Desain Aplikasi Untuk Identifikasi Jenis, Kualitas dan Kadar Air Green Bean Kopi Menggunakan Jaringan Syaraf Konvolusional

Setiawan, Ilham and Mas’ud Effendi,, STP, MP and Ir. Usman Effendi,, MS (2022) Desain Aplikasi Untuk Identifikasi Jenis, Kualitas dan Kadar Air Green Bean Kopi Menggunakan Jaringan Syaraf Konvolusional. Sarjana thesis, Universitas Brawijaya.

Abstract

Penentuan jenis dan kualitas biji kopi masih banyak dilakukan secara konvensional menggunakan penilaian fisik manual yang subyektif dan membutuhkan waktu lama. Penentuan proses penyangraian biji kopi juga masih banyak dilakukan berdasarkan perkiraan pribadi tanpa memperhatikan kadar air biji kopi sehingga kualitas kopi sangrai tidak optimal. Pengujian destruktif diperlukan namun dapat merusak biji kopi, membutuhkan peralatan khusus dan waktu yang lama. Diperlukan metode alternatif berupa pengolahan citra digital untuk mengidentifikasi jenis, kualitas dan kadar air green bean kopi. Penelitian ini bertujuan membangun sistem aplikasi untuk mengidentifikasi jenis, kualitas dan kadar air green bean kopi dan mengetahui tingkat akurasinya. Metode yang digunakan berupa klasifikasi dengan jaringan syaraf konvolusional. Klasifikasi jenis kopi menggunakan 4 kelas, klasifikasi kualitas menggunakan 8 kelas dan klasifikasi kadar air menggunakan 3 kelas. Jenis kopi yang digunakan meliputi arabika, robusta, ekselsa dan liberika. Dataset berjumlah 1500 citra dengan proporsi data latih dan data uji yang digunakan 50:50, 60:40, 70:30 dan 80:20. Citra RGB yang digunakan berukuran 250x250 piksel. Arsitektur jaringan tersusun dari 5 pasang lapisan konvolusi dan maxpooling diikuti dengan 1 lapisan flatten dan 2 lapisan dense. Bahasa pemrograman yang digunakan adalah Python. Hasil model terbaik pada klasifikasi jenis kopi menggunakan proporsi data 80:20 dengan akurasi 88,73%, pada klasifikasi kualitas menggunakan proporsi data 60:40 dengan akurasi 81,36% dan pada klasifikasi kadar air menggunakan proporsi data 80:20 dengan akurasi 75,75%. Akurasi sistem secara keseluruhan mencapai 21,33% dengan kemampuan memprediksi jenis kopi mencapai 81,33%, kemampuan prediksi kualitas mencapai 60,00% dan kemampuan memprediksi kadar air mencapai 53,33%. Perbaikan dapat dilakukan dengan menerapkan arsitektur model yang lebih kompleks dan penambahan preprocessing berbasis warna untuk memperkuat warna khas citra sehingga lebih mudah dianalisis dan menghasilkan akurasi lebih baik. Kemudian mengintegrasikan ponsel dengan komputer supaya pemindahan citra berlangsung otomatis atau dapat pula sistem aplikasi yang dibuat berbasis ponsel supaya lebih praktis. Selanjutnya melakukan pengujian usability untuk mengukur kenyamanan penggunaan sistem aplikasi.

English Abstract

Determination of the type and quality of coffee beans is still mostly done conventionally using manual physical assessment which is subjective and takes a long time. The determination of the coffee bean roasting process is also still mostly done based on personal estimates without considering the moisture content of the coffee beans so the quality of the roasted coffee is not optimal. Destructive testing is necessary but can damage coffee beans, requiring special equipment and takes a long time. Therefore, an alternative method of digital image processing is needed to identify the type, quality and moisture content of green bean coffee. The purpose of this research is to build an application system to identify the type, quality and moisture content of green bean coffee and determine the level of accuracy. The method used is a classification with a convolutional neural network. Classification of coffee types uses 4 classes, quality classification uses 8 classes and water content classification uses 3 classes. The types of coffee used include Arabica, Robusta, Ekselsa and Liberika. The dataset is 1500 images with the proportion of training data and test data used is 50:50, 60:40, 70:30 and 80:20. The RGB image used is 250x250 pixels. The network architecture is composed of 5 pairs of convolution and maxpooling layers followed by 1 flatten layer and 2 dense layers. The programming language used is Python. The best model results in the classification of coffee types using 80:20 data proportions with an accuracy of 88.73%, in quality classification using 60:40 data proportions the accuracy reaches 81.36% accuracy and in water content classification using 80:20 data proportions reaches 75,75%. The overall system accuracy reaches 21,33% with the ability to predict the type of coffee reaches 81,33%, the ability to predict quality reaches 60,00% and the ability to predict water content reaches 53,33%. Improvements can be made by applying a more complex model architecture and adding color-based preprocessing to amplify the distinctive colors of the image so that it is easier to analyze and produces better accuracy. Then integrate the cellphone with a computer so that the image transfer takes place automatically or an application system can be made based on a cellphone to make it more practical. Then do usability testing to measure the comfort of using the application system.

Item Type:	Thesis (Sarjana)
Identification Number:	0522100025
Uncontrolled Keywords:	CNN, green bean kopi, jenis dan kualitas, pengolahan citra digital,CNN, digital image processing, green bean coffee, type and quality
Subjects:	300 Social sciences > 338 Production > 338.1 Agriculture > 338.16 Production efficiency
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	soegeng sugeng
Date Deposited:	10 May 2022 03:37
Last Modified:	10 May 2022 03:37
URI:	http://repository.ub.ac.id/id/eprint/190309

Text (DALAM MASA EMBARGO) ILHAM SETIAWAN.pdf Restricted to Registered users only until 31 December 2024. Download (5MB)

Actions (login required)

View Item