APLIKASI PENGOLAHAN CITRA DALAM DIFERENSIASI BIJI KOPI NON-FERMENTASI DAN FERMENTASI

Abstract

Fermentasi kopi merupakan teknik penting untuk meningkatkan nilai ekonomis biji kopi melalui modifikasi flavour. Namun, metode evaluasi kualitas kopi saat ini masih bersifat destruktif, mahal, dan memakan waktu. Penelitian ini mengembangkan pendekatan nondestruktif berbasis pengolahan citra digital dan pembelajaran mesin untuk mengklasifikasikan kopi non-fermentasi, fermentasi 1 (air dan ragi), dan fermentasi 2 (gula dan sari tauge) berdasarkan karakteristik visual. Citra biji kopi yang telah dipanggang dianalisis untuk fitur warna, tekstur, dan bentuk. Fitur warna diekstraksi menggunakan saluran warna pada ruang RGB, sedangkan fitur tekstur diukur menggunakan matriks Grey Level Co-occurrence Matrix (GLCM) untuk menghitung kontras, energi, dan homogenitas. Selain itu, fitur bentuk dianalisis melalui kontur untuk menghitung keliling dan eksentrisitas bentuk biji kopi. Fitur-fitur ini digunakan dalam model klasifikasi dengan algoritma Random Forest, KNN, SVM, dan Logistic Regression. Logistic Regression menunjukkan performa terbaik dengan akurasi 94,93%, diikuti Random Forest dan SVM dengan akurasi 93,24%, serta KNN dengan 91,30%. Metode ini memberikan solusi cepat, akurat, dan efisien untuk evaluasi kualitas kopi.