KLASIFIKASI CITRA BIJI KOPI TEMANGGUNG MENGGUNAKAN GRAY LEVEL CO-OCURRENCE MATRIX – CONVOLUTIONAL NEURAL NETWORK

Syahrun Muhammad Syadham; Mutaqin Akbar

doi:10.23960/jitet.v13i3.7274

Authors

Syahrun Muhammad Syadham
Mutaqin Akbar

DOI:

https://doi.org/10.23960/jitet.v13i3.7274

Abstract Views: 112 File Views: 75

Keywords:

GRAY LEVEL CO-OCURRENCE MATRIX, CONVOLUTIONAL NEURAL NETWORK

Abstract

Kabupaten Temanggung dikenal sebagai daerah penghasil kopi unggulan di Jawa Tengah. Namun, identifikasi varietas biji kopi seperti Arabika, Robusta, dan Excelsa masih banyak dilakukan secara visual yang rawan kesalahan karena sifatnya yang subjektif. Penelitian ini bertujuan merancang sistem klasifikasi citra biji kopi Temanggung dengan mengombinasikan metode Gray Level Co-occurrence Matrix (GLCM) dan Convolutional Neural Network (CNN). Sebanyak 1.350 citra biji kopi diolah dan diekstraksi menjadi 16 fitur tekstur menggunakan GLCM dari empat arah orientasi. Fitur tersebut digunakan sebagai input untuk arsitektur CNN berlapis 16. Dataset dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil pelatihan menunjukkan akurasi sebesar 96,67%, sedangkan pada pengujian mencapai 96,30%. Temuan ini membuktikan bahwa kombinasi GLCM dan CNN mampu menghasilkan akurasi yang baik walaupun masih belum bisa mengungguli penelitian sebelumnya.

Downloads

Download data is not yet available.

References

N. S. Sumarjo, H. I. Ihsaniyati, and P. P. Pardono, “ADOPSI STANDAR INDIKASI GEOGRAFIS OLEH PETANI KOPI ROBUSTA DI KABUPATEN TEMANGGUNG,” Jurnal AGRISEP: Kajian Masalah Sosial Ekonomi Pertanian dan Agribisnis, vol. 19, no. 1, pp. 1–14, Mar. 2020, doi: 10.31186/jagrisep.19.1.1-14.

A. Gita Arumsari et al., “Analisis Proses Roasting pada Kopi.” [Online]. Available: http://ejurnal.undana.ac.id/index.php/jbkHalaman|98

R. Wintoko and N. Marlena, “ANALISIS STRATEGI PEMASARAN PADA UKM RUMAH KOPI TEMANGGUNG,” Jurnal Pendidikan Tata Niaga (JPTN, vol. 9, 2021.

H. Syafhita Maharani, I. Kadek, and D. Nuryana, “Role Of Gray Level Co-Occurrence Matrix for Convolution Neural Network Transfer Learning in Coffee Bean Classification,” Journal of Informatics and Computer Science, vol. 05, 2023.

M. A. Nugroho and M. M. Sebatubun, “KLASIFIKASI VARIETAS KOPI BERDASARKAN GREEN BEAN COFFEE MENGGUNAKAN METODE MACHINE LEARNING,” 2020.

I. M. Pakaya, R. Radi, and B. Purwantana, “Classification of Roasting Level of Coffee Beans Using Convolutional Neural Network with MobileNet Architecture for Android Implementation,” Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering), vol. 13, no. 3, p. 924, Aug. 2024, doi: 10.23960/jtep-l.v13i3.924-932.

Y. Hafifah, K. Muchtar, A. Ahmadiar, and S. Esabella, “Perbandingan Kinerja Deep Learning Dalam Pendeteksian Kerusakan Biji Kopi,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 6, p. 1928, Dec. 2022, doi: 10.30865/jurikom.v9i6.5151.

L. Hakim et al., “KLASIFIKASI CITRA MOTIF BATIK BANYUWANGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” 2023. [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index

T. A. Anu, R. Rosnelly, U. Hasibuan, and P. Bulolo, “KLASIFIKASI FITUR WARNA LEVEL ROASTING BIJI KOPI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK,” JURNAL DEVICE, vol. 13, no. 1, pp. 8–13.

J. Khatib Sulaiman, A. Regita Azzahra, H. Darwis, and D. Widyawati, “Klasi&ikasi Daun Herbal Menggunakan Metode CNN dan Naïve Bayes dengan Fitur GLCM,” Indonesian Journal of Computer Science Attribution, vol. 12, no. 4, p. 2183.

T. D. Satrio and D. Avianto, “APLIKASI PENGENALAN JENIS BIJI KOPI BERDASARKAN GREEN BEAN BERBASIS ANDROID DAN WEBSITE,” Jurnal Teknologi Informasi, vol. 5, no. 3, 2024, doi: 10.46576/djtechno.

I. Alfiantama, M. I. Kresnawan, and A. P. Handoko, “Klasifikasi Tingkat Roasting Biji Kopi Dengan Metode CNN.”

P. Adella Maharani and M. Akbar, “IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI JENIS KOPI TEMANGGUNG,” 2024.

M. Murinto, M. Rosyda, and M. Melany, “Klasifikasi Jenis Biji Kopi Menggunkan Convolutional Neural Network dan Transfer Learning pada Model VGG16 dan MobileNetV2,” JRST (Jurnal Riset Sains dan Teknologi), vol. 7, no. 2, p. 183, Sep. 2023, doi: 10.30595/jrst.v7i2.16788.

B. E. Cahyono, A. T. Nugroho, and I. W. Maulinida, “Klasifikasi Jenis Biji Kopi dengan Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM),” TEKNOTAN, vol. 16, no. 3, p. 191, Mar. 2023, doi: 10.24198/jt.vol16n3.9.

E. C. Tinambunan, A. F. Syahra, and N. Hasibuan, “Analisis Faktor Yang Mempengaruhi Minat Milenial Terhadap Boba vs Kopi di Kota Medan,” Journal of Business and Economics Research (JBE), vol. 1, no. 2, pp. 80–86, 2020.

Y. Nugroho, P. Setyo Nugroho, and T. Yuni Iswati, “PENERAPAN ARSITEKTUR ORGANIK PADA AGROWISATA KOPI DI KABUPATEN TEMANGGUNG,” 2023. [Online]. Available: https://jurnal.ft.uns.ac.id/index.php/senthong/index

A. Niravita et al., “Peningkataan Kapasitas dan Daya Saing UMKM Kopi Di Kabupaten Temanggung Melalui Legalitas Usaha,” Jurnal Pengabdian kepada Masyarakat Nusantara, Dec. 2024.

F. Agustina and Z. A. Ardiansyah, “Identifikasi Citra Daging Ayam Kampung dan Broiler Menggunakan Metode GLCM dan Klasifikasi-NN Image Identification of Local Chicken Meat and Broiler Chicken MeatUsing GLCM Method and K-NN Classification,” 2020.

M. Bramarambika, “Brain Tumor Classification for MR Images Using Hybrid GLCM-LDTP-Le-Net Feature extraction and Bi-LSTM model,” International Journal of Intelligent Engineering and Systems, vol. 15, no. 2, pp. 116–125, Apr. 2022, doi: 10.22266/ijies2022.0430.12.

P. Setiaji, K. Adi, and B. Surarso, “Development of Classification Method for Determining Chicken Egg Quality Using GLCM-CNN Method,” Ingenierie des Systemes d’Information, vol. 29, no. 2, pp. 397–407, Apr. 2024, doi: 10.18280/isi.290201.

D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 2, p. 900, Jul. 2022, doi: 10.33087/jiubj.v22i2.2065.

U. Sri Rahmadhani and N. Lysbetti Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” vol. 8, no. 2, 2023.

M. Akbar, “Pengenalan rambu lalu lintas menggunakan convolutional neural networks,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 2, pp. 120–125, Apr. 2021.

M. Akbar, A. S. Purnomo, and S. Supatman, “Multi-Scale Convolutional Networks untuk Pengenalan Rambu Lalu Lintas di Indonesia,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 3, pp. 310–315, Dec. 2022, doi: 10.32736/sisfokom.v11i3.1452.