Klasifikasi Tingkat Sangrai Biji Kopi Berbasiskan Pengolahan Citra Digital Dengan Menggunakan Singular Value Decomposition Dan Learning Vector Quantization

Abstract

Abstrak Saat ini kopi termasuk komoditas nomor dua terbesar didunia. Namun masih banyak pelaku industri kopi yang belum mengetahui tingkat sangrai biji kopi. Oleh sebab itu diperlukan metode khusus dengan cara mengklasifikasikan tingkat sangrai biji kopi bertujuan dapat mempermudah para pelaku industri kopi dan menambah ketertarikan masyarakat untuk mengenali jenis tingkat sangrai biji kopi, terutama kopi arabika. Proses yang telah dilakukan dalam klasifikasi ini yaitu dengan mengambil citra biji kopi menggunakan device kemudian dilakukan preprocessing. Data yang dipakai pada penelitian ini berjumlah 150 dimana terdapat 90 data latih dan 60 data uji diantaranya terdapat 3 kelas tingkat sangrai biji kopi yaitu, light roast, medium roast, dan dark roast. Ekstraksi ciri menggunakan metode Singular Value Decomposition (SVD) dan klasifikasinya menggunakan Learning Vector Quantization (LVQ). Data dan metode yang telah dirancang kemudian disimulasikan dengan menggunakan Matlab. Hasil akhir dari penelitian ini adalah dapat mengklasifikasi tingkat sangrai dari citra biji kopi yang diambil. Pada penelitian kali ini dengan menggunakan metode yang telah diuji hasil akurasi yang didapatkan sebesar 90%. Kata kunci: kopi, sangrai, Image Processing, Matlab, Singular Value Decomposition, Learning Vector Quantization. Abstratc Currently coffee is the second largest commodity in the world. But there are still many coffee industry players who do not know the level of roasting of coffee beans. Therefore a special method is needed by classifying the roasting level of coffee beans aimed at facilitating coffee industry players and increasing public interest in recognizing the types of roasted coffee beans, especially arabica coffee. The process that has been carried out in this classification is by taking the image of coffee beans using a device then pre-processing. The data used in this study amounted to 150 where there were 90 training data and 60 test data including 3 classes of roasting levels of coffee beans, namely, light roast, medium roast, and dark roast. Feature extraction uses the Singular Value Decomposition (SVD) method and its classification uses Learning Vector Quantization (LVQ). The data and methods that have been designed are then simulated using Matlab. The final result of this research is to be able to classify the level of roasting from the image of coffee beans taken. In this study using a method that has been tested the results obtained by accuracy of 90%. Keywords: coffee, roaster, Image Processing, Matlab, Singular Value Decomposition, Learning Vector