Penerapan Fitur Warna dan Tekstur untuk Identifikasi Kerusakan Mutu Biji Kopi Arabika (Coffea Arabica) di Kabupaten Bondowoso

Penulis

  • Zilvanhisna Emka Fitri Politeknik Negeri Jember
  • Brilyan Andi Syahbana Politeknik Negeri Jember
  • Abdul Madjid Politeknik Negeri Jember
  • Arizal Mujibtamala Nanda Imron Universitas Jember

DOI:

https://doi.org/10.32815/jitika.v15i2.593

Kata Kunci:

kerusakan mutu, biji kopi arabika, warna, GLCM, Backpropagasi

Abstrak

Tanaman perkebunan yang juga menjadi sumber devisa negara Indonesia adalah kopi. Hanya dua jenis kopi yang bernilai ekonomis untuk dibudidayakan yaitu kopi arabika dan kopi robusta. Bondowoso merupakan kabupaten di Jawa Timur yang mengembangkan kopi arabika. Permasalahannya adalah petani masih menggunakan pengamatan langsung (manual) pada masing-masing biji kopi untuk menentukan kualitas biji kopi sehingga penelitian ini diharapkan mampu membantu petani dalam sortasi kerusakan mutu biji kopi berdasarkan warna dan teksturnya. Fitur yang digunakan yaitu fitur warna dan fitur tekstur GLCM pada sudut 0̊ dan 45̊. Jumlah data keseluruhan adalah 198. Metode Backpropagasi mampu mengklasifikasi kerusakan mutu pada biji kopi arabika dengan tingkat akurasi training sebesar 100% dan tingkat akurasi testing sebesar 97.5% pada variasi learning rate yaitu 0.5.

Unduhan

Data unduhan belum tersedia.

Referensi

Badan Pusat Statistik. (2018). Statistik Kopi Indonesia (S. D. S. T. Perkebunan (ed.)).
Effendi, M., Fatasya, U., & Effendi, U. (2017). Identifikasi Jenis dan Mutu Kopi Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan. Jurnal Ilmiah Teknologi Pertanian AGROTECHNO, 2(1), 140–146.
Ega Ash Yokawati, Y., & Wachjar, A. (2019). Pengelolaan Panen dan Pascapanen Kopi Arabika (Coffea arabica L.) di Kebun Kalisat Jampit, Bondowoso, Jawa Timur. Buletin Agrohorti, 7(3), 343–350. https://doi.org/10.29244/agrob.v7i3.30471
Fitri, Z. E., Nuhanatika, U., Madjid, A., & Imron, A. M. N. (2020). Penentuan Tingkat Kematangan Cabe Rawit (Capsicum frutescens L.) Berdasarkan Gray Level Co-Occurrence Matrix. Jurnal Teknologi Informasi dan Terapan, 7(1), 1–5. https://doi.org/10.25047/jtit.v7i1.121
Fitri, Z. E., Rizkiyah, R., Madjid, A., & Imron, A. M. N. (2020). Penerapan Neural Network untuk Klasifkasi Kerusakan Mutu Tomat. Jurnal Rekayasa Elektrika, 16(1), 44–49. https://doi.org/10.17529/jre.v16i1.15535
Ikhsan, D., Utami, E., & Wibowo, F. W. (2020). Metode Klasifikasi Mutu Greenbean Kopi Arabika Lanang Dan Biasa Menggunakan K-Nearest Neighbor Berdasarkan Bentuk. Jurnal Ilmiah SINUS, 18(2), 1. https://doi.org/10.30646/sinus.v18i2.456
Nanda Imron, A. M., & Fitri, Z. E. (2019). A Classification of Platelets in Peripheral Blood Smear Image as an Early Detection of Myeloproliferative Syndrome Using Gray Level Co-Occurence Matrix. Journal of Physics: Conference Series, 1201(1). https://doi.org/10.1088/1742-6596/1201/1/012049
Nasution, T. H., & Andayani, U. (2017). Recognition of Roasted Coffee Bean Levels using Image Processing and Neural Network. Journal of Physics: Conference Series, 180(1), 1–8. https://doi.org/10.1088/1742-6596/755/1/011001
Pizzaia, J. P. L., Salcides, I. R., Almeida, G. M. De, Contarato, R., & Almeida, R. De. (2019). Arabica coffee samples classification using a Multilayer Perceptron neural network. 2018 13th IEEE International Conference on Industry Applications, INDUSCON 2018 - Proceedings, December 2019, 80–84. https://doi.org/10.1109/INDUSCON.2018.8627271
Rahardjo, P. (2012). Kopi: Panduan Budi Daya dan Pengolahan Kopi Arabika dan Robusta (1 ed.). Penebar Swadaya.

File Tambahan

Diterbitkan

2021-09-13

Cara Mengutip

Fitri, Z. E., Syahbana, B. A., Madjid, A., & Imron, A. M. N. (2021). Penerapan Fitur Warna dan Tekstur untuk Identifikasi Kerusakan Mutu Biji Kopi Arabika (Coffea Arabica) di Kabupaten Bondowoso. Jurnal Ilmiah Teknologi Informasi Asia, 15(2), 123–128. https://doi.org/10.32815/jitika.v15i2.593

Terbitan

Vol 15 No 2 (2021): Volume 15 Nomor 2 (8)

Bagian

Artikel

Lisensi

Setelah diterima untuk publikasi, penulis mengalihkan hak cipta artikel mereka kepada Jurnal Ilmiah Teknologi Informasi Asia. Ini mencakup hak untuk mereproduksi, mentransmisikan, dan menerjemahkan materi dalam bentuk atau medium apa pun.

Sementara dewan redaksi berusaha memastikan keakuratan, mereka tidak bertanggung jawab atas isi artikel atau iklan. Tanggung jawab sepenuhnya berada pada penulis dan pengiklan masing-masing.

Materi di situs web dilisensikan di bawah Creative Commons Attribution 4.0 International License (CC BY 4.0). Di bawah lisensi ini, pengguna bebas untuk berbagi dan menyesuaikan materi untuk tujuan apa pun, termasuk penggunaan komersial, asalkan persyaratan lisensi terpenuhi. Kebebasan ini tidak dapat dicabut oleh pemberi lisensi dalam kondisi tersebut.