Show simple item record

dc.contributor.authorSEPTIAN VIRGA W., Qori'ah
dc.date.accessioned2024-05-12T22:12:39Z
dc.date.available2024-05-12T22:12:39Z
dc.date.issued2023-07-07
dc.identifier.nim191810201074en_US
dc.identifier.urihttps://repository.unej.ac.id/xmlui/handle/123456789/120489
dc.descriptionFinalisasi unggah file repositori tanggal 8 Mei 2024_Kurnadien_US
dc.description.abstractKopi 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.sponsorship1. Bowo Eko Cahyono, S.Si., M.Si., Ph.D. 2. Agung T. Nugroho, S.Si., M.Phil., Ph.D.en_US
dc.language.isootheren_US
dc.publisherFakultas Matematika dan Ilmu Pengetahuan Alamen_US
dc.subjectK-MEANS CLUSTERINGen_US
dc.titleIdentifikasi Jenis Biji Kopi dengan Beberapa Fitur Ruang Warna Menggunakan K-Means Clusteringen_US
dc.typeSkripsien_US
dc.identifier.prodiFisikaen_US
dc.identifier.pembimbing1Bowo Eko Cahyono, S.Si., M.Si., Ph.D.en_US
dc.identifier.pembimbing2Agung T. Nugroho, S.Si., M.Phil., Ph.D.en_US
dc.identifier.validatorvalidasi_repo_iswahyudi_nopember_2023_27en_US


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record