FADLI, Sunu (2025) Identifikasi Perubahan Fisik Biji Kopi Robusta Terfermentasi Yeast dengan Metode Pengolahan Citra Digital (Image Processing) dan Machine Learning. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Sunu Fadli-A1C021074-Skripsi-2025.pdf Download (153kB)
	PDF (Legalitas) LEGALITAS-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Sunu Fadli-A1C021074-Skripsi-2025.pdf Download (222kB)
	PDF (BabI) BAB-I-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only until 11 August 2026. Download (190kB)
	PDF (BabII) BAB-II-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only until 11 August 2026. Download (664kB)
	PDF (BabIII) BAB-III-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only until 11 August 2026. Download (426kB)
	PDF (BabIV) BAB-IV-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabV) BAB-V-Sunu Fadli-A1C021074-Skripsi-2025.pdf Download (170kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Sunu Fadli-A1C021074-Skripsi-2025.pdf Download (292kB)
	PDF (Lampiran) LAMPIRAN-Sunu Fadli-A1C021074-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)

Abstract

Tingginya tingkat persaingan di pasar kopi global mendorong produsen untuk menghasilkan produk yang tidak hanya memiliki karakteristik unik, tetapi juga memenuhi standar mutu tinggi dan prinsip keberlanjutan. Salah satu pendekatan yang mulai banyak diterapkan dalam rangka peningkatan kualitas sensori adalah fermentasi terkontrol menggunakan kultur starter, yang terbukti mampu mengoptimalkan pembentukan senyawa volatil yang berkontribusi terhadap aroma dan cita rasa kopi. Mengingat bahwa proses fermentasi dapat memodifikasi sifat fisik dan kimia biji kopi, maka diperlukan suatu metode analisis yang efisien, cepat, serta aplikatif untuk memantau perubahan mutu yang terjadi selama proses tersebut. Penelitian ini bertujuan untuk 1) menganalisis kualitas fisik biji kopi robusta terfermentasi, menggunakan metode image processing, 2) mengembangkan model machine learning untuk mengklasifikasikan biji kopi fermentasi berdasarkan karakteristik biji kopi, 3) menentukan model machine learning terbaik untuk mengklasifikasi biji kopi robusta fermentasi. Penelitian dilaksanakan di Pusat Riset Teknologi Tepat Guna Badan Riset dan Inovasi Nasional, Kabupaten Subang, Jawa Barat. Penelitian dilakukan pada bulan Oktober 2024 sampai Februari 2025. Fermentasi dilakukan menggunakan percobaan dua faktor, meliputi waktu fermentasi (T) dan jenis media fermentasi (F). Variabel yang digunakan pada penelitian ini terdiri dari 13 parameter yaitu area, major axis, minor axis, perimeter, circularity, energy, contrast, entropy, homogeneity, correlation, red, green, blue. Varibael tersebut diperoleh menggunakan metode image processing. Analisis data menggunakan metode statistik Kruskal Wallis untuk mengetahui pengaruh perlakuan dan menggunakan 3 model machine learning yaitu support vector machine (SVM), random forest (RF), dan k-nearest neighbor (KNN) untuk mengklasifikasikan kualitas biji kopi. Hasil penelitian menunjukkan perubahan fisik biji kopi fermentasi yang signifikan antar perlakuan dan waktu. Semua model berhasil mengklasifikasikan sampel berdasarkan perlakuan. Model SVM secara konsisten menunjukan performa terbaik dengan nilai akurasi mencapai 80,9 % (24 jam); 88,7 % (48 jam); dan 78,0 % (72 jam). RF menempati posisi kedua dengan akurasi 79,9 % (24 jam); 87,4 % (48 jam); dan 74,9 % (72 jam). Sedangkan KNN memiliki performa terendah dengan nilai akurasi 66,2 % (24 jam); 75,9 % (48 jam); dan 64,4 % (72 jam). Temuan ini menegaskan bahwa SVM lebih efektif dalam mengenali pola fitur citra biji kopi meski karakteristik fisik berubah seiring lamanya fermentasi.

Actions (login required)

View Item