RANCANG BANGUN ALAT SORTIR KUALITAS BUAH KOPI WONOSALAM BERBASIS IMAGE PROCESSING

MOHAMMAD HIDAYATULLOH* -  Universitas Trunojoyo Madura, Indonesia
Adi Kurniawan Saputro -  Teknik Elektro Universitas Trunojoyo Madura, Indonesia
Riza Alfita -  Teknik Elektro Universitas Trunojoyo Madura, Indonesia
Miftachul Ulum -  Teknik Elektro Universitas Trunojoyo Madura, Indonesia
Haryanto - -  Teknik Elektro Universitas Trunojoyo Madura, Indonesia
Muttaqin Hardiwansyah -  Teknik Elektro Universitas Trunojoyo Madura, Indonesia

DOI : 10.24269/mtkind.v17i1.7542

Kualitas kopi sangat ditentukan oleh proses pengolahan biji kopi. Tahap pertama yakni pemetikan buah kopi dari pohonnya yang dilakukan oleh petani kopi Wonosalam. Pemetikan dilakukukan dengan hanya mengambil buah kopi yang benar-benar matang karena jika tercampur dengan buah yang mentah maka akan dapat mempengaruhi kualitas serta rasa dari kopi itu sendiri. Selain dari tingkat kematangan buah, kecacatan buah juga berpengaruh terhadap kualitasnya. Sejauh ini pemetikan dilakukan secara manual oleh petani. Para petani seringkali memetik buah yang masih mentah karena terburu-buru sehingga buah yang belum cukup matang serta buah yang cacat akan ikut dipanen. Akibatnya para petani kemudian melakukan sortir ulang sehingga mengurangi tingkat produktivitas mereka. Untuk mengatasi masalah tersebut diusulkan sebuah alat sortir kualitas buah kopi Wonosalam berbasis image processing. Pada penelitian ini dilakukan dengan membandingkan 2 metode yang digunakan dalam proses klasifikasi buah kopi. Yakni metode yang diusulkan dan metode YOLOv3. Dari penelitian yang dilakukan didapatkan hasil pada proses pengenalan objek akurasi total metode YOLOv3 mencapai 90.89%. Sedangkan pada metode yang diusulkan total akurasi yang didapatkan adalah 88%. Terdapat selisih sebesar 2.89% antara kedua metode tersebut. Akan tetapi pada saat proses sortasi metode yang diusulkan lebih unggul dibanding metode YOLOv3.

Keywords
Kopi, Wonosalam, Image Processing, YOLOv3
  1. T. R. Nanda and M. Syaryadhi, “Perancangan Sistem Sortir Buah Kopi Berdasarkan Warna Dengan Teknik Citra Digital Berbasis Mikrokontroler Atmega 328P,” J. Komputer, Inf. Teknol. dan Elektro, vol. 3, no. 2, pp. 76–83, 2018.
  2. E. R. Arboleda, A. C. Fajardo, and R. P. Medina, “Classification of coffee bean species using image processing, artificial neural network and K nearest neighbors,” 2018 IEEE Int. Conf. Innov. Res. Dev. ICIRD 2018, no. August 2019, pp. 1–5, 2018, doi: 10.1109/ICIRD.2018.8376326.
  3. M. L. Paembonan, “DETEKSI WARNA BUAH KOPI TORAJA MENGGUNAKAN DIGITAL IMAGE PROCESSING DAN WEBCAM,” pp. 1–5.
  4. H. Syahputra and F. Arnia, “Karakterisasi Kematangan Buah Kopi Berdasarkan Warna Kulit Kopi Menggunakan Histogram dan Momen Warna,” vol. 8, no. 1, 2019.
  5. S. Anita and Albarda, “Classification Cherry’s Coffee using k-Nearest Neighbor (KNN) and Artificial Neural Network (ANN),” 2020 Int. Conf. Inf. Technol. Syst. Innov. ICITSI 2020 - Proc., pp. 117–122, 2020, doi: 10.1109/ICITSI50517.2020.9264927.
  6. A. K. Saputro, K. A. Wibisono, and F. P. Pratiwi, “Identification of Disease Types on Tea - Plant Varieties Based Image Processing with K-Nearest Neighbor Method,” J. Phys. Conf. Ser., vol. 1569, no. 3, 2020, doi: 10.1088/1742-6596/1569/3/032078.
  7. J. Jing, D. Zhuo, H. Zhang, Y. Liang, and M. Zheng, “Fabric defect detection using the improved YOLOv3 model,” J. Eng. Fiber. Fabr., vol. 15, 2020, doi: 10.1177/1558925020908268.
  8. A. Kuznetsova, T. Maleva, and V. Soloviev, “Using YOLOv3 algorithm with pre- And post-processing for apple detection in fruit-harvesting robot,” Agronomy, vol. 10, no. 7, 2020, doi: 10.3390/agronomy10071016.
  9. J. Redmon and A. Farhadi, “YOLOv3: An Incremental Improvement,” 2018.
  10. G. Liu, J. C. Nouaze, P. L. T. Mbouembe, and J. H. Kim, “YOLO-tomato: A robust algorithm for tomato detection based on YOLOv3,” Sensors (Switzerland), vol. 20, no. 7, pp. 1–20, 2020, doi: 10.3390/s20072145.
  11. M. S. Hidayatulloh, “Sistem Pengenalan Wajah Menggunakan Metode Yolo ( You Only Look Once ),” pp. i–43, 2021.

Full Text:
Article Info
Submitted: 2023-07-11
Published: 2023-09-29
Section: Artikel
Article Statistics: