Klasifikasi Tingkat Roasting Biji Kopi Menggunakan Jaringan Syaraf Tiruan Backpropagation Berbasis Citra Digital

Nugraha, Danang Aditya; Wiguna, Anggri Sartika

doi:10.21067/smartics.v4i1.2165

Cited by 5 publications

(5 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Klasifikasi tingkat roasting biji kopi menggunakan jaringan syaraf tiruan backpropagation berbasis citra digital [10], Menggunakan sebanyak 240 citra digital kopi, dengan 4 tingkat kematangan biji kopi yaitu biji mentah, light roasting, medium roasting dan dark roasting, Nilai perfoma yang dihasilkan adalah 0.107, akurasi sebesar82,7% dan akurasi proses testing sebesar 76,7%.…”

Section: A Studi Literaturunclassified

Sistem Temu Kembali Citra Pada Level Roasting Biji Kopi Menggunakan Ekstraksi Fitur Warna

Prastyaningsih¹,

Kusrini²

2021

ISI

View full text Add to dashboard Cite

Coffee before it can be consumed has several processing stages, namely, the picking process at harvest, sorting, drying, peeling the coffee skin, washing, heuling, roasting grinding. The roasting of coffee beans is an important process in the coffee industry which greatly determines the quality of coffee drinks. In checking to determine the level of roasting achieved by industry players in the coffee sector, they still do it visually and have not used a system to validate the roasting results, this results in less accuracy in determining the roasting level produced. Based on these problems, the solution that can be used is to use digital image processing to identify the roasting level results, the method used is feature extraction which aims to identify the characteristics or features of the object. This study uses an image retrieval system to identify the roasting level of robusta and arabica coffee at the light roast, medium roast and dark roast levels using HSV color feature extraction, and the measurement of image similarity using the Minkowski method. The total dataset used is 1080 images. The test results obtained by this image retrieval system are able to identify the roasting level of coffee beans with a precision value of 97,67%.

show abstract

Section: A Studi Literaturunclassified

Sistem Temu Kembali Citra Pada Level Roasting Biji Kopi Menggunakan Ekstraksi Fitur Warna

Prastyaningsih¹,

Kusrini²

2021

ISI

View full text Add to dashboard Cite

show abstract

“…Beberapa penelitian menggunakan PCA sebagai dasar metode untuk melakukan seleksi fitur, seperti yang dilakukan oleh [5], [6] dan juga [7]. Dalam penelitian sebelumnya [8] telah dilakukan proses klasifikasi untuk menentukan tingkat kematangan roasting biji kopi, dan pada permasalahan ini hanya melibatkan fitur warna RGB. Berdasarkan hasil penelitian tersebut terlihat proses klasifikasi kurang optimal dikarenakan fitur data yang terlalu sedikit Sehingga pada penelitian ini dilakukan penambahan fitur warna dengan melibatkan warna RGB dan HSI yang kemudian dihitung nilai mean, median, standar deviasi, skewness, kurtosis, dan energy.…”

Section: Pendahuluanunclassified

Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis

Nugraha

Wiguna

2020

RESEARCH

Self Cite

View full text Add to dashboard Cite

Abstrak-Proses klasifikasi citra digital dilakukan terhadap data fitur yang menggambarkan ciri suatu citra. Dalam penelitian sebelumnya mengenai klasifikasi biji kopi untuk menentukan tingkat roasting, digunakan fitur warna RGB dan metode klasifikasi Jaringan Syaraf Tiruan dengan algoritma Back Propagation. Namun dalam penelitian tersebut didapatkan hasil klasifikasi yang kurang memuaskan akibat dari fitur yang digunakan kurang dapat memisahkan ciri dari setiap tingkat roasting biji kopi. Pada penelitian ini dilakukan penambahan fitur warna yang digunakan melalui penggunaan representasi warna RGB dan HSI, yang kemudian dihitung nilai mean, median, standar deviasi, skewness, kurtosis, dan energy pada setiap komponen warna. Dengan demikian terdapat 33 data fitur citra biji kopi. Dengan jumlah fitur yang semakin banyak, menimbulkan masalah baru dimana tidak setiap fitur mempunyai kontribusi yang signifikan dalam proses klasifikasi, sehingga diperlukan proses seleksi fitur untuk mendapatkan fitur dengan kontribusi maksimal. Pada penelitian ini metode Principal Component Analysis diujikan sebagai metode untuk seleksi fitur. Uji coba dilakukan terhadap 240 data citra digital biji kopi, dimana terdapat 120 citra biji kopi Arabika dan 120 citra biji kopi Robusta. Setiap jenis citra biji kopi tersebut terbagi menjadi tingkat roasting mentah, light roasting, medium roasting, dan dark roasting. Hasil penelitian ini didapatkan bahwa rata-rata proses training pada data fitur setelah dilakukan proses seleksi fitur mengalami peningkatan dibandingkan tanpa seleksi fitur. Hal ini terlihat dari 5 kali proses training dengan seleksi fitur didapatkan nilai akurasi terbaik hingga 90,8%, sedangkan tanpa seleksi fitur didapatkan akurasi terbaik adalah 89,6%. Kata kunci-seleksi fitur, jaringan syaraf tiruan, back propagation, principal component analysisAbstract-The image classification process is performed on feature data which representative specific character of an image. In previous studies about classified of coffee beans to determine the level of roasting using RGB color features and artificial neural network classification methods with Back Propagation algorithm, the classificied results was unsatisfactory. but In this research, color features was add using RGB and HSI color, and then calculate the average value, median, standard deviation, skewness, kurtosis, and energy on each color component and gave result 33 data features of the image of coffee beans. Added many number of features,can create a new problems, in this case every feature has not a significant contribution in the classification process, so the feature selection process is needed to get maximum result. this study used the Principal Component Analysis method to feature selection. The testing was conducted on 240 digital image data of coffee bean image, which 120 Arabica coffee bean and 120 Robusta coffee bean . Each type of coffee bean image was divided into raw roasting, light roasting, medium roasting, and dark roasting. And the results process of the data featur...

show abstract

“…Algoritma backpropagation ini digunakan karena memiliki tingkat akurasi yang sangat baik dalam proses klasifikasi suatu pola [5]. Algoritma backpropagation memberikan hasil yang bagus saat digunakan untuk membedakan tingkat roasting biji kopi dengan akurasi 76,7% dan fitur yang digunakan yakni fitur warna, fitur tekstur, dan fitur morfologi [6]. Algoritma backpropagation juga memberikan hasil yang baik pula saat digunakan untuk membedakan kematangan buah kelapa, ini terbukti memberikan akurasi sebesar 67% dengan fitur yang digunakan yakni fitur warna dan ukuran citra [7].…”

Section: Pendahuluanunclassified

Penerapan Algoritma Backpropagation Untuk Klasifikasi Jenis Buah Rambutan Berdasarkan Fitur Tekstur Daun

Rizal¹

2020

jatim

View full text Add to dashboard Cite

Tanaman rambutan merupakan tanaman yang berasal dari daerah tropis yang kaya akan sinar matahari serta curah hujan yang dapat menyebabkan suburnya suatu tumbuhan yang ditanam pada daerah tersebut. Saat ini banyak cara yang digunakan untuk penyebaran serta perkembangbiakan tanaman ini salah satunya yakni dengan mencangkok tanama rambutan tersebut dan saat ini tanaman tersebut dapat hidup di daerahhsubtropis seperti halnya Amerika. Jenis tanaman rambutan yang banyak saat ini menimbulkan permasalahan untuk mengenali jenis tanaman rambutan yang ada. Salah satu cara untuk membedakan jenis tanaman rambutan ini yakni dengan daun rambutan. Daun rambutan ini dapat diketahui perbedaannya dengan mendeteksi tekstur daun dengan pendekatan image proccessing. Fitur tekstur yang digunakan pada penelitian ini yakni Fitur tekstur Gray Level Co-Occurrence Matrix (GLCM). Selanjutnyanalgoritma yang digunakan untuk membedakannjenis tanaman rambutan menggunakan algoritma backpropagation. Hidden layer yang digunakan pada algoritma ini sebanyak 19 layer dengan epoch 1000. Berdasarkan pengujian citra daun rambutan dengan menggunakan data testing didapat hasil bahwa 18 citra daun rambutan mempunyai hasil yang benar atau sama dengan jenisnya dan 2 citra daun rambutan tidak tepat dalam menyatakan jenis dari citra daun rambutan. Sehingga nilai akurasi yang didapat untuk proses pengujian citra daun rambutan yaitu 90%.

show abstract

Klasifikasi Tingkat Roasting Biji Kopi Menggunakan Jaringan Syaraf Tiruan Backpropagation Berbasis Citra Digital

Cited by 5 publications

References 1 publication

Sistem Temu Kembali Citra Pada Level Roasting Biji Kopi Menggunakan Ekstraksi Fitur Warna

Sistem Temu Kembali Citra Pada Level Roasting Biji Kopi Menggunakan Ekstraksi Fitur Warna

Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis

Penerapan Algoritma Backpropagation Untuk Klasifikasi Jenis Buah Rambutan Berdasarkan Fitur Tekstur Daun

Contact Info

Product

Resources

About