Penerapan Fitur Warna dan Tekstur untuk Identifikasi Kerusakan Mutu Biji Kopi Arabika (Coffea Arabica) di Kabupaten Bondowoso

Authors

  • Zilvanhisna Emka Fitri Politeknik Negeri Jember
  • Brilyan Andi Syahbana Politeknik Negeri Jember
  • Abdul Madjid Politeknik Negeri Jember
  • Arizal Mujibtamala Nanda Imron Universitas Jember

DOI:

https://doi.org/10.32815/jitika.v15i2.593

Keywords:

kerusakan mutu, biji kopi arabika, warna, GLCM, Backpropagasi

Abstract

Plantation crops are also a source of foreign exchange Indonesia is coffee. There are only two types of coffee that have economic value for cultivation, namely Arabica coffee and Robusta coffee. Bondowoso is a district in East Java that develops Arabica coffee. The problem is that farmers still use direct observation (manual) on each coffee bean to determine the quality of coffee beans so that this research is expected to be able to assist farmers in sorting the damage to the quality of coffee beans based on color and texture. The features used are color features and GLCM texture features at 0̊ and 45̊ angles. The total number of data is 198. The Backpropagation method is able to classify quality damage to Arabica coffee beans with a training accuracy rate of 100% and a testing accuracy rate of 97.5% at a learning rate variation of 0.5.

 

Downloads

Download data is not yet available.

References

Badan Pusat Statistik. (2018). Statistik Kopi Indonesia (S. D. S. T. Perkebunan (ed.)).
Effendi, M., Fatasya, U., & Effendi, U. (2017). Identifikasi Jenis dan Mutu Kopi Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan. Jurnal Ilmiah Teknologi Pertanian AGROTECHNO, 2(1), 140–146.
Ega Ash Yokawati, Y., & Wachjar, A. (2019). Pengelolaan Panen dan Pascapanen Kopi Arabika (Coffea arabica L.) di Kebun Kalisat Jampit, Bondowoso, Jawa Timur. Buletin Agrohorti, 7(3), 343–350. https://doi.org/10.29244/agrob.v7i3.30471
Fitri, Z. E., Nuhanatika, U., Madjid, A., & Imron, A. M. N. (2020). Penentuan Tingkat Kematangan Cabe Rawit (Capsicum frutescens L.) Berdasarkan Gray Level Co-Occurrence Matrix. Jurnal Teknologi Informasi dan Terapan, 7(1), 1–5. https://doi.org/10.25047/jtit.v7i1.121
Fitri, Z. E., Rizkiyah, R., Madjid, A., & Imron, A. M. N. (2020). Penerapan Neural Network untuk Klasifkasi Kerusakan Mutu Tomat. Jurnal Rekayasa Elektrika, 16(1), 44–49. https://doi.org/10.17529/jre.v16i1.15535
Ikhsan, D., Utami, E., & Wibowo, F. W. (2020). Metode Klasifikasi Mutu Greenbean Kopi Arabika Lanang Dan Biasa Menggunakan K-Nearest Neighbor Berdasarkan Bentuk. Jurnal Ilmiah SINUS, 18(2), 1. https://doi.org/10.30646/sinus.v18i2.456
Nanda Imron, A. M., & Fitri, Z. E. (2019). A Classification of Platelets in Peripheral Blood Smear Image as an Early Detection of Myeloproliferative Syndrome Using Gray Level Co-Occurence Matrix. Journal of Physics: Conference Series, 1201(1). https://doi.org/10.1088/1742-6596/1201/1/012049
Nasution, T. H., & Andayani, U. (2017). Recognition of Roasted Coffee Bean Levels using Image Processing and Neural Network. Journal of Physics: Conference Series, 180(1), 1–8. https://doi.org/10.1088/1742-6596/755/1/011001
Pizzaia, J. P. L., Salcides, I. R., Almeida, G. M. De, Contarato, R., & Almeida, R. De. (2019). Arabica coffee samples classification using a Multilayer Perceptron neural network. 2018 13th IEEE International Conference on Industry Applications, INDUSCON 2018 - Proceedings, December 2019, 80–84. https://doi.org/10.1109/INDUSCON.2018.8627271
Rahardjo, P. (2012). Kopi: Panduan Budi Daya dan Pengolahan Kopi Arabika dan Robusta (1 ed.). Penebar Swadaya.

Downloads

Published

13-09-2021

How to Cite

Fitri, Z. E., Syahbana, B. A., Madjid, A., & Imron, A. M. N. (2021). Penerapan Fitur Warna dan Tekstur untuk Identifikasi Kerusakan Mutu Biji Kopi Arabika (Coffea Arabica) di Kabupaten Bondowoso. Jurnal Ilmiah Teknologi Informasi Asia, 15(2), 123–128. https://doi.org/10.32815/jitika.v15i2.593

Issue

Vol. 15 No. 2 (2021): Volume 15 Nomor 2 (8)

Section

Articles

License

Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi,  hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia (Jitika) dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.

Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, atau pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal Jitika, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.

Anda bebas untuk:

Bagikan - salin dan sebarkan materi dalam media atau format apa pun.

Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi