Identifikasi Beras pandan wangi menggunakan Probability Neural Network dengan analisis tekstur Gray Level Co-occurence Matrix

Abstract

Beras adalah salah satu dari banyak komoditas yang diperdagangkan di Indonesia dan dijadikan untuk mendapatkan keuntungan besar dengan cara menjual beras campuran. Salah satu varietas beras yang sering dicampur dengan beras yang lain adalah beras pandan wangi. Pembahasan yang menjadi konsentrasi pada penelitian ini adalah mengidentifikasi beras pandan wangi dengan teknik pengolahan citra digital dan ekstraksi tekstur menggunakan Gray Level Co- occurrence Matrix (GLCM). Percobaan terdiri dari 11 kelas dan masing-masing kelas akan diambil sebanyak 20 citra dengan ukuran 640x480. Ekstraksi tekstur menggunakan GLCM akan menghasilkan 5 fitur dengan variasi jarak yaitu 1, 2, dan -3 piksel yang masing-masing akan diuji dengan orientasi sudut 0°, 45°, 90°, 135°. Hasil dari fitur-fitur GLCM akan diklasifikasi dengan menggunakan teknik Probabilistic Neural Network (PNN). Pembagian data latih dan data uji menggunakan teknik k-fold cross validation dengan nilai k = 5. Nilai smoothing parameter(o) yang digunakan dalam pengujian yaitu sebanyak 10 antaranya 0.001, 0.005, 0.009, 0.01, 0.05, 0.09, 0.1, 0.5, 0.9, dan 1. Akurasi tertinggi diperoleh sebesar 62.27% pada percobaan sudut 45º dengan jarak 3 piksel dan nilai o = 0.009.