Klasifikasi Jenis Beras Berdasarkan Karakteristik Morfologi Menggunakan Multi-Class Support Vector Machine (MSVM)

Beras merupakan makanan pokok dengan berbagai jenis, di mana setiap jenis memiliki karakteristik morfologi yang berbeda. C4, IR64, dan Rojolele adalah contoh jenis beras dengan ciri khas berupa ukuran (Area, Perimeter, EqDiaSq, MajorAxis, dan MinorAxis) serta bentuk (Eccentricity, AspectRatio, Solidity, dan Extent). Penelitian ini bertujuan untuk mengklasifikasikan jenis beras tersebut menggunakan metode Multi-Class Support Vector Machine (MSVM), yang merupakan salah satu metode pembelajaran mesin yang efektif untuk klasifikasi multikelas. Dataset yang digunakan mencakup tiga jenis beras yang diperoleh dari hasil ekstraksi fitur citra beras. Tahapan penelitian meliputi pengumpulan data, pembersihan data, dan normalisasi untuk menyamakan skala variabel. Dua pendekatan MSVM digunakan, yaitu One-vs-All (OAA) dan One-vs-One (OAO), dengan pengujian beberapa kernel seperti Linear, Polynomial, dan Radial Basis Function (RBF). Hasil penelitian menunjukkan bahwa metode MSVM dengan pendekatan OAO memberikan akurasi tertinggi dibandingkan dengan OAA. Kernel RBF memberikan performa terbaik dengan akurasi keseluruhan 82,5% pada OAO. Jenis beras terbaik adalah Rojolele menggunakan pendekatan OAO dengan kernel RBF. Evaluasi menggunakan metrik seperti akurasi, F1-score, precision, dan recall menunjukkan hasil yang konsisten dan efisien dalam membedakan jenis beras. Penelitian ini dapat memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis untuk membantu sektor pertanian dalam mengidentifikasi jenis dan kualitas beras secara lebih akurat.