SISTEM PENGENALAN BIJI KOPI ARABIKA,ROBUSTA, LIBERIKA, DAN EKSALSA MENGUNAKAN METODE S YULEQ

Main Article Content

Hanifah Nur Nasution Rahmad Fauzi Thofik Hidayat

Abstract

Hasil penelitianinidiharapkan dapat menjadi bahan pertimbangan untuk pengembangan sistem pakar Pertanian dan salah satu referensi dalam hal pengenalan biji kopi pilihan dari citra statis (still image) yang nantinya dapat dikembangkan lebih lanjut oleh mahasiswa, dosen atau bagi yang berminat pada pengenalan pola (pattern recognition)khususnya Biji kopi.Dalam karya ini, biji kopi dari empat lokasi yang dipilih (Arabika, Robusta, liberikadan Eksalsa) yang obyektif diklasifikasikan berdasarkan asal mereka dengan menggunakan analisis citra. Dengan demikian, 40 snapshot dari biji kopi yang ditemukan dari setiap lokasi diambil untuk diproses lebih lanjut. Secara keseluruhan 160 gambar ditangkap mewakili empat asal Gayo lokasi tumbuh kopi. Enam morfologi, 11 warna dan 12 fitur tekstur, sama sekali 29 fitur utama, dipilih untuk tujuan klasifikasi. Fitur-fitur ini ditunjuk dalam empat setup klasifikasi yaitu warna, morfologi, tekstur dan kombinasi warna dan morfologi. Dalam semua setup klasifikasi dirancang 70% (56 kasus) yang digunakan untuk pelatihan, 25% (20 kasus) yang digunakan untuk pengujian dan 5% (4 kasus) yang digunakan untuk validasi. Klasifikasi menggunakan warna, morfologi, tekstur dan kombinasi fitur morfologi dan warna yang 95%, 100%, 87,5% dan 100%, masing-masing.Berdasarkan temuan penelitian ini, adalah mungkin untuk menyimpulkan bahwa kopi Ethiopia tumbuh di berbagai bagian negara itu dapat diklasifikasikan berdasarkan asal Gayo mereka dengan menggunakan analisis citra. Dari total tes, morfologi dan kombinasi morfologi.

Article Details

How to Cite
[1]
H. Nasution, R. Fauzi, and T. Hidayat, “SISTEM PENGENALAN BIJI KOPI ARABIKA,ROBUSTA, LIBERIKA, DAN EKSALSA MENGUNAKAN METODE S YULEQ”, JURNAL EDUCATION AND DEVELOPMENT, vol. 10, no. 1, pp. 415-418, Jan. 2022.
Section
Artikel

References

Y.R., Choa, K dan M.S. Kim, Mesin Visi Teknologi untuk Aplikasi Pertanian.Komputer dan Elektronik di Pertanian, Fausett, 2012.
Ghodsi R., dkk, Memprediksi Produksi Gandum di Iran Menggunakan Pendekatan Artificial Neural Networks, International Journal of Research Akademik, 2012.
Jussoff, K. dan Barkatullah T, Analisis kualitas Non-destruktif dari India Gujarat-17 Oryza sativa SSP India (beras) menggunakan citra pengolahan, MediaPressindo, International Journal of Engineering, 2012.