Beras merupakan makanan pokok yang paling banyak di konsumsi oleh masyarakat Indonesia. Namun, seiring dengan bertambahnya kebutuhan beras di Indonesia, harga beras di pasaran justru semakin melonjak dan banyak beredar beras yang memiliki kualitas kurang baik. Oleh karena itu perlu adanya standar kualitas mutu dari pihak gudang beras saat mendistribusikan beras. Standar pengujian kualitas dari pihak Bulog adalah uji laboratorium dan uji visual. Namun, pengujian secara visual selama ini masih dilakukan secara manual sehingga masih sering terjadi kesalahan. Oleh karena itu, sistem pengujian secara visual dengan citra digital dapat menjadi solusi yang efektif untuk permasalahan tersebut. Proses pengujian dapat dilihat dari nilai putih, bersih, dan utuh beras yang diperoleh melalui pengolahan citra digital. Nilai bersih dan putih diperoleh dengan menganalisis nilai HSV, sedangkan nilai utuh diperoleh dengan menganalisis luas region objek. Sebelumnya, dilakukan training menggunakan 30 data untuk mendapatkan pohon keputusan ID3 dan C4.5. Data yang telah diperoleh dari pengolahan citra kemudian diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk menggunakan pohon keputusan. Hasil evaluasi data klasifikasi dengan metode supplied test menghasilkan akurasi 100% untuk ID3 dan 83.3% untuk C4.5. Sedangkan pengujian data dengan k-fold cross validation dengan k=5 didapatkan akurasi precision 0.969, recall 0.967, f-measure 0.967 untuk metode ID3 dan precision 0.97, recall 0.97, f-measure 0.97 untuk metode C4.5.
Kata Kunci: Pengolahan Citra, Beras, Decision Tree, ID3, C4.5