Ekstraksi Fitur Circularity untuk Pengenalan Varietas Kopi Arabika
DOI:
https://doi.org/10.25126/jtiik.201744505Kata Kunci:
ekstraksi fitur, kopi, klasifikasi, segmentasiAbstrak
Abstrak
Kopi merupakan salah satu minuman yang sangat populer di dunia dan digemari oleh banyak orang termasuk di Indonesia. Kopi terdiri dari berbagai varietas, salah satunya adalah varietas arabika. Varietas kopi dapat memiliki kenampakan yang berbeda – beda misalnya seperti perbedaan warna, bentuk, ataupun tekstur. Oleh karena itu, terkadang petani ataupun pemilik coffee shop dapat melakukan kesalahan dalam mengenali varietas kopi arabika yang dijual ataupun yang dibeli. Hal ini juga akan mempengaruhi penentuan harga kopi tersebut, karena masing-masing varietas kopi arabika memiliki harga yang berbeda-beda. Untuk itu, diperlukan sistem yang juga mampu mengenali varietas kopi arabika secara akurat sehingga dapat digunakan sebagai second opinion bagi para petani ataupun pemilik coffee shop dalam mengenali varietas kopi arabika. Salah satu cara yang dapat dilakukan adalah dengan metode pencitraan. Tahap awal yang dilakukan adalah praproses yaitu cropping citra yang dilakukan secara manual, kemudian segmentasi menggunakan metode Otsu. Tahap selanjutnya adalah ekstraksi fitur bentuk menggunakan circularity dan klasifikasi menggunakan MultiLayer Perceptron. Hasil klasifikasi menunjukkan tingkat akurasi yang diperoleh sebesar 80%, sensitivitas 83,33% dan spesifisitas 76,7%.
Kata kunci: ekstraksi fitur, kopi, klasifikasi, segmentasi
Abstract
Coffee is one of the most popular beverages in the world and is favored by many people including Indonesians. Coffee consists of many variety, one of them is arabica. Coffee variety can have different features such as differences in color, shape, or texture. Therefore, sometimes farmers of coffee shop owners can make mistakes in recognizing the variety of arabica coffee that are sold or purchased. This will also affect the determination of coffee’s price, because each variety of arabica coffee have different prices. Hence, a capable system which can recognize arabica coffee accurately is required to be used as a second opinion for farmers or coffee shop owners in recognizing these variety. One of the methods that can be done is imaging. The initial stage is pre-processing by cropping the images manually, followed by segmentation using Otsu method. The next stage is shape based feature extraction using circularity and the last is classification using MultiLayer Perceptron. Classification results show 80% level of accuracy, 83.33% sensitivity, and 76.7% specificity.
Keywords: feature extraction, coffee, classification, segmentation
Downloads
Referensi
APAZA, REL GUZMÁN, CHRISTIAN E. PORTUGAL-ZAMBRANO, JUAN C. GUTIÉRREZ-CÁCERES, & CÉSAR A. BELTRÁN-CASTAÑÓN. 2014. An Approach for Improve the Recognition of Defects in Coffee Beans Using Retinex Algorithms. Proceedings of the 2014 Latin American Computing Conference, CLEI 2014.
CONDORI, RAYNER H.MONTES, JUAN H.CHUCTAYA HUMARI, CHRISTIAN E. PORTUGAL-ZAMBRANO, JUAN C. GUTIÉRREZ-CÁCERES, & CÉSAR A. BELTRÁN-CASTAÑÓN. 2014. Automatic Classification of Physical Defects in Green Coffee Beans Using CGLCM and SVM. Proceedings of the 2014 Latin American Computing Conference, CLEI 2014.
FU, ZHAOXIA & YAN HAN. 2012. A Circle Detection Algorithm Based on Mathematical Morphology and Chain Code. Pp. 253–56 in 2012 International Conference on Computing, Measurement, Control and Sensor Network. Retrieved (http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6245828).
KADIR, ABDUL & SUSANTO ADHI. 2012. Ekstraksi Fitur Tekstur. Pp. 575–640 in Teori dan Aplikasi Pengolahan Citra.
NORIEGA, LEONARDO. 2005. Multilayer Perceptron Tutorial.
NUGROHO, H. A., M. M. SEBATUBUN, & T. B. ADJI. 2017. Ground Glass Opacity Lesion Morphology Extraction in Primary Lung Cancer. International Journal of Medical Engineering and Informatics 9(4):398–411.
DE OLIVEIRA, EMANUELLE MORAIS, DIMAS SAMID LEME, BRUNO HENRIQUE GROENNER BARBOSA, MIRIAN PEREIRA RODARTE, AND ROSEMARY GUALBERTO FONSECA ALVARENGA PEREIRA. 2016. A Computer Vision System for Coffee Beans Classification Based on Computational Intelligence Techniques. Journal of Food Engineering 171:22–27. Retrieved (http://dx.doi.org/10.1016/j.jfoodeng.2015.10.009).
RADI, MUHAMMAD RIVAI, & MAURIDHI HERY PURNOMO. 2015. Combination of First and Second Order Statistical Features of Bulk Grain Image for Quality Grade Estimation of Green Coffee Bean. ARPN Journal of Engineering and Applied Sciences 10(18):8165–74.
RATRI, IGNATIAN DHIAN ESTU KARISMA, HANUNG ADI NUGROHO, & TEGUH BHARATA ADJI. 2015. Pengenalan Keaslian Tanda Tangan Dengan Menggunakan Kombinasi Dynamic Time Warping (DTW) Dan Polar Fourier Transform. Universitas Gadjah Mada.
SUSANTO, ADHI & ABDUL KADIR. 2012. Ekstraksi Fitur Bentuk Dan Kontur. Pp. 575–640 in Pengolahan Citra.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).