Penerapan Metode Local Binary Pattern Dan Random Forest Pada Klasifikasi Roasted Biji Kopi
Kata Kunci:
Machine Learning, Biji Kopi, Ekstraksi CiriAbstrak
Coffee beans have increased in export commodities. Indonesia has several types of coffee, one of which is Robusta and Arabica, which have different prices. The process of mentoring coffee beans in plain view will be difficult if you do not have special expertise. The type of coffee bean can be determined by looking at the shape of the coffee bean itself. In this research, we searched for Arabica and Robusta coffee beans by applying the Local Binary Pattern method to feature extraction and Random Forest to image classification. Coffee image data taken from the Garut area, West Java, Indonesia. 1000 data were taken which were divided into 800 training images and 200 test images. Tests were carried out on images that went through the augmentation process and without the augmentation process. At 100 – 200 data tested, it was found that images with augmentation process had the highest accuracy of 96.5% and images with augmentation experienced an increase in accuracy.
Abstrak
Biji kopi mengalami peningkatan dalam komoditas ekspor. Indonesia memiliki beberapa jenis kopi salah satunya adalah Robusta dan Arabika yang memiliki harga yang berbeda. Proses identifikasi biji kopi secara kasat mata akan sulit dilakukan jika tidak memiliki keahlian khusus. Jenis biji kopi dapat dilakukan dengan melihat bentuk dari biji kopi itu sendiri. Pada penelitian ini dilakukan identifikasi biji kopi Arabika dan Robusta dengan menerapkan metode Local Binary Pattern pada ekstraksi fitur dan Random Forest pada klasifikasi citra. Data citra kopi diambil dari daerah Garut, Jawa Barat Indonesia. Data diambil sebanyak 1000 yang dibagi ke dalam 800 citra latih dan 200 citra uji. Pengujian dilakukan pada citra yang melalui proses augmentasi dan tanpa proses augmentasi. Pada 100 – 200 data yang diuji didapatkan bahwa citra dengan proses augmentasi memiliki hasil akurasi tertinggi sebesar 96.5% dan citra dengan augmentasi mengalami peningkatan nilai akurasi.
