Klasifikasi Warna pada Kematangan Buah Kopi Kuning menggunakan Metode CNN Inception V3

UUNG UNGKAWA, GALIH AL HAKIM

Sari


ABSTRAK

Kopi kuning adalah varietas kopi yang berciri khas berwarna kuning saat matang. Permasalahan muncul saat petani tidak sengaja memanen kopi yang masih belum matang sempurna karena warna kopi kuning yang matang berbeda dari kopi lainnya. Penelitian ini menggunakan metode CNN Inception V3 yang merupakan metode deep learning untuk menentukan kematangan buah kopi kuning. Ada permasalahan yakni kurangnya dataset. Dengan teknik augmentasi dan transfer learning permasalahan tersebut dapat diatasi dengan memperoleh model yang baik. Dengan menggunakan label yaitu mentah, setengah matang, matang, dan total 1380 dataset citra buah kopi yang dipecah menjadi 984 citra untuk training, 246 citra untuk validasi dan 150 citra buah kopi untuk testing, didapatkan nilai akurasi metode CNN Inception V3 sebesar 92.00%.

Kata kunci: Kopi Kuning, CNN Inception V3

 

ABSTRACT

Yellow coffee is a variety of coffee that is distinctive, which has a yellow color when ripe. Problems arise when farmers accidentally harvest coffee that is not fully ripe yet because the color of ripe yellow coffee is different from other coffees. This study used the CNN Inception V3 method, which is a deep learning method for determining the ripeness of yellow coffee cherries. There is a problem, namely the lack of datasets. With augmentation techniques and transfer learning these problems can be overcome by obtaining a good model. By using three labels, namely raw, half-ripe, and ripe, and a total of 1380 coffee bean image datasets broken down into 984 images for training, 246 images for validation and 150 coffee bean images for testing, the accuracy value of the CNN Inception V3 method is 92.00%.

Keywords: Yellow Coffee, CNN Inception V3


Kata Kunci


Kopi Kuning; CNN Inception V3

Teks Lengkap:

PDF

Referensi


Albawi, S., Mohammed, T. A., & Al-Zawi, S. (2018). Understanding of a convolutional neural network. Proceedings of 2017 International Conference on Engineering and Technology, ICET 2017, (pp. 1–6). https://doi.org/10.1109/ICEngTechnol.2017.8308186

Andrew, A., & Santoso, H. (2022). Compare VGG19, ResNet50, Inception-V3 for Review Food Rating. Sinkron Jurnal & Penelitian Teknik Informatika, 7(2), 845–494. https://doi.org/10.33395/sinkron.v7i2.11383

Anugrah, R. B. (2022). Pengembangan Desain Produk Kemasan Kopi Di Sapuangin Kopi Basecamp Merapi Dengan Menggunakan Metode Quality Function Deployment (Qfd) Dan Kano. Official Scientific Journals of Universitas Islam Indonesia, 33(1), 16–106.

Arrofiqoh, E. N., & Harintaka. (2018). Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61. https://doi.org/10.24895/jig.2018.24-2.810

Arti, Y., & Arymurthy, A. M. (2023). Face Spoofing Detection using Inception-v3 on RGB Modal and Depth Modal. Jurnal Ilmu Komputer Dan Informasi, 16(1), 47–57. https://doi.org/10.21609/jiki.v16i1.1100

Dani, D., Izzah, N. K., & Randriani, E. (2016). Variasi Genetik dalam Populasi Kultivar Kopi Arabika Berbuah Kuning di Lahan Petani Berdasarkan Penanda SSRs. Jurnal Tanaman Industri Dan Penyegar, 3(2), 83. https://doi.org/10.21082/jtidp.v3n2.2016.p83-94

Kapa, M. R. (2022). Klasifikasi Citra Penyakit Leukemia Menggunakan Convolutional Neural Network Dengan Arsitektur Inception-V3. 129.

Michael, A. (2022). Komparasi Kombinasi Pre-trained Model dengan SVM pada Klasifikasi Kematangan Kopi Berbasis Citra. Journal Dynamic Saint, 7(1), 42–48. http://journals.ukitoraja.ac.id/index.php/dynamicsaint/article/view/1613

Ningtyas, K. R., Widodo, S., Diding, S., & Yulia, M. (2022). Autentikasi Cepat Kopi Spesialti Arabika Java Preanger Kultivar Typica, Sigarar Utang dan Yellow Bourbon Menggunakan Spektroskopi UV dan Metode PLS-DA. Jurnal Keteknikan Pertanian, 10(2), 77–86.

Putri, O. N. (2020). Implementasi Metode CNN Dalam Klasifikasi Gambar Jamur Pada Analisis Image Processing (Studi Kasus: Gambar Jamur Dengan Genus Agaricus Dan Amanita). 1–67. https://dspace.uii.ac.id/bitstream/handle/123456789/23677/16611103 Ocktavia Nurima Putri.pdf?sequence=1&isAllowed=y

Rismayanti, A. Y., & Nafi’ah, H. H. (2021). Modifikasi Media Pada Induksi Kalus Kopi Arabika (Coffea Arabica L.) Berbuah Kuning. Agro Wiralodra, 4(2), 42–49. https://doi.org/10.31943/agrowiralodra.v4i2.60

Sanjaya, J., & Ayub, M. (2020). Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup. Jurnal Teknik Informatika Dan Sistem Informasi, 6(2), 311–323. https://doi.org/10.28932/jutisi.v6i2.2688

Shu, M. (2019). Deep learning for image classification on very small datasets using transfer learning. Creative Components IOWA State University, 14–21.

Supriyanto, A., Kusuma, W. A., & Rahmawan, H. (2022). Klasifikasi Kanker Tumor Payudara Menggunakan Arsitektur Inception-V3 Dan Algoritma Machine Learning. Jurnal ALAZHAR Indonesia Seri Sains Dan Teknologi, 7(3), 187–193.

Tamayo-Monsalve, M. A., Ruiz, E. M., Pulgarin, J. P. V., Ortiz, M. A. B., Arteaga, H. B. A., Rubio, A. M., Alzate-Grisales, J. A., Garzon, D. A., Cano, V. R., Arias, S. O., Osorio, G., & Soto, R. T. (2022). Coffee Maturity Classification Using Convolutional Neural Networks and Transfer Learning. IEEE Access, 10, 42971–42982. https://doi.org/10.1109/ACCESS.2022.3166515




DOI: https://doi.org/10.26760/elkomika.v11i3.731

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2459-9638

diterbitkan oleh :

Teknik Elektro Institut Teknologi Nasional Bandung

Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124

Kontak : Tel. 7272215 (ext. 206) Fax. 7202892

Surat Elektronik : jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________

Statistik Pengunjung

Free counters!

Web Analytics Made Easy - StatCounter

Lihat Statistik Jurnal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License