Perpustakaan Digital ITB

Keberadaan kopi sangat dekat dengan keberadaan manusia karena pemanfaatannya yang beragam, baik untuk pangan, maupun untuk pertumbuhan ekonomi. Indonesia menjadi salah satu negara dengan produksi kopi terbesar di dunia, lebih tepatnya berada pada urutan keempat setelah Brasil, Vietnam, dan Kolombia. Robusta menjadi jenis kopi yang paling banyak berkembang dan diekspor di Indonesia. Dalam panen biji kopi dibutuhkan klasifikasi jenis cacat biji kopi. Dalam klasifikasi biji kopi, digunakan standardisasi berdasarkan Standar Nasional Indonesia (SNI) 01-2907-2008 oleh Badan Standardisasi Nasional (BSN) yang merupakan adaptasi dari International peraturan yang dikeluarkan oleh International Coffee Organization (ICO). Klasifikasi biji kopi awalnya dilakukan secara manual oleh tenaga manusia yang sudah memiliki sertifikat khusus secara organoleptik visual. Namun, hal tersebut menjadi kurang optimal karena bergantung pada jumlah tenaga manusia dan banyaknya biji kopi yang harus dipilah. Oleh karena itu, pada penelitian ini dilakukan pengembangan metodologi klasifikasi biji kopi berbasis computer vision (CV) yang memanfaatkan visual biji kopi untuk pengambilan keputusan dengan menggunakan machine learning dan deep learning. CV digunakan untuk akuisisi data, segmentasi region of interest (ROI), serta ekstraksi fitur fisik dari citra. Untuk klasifikasi, convolutional neural network (CNN) digunakan karena mampu mengekstraksi fitur secara bertingkat, meskipun kinerjanya dapat dipengaruhi variasi warna akibat perubahan pencahayaan. Penelitian ini memanfaatkan Schmid filter bank untuk mengekstraksi fitur tekstur secara multiskala dan multiorientasi, yang menghasilkan feature map tambahan pada setiap kanal RGB sehingga membentuk citra multi-channel. CNN dilatih menggunakan citra multi-channel tersebut untuk mengidentifikasi jenis cacat biji kopi dengan tingkat akurasi yang lebih tinggi dengan persentase mencapai lebih dari 90%, sekaligus mengurangi keterbatasan metode konvensional.