunting & Distribusi:

Kantor LPPM Universitas Al Asyariah Mandar  Gedung Rektorat Lt 1. Jl. Budi Utomo No.2 Manding. Kec. Polewali, Kab. Polewali Mandar, Prov. Sulawesi Barat
Telp/Fax: (0428) 21038

Email: agroterpadu@mail.unasman.ac.id

Website: https://journal.lppm-unasman.ac.id/index.php/agroterpadu/index

Penerbit:
Lembaga Penelitian dan Pengabdian Masyarakat Universitas Al Asyariah Mandar

Indexed by:

      

    

Member of:

 

 

Creative Commons License
Jurnal Agroterpadu is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

https://ihdn.ac.id/