KLASIFIKASI KUALITAS BIJI KOPI ROBUSTA DENGAN METODE NAIVE BAYES

I Kadek Nurcahyo Putra, I Gede Aris Gunadi, I Made Gede Sunarya

Abstract


Sortasi Kualitas biji kopi merupakan proses yang sangat penting untuk menjaga serta meningkatkan kualitas produksi, melihat kopi sebagai salah satu komoditas paling penting yang diperjual belikan. Penulis ingin meminimalisir kesalahan klasifikasi oleh manusia yang subjektif dengan mengimplementasi metode Naive Bayes untuk melakukan klasifikasi kualitas biji kopi secara objektif. Biji kopi difoto sehingga menghasilkan citra biji kopi, ruang warna HSV digunakan untuk melakukan ekstraksi ciri warna biji, tekstur biji kopi diekstrak dengan metode GLCM, dan ukuran biji kopi dihitung dengan mengakumulasi nilai piksel pada objek citra biner. Pengujian terhadap model klasifikasi yang dibangun dengan 480 data latih menghasilkan akurasi 90.8% berdasarkan 120 data uji. Hasil akurasi menunjukkan ketika ada 120 data uji maka 11 data salah diklasifikasi atau ketika ada 200 data uji maka 19 hingga 20 biji akan salah diklasifikasi oleh model. Penelitian selanjutnya disarankan untuk melakukan pengamatan yang lebih dalam untuk mendapatkan fitur ciri yang dapat merepresentasikan perbedaan kualitas biji dengan lebih representative, serta membandingkan metode klasifikasi Naive Bayes dengan metode klasifikasi lain untuk mendapatkan model klasifikasi yang lebih baik di masa depan

Full Text:

PDF PDF

References


M. Saputra, M. P. Kurniawan, dan M. T. Informatika, “Identifikasi Mutu Biji Kopi Arabika Berdasarkan Cacat,” J. Teknol. Inf. dan Komun., vol. 10, no. 1, hal. 27–35, 2020.

D. Giacalone, T. K. Degn, N. Yang, C. Liu, I. Fisk, dan M. Münchow, “Common roasting defects in coffee: Aroma composition, sensory characterization and consumer perception,” Food Qual. Prefer., vol. 71, no. March, hal. 463–474, 2019, doi: 10.1016/j.foodqual.2018.03.009.

N. Bhumiratana, K. Adhikari, dan E. Chambers, “Evolution of sensory aroma attributes from coffee beans to brewed coffee,” LWT - Food Sci. Technol., vol. 44, no. 10, hal. 2185–2192, 2011, doi: 10.1016/j.lwt.2011.07.001.

M. Garcia, J. E. Candelo-Becerra, dan F. E.Hoyos, “applied sciences Quality and Defect Inspection of Green Co ff ee Beans Using a Computer Vision System,” 2019.

P. Vithu dan J. A. Moses, “Machine vision system for food grain quality evaluation: A review,” Trends Food Sci. Technol., vol. 56, hal. 13–20, 2016, doi: 10.1016/j.tifs.2016.07.011.

J. Aramiko, “KLASIFIKASI KERUSAKAN BIJI KOPI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER SKRIPSI,” 2020.

R. E. Angelia, K. C. R. Cavan, K. E. Recto, dan R. B. Bactat, “Dried Robusta Coffee Bean Quality Classification Using Convolutional Neural Network Algorithm,” ACM Int. Conf. Proceeding Ser., hal. 57–61, 2021, doi: 10.1145/3467707.3467715.

P. S. Maria dan M. Rivai, “Klasifikasi Kualitas Biji Kopi Menggunakan Pengolahan Citra dan Fuzzy Logic,” Semin. Nas. Menggagas Kebangkitan Komod. Unggulan Lokal Pertan. dan Kelaut., 2013.

S. L. B. Ginting dan R. P. Trinanda, “TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN,” 2013.

T. Wahyono, FUNDAMENTAL OF PYTHON FOR MACHINE LEARNING. Yogyakarta: GAVA MEDIA, 2021.

S. . Pattekari dan A. Parveen, “Prediction system for heart disease using Naïve Bayes,” Int. J. Adv. Comput. Math. Sci., vol. 3, no. 3, hal. 290–294, 2012.




DOI: http://dx.doi.org/10.20527/klik.v10i3.565

Copyright (c) 2023 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexed by:

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla counter View My Stats