Klasifikasi Jenis Beras Berbasis Citra Dengan Menggunakan Deep Learning

Abstrak

Beras merupakan salah satu bahan pangan serealia yang paling banyak dikonsumsi oleh masyarakat Asia, termasuk di Indonesia. Setiap beras memiliki kemiripan bentuk bulir dan warna yang relatif hampir sama, sehingga proses mengidentifikasi jenis beras secara visual dinilai masih cukup sulit, dan untuk mengurangi kemungkinan terjadinya human error. Oleh karena itu, pengolahan citra digital dapat digunakan dalam melakukan klasifikasi jenis beras menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Residual Network (ResNet-50). Dataset yang digunakan dalam penelitian ini berjumlah 2500 citra yang diperoleh dari website Kaggle, berupa citra bulir beras putih yang terdiri dari 5 kelas yaitu Arborio, Basmati, Ipsala, Jasmine, dan Karacadag. Tahapan diawali dengan melakukan preprocessing yaitu resize ukuran citra dan normalisasi citra, lalu dilakukan pembagian dataset sebagai data latih dan data uji. kemudian selanjutnya dilakukan ekstraksi ciri dan klasifikasi menggunakan kombinasi hyperparameter input size, optimizer, learning rate, dan batch size untuk mendapatkan hasil model terbaik. Kemudian di tahap akhir hasil akan dianalisis dengan parameter akurasi dan loss. Melalui penelitian ini diperoleh hasil akhir pengujian terbaik pada penggunaan parameter input size 64×64 piksel, optimizer Adam, learning rate 0,001, dan batch size 64, dengan hasil validation accuracy sebesar 98,20% dan loss 0,1109.

Kata Kunci: jenis beras, CNN, ResNet-50.