PENGEMBANGAN APLIKASI MOBILE UNTUK DETEKSI CACAT BIJI KOPI ROBUSTA BERDASARKAN STANDAR NASIONAL INDONESIA
DOI:
https://doi.org/10.35143/jkt.v10i2.6472Kata Kunci:
Android, Biji Kopi, Convolutional Neural Network (CNN), Mobile, Object DetectionAbstrak
Kopi merupakan salah satu jenis bahan baku minuman yang penting diseluruh dunia. Indonesia merupakan salah satu penghasil dan pengekspor kopi di dunia dan saat ini jumlah konsumsi kopi semakin meningkat.Untuk menjaga rasa kopi makan perlu menjaga kualitas biji kopi, pemerintah menetapkan Standar Nasional Indonesi (SNI) 01-2907-2008 tentang biji kopi. Proses penentuan kualitas mutu biji dilakukan oleh prosesor yang dimana akan melakukan langkah-langkah yang ada pada SNI secara manual. Oleh karena itu, untuk mempercepat proses penentuan mutu serta memberikan pengetahuan terhadap masyarakat biasa penulis membuat sebuah aplikasi deteksi mutu biji kopi berbasis mobile untuk menentukan grade biji kopi berbasis android. Dalam aplikasi ini akan dimuat sebuah model machine learning dengan basis deteksi objek. Untuk implementasi machine learning menggunakan tensorflow dan Convolutional Neural Network (CNN) sebagai arsitektur. Dari hasil data yang di training didapatkan rata-rata akurasi sebesar 84% yang menunjukkan bahwa aplikasi rata-rata mendeteksi dengan bener dan pengujian Selain itu pengujian jugaa dilakukan kepada beberapa smartphone dan jarak kedekatan mendeteksi. Dari hasil pengujian didapatkan bahwa jarak paling baik untuk melakukan deteksi adalah 15 cm untuk mendapatkan data yang sesuai dan terdeteksi dan smartphone yang paling tinggi untuk nilainya adalah Smartphone A30 dengan resolusi 16 MP.Unduhan
Referensi
“Industri Kopi di Indonesia - Analisis Produksi, Ekspor & Konsumsi | Indonesia Investments,” https://www.indonesia-investments.com/id/bisnis/komoditas/kopi/item186. Accessed: Nov. 21, 2024. [Online]. Available: https://www.indonesia-investments.com/id/bisnis/komoditas/kopi/ item186
Kemenperin, “Kemenperin: Industri Pengolahan Kopi Semakin Prospektif,” Kemenperin.Go.Id. Accessed: Nov. 21, 2024. [Online]. Available: https://kemenperin.go.id/artikel/21117/Industri-Pengolahan-Kopi-Semakin-Prospektif
B. M. Elliot, “Proses Pengolahan Biji Kopi: Perjalanan dari Biji hingga Kopi yang Nikmat - Sajian Kopi,” https://sajiankopi.com/proses-pengolahan-biji-kopi-perjalanan-dari-biji-hingga-kopi-yang-nikmat/. Accessed: Nov. 21, 2024. [Online]. Available: https://sajiankopi.com/proses-pengolahan-biji-kopi-perjalanan-dari-biji-hingga-kopi-yang-nikmat/
M. W. A. Kesiman and I. Sulaiman, Semi-automatic Ground Truth Image Construction for Coffee Bean Defects Classification Based on SNI 01-2907-2008, vol. 1. Atlantis Press International BV, 2023. doi: 10.2991/978-94-6463-122-7_43.
“Standar Nasional Indonesia (SNI) Biji Kopi: SNI 01-2907- 2008 - Coffee & Cacao Training Center.” Accessed: Nov. 21, 2024. [Online]. Available: https://www.cctcid.com/2018/08/14/standar-nasional-indonesia-sni-sni-01-2907-1999/
R. Sistem, P. Citra, B. Jagung, T. Elektro, P. Magister, and U. Gunadarma, “Penerapan Convolutional Neural Network Deep Learning dalam,” Jurnal Resti, vol. 1, no. 10, pp. 265–271, 2021.
M. I. I. Fata and D. Avianto, “Penerapan Metode Naive Bayes pada Sistem Klasifikasi Kualitas Biji Kopi Robusta,” Jurnal Indonesia?: Manajemen Informatika dan Komunikasi, vol. 5, no. 1, pp. 512–524, 2024, doi: 10.35870/jimik.v5i1.515.
U. UNGKAWA and G. AL HAKIM, “Klasifikasi Warna pada Kematangan Buah Kopi Kuning menggunakan Metode CNN Inception V3,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 11, no. 3, p. 731, 2023, doi: 10.26760/elkomika.v11i3.731.
I. Alfiantama, M. I. Kresnawan, and A. P. Handoko, “Klasifikasi Tingkat Roasting Biji Kopi Dengan Metode CNN,” Prosiding Seminar Nasional Teknologi Dan Sains Tahun 2024, vol. 3, pp. 285–290, 2024.
M. T. Hidayat, P. E. P. Utomo, and B. F. Hutabarat, “Implementasi Model Terlatih CNN pada Aplikasi Android Pendeteksi Jenis Kopi dengan Input Foto Biji, Buah dan Daun,” Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 15(1), no. 1, pp. 42–52, 2024.
Kamil Fadli, “Pengolahan Citra Digital Menggunakan Metode Yolo Untuk Mendeteksi Kualitas Dari Biji Kopi Berbasis Android,” Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, vol. 1, no. 1, pp. 120–125, 2023.
G. A. Pratama, E. Y. Puspaningrum, and H. Maulana, “Convolutional Neural Network Dan Faster Region Convolutional Neural Network Untuk Klasifikasi Kualitas Biji Kopi Arabika,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4887.
I. Nihayatul Husna, M. Ulum, A. Kurniawan Saputro, D. Tri Laksono, and D. Neipa Purnamasari, “Rancang Bangun Sistem Deteksi Dan Perhitungan Jumlah Orang Menggunakan Metode Convolutional Neural Network (CNN),” Seminar Nasional Fortei Regional, vol. 7, pp. 1–6, 2022.
Adi Nugroho, Agustinus Bimo Gumelar, Adri Gabriel Sooai, Dyana Sarvasti, and Paul L Tahalele, “Perbandingan Performansi Kinerja Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 5, pp. 998–1006, 2020, doi: 10.29207/resti.v4i5.2316.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
