Fatasya, Ullivia (2016) Identifikasi Jenis Dan Mutu Kopi Menggunakan Pengolahan Citra Digital Dengan Metode Jaringan Syaraf Tiruan. Sarjana thesis, Universitas Brawijaya.
Abstract
Kopi merupakan salah satu komoditas pertanian di sub sektor perkebunan yang memiliki peluang yang besar untuk dikembangkan, khususnya bidang pengembangan pasar atau perdagangan. Karakteristik jenis kopi sangat penting diketahui untuk keberlanjutan proses pengolahannya. Produk olahan kopi kini lebih banyak memilih kopi dengan mutu terbaik untuk menunjang produk olahan yang akan dijualkan. Identifikasi jenis kopi secara kasat mata sangat sulit untuk dibedakan bagi masyarakat pada umumnya sehingga diperlukan sebuah keahlian khusus. Salah satu metode yang dapat digunakan untuk mengidentifikasi jenis kopi adalah pengolahan citra digital yang dikombinasikan dengan metode Jaringan Syaraf Tiruan (JST) dan algoritma Learning Vector Quantization (LVQ). Metode identifikasi kopi biasanya membutuhkan waktu yang lama serta biaya cukup tinggi, namun metode pengolahan citra digital ini tidak membutuhkan biaya yang tinggi serta waktu yang dibutuhkan untuk mengidentifikasi juga singkat. Pengolahan citra digital dengan metode Jaringan Syaraf Tiruan (JST) pada penelitian ini menggunakan satu input layer, satu hidden layer, dan satu output layer. Terdapat 7 neuron dalam input layer pada arsitektur jaringan JST yang berupa parameter warna yaitu R (red), G (green), B (blue), dan parameter tekstur yaitu entropy, energy, homogeneity, dan contrast. Sedangkan pada hidden layer terdapat 19 neuron dan terdapat 19 neuron pada output layer yang terdiri atas Kopi Robusta mutu I, Kopi Robusta mutu II, Kopi Robusta mutu III, Kopi Robusta mutu IVa, Kopi Robusta mutu IVb, Kopi Robusta mutu V, Kopi Robusta mutu VI, Kopi Arabika mutu I, Kopi Arabika mutu II, Kopi Arabika mutu III, Kopi Arabika mutu IV, Kopi Arabika mutu V, Kopi Arabika mutu VI, Kopi Robusta Dark Roasting, Kopi Robusta Medium Roasting, Kopi Robusta Light Roasting, Kopi Arabika Dark Roasting, Kopi Arabika Medium Roasting, dan Kopi Arabika Light Roasting. Data citra yang digunakan sebanyak 570 gambar dengan jumlah 30 gambar untuk masing-masing mutunya. Perbandingan data yang digunakan untuk training dan testing yaitu 70% dan 30%. Pada tahapan training digunakan beberapa variabel bebas yaitu learning rate, epoch, dan error goal. Hasil sistem dengan menggunakan input neuron 7, hidden neuron 19, dan output neuron 19 menunjukkan bahwa akurasi terbaik yang didapatkan sebesar 73.7% dengan learning rate 0.001, epoch 1000, dan error goal 0.001. Hasil ini dibuktikan dengan hasil pengenalan gambar pada sistem dimana dari 19 jenis mutu yang diujikan terdapat 13 jenis mutu yang sesuai dengan akurasi. Kopi jenis roasting mendapatkan proporsi akurasi tertinggi dimana pada semua jenis kopi roasting hasil prediksi menunjukkan bahwa pada semua data yang digunakan untuk pengenalan hasilnya 100% sesuai target. Pada kopi jenis green bean proporsi pengenalan hanya mencapai 61.5% yang sesuai dengan target. Pada green bean diperoleh hasil bahwa tidak semua jenis dan mutu biji kopi dapat dikenali. Hal ini menunjukkan bahwa jenis kopi roasting lebih baik digunakan dalam sistem.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2016/628/051611648 |
| Subjects: | 300 Social sciences > 338 Production > 338.1 Agriculture |
| Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
| Depositing User: | Nur Cholis |
| Date Deposited: | 01 Nov 2016 11:07 |
| Last Modified: | 25 Oct 2021 01:55 |
| URI: | http://repository.ub.ac.id/id/eprint/151216 |
Preview |
Text
LAPORAN_A5.pdf Download (3MB) | Preview |
Preview |
Text
HALAMAN_PELENGKAP_A5.pdf Download (2MB) | Preview |
Preview |
Text
LEMBAR_PENGESAHAN_DAN_PERSETUJUAN.pdf Download (2MB) | Preview |
Preview |
Text
LEMBAR_PENGESAHAN.pdf Download (1MB) | Preview |
Preview |
Text
HALAMAN_PELENGKAP.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |