dc.contributor.author | SEPTIAN VIRGA W., Qori'ah | |
dc.date.accessioned | 2024-05-12T22:12:39Z | |
dc.date.available | 2024-05-12T22:12:39Z | |
dc.date.issued | 2023-07-07 | |
dc.identifier.nim | 191810201074 | en_US |
dc.identifier.uri | https://repository.unej.ac.id/xmlui/handle/123456789/120489 | |
dc.description | Finalisasi unggah file repositori tanggal 8 Mei 2024_Kurnadi | en_US |
dc.description.abstract | Kopi merupakan salah satu jenis tanaman unggulan yang berada di
Indonesia. Tanaman biji kopi dapat tumbuh pada daerah sub tropis maupun tropis
dengan suhu rentang sekitar 21o
-24o C. Penamanan yang tidak sesuai dengan suhu
tersebut mengakibatkan kerusakan pada tanaman biji kopi, sehingga akan
mengurangi produktivitasnya serta mempengaruhi harga jualnya. Penjualan biji
kopi mudah ditemukan di berbagai wilayah di Indonesia dengan variasi harga
yang berbeda-beda tergantung jenis dan varietasnya. Proses pemisahan varietas
biji kopi banyak yang masih dilakukan secara manual dan sederhana sehingga
masih terjadi campurnya varietas biji kopi satu sama lain. Hal tersebut terjadi
karena antar varietas biji kopi memiliki ukuran dan bentuk yang hampir sama.
Proses pemisahan yang dilakukan juga masih menggunakan mata sehingga
akurasinya kurang. Untuk itu diperlukan identifikasi untuk membedakan ukuran
dan warna pada varietas biji kopi yang dihasilkan.
Tujuan dari penelitian yang dilakukan ini adalah untuk mengidentifikasi
varietas biji kopi berdasarkan fitur ruang warna menggunakan K-Means
Clustering. Pada penelitian ini dilakukan ekstraksi fitur ruang warna dari citra
digital di setiap varietas biji kopi. Fitur ruang warna yang digunakan pada
penelitian ini yaitu red, green, blue (RGB), red, green, blue seimbang (RGB
Seimbang), luminance, chromatic blue, chromatic red (YCbCr) dan hue,
saturation, value (HSV). Identifikasi varietas biji kopi pada setiap fitur ruang
warna menggunakan variasi nilai threshold untuk menghasilkan identifikasi biji
kopi yang benar dengan nilai akurasi yang tinggi.
Penelitian ini menggunakan data citra berupa biji kopi Arabika dan Robust
sebagai data training dan data testing. Data training dan data testing dari setiap
varietas biji kopi berjumlah 25 citra, sehingga total keseluruhan pada data training
dan testing adalah 100 citra. Pengujian pada data training bertujuan untuk
menyeleksi beberapa fitur ruang warna yang menghasilkan nilai akurasi di atas
80%. Fitur ruang warna yang memiliki nilai akurasi di atas 80% akan diujikan
kembali terhadap data testing.
Hasil pengujian yang telah dilakukan pada data training menunjukkan
bahwa fitur ruang warna R, G, B, RS, GS, BS, Cb, Cr, S dan V dapat
mengidentifikasi varietas biji kopi dengan nilai akurasi di atas 80%. Nilai
threshold yang digunakan pada pengujian data training tersebut memiliki rentang
0,40 sampai 0,50. Selanjutnya ke 10 fitur ruang warna di atas akan diujikan
kembali terhadap data testing. Pengujian yang dilakukan dalam data testing
menggunakan variasi nilai threshold 1,80 sampai 2,00. Hasil identifikasi pada data
testing 1 (Arabika) menghasilkan akurasi tertinggi yaitu 100% dengan pemberian nilai threshold 1,80 sampai 1,85. Sementara itu pada data testing 2 (Robusta)
menghasilkan akurasi di atas 95% pada pemberian nilai threshold 1,80 sampai
1,83. Pada pengujian data testing pemberian nilai threshold yang semakin tinggi,
didapatkan sebuah nilai akurasi yang semakin kecil, akan tetapi nilai akurasi yang
diperoleh di atas 80%. | en_US |
dc.description.sponsorship | 1. Bowo Eko Cahyono, S.Si., M.Si., Ph.D.
2. Agung T. Nugroho, S.Si., M.Phil., Ph.D. | en_US |
dc.language.iso | other | en_US |
dc.publisher | Fakultas Matematika dan Ilmu Pengetahuan Alam | en_US |
dc.subject | K-MEANS CLUSTERING | en_US |
dc.title | Identifikasi Jenis Biji Kopi dengan Beberapa Fitur Ruang Warna Menggunakan K-Means Clustering | en_US |
dc.type | Skripsi | en_US |
dc.identifier.prodi | Fisika | en_US |
dc.identifier.pembimbing1 | Bowo Eko Cahyono, S.Si., M.Si., Ph.D. | en_US |
dc.identifier.pembimbing2 | Agung T. Nugroho, S.Si., M.Phil., Ph.D. | en_US |
dc.identifier.validator | validasi_repo_iswahyudi_nopember_2023_27 | en_US |