ABSTRAKSI: Beras merupakan tanaman Graminae yang termasuk ke dalam genus Oriza Linn. Ada beberapa jenis beras yang beredar di masyarakat Indonesia, yaitu: beras pandan wangi, rojolele, membramo, IR 64, IR 42, C4, dan lain-lain. Jenis beras yang paling banyak beredar di pasaran adalah beras IR 64. Dalam pengelompokkannya mutu beras dibagi menjadi 3 jenis: mutu beras berdasarkan pasar beras, mutu beras berdasarkan Standar Nasional Indonesia (SNI), mutu beras berdasarkan prefensi konsumen. Untuk mendapatkan jaminan mutu beras perlu adanya pemeriksaan kualitas beras yang biasa dilakukan oleh inspektur yang berpengalaman. Tugas Akhir ini bertujuan untuk menghasilkan suatu alat bantu bagi inspektur pemeriksa yang dapat mengolah citra beras dan mengklasifikasikan kualitas beras serta menganalisa performansi sistem klasifikasi tersebut.
Citra beras yang diolah sudah dalam bentuk digital (foto). Metode yang digunakan dalam pengerjaan Tugas Akhir ini adalah pengolahan citra digital. Tahap-tahap yang akan dilakukan meliputi: pre-processing, ekstraksi ciri, dan klasifikasi. Metode ekstraksi ciri yang digunakan adalah Ekstraksi Ciri Statistik dengan ditinjau dari teksturnya yang merupakan salah satu dari ciri fisik beras. Sedangkan untuk pengklasifikasian kualitas menggunakan metode K-Nearest Neighbor (K-NN).
Berdasarkan simulasi secara keseluruhan, maka dapat disimpulkan bahwa klasifikasi kualitas beras dengan ekstraksi ciri Statistik dan metode klasifikasi KNearest Neighbor diperoleh akurasi sebesar 84,167%. Itu artinya akurasi sesuai dengan yang diharapkan.Kata Kunci : Kata kunci: beras, kualitas beras, pengolahan citra digital, Ekstraksi Ciri Statistik,ABSTRACT: Rice is Graminae plant that belongs to genus Oriza Linn. There are several types of rice in Indonesia, such as: pandan wangi, rojolele, Memberamo, IR 64, IR 42, C4, and others. Most type of rice in the market is IR 64. In quality grouping, rice is divided into three types: the quality of rice based on the rice market, Standar Nasional Indonesia (SNI), and consumer preference. To obtain guarantee of quality, it needs inspection by an experienced inspector. This final project is supposed to produce a tool for processing the image quality of rice, classifying and analyzing the performance of classification system.
The image of processed rice is already in digital (photo). The method in this final project is using digital image processing. The stages performed included: pre-processing, feature extraction, and classification. For feature extraction, used Statistic feature extraction to observe texture while the quality classification used K-Nearest Neighbor (K-NN).
Based on the simulation, it can be concluded that the classification of rice quality by Statistic feature extraction and classification method K-Nearest Neighbor produce 84,167% of accurateness. It means the accuracy as expected.Keyword: Key words: rice quality, digital image processing, Statistic feature extraction, KNearest