Deteksi Defect Coffee Pada Citra Tunggal Green Beans Menggunakan Metode Ensamble Decision Tree

Abstract

Kopi merupakan salah satu komoditas minuman unggulan, sehingga permintaan biji kopi meningkat dari tahun ke tahun. Permintaan biji kopi didasarkan pada kualitas. Terdapat bebarapa faktor yang mempengaruhi kualitas antara lain bagaimana kopi ditanam dan dipanen, adapun kurangnya nutrisi dan perlindungan tanaman yang tidak memadai, maka akan menghasilkan kopi yang berkualitas rendah. Biji kopi berkualitas rendah sering kali disebut defects. Identifikasi defects coffee sangat penting khususnya bagi para petani dan pengusaha kopi agar dapat memilih biji kopi yang berkualitas tinggi sehingga meningkatkan nilai jual biji kopi. Pada beberapa industri kopi maupun makanan, teknik untuk mengidentifikasi cacat biji kopi biasa dengan cara seleksi manual dan mekanik, yang mana membutuhkan waktu yang lama dan dapat merusak biji kopi. Oleh karena itu diperlukan suatu pendekatan yang lebih modern dalam mengidentifikasi cacat biji kopi  seperti pengolahan citra. Untuk itu penelitian ini bertujuan melakukan pengolahan citra berupa segmentasi pada citra green beans coffee menggunakan metode thresholding. Setelah itu dilakukan analisis tekstur menggunakan GLCM (Grey Level Co-occurence Matrix) dan dilanjutkan dengan pemodelan klasifikasi menggunakan algoritma C4.5 dengan bagging. Dari hasil penelitian yang diperoleh, akurasi dari penggunaan algoritma C4.5 dengan bagging sebesar 94%.