Identifikasi Citra Biji Kopi Arabika dan Robusta Menggunakan Learning Vector Quantization

Pamuji, Ridlo (2019) Identifikasi Citra Biji Kopi Arabika dan Robusta Menggunakan Learning Vector Quantization. Naskah Publikasi Program Studi Teknik Informatika.

[img] Text (Abstrak)
NASKAH PUBLIKASI.docx

Download (482kB)

Abstract

Kopi merupakan salah satu minuman paling diminati. Perkembangan kopi di Indonesia mengalami kenaikan produksi yang cukup pesat, tahun 2016 produksi kopi mencapai sekitar 632 ribu ton dan tahun 2017 produksi kopi sekitar 636,7 ribu ton, mengalami kenaikan sekitar 0,74 %. Kopi arabika dan kopi robusta merupakan jenis kopi yang paling banyak memasok sebagian besar perdagangan kopi dunia. Kopi arabika dan robusta selain memiliki perbedaan cita rasa juga memiliki perbedaan bentuk biji kopi. Pedagang dan pengusaha kedai kopi sebagian besar belum mengetahui perbedaan tersebut. Untuk menghindari kesalahan pemilihan biji kopi, diperlukan sebuah perangkat lunak yang dapat diterapkan untuk membantu membedakan jenis kopi berdasarkan bentuk biji kopinya.. Pengolahan citra (image processing) dalam sebuah metode jaringan syaraf tiruan (neural network) dapat dijadikan salah satu alternatif pilihan perangkat lunak. Penelitian ini membahas tentang bagaimana perangkat lunak mengenali sebuah pola citra biji kopi menggunakan metode morfologi pada Learning Vector Quatization. Citra biji kopi melalui proses akuisisi citra dan segmentasi bentuk agar memperoleh citra biner yang digunakan sebagai feature vector untuk proses pengenalan dan pengujian. Proses pengenalan dan pengujian dilakukan terhadap 50 data dari masing-masing kelas biji kopi dengan image masukan berformat *jpg. Feature vector yang digunakan yaitu luas, tinggi, lebar, mean, variance, dan standar deviasi. Klasifikasi kelas terbagi menjadi kelas citra biji kopi arabika dan kelas citra biji kopi robusta dengan hasil kinerja rata-rata pengenalan pada proses pengujian mencapai 97%. Kata kunci : arabika; feature_vector; mean; morfologi; neural_network; robusta; variance.

Item Type: Article
Uncontrolled Keywords: arabika; feature_vector; mean; morfologi; neural_network; robusta; variance.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 18 Dec 2019 04:08
Last Modified: 18 Dec 2019 04:17
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/6648

Actions (login required)

View Item View Item