Implementasi Support Vector Machine (SVM) Untuk Deteksi Penggunaan Pemutih Pada Beras Berdasarkan Analisis Citra

Penggunaan bahan pemutih pada beras merupakan praktik berbahaya yang masih sering dilakukan untuk meningkatkan daya tarik visual produk. Deteksi dini sangat penting untuk melindungi konsumen dari bahaya kesehatan yang ditimbulkan. Penelitian ini bertujuan mengembangkan sistem klasifikasi menggunakan Support Vector Machine (SVM) untuk mendeteksi penggunaan pemutih pada beras secara otomatis melalui analisis citra. Dataset yang digunakan terdiri dari 400 citra beras dengan dua kelas, yaitu beras normal dan beras pemutih. Tahapan penelitian meliputi praproses citra, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), histogram warna, dan Gray Level Co-occurrence Matrix GLCM. Model SVM dengan berbagai pilihan kernel dilatih dan dievaluasi menggunakan confusion matrix. Hasil pengujian menunjukkan performa terbaik dicapai dengan kernel RBF dengan akurasi sebesar 94%, precision 98%, recall 90%, dan F1-score 93%. Penelitian ini membuktikan bahwa kombinasi ekstraksi fitur HOG, histogram, dan GLCM dengan klasifikasi SVM efektif dalam mendeteksi penggunaan pemutih pada beras, sehingga dapat menjadi alat yang berguna untuk kontrol kualitas pangan.

Kata Kunci : Support Vector Machine, Beras, Pemutih, Citra Beras.