KLASIFIKASI TINGKAT SANGRAI BIJI KOPI BERBASISKAN PENGOLAHAN CITRA DIGITAL DENGAN MENGGUNAKAN SINGULAR VALUE DECOMPOSITION DAN LEARNING VECTOR QUANTIZATION

MUH; IPNU UDJIE HASIRU

Informasi Umum

Kode

19.04.2013

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

291 kali

Informasi Lainnya

Abstraksi

ABSTRAK Saat ini kopi termasuk komoditas nomor dua terbesar didunia. Kopi menjadi salah satu minuman favorit banyak orang, apalagi olahan kopi saat ini semakin bervariasi. Namun masih banyak pelaku industri kopi yang belum mengetahui tingkat sangrai biji kopi. Oleh sebab itu diperlukan metode khusus dengan cara mengklasifikasikan tingkat sangrai biji kopi bertujuan dapat mempermudah para pelaku industri kopi dan menambah ketertarikan masyarakat untuk mengenali jenis tingkat sangrai biji kopi, terutama kopi arabika. Proses yang telah dilakukan dalam klasifikasi ini yaitu dengan mengambil citra biji kopi menggunakan device kemudian dilakukan pre-processing. Data yang dipakai pada penelitian ini berjumlah 150 dimana terdapat 90 data latih dan 60 data uji diantaranya terdapat 3 kelas tingkat sangrai biji kopi yaitu, light roast, medium roast, dan dark roast. Ekstraksi ciri menggunakan metode Singular Value Decomposition (SVD) dan klasifikasinya menggunakan Learning Vector Quantization (LVQ). Biji kopi yang diambil sebagai data adalah biji kopi arabika Aceh Gayo Kawanda, yang kemudian diklasifikasi apakah sesuai tingkat sangrai biji kopi pada hasil ekstraksi dengan yang diklasifikasikan. Data dan metode yang telah dirancang kemudian disimulasikan dengan menggunakan Matlab. Hasil akhir dari penelitian ini adalah dapat mengklasifikasi tingkat sangrai dari citra biji kopi yang diambil. Pada penelitian kali ini dengan menggunakan metode yang telah diuji maka diketahui, untuk pengujian parameter resize akurasi terbesar didapatkan pada saat menggunakan dimensi 64×64 yaitu 90%, untuk pengujian hidden layer telah ditemukan akurasi terbaik pada nilai 10 dengan hasil akurasi sebesar 90% dan pada nilai epoch yaitu 100 dengan hasil akurasi sebesar 90% maka didapatkan hasil akurasi rata-rata sebesar 90%.

Kata kunci: kopi, sangrai, Image Processing, Matlab, Singular Value Decomposition, Learning Vector Quantization.