Prediksi Derajat Sangrai Biji Kopi Robusta melalui Analisis Citra Digital

Abstract

Kopi robusta merupakan salah satu hasil perkebunan Indonesia yang paling banyak disukai oleh masyarakat Indonesia dan menjadi primadona dunia. Selain sebagai salah satu produsen kopi di dunia, Indonesia juga memiliki masyarakat yang termasuk pecinta dan penikmat kopi. Sejauh ini, penentuan derajat sangrai masih banyak dilakukan secara kasat mata yang berdampak pada inkonsistensi rasa karena metode ini bersifat subjektif. Penelitian ini bertujuan untuk mengembangkan suatu sistem deteksi derajat sangrai kopi secara cepat dan akurat melalui analisis citra digital. Green bean robusta dengan empat derajat sangrai berbeda (light, medium, medium-dark dan dark) diklasifikasikan menggunakan algoritma machine learning. Penelitian berlangsung pada bulan Juni 2025 hingga September 2025 di dua tempat berbeda. Proses penyangraian dan penggilingan kopi dilakukan di PT. Kemenady Mandiri Industri. Pengambilan citra dari semua kategori kopi dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian IPB University. Parameter mutu yang diamati berupa parameter fisik dan kimia, yaitu kadar air, kadar abu, fenol dan kafein. Tahapan penelitian ini adalah penyangraian, pengambilan dataset citra dan pengolahan citra secara digital. Citra kopi didokumentasikan dalam kondisi green dan kopi sangrai. Biji kopi disangrai dalam derajat yang berbeda, yaitu light roast, medium roast, medium-dark roast dan dark roast. Jadi, ada lima kategori kopi yang diolah citranya. Pengambilan citra menggunakan kamera USB Logitech yang disambungkan dengan laptop pribadi. Dalam satu frame, biji kopi disusun dengan matriks 10 × 2. Biji kopi diambil pada bagian depan (cembung) dan jarak antar objek diatur sekitar 2 cm. Citra yang dihasilkan berukuran 3200 × 1800 piksel dengan format jpg. Biji kopi yang sudah didokumentasikan dilabeli sesuai kategorinya masingmasing kemudian diuji parameter mutunya. Pada pengolahan citra, fitur yang dikaji pada setiap label adalah fitur warna dan bentuk. Dari satu kategori kopi didapatkan 1.600 data biji kopi, sehingga total data yang didapatkan sebanyak 8.000 objek. Data tersebut dibagi untuk kalibrasi dan validasi. Perbandingan data kalibrasi dengan data validasi dikaji pada persentase 70:30, 80:20, 90:10 untuk melihat perbandingan data yang memberikan akurasi tertinggi. Citra diolah dengan memanfaatkan Google Colaboratory dan bahasa pemrograman Python. Setiap objek yang dideteksi sebagai biji kopi dikenakan proses segmentasi untuk memperjelas bentuk objek. Segmentasi menggunakan threshold binary yang diatur dengan nilai 220 agar biji kopi ditampilkan dengan warna putih, sementara latar belakangnya berwarna hitam. Objek dalam citra di cropping untuk disimpan dalam direktori data kalibrasi. Fitur model warna yang diekstrak dari setiap objek adalah RGB dan HSV, sementara fitur bentuk yang diekstrak adalah area, perimeter dan circularity. Nilai rataan dari keempat fitur warna dan tiga fitur bentuk direduksi dengan Linear Discriminant Analysis (LDA) menghasilkan 4 fitur baru dengan memanfaatkan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan kelasnya. Perhitungan jarak terdekat antar objek menggunakan perhitungan Manhattan distance. Nilai ketetanggan (k) ditentukan dengan metode Elbow yang diuji pada interval 1 hingga 30 untuk menentukan nilai yang diprediksi memberikan akurasi tertinggi. Kinerja model diakurasi dengan confussion matrix (precision, accuracy, recall, F-1 score). Berdasarkan hasil penelitian yang dilakukan, kombinasi LDA sebagai pereduksi fitur atau dimensi dan KNN sebagai klasifier menghasilkan kinerja yang efektif. Mengacu pada tiga kelompok pembagian data, didapatkan nilai akurasi pada pembagian 70:30 sebesar 82,04%, pembagian data 80:20 mendapatkan akurasi sebesar 81,81% dan pembagian data 90:10 mendapatkan akurasi sebesar 83,00%. Skenario pembagian data yang memberikan akurasi tertinggi adalah pembagian data 90:10 dengan nilai k=16. Nilai setiap komponen fitur bentuk mengalami peningkatan akibat ekspansi volume saat penyangraian. Dari semua kategori kopi, medium-dark roast adalah kategori yang nilai akurasinya terendah karena berada diantara derajat sangrai medium dan dark.