<![CDATA[Kopi menjadi salah satu jenis tanaman perkebunan yang memiliki nilai ekonomis tinggi dan telah lama dibudidayakan oleh masyarakat Indonesia, namun banyak petani dan produsen kopi masih kesulitan dalam menentukan tingkat hasil penyangraian (roasting) biji kopi. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan tahapan biji kopi roasting secara konsisten. Penelitian ini berfokus pada implementasi fitur HSV dan LAB untuk membandingkan efektivitas masing-masing fitur dalam mengidentifikasi variansi warna berdasarkan tingkat roasting biji kopi yang diklasifikasikan menggunakan algoritma Jaringan Syaraf Tiruan (JST) Backpropogation. Klasifikasi ini terdiri dari 4 kategori kelas yaitu green bean, light roast, medium roast dan dark roast. Dataset yang digunakan mencangkup 1600 citra tingkat roasting biji kopi yang dibagi menjadi 1200 data latih dan 400 data uji. Data latih terdiri dari 300 citra sedangkan data uji terdiri dari 100 citra untuk masing-masing tingkat kategori roasting. Proses eksperimen dilakukan dengan pengujian beberapa variasi parameter jaringan untuk memperoleh konfigurasi terbaik. Variasi yang diuji meliputi arsitektur jaringan 3-7-4 dan 3-8-4, fungsi aktivasi menggunakan sigmoid dan softmax, learning rate sebesar 0,005, 0,01, dan 0,05, serta jumlah epoch sebanyak 1000, 1500, dan 2000. Berdasarkan hasil pengujian, kinerja terbaik pada fitur HSV diperoleh dengan tingkat akurasi sebesar 99,25%, sedangkan fitur LAB menghasilkan akurasi tertinggi sebesar 99,75%. Hasil tersebut menunjukkan bahwa fitur LAB mampu memberikan kinerja klasifikasi yang lebih baik dibandingkan fitur HSV dalam mengenali perbedaan tingkat roasting biji kopi. Penelitian ini diharapkan dapat diimplementasikan secara langsung untuk membantu petani dan produsen kopi dalam membedakan tingkat roasting biji kopi.]]>
Copyrights © 2026
