PERFORMANCE TEST SISTEM KUALIFIKASI BIJI KOPI MENGGUNAKAN PENGOLAHAN CITRA METODE LOCAL BINARY PATTERN DAN ALGORITMA LEARNING VECTOR QUANTIZATION

Abstract

             Kualifikasi biji kopi di setiap negara di dunia mengacu pada standar yang berbeda-beda. Indonesia menggunakan standar kualifikasi berdasarkan sistem total nilai cacat(defect) pada setiap rendemen sampel, dan standar ini terdokumentasi pada SNI 01-2907-2008. Paper ini adalah hasil eksperimen yang berupaya membangun sistem kualifikasi biji kopi menggunakan teknik pengolahan citra digital yang bertujuan untuk menguji dan mengukur kinerja metode ekstraksi fitur menggunakan algoritma local binary pattern(LBP), dan mengkombinasikan dengan learning vector quantization(LVQ) sebagai classifier untuk kualifikasi biji kopi. Gambar berwarna dari rendemen biji kopi yang disimpan dalam bentuk file dikonversi menjadi gambar skala keabuan. Dari gambar skala keabuan kemudian dikuantisasi menjadi 16 level keabuan dan dibuat histogram dari setiap sampel gambar. Data histogram yang dipakai pada penelitian ini dipilih pada 8 atribut data yang memiliki deviasi standar di atas 250. Topologi LVQ menggunakan 8 node vektor input dan 7 node output, pelatihan jaringan dilakukan sebanyak 10 epoch untuk setiap 70 iterasi sampel pelatihan. Percobaan menunjukkan bahwa akurasi kombinasi LBP-LVQ hanya mencapai 52.86 % dan 40 % berturut-turut untuk pengujian secara off-line dan on-line.