RANCANG BANGUN SISTEM KLASIFIKASI ROASTING KOPI DENGAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Farisya, Fajar

RANCANG BANGUN SISTEM KLASIFIKASI ROASTING KOPI DENGAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

dc.contributor.author	Farisya, Fajar
dc.date.accessioned	2022-11-23T03:49:04Z
dc.date.available	2022-11-23T03:49:04Z
dc.date.issued	2022
dc.description.abstract	Proses roasting merupakan salah satu tahapan yang penting dalam pengolahan kopi. Roasting kopi atau penyangraian kopi adalah sebuah proses dalam dunia kopi yang masih kurang dikenal oleh kebanyakan penikmat kopi. Proses roasting sendiri dapat menghasilkan berbagai level, ada 4 level roasting yang dilakukan yaitu light roast, medium roast, dark roast, dan extra dark roast[2]. Dari 4 level roasting kopi dibagi menjadi 4 sub level dari setiap level roasting kopi dan total terdapat 16 sub level roasting. Saat ini, ada banyak penelitian tentang pengolahan kopi salah satunya yaitu tentang level jenis roasting kopi. Beberapa orang masih belum bisa mengenali jenis roasting kopi tersebut, oleh karena itu penulis mengusulkan untuk merancang sistem identifikasi jenis-jenis roasting biji kopi berdasarkan gambar digital menggunakan pemrosesan gambar dan jaringan saraf backpropagation. Metode ini bertujuan untuk mengetahui jenis roasting biji kopi dari gambar digital untuk menentukan jenis roasting kopi itu sendiri. Metodologi yang dilakukan adalah akuisisi gambar menggunakan kamera mirrorless dimana hasil gambar akan digunakan sebagai data trainning dan data testing. Lalu selanjutnya pre-processing gambar yang terdiri dari proses Scalling dan Grayscalling, setelah itu langkah selanjutnya adalah ekstraksi setiap fitur gambar dengan 16 jenis level dengan metode GLCM(Gray-Level Co-occurrence Matrix). Selanjutnya, normalisasi fitur yang diekstraksi menggunakan decimal scalling dan klasifikasi gambar menggunakan backpropagation neural network. Pengujian dilakukan dari komposisi yang memiliki tingkat akurasi tertinggi dan dari pengujian beberapa epoch. Hasilnya didapatkan akurasi sebesar 85% dari komposisi 75% data training dan 25% data testing dengan jumlah epoch sebesar 1000 dan 1500.	en_US
dc.identifier.uri	http://repository.widyatama.ac.id/xmlui/handle/123456789/15353
dc.publisher	Program Studi Teknik Informatika Fakultas Teknik Universitas Widyatama	en_US
dc.subject	Roasting Kopi, level roasting, Pre-processing, Gray Level Co-occurrence Matrix (GLCM), backpropagation neural network.	en_US
dc.subject	Coffee roasting, roasting level, pre-processing, Gray Level Co-occurrence Matrix (GLCM), backpropagation neural network.	en_US
dc.title	RANCANG BANGUN SISTEM KLASIFIKASI ROASTING KOPI DENGAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK	en_US
dc.type	Thesis	en_US