Pendugaan jenis cacat pada kopi robusta Coffea canephora dengan image processing dan astificial neural network berdasarkan komposisi warna

Abstract

Semakin ketatnya tingkat persaingan perdagangan kopi dunia dan adanya pergeseran pola permintaan konsumen ke mutu kopi yang lebih baik akhir-akhir ini, memaksa produsen untuk meningkatkan daya saingnya. Mutu adalah salah satu faktor penentu dari daya saing tersebut. Indonesia merupakan negara penghasil kopi menduduki peringkat ke-4 setelah Brazilia Kolumbia dan Vietnam, tetapi merupakan penghasil kopi Robusta terbesar di dunia. Kopi merupakan tanaman perkebunan rakyat, yang mendominasi lebih dari 90% produksi kopi di Indonesia. Peningkatan mutu kopi Indonesia harus dimulai dari peningkatan mutu kopi rakyat. Upaya perbaikan mutu dapat dilakukan dengan petik merah dan cara pengolahan yang tepat. Menurut Edizal (1992), jenis cacat yang mendominasi biji kopi di Indonesia adalah biji kopi hitam, biji kopi coklat, biji kopi hitam sebagian, biji kopi pecah dan biji kopi berlubang. Cacat ini bersumber dari pengolahan kopi baik pra panen maupun pasca panen. Faktor yang menyebabkan timbulnya biji hitam adalah sistem panen yang kurang selektif, sehingga buah kopi yang masih muda ikut terpetik. Teknik image processing dan artificial neural network sudah banyak dikembangkan untuk berbagai dalam bidang pertanian kepentingan, diantaranya yang dilakukan oleh Pramesty (2003) yang melakukan pendugaan butir beras normal, butir beras kapur, dan butir beras rusak/kuning. Analisis warna pada penelitian tersebut menggunakan input parameter warna RGB. Parameter warna ini sebenarnya merupakan nilai intensitas warna RGB terbanyak yang dimiliki oleh objek. Dengan demikian, setiap warna akan diwakili oleh tiga buah nilai untuk masing-masing komponen R, G dan B. Kelebihan dari penggunaan input parameter warna dalam pendugaan untuk evaluasi mutu produk adalah saat digabungkan dengan artificial neural network (ANN) menghasilkan akurasi sebesar 90%, yaitu 97.5% butir beras normal, 95% butir beras mengapur, dan 77.5% butir beras kuning/rusak Pada penelitian ini, dilakukan pendugaan dengan menggunakan image processing dan artificial neural network (ANN) terhadap objek biji kopi Robusta (Coffea conephora) yang akan diduga sebagai biji kopi normal, biji kopi hitam, biji kopi hitam sebagian, dan biji kopi coklat. ...