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

Article Metrics


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