METODE BACKPROPAGATION UNTUK KLASIFIKASI KEMATANGAN BIJI KOPI HASIL SANGRAI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN HUE, SATURATION DAN VALUE (HSV)

Akbar, Farid Makarim (2023) METODE BACKPROPAGATION UNTUK KLASIFIKASI KEMATANGAN BIJI KOPI HASIL SANGRAI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN HUE, SATURATION DAN VALUE (HSV). Other thesis, UPN "Veteran" Yogyajarta.

	Text 1.SKRIPSIFULLTEXT_123160104_Farid Makarim Akbar.pdf Restricted to Repository staff only Download (2MB)
	Text 2.Abstrak_123160104_Farid Makarim Akbar.pdf Download (15kB)
	Text 3.Cover_123160104_Farid Makarim Akbar.pdf Download (152kB)
	Text 4. Daftar isi_123160104_Farid Makarim Akbar.pdf Download (42kB)
	Text 5. LembarPengesahan_123160104_Farid Makarim Akbar.pdf Download (398kB)
	Text 6. Daftar_Pustaka123160104_Farid Makarim Akbar.pdf Download (79kB)

Abstract

vi
ABSTRAK
Biji kopi hasil sangrai secara besar tebagi menjadi 4 (empat) profil tingkatan hasil
sangrai (Roasting) antara lain Greenbean (biji mentah) , Light Roast, Medium Roast dan
Dark Roast. Setiap tingkatan kematangan sangrai memiliki cita rasa dan aroma yang
berbeda ,untuk mengklasifikasikan tingkatan sangrai biasanya ditentukan oleh perubahan
warna biji kopi serta teksturnya yaitu retakan pada biji kopi namun perbedaan itu tidak
terlalu kasat mata sehingga untuk masyarakat awam sulit untuk mebedakannya.Pada proses
klasifikasi sangrai biji kopi ini pada awalnya hanya dapat dilakukan oleh tenaga ahli
(professional roaster) sehingga memungkinkan terjadinya human error yang disebabkan
kelelahan atau kelalaian yang dapat membuat inkonsistensi dalam klasifikasi tingkat
sangrai karena penilaian bersifat subjektif seiring berjalannya perkembangan teknologi
yang sangat pesat banyak dimanfaatkan termasuk dibidang pengolahan biji kopi.
Perkembangan teknologi menjadi upaya utama dalam menyelesaikan masalah.Untuk itu,
diperlukan sistem yang juga mampu mengenali jenis tingkatan secara akurat dan konsisten
sehingga dapat digunakan dalam mengenali tingkatan kematangan kopi sangrai yang
diinginkan.
Dalam proses klasifikasi beberapa tahap dilakukan, pengolahan citra diawali dengan
melakukan akuisisi data , dilanjutkan dengan mengkonversi citra rgb menjadi grayscale,
kemudian dilakukan segmentasi citra menggunakan thresholding serta proses morfologi
untuk memperbaiki citra segmentasi Setelah itu dilakukan ekstraksi ciri warna
menggunakan Ekstraksi fitur warna yang digunakan dalam penelitian ini adalah ruang
warna HSV (Hue Saturation Value) karena jika dibandingkan dengan ruang warna RGB
(Red, Green, Blue), HSV memiliki kinerja yang lebih baik. HSV juga mentoleransi
perubahan intensitas cahaya. dan ekstraksi ciri tekstur Gray Level Co-occurance Matrix
(GLCM) dengan parameter contrast, correlation, homogeneity dan energy. Tahapan
terakhir adalah klasifikasi menggunakan algoritma backpropagation neural network.
Tujuan dari penelitian ini adalah mengklasifikasikan jenis tingkatan biji kopi
menggunakan algoritma Backpropagation ciri fitur menggunakan HSV dan GLCM sehingga
dapat mengklasifikasikan jenis tingkatan sangrai biji kopi dengan nilai akurasi terbaik pada
penelitian ini dihasilkan akurasi klasifikasi biji kopi sangrai sebesar 93%
KATA KUNCI : Backpropagation, GLCM, HSV, Graycale,Jaringan Syaraf Tiruan.
vii
ABSTRACT
Roasted coffee beans are broadly divided into 4 (four) roasting profiles, including
Greenbean (raw beans), Light Roast, Medium Roast and Dark Roast. Each level of
roasting maturity has a different taste and aroma, to classify the roasting level it is usually
determined by changes in the color of the coffee beans and their texture, namely cracks
in the coffee beans, but these differences are not too visible to the eye so that it is difficult
for ordinary people to tell the difference. At first this coffee could only be made by experts
(professional roasters) so as to allow for human errors caused by fatigue or negligence
which could create inconsistencies in the classification of roast levels because judgment
is subjective as time goes by very rapid technological developments are widely used,
including in the field of bean processing. coffee. Technological development is the main
effort in solving the problem. For this reason, a system is needed that is also able to
recognize the type of grade accurately and consistently so that it can be used to identify
the desired level of roast coffee maturity.
In the classification process, several stages are carried out, image processing begins with
data acquisition, followed by converting RGB images to grayscale, then image
segmentation is carried out using thresholding and morphological processes to improve
segmentation images. After that, color feature extraction is performed using color feature
extraction used in this study. this is the HSV (Hue Saturation Value) color space because
when compared to the RGB (Red, Green, Blue) color space, HSV has better performance.
HSV also tolerates changes in light intensity. and texture feature extraction Gray Level
Co-occurance Matrix (GLCM) with parameters of contrast, correlation, homogeneity and
energy. The final stage is classification using the backpropagation neural network
algorithm.
The purpose of this research is to classify the types of coffee bean levels using the
Backpropagation feature feature algorithm using HSV and GLCM so that it can classify
the types of coffee bean roast levels with the best accuracy value in this study resulting in
an accuracy of roasted coffee bean classification of 93%.
KEYWORDS : Backpropagation, GLCM, HSV, Graycale, Artificial Neural Networks.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Backpropagation, GLCM, HSV, Graycale, Artificial Neural Networks.
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	29 Aug 2023 01:44
Last Modified:	29 Aug 2023 01:44
URI:	http://eprints.upnyk.ac.id/id/eprint/37244

Actions (login required)

View Item