Analisis Tingkat Kematangan Sangraian Biji Kopi Menggunakan Ekstraksi Fitur Warna
DOI:
https://doi.org/10.32664/j-intech.v12i1.1258Kata Kunci:
analisis citra digital, ektraksi fitur warna, sangraian biji kopiAbstrak
Penelitian ini bertujuan untuk mengembangkan sistem analisa citra digital yang dapat menentukan tingkat kematangan sangraian biji kopi, dalam hal mendeteksi sangraian biji kopi yang layak dan tidak layak di konsumsi dan dijual sebagai kopi berkualitas (specially coffe) sebagaimana yang terdapat pada Standar klasifikasi biji kopi disediakan oleh SNI No. 01-2907-1999. Penelitian ini bertujuan untuk mengembangkan sistem analisa citra digital yang dapat menentukan tingkat kematangan sangraian biji kopi dari segi warna. Ekstraksi fitur warna yang digunakan dalam penelitian ini adalah ruang warna HSV (Hue Saturation Value). Penelitian ini dimulai dengan melakukan pengumpulan data berupa gambar digital 2D dari sangraian biji kopi. Sistem yang dikembangkan pada penelitian ini terdiri dari dua tahapan utama yaitu pelatihan dan pengujian. Jumlah data citra biji kopi yang digunakan berjumlah 90 citra. Data yang digunakan adalah berupa citra biji kopi yang terdiri dari tiga tingkat yaitu dark, light, dan medium. Klasifikasi menggunakan algoritma Naive Bayes. Berdasarkan hasil penelitian pada analisis tingkat kematangan biji kopi diperoleh akurasi pelatihan tertinggi sebesar 100% dan akurasi pengujian tertinggi sebesar 100%.
Referensi
Aditya Nugraha, D., & Sartika Wiguna, A. (2020). Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis Digital Image Selection of Coffee Seed Using Component Analysis Method. In Research: Journal of Computer (Vol. 3, Issue 1).
Asmara, R. A., & Heryanto, T. A. (2019). Klasifikasi Varietas Biji Kopi Arabika Menggunakan Ekstraksi Bentuk dan Tekstur Seminar Informatika Aplikatif. Seminar Informatika Aplikatif (SIAP).
Chozin Acyqar Ahjad Aziddin, Jangkung Raharjo, & Nur Ibrahim. (2022). Deteksi Kualitas Biji Kopi Menggunakan Pengolahan Citra Digital Dengan Metode Content Based Image Retrieval Dan Klasifikasi. E-Proceeding of Engineering, 8(6).
Farisi, A. A., Sibaroni, Y., & Faraby, S. Al. (2019). Sentiment analysis on hotel reviews using Multinomial Naïve Bayes classifier. Journal of Physics: Conference Series, 1192(1). https://doi.org/10.1088/1742-6596/1192/1/012024
Food and Agriculture Organization of United Nation (FAO). . (n.d.). http://faostat.fao.org
Heriana, Sukainah, A., & Wijaya, M. (2023). Pengaruh Suhu dan Waktu Penyangraian Terhadap Kadar Kafein dan Mutu Sensori Kopi Liberika (Coffea liberica) Bantaeng. PATANI (Pengembangan Teknologi Pertanian Dan Informatika)), 6(1), 1–10. https://doi.org/10.47767/patani.v6i1.442
Hoffmann J. (2014). The World Atlas of Coffee: From Beans to Brewing - Coffees Explored, Explained and Enjoyed. Mitchell Beazley.
Novita, E., Syarief, R., Noor, E., & Mulato, D. S. (2010). PENINGKATAN MUTU BIJI KOPI RAKYAT DENGAN PENGOLAHAN SEMI BASAH BERBASIS PRODUKSI BERSIH. JURNAL AGROTEKNOLOGI, 4(1).
Oktaviani Putri, F., & Cahya Wihandika, R. (2020). Analisis Sentimen pada Ulasan Pengguna MRT Jakarta Menggunakan Metode Neighbor-Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(7), 2195–2203. http://j-ptiik.ub.ac.id
Sabini, B. (2021). Perbandingan Metode Konversi Grayscale Menggunakan Metrik Kualitas Butteraugli. Jurnal Inovasi Informatika, 6(2), 38–54. https://doi.org/10.51170/jii.v6i2.189
Utami, M., & Erwin Dwika Putra. (2023). Deteksi Objek Kualitas Daun Sawi Menggunakan Metode HSV Color dan Color Blob. JUSIBI (Jurnal Sistem Informasi Dan Bisnis), 5(2), 85–93. https://doi.org/10.54650/jusibi.v5i2.518
Yolanda, K., Yusra, Y., & Fikry, M. (2023). Klasifikasi Sentimen Ulasan Aplikasi WhatsApp di Play Store Menggunakan Naive Bayes Classifier. J-INTECH, 11(1), 1–9. https://doi.org/10.32664/j-intech.v11i1.867
