KLASIFIKASI BIJI KOPI BERDASARKAN JENIS DAN TINGKAT PEMANGGANGAN MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR HSV DAN HOG

Bagas Setiaji, . (2025) KLASIFIKASI BIJI KOPI BERDASARKAN JENIS DAN TINGKAT PEMANGGANGAN MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR HSV DAN HOG. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210149_Bagas Setiaji.pdf Download (243kB)
	Text 2_Abstrak_123210149_Bagas Setiaji.pdf Download (271kB)
	Text 3_Halaman Pengesahan_123210149_Bagas Setiaji.pdf Download (276kB)
	Text 4_Daftar isi_123210149_Bagas Setiaji.pdf Download (245kB)
	Text 5_Daftar Pustaka_123210149_Bagas Setiaji.pdf Download (221kB)
	Text 6_Fulltext_123210149_Bagas Setiaji.pdf Restricted to Repository staff only Download (2MB)

Abstract

Kopi merupakan salah satu komoditas pertanian dengan nilai ekonomi tinggi di Indonesia,
di mana proses pemanggangan biji kopi berperan penting dalam menentukan cita rasa,
aroma, dan kualitas. Penentuan tingkat pemanggangan masih banyak dilakukan secara
manual sehingga rentan terhadap subjektivitas, keterbatasan konsistensi, dan ketergantungan
pada pengalaman individu. Kondisi tersebut menimbulkan kebutuhan akan pendekatan yang
lebih sistematis, akurat, dan berbasis teknologi. Oleh karena itu, penelitian ini mengusulkan
metode klasifikasi otomatis jenis dan tingkat pemanggangan biji kopi menggunakan
algoritma Support Vector Machine (SVM) dengan ekstraksi fitur Hue Saturation Value
(HSV) dan Histogram of Oriented Gradient (HOG).
Metode yang digunakan dalam penelitian ini adalah klasifikasi menggunakan algoritma
SVM yang dikombinasikan dengan dua teknik ekstraksi fitur, yaitu Hue Saturation Value
(HSV) untuk mewakili ciri warna dan Histogram of Oriented Gradient (HOG) untuk
mewakili ciri bentuk atau tekstur. Dataset yang digunakan terdiri dari 1400 citra biji kopi
arabica dan 2012 citra biji kopi robusta, namun penelitian ini hanya memfokuskan pada tiga
tingkat pemanggangan utama, yaitu light, medium, dan dark dari masing-masing jenis biji
kopi. Dengan demikian terbentuk enam kelas dengan total 300 citra per kelas yang dibagi
menjadi data latih dan data uji. Seluruh citra melalui tahap preprocessing berupa split labels,
penghapusan latar belakang, penyesuaian ukuran dan augmentasi data, kemudian diuji dalam
tiga skenario: HSV+SVM, HOG+SVM, serta gabungan HSV dan HOG+SVM.
Hasil penelitian menunjukkan bahwa model berbasis HSV mencapai akurasi 83.33%,
dengan F1-Score tertinggi pada kelas dark sebesar 0.87. Model berbasis HOG memberikan
akurasi sebesar 98.33% dengan nilai F1-Score tertinggi yaitu 0.98 pada kedua kelas,
sedangkan gabungan HSV dan HOG menghasilkan akurasi 95.83% dengan F1-Score
tertinggi yaitu 0.98 pada kelas Arabica Dark. Berdasarkan hasil tersebut, dapat disimpulkan
bahwa kombinasi metode ekstraksi fitur HSV dan HOG dengan algoritma SVM efektif
digunakan untuk mengklasifikasikan jenis dan tingkat pemanggangan biji kopi.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Bagas Setiaji (Penulis-123210149) ; Bagus Muhammad Akbar (Pembimbing)
Uncontrolled Keywords:	Klasifikasi Citra, Biji Kopi, Support Vector Machine, HSV, HOG
Subjek:	S Agriculture > S Agriculture (General) T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	20 Oct 2025 07:28
Last Modified:	20 Oct 2025 07:28
URI:	http://eprints.upnyk.ac.id/id/eprint/44579

Actions (login required)

View Item