Identifikasi Mutu Bij Kopi Arabika Berdasarkan Cacat dengan Teknik Convolutional Neural Network

Mahmuda Saputra, Kusrini Kusrini, Mei P Kurniawan

Abstract


Dalam proses pengemasan saat ini, penyortiran ini dilakukan secara manual. Dalam penelitian ini, convolution neural network diterapkan untuk secara otomatis untuk mengetahui informasi kecacatan biji kopi arabika. Input yang digunakan dalam penelitian ini adalah gambar biji kopi arabika dengan proses penguraian yang telah dikeringkan. Skenario yang terlibat dalam penelitian ini adalah pengumpulan data, preprocessing, klasifikasi dan pengujian. Preprocessing dilakukan dengan memotong beberapa cakupan objek biji kopi yang hanya berisi gambar biji kopi. Klasifikasi dilakukan oleh CNN, untuk mendapatkan akurasi model yang terbaik, parameter yang ada harus diuji dan dievaluasi. Pengujian dilakukan untuk dua jenis model, model 2 kelas dan model 4 kelas. Hasil percobaan menunjukkan bahwa akurasi terbaik yang diperoleh untuk model 2-kelas adalah 82,46 % dengan menggunakan tingkat pembelajaran 0,0001, konvolusi lapisan tunggal dengan lima belas filter dan 100 neuron pada lapisan tersembunyi. Ukuran filter adalah 3x3x3. Sedangkan model 4-kelas memperoleh akurasi terbaik 70,73% dengan dua lapisan konvolusional. Jumlah filter di setiap lapisan adalah 6 filter dengan ukuran 3x5x5 di lapisan pertama dan 18 filter dengan ukuran 6x3x3 di lapisan kedua.

Keywords


Coffee, Arabica, CNN, Classification

Full Text:

PDF (Indonesian)

References


Effendi, Masud, Fitriyah Fitriyah, and Usman Effendi. 2017. “Identifikasi Jenis Dan Mutu Teh Menggunakan Pengolahan Citra Digital Dengan Metode Jaringan Syaraf Tiruan.” Jurnal Teknotan 11(2): 67.

Eka Putra, Wayan Suartika. 2016. “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) Pada Caltech 101.” Jurnal Teknik ITS 5(1).

Lu, Yiyao et al. 2013. “Annotating Search Results from Web Databases.” IEEE Transactions on Knowledge and Data Engineering 25(3): 514–27.

Pinto, Carlito, Junya Furukawa, Hidekazu Fukai, and Satoshi Tamura. 2017. “Classification of Green Coffee Bean Images Basec on Defect Types Using Convolutional Neural Network (CNN).” Proceedings - 2017 International Conference on Advanced Informatics: Concepts, Theory and Applications, ICAICTA 2017.

Schmidhuber, Jürgen. 2015. “Deep Learning in Neural Networks: An Overview.” Neural Networks 61: 85–117. http://dx.doi.org/10.1016/j.neunet.2014.09.003.

Sravya, Saripalli Sri, Kalva Sri Rama Krishna, and Pallikonda Sarah Suhasini. 2019. “Image Classification Using Supervised Convolutional Neural Network.” International Journal of Recent Technology and Engineering 8(2): 4505–7.

Syahputra, Hendri, Fitri Arnia, and Khairul Munadi. 2019. “Karakterisasi Kematangan Buah Kopi Berdasarkan Warna Kulit Kopi Menggunakan Histogram Dan Momen Warna.” Jurnal Nasional Teknik Elektro 8(1): 42.

Wallelign, Serawork, Mihai Polceanu, Towfik Jemal, and Cédric Buche. 2019. “Coffee Grading with Convolutional Neural Networks Using Small Datasets with High Variance.” Journal of WSCG 27(2): 113–20.

Zhang, Jing et al. 2017. “Image Retrieval Using The Extended Salient Region.” Information Sciences 399: 1339–51.


DOI http://dx.doi.org/10.35585/inspir.v10i1.2533
Abstract 86 kali dilihat
PDF (Indonesian) 73 kali diunduh

Refbacks

  • There are currently no refbacks.



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.