KLASIFIKASI KUALITAS KOPI BERDASARKAN BENTUK BIJI MENGGUNAKAN METODE BACKPROPAGATION

Fatmawati, Fatmawati (2019) KLASIFIKASI KUALITAS KOPI BERDASARKAN BENTUK BIJI MENGGUNAKAN METODE BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15014064_Fatmawati_IF.pdf Restricted to Registered users only Download (6MB)

Abstract

Kopi merupakan salah satu komoditas minuman paling populer yang digemari di seluruh dunia dengan keragaman karakteristik morfologi pada bentuk, ukuran, dan warna bijinya. Selama ini, proses penyortiran dan klasifikasi mutu biji kopi oleh pedagang maupun konsumen masih didominasi oleh metode inspeksi visual secara konvensional. Keterbatasan metode manual ini terletak pada tingginya unsur subjektivitas manusia dan kerentanan terjadinya kesalahan klasifikasi akibat faktor kelelahan mata. Penelitian ini bertujuan untuk membangun sebuah sistem komputasi cerdas non-destruktif yang mampu mengklasifikasikan kualitas biji kopi secara otomatis berbasis Image Processing (Pengolahan Citra Digital) dengan menerapkan Jaringan Saraf Tiruan (JST) metode Backpropagation. Sistem ini mengekstraksi dua kategori parameter utama dari citra biji kopi, yaitu ekstraksi fitur bentuk dan ekstraksi fitur warna. Fitur bentuk dihitung menggunakan rumusan morfologi compactness dan circularity, sedangkan fitur warna dianalisis melalui ekstraksi nilai statistik mean dan skewness pada saluran warna RGB. Nilai numerik dari keempat fitur tersebut diintegrasikan sebagai node masukan (input layer) pada algoritma Backpropagation. Proses pengujian (testing) dilakukan secara intensif menggunakan 20 sampel citra biji kopi yang diuji secara individual untuk mengidentifikasi kelas mutu kopi. Hasil penelitian menunjukkan bahwa model JST Backpropagation yang dirancang mampu mengenali dan mengelompokkan kualitas citra biji kopi dengan performa yang optimal. Implementasi sistem ini sukses mempermudah proses standardisasi mutu biji kopi secara praktis, cepat, tepat, dan akurat.

Kata Kunci: Kualitas Biji Kopi, Pengolahan Citra Digital, Ekstraksi Fitur Morfologi, Backpropagation, Akurasi.

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > HD Industries. Land use. Labor S Agriculture > SB Plant culture T Technology > TP Chemical technology
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	05 Jul 2026 07:06
Last Modified:	05 Jul 2026 07:06
URI:	https://repository.unuja.ac.id/id/eprint/4001

Actions (login required)

View Item