KLASIFIKASI TINGKAT KEMATANGAN BIJI KOPI BERDASARKAN CIRI WARNA RGB MENGGUNAKAN METODE K-NEAREST NEIGHBOR

PAKSA, PRAKOSO GIGIH HANIF BUANA (2023) KLASIFIKASI TINGKAT KEMATANGAN BIJI KOPI BERDASARKAN CIRI WARNA RGB MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Other thesis, UPN "Veteran" Yogyakarta.

	Text 1. Skripsi Fulltext_123160157_Prakoso Gigih Hanif B.P..pdf Restricted to Repository staff only Download (11MB)
	Text 2. Abstrak_123160157_Prakoso Gigih Hanif B.P..pdf Download (22kB)
	Text 3. Cover_123160157_Prakoso Gigih Hanif B.P..pdf Download (94kB)
	Text 4. Lembar Pengesahan_123160157_Prakoso Gigih Hanif B.P..pdf Download (195kB)
	Text 5. Daftar Isi_123160157_Prakoso Gigih Hanif B.P..pdf Download (15kB)
	Text 6. Daftar Pustaka_123160157_Prakoso Gigih Hanif B.P..pdf Download (23kB)

Abstract

Roasting atau menyangrai kopi merupakan pengolahan biji kopi yang sudah
mencapai tingkat kekeringan yang ideal. Proses sangrai biji kopi mentah (Green bean) biasa
dilakukan dengan cara manual atau dengan mesin sangrai otomatis, yang dari proses tersebut
akan menghasilkan biji kopi panggang (Roasted bean). Masyarakat dan khususnya pelaku
bisnis kopi pemula belum memiliki kemampuan dalam mengidentifikasi tingkat kematangan
kopi panggang. Oleh karena itu, dibutuhkan sebuah sistem pengolahan citra untuk
mengklasifikasikan tingkat kematangan biji kopi yang dapat mengoptimalkan akurasi untuk
meminimalisir kesalahan klasifikasi tingkat kematangan kopi.
Penelitian ini menggunakan citra biji kopi panggang untuk mengklasifikasikan
jenisnya. Citra akan melalui proses preprocessing yaitu Labeling dan Resize. Kemudian,
ekstraksi ciri warna akan dilakukan menggunakan metode RGB. Nilai hasil ekstraksi ciri
warna dengan RGB kemudian dijadikan sebagai masukan untuk tahap klasifikasi
menggunakan metode K Nearest Neighbor (KNN) dengan parameter K dimana akan
menggunakan metode K Fold Cross Validation untuk mendapatkan nilai K terbaik. Pada
penelitian ini juga melakukan pengujian dengan mengubah parameter diantaranya variasi
nilai RGB, variasi ukuran gambar dan variasi nilai K, untuk mengetahui pengaruh dari
parameter yang diubah kepada hasil akurasi.
Biji kopi panggang yang diklasifikasi dalam penelitian ini terbagi menjadi 4 kelas
yaitu green roast, light roast, medium roast dan dark roast. Total data yang digunakan
sebanyak 400 data dengan perbandingan data latih dengan data uji sebesar 70:30. Pencarian
nilai K terbaik menggunakan metode K Fold Cross Validation sebanyak 10 iterasi didapat
nilai K terbaik yaitu K=9. Hasil klasifikasi biji kopi panggang yang diperoleh menggunakan
metode K Nearest Neighbor (KNN) dengan parameter nilai K=9 berdasarkan nilai ekstraksi
ciri warna menggunakan metode RGB mendapatkan hasil nilai akurasi tertinggi sebesar
92,50%.
Kata kunci: Biji Kopi, Biji Kopi Panggang, Klasifikasi, RGB, K Nearest Neighbor, Confusion Matrix

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Biji Kopi, Biji Kopi Panggang, Klasifikasi, RGB, K Nearest Neighbor, Confusion Matrix
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	25 Aug 2023 06:17
Last Modified:	25 Aug 2023 06:17
URI:	http://eprints.upnyk.ac.id/id/eprint/37164

Actions (login required)

View Item