i
KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING BERDASARKAN EKSTRAKSI
CIRI ORDE KE-1
SKRIPSI
Sebagai Persyaratan Guna Meraih Gelar Sarjana Teknik Elektro Universitas Muhammadiyah Malang
Disusun oleh:
Muhammad Kurniawan Nursyahbani. M 201610130311070
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2022
ii
LEMBAR PERSETUJUAN
KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING
BERDASARKAN EKSTRAKSI CIRI ORDE KE-1
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana (S1) Teknik Elektro Universitas Muhammadiyah Malang
Disusun Oleh:
MUHAMMAD KURNIAWAN NURSYAHBANI.M 201610130311070
Tanggal Ujian : 15 JANUARI 202 Tanggal Wisuda : 26 FEBRUARI 2022
Diperiksa dan disetujui oleh:
Pembimbing I Pembimbing II
Dr. Ir.Lailis Syafa’ah, M.T. Amrul Faruq, S.T., M.Eng., Ph.D
NIDN: 0721106301 NIDN: 0718028601
iii
iv
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini:
Nama : MUHAMMAD KURNIAWAN N.M
Tempat / Tgl. Lahir : KOTABARU, 29 NOVEMBER 1998
NIM : 201610130311070
Fakultas / Jurusan : TEKNIK / TEKNIK ELEKTRO
Dengan ini saya menatakan bahwa Tugas Akhir saya dengan judul “Klasifikasi Jenis Biji Kopi Robusta Dampit Dan Arabika Karangploso Menggunakan Machine Learning Berdasarkan Ektraksi Ciri Orde Ke-1” beserta seluruh isinya adalah karya saya sendiri dan bukan merupakan karya tulis orang lain, baik Sebagian maupun seluruhnya, kecuali dalam bentuk kutipan yang telah disebutkan sumbernya.
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya. Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau ada klaim dari pihak lain terhadap keaslian karya say aini maka saya siap menanggung segala bentuk resiko / sanksi yang berlaku.
Malang, 17 November 2021 Yang membuat pernyataan
MUHAMMAD KURNIAWAN N.M
Mengetahui,
Dosen Pembimbing I Dosen Pembimbing II
Dr. Ir.Lailis Syafa’ah, M.T. Amrul Faruq, S.T., M.Eng.,Ph.D.
NIDN: 0721106301 NIDN: 0718028601
v
ABSTRAK
Penelitian ini membahas tentang membedakan kopi berdasarkan dari perkebunan asalnya (single origin) atau jenisnya. Banyak pecinta kopi yang belum mengetahui cara untuk membedakannya. Dalam hal ini dapat disolusikan dengan melakukan pemodelan yang mengidentifikasiakan jenis biji kopi. Salah satu metode yang digunakan ialah pencitraan. Dalam penelitian ini untuk klasifikasi biji kopi menggunakan metode algoritma Support Vector Machine berdasarkan ciri orde ke- 1. Tujuan dari penelitian ini adalah untuk mengetahui nilai akurasi pada kalsifikasi jenis kopi mengguankan Multi Support Vector Machine berdasarkan ciri orde ke-1.
Metode yang digunakan pada penelitian ini terdiri dari citra biji kopi, preprocessing, dan klasifikasi data menggunakan MultiSupport Vector Machine.
Tahap pada penelitian ini terbagi menjadi 4 (empat) tahap yaitu input data, preprocessing, training dan identifikasi. Tahap pertama data akan di input, data yang di input berjumlah 140 data. Kemudian citra yang semula RGB diubah menjadi greyscalling (citra abu). Selanjutnya citra yang telah diubah dilakukan tahap ektraksi ciri orde ke-1 untuk mendapatkan parameter sebagai masukan untuk training. Setelah dilakukannya training maka data akan di uji dengan 22 data citra biji kopi 11 robusta Dampit dan arabika Karangploso denga nilai akurasi sebesar 86.36%.
Kata kunci: Citra, Biji Kopi, Ektraksi ciri orde ke-1, Multi SVM
vi
ABSTRACT
This research discusses about differentiating coffee bean based on the plantation of origin (single origin) or the type, many coffee lovers don't know how to tell the difference. In this case it can be solved by doing modeling that identifies the type of coffee beans,one of the methods used is imaging. In this study, the classification of coffee beans uses the Support Vector Machine algorithm based on the characteristics of the 1st order. The purpose of this study was to determine the value of accuracy in the classification of coffee types using the Multi Support Vector Machine based on 1st order feature extraction. The method used in this study consisted of coffee bean imagery, preprocessing, and data classification using the Multi Support Vector Machine. The stages in this research are divided into 4 (four) stages, namely data input, preprocessing, training and identification. The first stage of data will be inputted, the input data is 140 data. Then the image which was originally RGB is changed to greyscalling (image gray). Furthermore, the image that has been changed is carried out in the first-order feature extraction stage to obtain parameters as input for training. After the training, the data will be tested with 22 image data of coffee beans, 11 Robusta Dampit and 11 Arabica Karangploso with an accuracy value of 86.36%.
kEYWORDS: Image, Coffe bean, 1st order feature extraction, Multi SVM
vii
LEMBAR PERSEMBAHAN
Alhamdulillah, segala puja puji dan syukur kepada Allah ﷻ serta tidak lupa sholawat kita hanturkan kepada nabiyullah baginda Muhammad ﷺ, atas rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. Penulis ingin mengucapkan terima kasih sedalam-dalamnya kepada :
1. Allah ﷻ yang mana selalu memberikan jalan dan petunjuk dalam pengerjaan tugas akhir ini.
2. Kedua orang tua saya Abah Muhammdiyah. M, Mama Hairun Nisa dan kakak saya Muhammad Jordi Ramadhan.M kemudian adik saya Fatimah beserta seluruh keluarga atas dukungan moril ataupun dukungan materil.
3. Ketua Program Studi Teknik Elektro Bapak Khusbul Hidayat, S.T., M.T. dan Sekretaris Program Studi Teknik Elektro Ibu Merinda Lestandy, S.kom, M.T.
besera seluruh jajarannya.
4. Ibu Dr.Ir. Lailis Syafa’ah, M.T. dan Bapak Amrul Faruq, S.T., M.Eng., Ph.D.
yang telah meluangkan waktu untuk membimbing penulis dalam Menyusun skripsi ini.
5. Seluruh Civitas Akademika (dosen, asisten, dan karyawan) Universitas Muhammadiyah Malang yang telah membekali ilmu dan membantu penulis selama proses studi.
6. Terakhir saya ucapkan terima kasih untuk semua angkatan 2016 ataupun teman-teman yang ada dalam cerita kuliah saya yang menjadi teman main jalan-jalan dan hal hal lainnya saya ucapkan terima kasih banyak atas ceritanya,
Semoga Allah ﷻ selalu memberikan rahmat dan hidayah-Nya atas semua kebaikan dan semoga kita selalu dalam lindungan serta tuntunan-Nya
viii
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah ﷻ atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir ini yang berjdul :
“KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING
BERDASARKAN EKSTRAKSI CIRI ORDE KE-1”
Penulisan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar sarjana Teknik di Universitas Muhammadiyah Malang, selain itu penulis berharap tugas akhir ini dapat memperluas pustaka dan pengetahuan utamanya dalam bidang elektronika dan informatika.
Penulis menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh sebab itu penulis mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan ke depannya.
Akhir kata semoga buku ini dapat bermanfaat di masa sekarang maupun di masa yang akan datang. Sebagai manusia yang tidak l;uput akan salah dah khilafan, maka penulis memohon maaf apabila ada kekeliruan yang sengaja maupun tidak sengaja.
Malang, 15 Januari 2022
Penulis
ix
DAFTAR ISI
LEMBAR JUDUL ... i
LEMBAR PERSETUJUAN ... ii
LEMBAR PENGESAHAN ... iii
LEMBAR PERNYATAAN ... iv
ABSTRAK ... v
ABSTRACT ... vi
LEMBAH PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan Penelitian ... 2
1.4 Batasan Masalah... 2
1.5 Manfaat ... 2
1.6 Sistematika Penulisan ... 3
BAB II TINJAUAN PUSTAKA ... 4
2.1 Pengolahan Citra ... 4
2.2 Kopi ... 4
2.2.1 Arabika (Coffea Arabica) ... 5
2.2.2 Robusta (Coffea Canephora) ... 6
2.3 Cropping ... 6
2.4 Support Vector Machine (SVM) ... 7
2.4.1 Multi Class SVM ... 7
2.5 Ektraksi Ciri Orde ke-1 ... 8
2.6 Image Histogram ... 10
2.7 Grayscalling ... 10
BAB III METODE PENELITIAN ... 12
3.1 Metode Penelitian... 12
3.1.1 Data Biji Kopi ... 13
3.1.2 Greyscalling ... 14
3.1.3 Ektraksi Ciri Orde ke-1 ... 14
x
3.1.4 Support Vector Machine ... 15
BAB IV HASIL DAN PEMBAHSAN ... 17
4.1 Pengumpulan dan Pembicaraan Citra Biji Kopi ... 17
4.2 Preprocessing ... 18
4.2.1 Greyscalling ... 18
4.2.2 Ektraksi Ciri Orde ke-1 ... 19
4.3 Training Multi Support Vector Machine ... 20
4.4 Testing Multi Support Vector Machine ... 20
4.5 Tampil Antar Muka ... 24
4.6 Analisis Hasil ... 27
BAB V PENUTUP ... 28
5.1 Kesimpulan ... 28
5.2 Saran ... 28
DAFTAR PUSTAKA ... 29
LAMPIRAN ... 31
xi
DAFTAR GAMBAR
Gambar 2.1 Persamaan Matriks Citra ... 4
Gambar 2.2 Matriks Proses Cropping ... 6
Gambar 2.3 SVM Mencari Hyperplane terbaik ... 7
Gambar 2.4 Contoh Klasifikasi One Agaist All untuk 3 Class ... 8
Gambar 3.1 Diagram Blok Klasifikasi Biji Kopi ... 12
Gambar 3.2 Robusta Dampit ... 13
Gambar 3.3 Arabika Karangploso... 13
Gambar 3.4 Informasi pallet ... 14
Gambar 3.5 Greyscalle Citra Biji Kopi... 14
Gambar 3.6 Flowchart Proses Training Multi SVM ... 15
Gambar 3.7 Flowchart Klasifikasi Jenis Biji Kopi Berdasarkan Ektraksi Ciri Orde ke-1 ... 16
xii
DAFTAR TABEL
Tabel 4.1 Contoh Citra Biji Kopi Tiap Jenis ... 17 Tabel 4.2 Data Hasil Uji... 21
xiii
DAFTAR PUSTAKA
[1]Condori, R. H. M., Humari, J. H. C., Portugal-Zambrano, C. E., Gutiérrez- Cáceres, J. C., & Beltrán-Castañón, C. A. (2014, September). Automatic classification of physical defects in green coffee beans using CGLCM and SVM. In 2014 XL Latin American Computing Conference (CLEI) (pp. 1- 9). IEEE.
[2]de Oliveira, E. M., Leme, D. S., Barbosa, B. H. G., Rodarte, M. P., & Pereira, R.
G. F. A. (2016). A computer vision system for coffee beans classification based on computational intelligence techniques. Journal of Food
engineering, 171, 22-27.
[3]Radi, M. R., & Purnomo, M. H. (2015). Combination of first and second order statistical features of bulk grain image for quality grade estimation of green coffee bean. ARPN Journal of Engineering and Applied
Sciences, 10(18), 8165-8174
[4]Sebatubun, M. M., & Nugroho, M. A. (2017). Ekstraksi Fitur Circularity untuk Pengenalan Varietas Kopi Arabika. Jurnal Teknologi Informasi dan Ilmu Komputer, 4(4), 283-289.
[5] Kusmaryanto, S. (2014). Jaringan Saraf Tiruan Backpropagation untuk Pengenalan Wajah Metode Ekstraksi Fitur Berbasis Histogram. Jurnal EECCIS, 8(2), 193-198.
[6]Fitryadi, K., & Sutikno, S. (2016). Pengenalan Jenis Golongan Darah Menggunakan Jaringan Syaraf Tiruan Perceptron. Jurnal Masyarakat Informatika, 7(1), 1-10.
[7]Chandra, D., Ismono, R. H., & Kasymir, E. (2013). Prospek perdagangan kopi Robusta Indonesia di pasar internasional. Jurnal Ilmu-Ilmu
Agribisnis, 1(1).
[8]Fujioka, Kazutoshi., & Shibamoto, T. (2008). Chlorogenic acid and caffeine contents in various commercial brewed coffees. Food Chemistry, 106(1), 217-221.
[9]Ayelign, A., & Sabally, K. (2013). Determination of chlorogenic acids (CGA) in coffee beans using HPLC. American Journal of Research
Communication, 1(2), 78-91.
[10]Farhaty, N., & Muchtaridi, M. (2016). Tinjauan kimia dan aspek farmakologi senyawa asam klorogenat pada biji kopi. Farmaka, 14(1), 214-227
[11] Dani, Hamdan dan Aries Santoni. 2018. Coffe Karena Selera Tidak Dapar Diperdebatkan. Jakarta Selatan:PT AgroMedia Pustaka. Hal 2
[12] Dani, Hamdan dan Aries Santoni. 2018. Coffe Karena Selera Tidak Dapar Diperdebatkan. Jakarta Selatan:PT AgroMedia Pustaka. Hal 5-6
xiv
[13] Nurcahya, E. D. (2017). Klasifikasi Penyakit Ayam Menggunakan Metode Support Vector Machine. VOLT: Jurnal Ilmiah Pendidikan Teknik Elektro, 2(1), 45-54.
[14]Banyal, N. A., Surianti, S., & Dayat, A. R. (2016). Klasifikasi citra
plasmodium penyebab penyakit malaria dalam sel darah merah manusia dengan menggunakan metode multi class support vector machine (svm). ILKOM Jurnal Ilmiah, 8(2), 111-118.
[15]Mahran, A. A., Hapsari, R. K., & Nugroho, H. (2020). Penerapan Naive Bayes Gaussian Pada Klasifikasi Jenis Jamur Berdasarkan Ciri Statistik Orde Pertama. Network Engineering Research Operation, 5(2), 91-99.
[16] Sidik, S., Firmansyah, F., & Anwar, S. (2019). Perbaikan Citra Malam (Tidak Infrared) Dengan Metode Histogram Equalization Dan Contrast
Stretching. JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), 4(2), 203-210.
[17] Sanjaya, C. B., & Rosadi, M. I. (2018). Klasifikasi buah mangga berdasarkan tingkat kematangan menggunakan least-squares support vector
machine. Explore IT,
Muhammad Kurniawan Nursyahbani.M
C
KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING
BERDASARKAN EKSTRAKSI CIRI ORDE KE-1 201610130311070
UNIVERSITAS MUHAMMADIYAH MALANG
FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO & D3 TEKNIK ELEKTRONIKA
Jl. Raya Tlogomas 246 Malang 65144 Telp. 0341 - 464318 Ext. 129, Fax. 0341 - 460782
FORM CEK PLAGIASI LAPORAN TUGAS AKHIR
Nama Mahasiswa : ………
NIM : ………
Judul TA : ……….
.……….
………..
Hasil Cek Plagiarisme dengan Turnitin
No. Komponen Pengecekan Nilai Maksimal
Plagiasi (%)
Hasil Cek Plagiasi (%) *
1. Bab 1 – Pendahuluan 10 % 1%
2. Bab 2 – Studi Pustaka 25 % 6%
3. Bab 3 – Metodelogi Penelitian 35 % 22%
4. Bab 4 – Pengujian dan Analisis 15 % 7%
5. Bab 5 – Kesimpulan dan Saran 5 % 0%
6. Publikasi Tugas Akhir 20 % 12%
Mengetahui,
Dosen Pembimbing I, Dosen Pembimbing II,
(Dr.Ir.Lailis Syafaah, M. T.) (Amrul Faruq, S.T., M.Eng., Ph.D.)
