| dc.description.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. | |
