Klasifikasi Mutu Fisik Biji Kopi Beras Robusta menggunakan Pengolahan Citra Digital

Dwi Anindea Putri, Agus Arip Munawar, Indera Sakti Nasution

Abstract


Abstrak. Standar mutu biji kopi di Indonesia menggunakan sistem nilai cacat yang diatur dalam standar Nasional Indonesia (SNI) 01-2907-2008. Tujuan penelitian ini adalah untuk menentukan mutu kopi beras robusta dengan menggunakan Pengolahan citra digital dan metode Support Vector Machine (SVM) serta untuk mendapatkan tingkat akurasi tertinggi. Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM) diimplementasikan untuk merancang pengklasifikasian otomatis mutu biji kopi beras robusta. Fitur yang digunakan yaitu fitur warna, fitur tekstur dan fitur bentuk. Berdasarkan hasil klasifikasi menggunakan metode Linear Discriminant Analysis (LDA) untuk mendapatkan fitur terbaik yaitu fitur warna yang terdiri dari  G, B, L*, a*, b*. Selanjutnya fitur bentuk yang terdiri dari area, perimeter. Kemudian tekstur yang terdiri dari energi, kontras, korelasi dan homogeneity.  Metode Support Vector Machine (SVM) mampu mengklasifikasi biji kopi beras robusta dengan tingkat akurasi training sebesar 93.56% dan tingkat akurasi testing sebesar 80.75%.

 

Physical Quality Classification Of Robusta Rice Coffee Beans Using Digital Image Processing


Abstract. Coffee bean quality standards in Indonesia use the defect value system regulated in the Indonesian National Standard (SNI) 01-2907-2008. The purpose of this study was to determine the quality of robusta rice coffee using digital image processing and the Support Vector Machine (SVM) method and to obtain the highest level of accuracy. Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM) were implemented to design an automatic classification of the quality of Robusta coffee beans. The features used are color features, texture features and shape features. Based on the results of the classification using the Linear Discriminant Analysis (LDA) method to get the best features, namely the color features consisting of G, B, L*, a*, b*. Next features a shape consisting of area, perimeter. Then the texture which consists of energy, contrast, correlation and homogeneity. The Support Vector Machine (SVM) method is able to classify Robusta coffee beans with a training accuracy rate of 93.56% and a testing accuracy rate of 80.75%.



Keywords


Kopi ; Pengolahan Citra ; Metode Support Vector Machine (SVM) ; Linear Discriminant Analysis

Full Text:

PDF

References


Adnan.,Suhartin., B. Kusbiantoro. 2013. Identifikasi Varietas Berdasarkan Warna dan Tekstur Permukaan Beras Menggunakan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan. Balai Pengkajian Teknologi Pertanian Papua. Merauke.

Ahmad, U.2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Penerbit Graha Ilmu.Yogyakarta.

BPS Pusat Statistik, 2017. Statistik Kopi Indonesia 2016. Badan Pusat Statistik. Jakarta.

Chen, X., Y. Xun, W. Li, J. Zhang. 2010. Combining Discriminant Analysis And Neural Network For Corn Variety Identification. Computer And Electronics In Agriculture, 71 S: S48-S53.

Inayah,S. 2018. Penerapan Pembelajaran Kuantum Untuk Meningkatkan Kemampuan Pemecahan Masalah Dan Representasi Multipel Matematis Siswa. KALAMATIKA Jurnal Pendidikan Matematika.3(1) :1-16.

Maghfira, A. 2019. Klasifikasi Mutu Fisik Jagung Pipil Menggunakan Citra Digital Dan Support Vector Machine (SVM). Universitas Syiah Kuala.

Matrix, O., G., Vector, S., Svm, M., Citra, P. 2017. Klasifikasi Jenis Kualitas Keju dengan Menggunakan Metode Gray Level Co- Occurrence Matrix (GLCM) dan Support Vector Machine (SVM) Pada Citra Digital. e-Proceding of Engineering, 4(2), 2035–2042.

Mayrowani, H. 2013. Kebijakan Penyediaan Teknologi Pascapanen Kopi dan Masalah Pengembangannya. In Forum Penelitian Agro Ekonomi, Vol. 31, No. 1, pp. 31-49.

Mutiarawati., Tino. 2009. Penanganan Pasca Panen Hasil Pertanian. Dalam Skripsi. Bandung. Fakultas Pertanian Universitas Padjajaran.

Sulistyaningtyas, A. 2017. Pentingnya Pengolahan Basah (Wet Processing) Buah Kopi Buah Robusta (Coffea robusta Lindl.ex.de.Will) Untuk Menurunkan Resiko Kecacatan Biji Hijau Saat Coffee Grading. Implementasi penelitian dan pengabdian Masyarakat Untuk Peningkatan Kekayaan Intelektual, pp.90–94.

Utami, Arum, T. 2017. Implementasi Metode Otsu Thresholding untuk Segmentasi Citra Daun. Skripsi. Fakultas Komunikasi Dan Informatika Universitas Muhammadiyah Surakarta.




DOI: https://doi.org/10.17969/jimfp.v7i2.19797

Refbacks

  • There are currently no refbacks.


 


JIM Agribisnis|JIM Agroteknologi|JIM Peternakan|JIM Teknologi Hasil Pertanian|JIM Teknik Pertanian|
JIM Ilmu Tanah|JIM Proteksi Tanaman|JIM Kehutanan


E-ISSN: 2614-6053 2615-2878 Statistic Indexing | Citation


Alamat Tim Redaksi:
Fakultas Pertanian,Universitas Syiah Kuala
Jl. Tgk. Hasan Krueng Kalee No. 3, Kopelma Darussalam,
Banda Aceh, 23111, Indonesia.
Email:jimfp@unsyiah.ac.id