Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Ekstraksi Fitur Circularity untuk Pengenalan Varietas Kopi Arabika

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 4 No. 4 (2017) · pp. 283–289

DOI
10.25126/jtiik.201744505
ISSN
2528-6579, 2355-7699
Published
2017-12-31
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en

Abstract

AbstrakKopi merupakan salah satu minuman yang sangat populer di dunia dan digemari oleh banyak orang termasuk di Indonesia. Kopi terdiri dari berbagai varietas, salah satunya adalah varietas arabika. Varietas kopi dapat memiliki kenampakan yang berbeda – beda misalnya seperti perbedaan warna, bentuk, ataupun tekstur. Oleh karena itu, terkadang petani ataupun pemilik coffee shop dapat melakukan kesalahan dalam mengenali varietas kopi arabika yang dijual ataupun yang dibeli. Hal ini juga akan mempengaruhi penentuan harga kopi tersebut, karena masing-masing varietas kopi arabika memiliki harga yang berbeda-beda. Untuk itu, diperlukan sistem yang juga mampu mengenali varietas kopi arabika secara akurat sehingga dapat digunakan sebagai second opinion bagi para petani ataupun pemilik coffee shop dalam mengenali varietas kopi arabika. Salah satu cara yang dapat dilakukan adalah dengan metode pencitraan. Tahap awal yang dilakukan adalah praproses yaitu cropping citra yang dilakukan secara manual, kemudian segmentasi menggunakan metode Otsu. Tahap selanjutnya adalah ekstraksi fitur bentuk menggunakan circularity dan klasifikasi menggunakan MultiLayer Perceptron. Hasil klasifikasi menunjukkan tingkat akurasi yang diperoleh sebesar 80%, sensitivitas 83,33% dan spesifisitas 76,7%.Kata kunci: ekstraksi fitur, kopi, klasifikasi, segmentasiAbstractCoffee is one of the most popular beverages in the world and is favored by many people including Indonesians. Coffee consists of many variety, one of them is arabica. Coffee variety can have different features such as differences in color, shape, or texture. Therefore, sometimes farmers of coffee shop owners can make mistakes in recognizing the variety of arabica coffee that are sold or purchased. This will also affect the determination of coffee’s price, because each variety of arabica coffee have different prices. Hence, a capable system which can recognize arabica coffee accurately is required to be used as a second opinion for farmers or coffee shop owners in recognizing these variety. One of the methods that can be done is imaging. The initial stage is pre-processing by cropping the images manually, followed by segmentation using Otsu method. The next stage is shape based feature extraction using circularity and the last is classification using MultiLayer Perceptron. Classification results show 80% level of accuracy, 83.33% sensitivity, and 76.7% specificity.Keywords: feature extraction, coffee, classification, segmentation

Keywords

Collaboration network of the authors

3 authors · 2 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Teknologi Digital Indonesia
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Cosmas HaryawanUniversitas Teknologi Digital Indonesia2

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Ekstraksi Fitur Circularity untuk Pengenalan Varietas Kopi Arabika</dc:title>
	<dc:creator xml:lang="en">Sebatubun, Maria Mediatrix</dc:creator>
	<dc:creator xml:lang="en">Nugroho, Muhammad Agung</dc:creator>
	<dc:subject xml:lang="en">ekstraksi fitur</dc:subject>
	<dc:subject xml:lang="en">kopi</dc:subject>
	<dc:subject xml:lang="en">klasifikasi</dc:subject>
	<dc:subject xml:lang="en">segmentasi</dc:subject>
	<dc:subject xml:lang="id">ekstraksi fitur</dc:subject>
	<dc:subject xml:lang="id">kopi</dc:subject>
	<dc:subject xml:lang="id">klasifikasi</dc:subject>
	<dc:subject xml:lang="id">segmentasi</dc:subject>
	<dc:description xml:lang="id">AbstrakKopi merupakan salah satu minuman yang sangat populer di dunia dan digemari oleh banyak orang termasuk di Indonesia. Kopi terdiri dari berbagai varietas, salah satunya adalah varietas arabika. Varietas kopi dapat memiliki kenampakan yang berbeda – beda misalnya seperti perbedaan warna, bentuk, ataupun tekstur. Oleh karena itu, terkadang petani ataupun pemilik coffee shop dapat melakukan kesalahan dalam mengenali varietas kopi arabika yang dijual ataupun yang dibeli. Hal ini juga akan mempengaruhi penentuan harga kopi tersebut, karena masing-masing varietas kopi arabika memiliki harga yang berbeda-beda. Untuk itu, diperlukan sistem yang juga mampu mengenali varietas kopi arabika secara akurat sehingga dapat digunakan sebagai second opinion bagi para petani ataupun pemilik coffee shop dalam mengenali varietas kopi arabika. Salah satu cara yang dapat dilakukan adalah dengan metode pencitraan. Tahap awal yang dilakukan adalah praproses yaitu cropping citra yang dilakukan secara manual, kemudian segmentasi menggunakan metode Otsu. Tahap selanjutnya adalah ekstraksi fitur bentuk menggunakan circularity dan klasifikasi menggunakan MultiLayer Perceptron. Hasil klasifikasi menunjukkan tingkat akurasi yang diperoleh sebesar 80%, sensitivitas 83,33% dan spesifisitas 76,7%.Kata kunci: ekstraksi fitur, kopi, klasifikasi, segmentasiAbstractCoffee is one of the most popular beverages in the world  and is favored by many people including Indonesians. Coffee consists of many variety, one of them is arabica. Coffee variety can have different features such as differences in color, shape, or texture. Therefore, sometimes farmers of coffee shop owners can make mistakes in recognizing the variety of arabica coffee that are sold or purchased. This will also affect the determination of coffee’s price, because each variety of arabica coffee have different prices. Hence, a capable system which can recognize arabica coffee accurately is required to be used as a second opinion for farmers or coffee shop owners in recognizing these variety. One of the methods that can be done is imaging. The initial stage is pre-processing by cropping the images manually, followed by segmentation using Otsu method. The next stage is shape based feature extraction using circularity and the last is classification using MultiLayer Perceptron. Classification results show 80% level of accuracy, 83.33% sensitivity, and 76.7% specificity.Keywords: feature extraction, coffee, classification, segmentation</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2017-12-31</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/505</dc:identifier>
	<dc:identifier>10.25126/jtiik.201744505</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 4 No 4: Desember 2017; 283-289</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 4 No. 4: Desember 2017; 283-289</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201744</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/505/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>