Perpustakaan Digital ITB

Indonesia sebagai negara penghasil komoditas biji kopi terbesar ke-4 dunia pada tahun 2020 jumlah panennya mencapai 1,25 ton. Hasil panennya didominasi dari varietas robusta dengan persentase sebesar 72,7. Mutu biji kopi di Indonesia diatur dalam Standar Nasional Indonesia (SNI) 01-2907-2008 dengan berbagai kriteria jenis cacat. Beberapa jenis cacat interinsik di dalam SNI 01-2907-2008 yang dapat menurunkan mutu biji kopi adalah jenis cacat biji kopi hitam, hitam pecah, hitam sebagian, dan biji kopi coklat. Beberapa jenis cacat biji kopi tersebut sering ditemukan pada biji kopi robusta asal Lampung (Coffea canephora) yang turut mempengaruhi komoditas biji kopi nasional saat diperdagangkan. Pengujian mutu berdasarkan jenis cacat biji kopi yang terdapat pada SNI 01-2907-2008 hingga saat ini masih dilakukan secara organoleptik visual pada pencahayaan tampak oleh penguji bersertifikat. Perlu diketahui, proses pengujian mutu dengan cara tersebut memerlukan waktu yang tidak sebentar dan dapat menimbulkan kelelahan pada mata penguji sehingga potensi inkonsistensi mutu biji kopi yang akan diperdagangkan semakin besar. Oleh sebab itu, bersamaan dengan semakin meningkatnya hasil panen biji kopi sebagai komoditas pertanian di Indonesia, diperlukan suatu metode yang lebih efisien saat pengujian mutu dilakukan. Sistem visi komputer pintar pada beberapa tahun terakhir sebenarnya telah diajukan sebagai salah satu metode nondestruktif untuk menangani permasalahan klasifikasi dan deteksi berbagai jenis biji kopi, contohnya untuk mendeteksi serta mengklasifkasikan tingkat kemurnian biji kopi luwak dengan nilai akurasi mencapai 85% menggunakan arsitektur ResNet-50 serta untuk mengklasifikasikan biji kopi bagus dan peaberry menggunakan jaringan syaraf konvolusi dengan nilai akurasi yang diperoleh sebesar 98,19% sehingga dinyatakan memiliki potensi untuk dikembangkan pada kasus produk pertanian serupa, namun jenis biji kopi dalam beberapa penelitian tersebut belum memenuhi jenis cacat biji kopi yang terdapat pada SNI 01-2907-2008. Selain itu, algoritma pada sistem visi komputer pintar yang ada sampai dengan saat ini belum dikembangkan untuk pengujian mutu biji kopi berdasarkan SNI 01-2907-2008, sehingga pada penelitian ini dilakukan pengembangan sistem visi komputer pintar menggunakan model terlatih ResNet- 50 untuk mengklasifikasikan, mendeteksi jenis cacat biji kopi hitam, hitam pecah, hitam sebagian, bagus, serta biji kopi coklat, dan menguji mutunya berdasarkan penggolongan SNI 01-2907-2008. Beberapa alasan mengapa digunakan model terlatih ResNet-50 pada penelitian ini karena dapat dimanfaatkan untuk menangani permasalahan khusus, memiliki generalisasi model yang tinggi dengan akurasi di atas 90%, dapat mempersingkat waktu pelatihan, dan mengefisienkan sumber daya komputasi untuk pelatihan. Citra biji kopi dari jenis cacat biji kopi hitam, hitam pecah, hitam sebagian, bagus, serta biji kopi coklat dengan jumlah masing-masing biji sebanyak 100 butir diakuisisikan menggunakan pencahayaan yang konsisten,bidang pandang yang proporsional, dan diletakkan secara tidak saling berhimpit pada penelitian ini. Citra per biji kopi sebagai pengkoleksian dataset diperoleh dengan memanfaatkan algoritma iterasi terprogram saat prapemrosesan untuk kemudian dilakukan pemisahan menjadi subset pelatihan sebesar 395 citra atau setara dengan 79% dari dataset, subset validasi sebesar 55 citra, dan subset uji sebesar 50 citra. Subset citra validasi diperlukan untuk mengetahui apakah proses pembelajaran bergerak kearah yang tepat atau tidak, sedangkan subset citra uji diperlukan untuk memverifikasi kinerja model setelah dibangun. Pelatihan dilakukan pada jaringan syaraf konvolusi model terlatih ResNet-50 dengan batch size sebesar 32 dan epoch sebesar 30 di atas kartu grafik NVIDIA GeForce RTX 3060 Ti sehingga dihasilkan akurasi pada subset validasi dan uji (klasifikasi) masing-masing sebesar 94% dan 88%. Model terlatih ResNet-50 yang telah berhasil dibangun kemudian dilakukan pengimplementasian pada algoritma yang telah dikembangkan untuk pengujian mutu biji kopi hitam, hitam pecah, hitam sebagian, coklat, dan biji kopi bagus yang terdapat pada SNI 01-2907-2008 dengan citra biji kopi diluar dari dataset, hasil yang diperoleh menunjukkan bahwa masih terdapat satu kesalahan deteksi pada biji kopi bagus menjadi biji kopi coklat yang mempertegas hasil penelitian sebelumnya bahwa generalisasi model dapat diraih lebih optimal jika kuantitas dataset diperbanyak dengan jumlah citra per jenis cacatnya melebihi 100 citra.