<![CDATA[Proses pemutuan beras sangat penting untuk dilakukan sebelum beras dipasarkan. Sampai saat ini proses pemutuan beras masih dilakukan secara manual (visual) yang dilakukan oleh para ahli yang berpengalaman, namun cara ini memiliki kelemahan : 1) Adanya faktor subjektif dari pengamat (ahli); 2) Kondisi fisik dan psikologis pengamat yang menyebabkan tidak konsistennya hasil pemutuan; dan 3) Waktu yang dibutuhkan untuk proses pemutuan relatif lebih lama. Tujuan penelitian ini adalah mempelajari karakteristik mutu fisik beras berdasarkan analisis pengolahan citra dan jaringan syaraf tiruan. Hasil penelitian menunjukkan bahwa proses pemutuan beras kepala, beras patah, beras menir dan gabah dengan menggunakan pengolahan citra digital dapat diminimalisir penggunaan input parameternya hanya dengan menggunakan indeks B, roundness, luas, panjang dan saturation, sedangkan untuk menduga beras merah, beras kuning/rusak, beras hijau mengapur dan benda asing dapat menggunakan parameter indeks R, indeks G, indeks B, roundness dan luas. Keberagaman nilai akurasi pada training dari masing-masing varietas beras disebabkan oleh perbedaan bentuk, ukuran dan warna dari masing-masing butir beras tersebut, sehingga menyebabkan nilai akurasinya berbeda. Training citra beras kepala, beras patah, beras menir dan gabah dengan 5 parameter input menunjukkan hasil yang baik yaitu 97,14% untuk Inpari 13, 99,6% untuk Inpari 19, 98,37% untuk Cirata, 97,9% untuk Muncul dan 99,6% untuk Way Apo Buru. Sedangkan nilai validasinya adalah 96,74% untuk Inpari 13, 95,35% untuk Inpari 19, 96,73% untuk Cirata, 96,02% untuk Muncul, dan 98,68% untuk Way Apo Buru. Training citra beras merah, beras kuning/rusak, beras hijau mengapur dan benda asing hasilnya adalah 98,55% dan hasil validasinya adalah 90,48%.Kata kunci :Pengolahan citra, beras, jaringan syaraf tiruan, mutu fisikEnglish Version AbstractQuality assessment of rice quality is very important activity before it's marketed. Up to now, the rice quality inspection is done manually (visually) by trained examiners who have expertise and experience, but it has disadvantages such as: (1) the subjectivity factor of the observer, (2) the physical exhaustion of observer causing inconsistent result, and (3) the time required for the observation is relatively much longer. The purpose of this research is to develop an image processing method for identifying physical quality of rice. The result showed that the diversity of accuracy values caused by differences of shape, size and color of each variety of rice. The identification of physical quality of head rice, broken rice, groats and paddy can be determined by using the parameters input of image, i.e. index B, roundness, area, length and saturation. As for the estimation of red rice, yellow rice (damaged), chalky grain and foreign matters can be determined by using parameters such as index R, G, B, roundness and area. The accuracy of training of head rice, broken rice, grain groats and unhulled rice by using 5 parameters showed good results, ie 97.14%, 99.6%, 98.37%, 97.9%, and 99.6%, while their validation are 96.74%, 95.35%, 96.73%, 96.02%, and 98.68% for Inpari 13, Inpari 19, Cirata, Muncul and Way Apo Buru respectively. The accuracy of brown rice, yellow rice, chalky grain and foreign matter recognition was 98.55% for training process and 90.48% for validation.Keywords : Image processing, rice, artificial neural network, physical quality]]>
