Pengolahan Citra Digital Menggunakan Metode Yolo Untuk Mendeteksi Kualitas Dari Biji Kopi Berbasis Android
Keywords:
Deteksi objek secara real-time, Machine Learning, YOLO, Teachable MachineAbstract
Kopi merupakan salah satu komoditas yang paling diunggulkan di era global saat ini, sehingga permintaan biji kopi meningkat dari tahun ketahun. PT. Maharaja Pusaka Nusantara merupakan perusahaan yang melakukan produksi, penjualan dan pembelian kopi yang kemudian kopi tersebut diproses menjadi kopi yang berkualitas lalu distribusikan pada konsumen. Sebelum itu kopi terlebih dahulu melakukan kegiatan pengecekkan, apakah biji kopi tersebut layak atau tidak. Akan tetapi, keputusan memilih kualitas biji kopi masih menggunakan cara manual yang hanya dengan melihat bentuk fisik dari biji hijau kopi tersebut, tentunya metode ini dinilai kurang akurat. Tujuan dari penelitian ini adalah untuk memberikan kemudahan dalam proses pemilihan biji kopi berkulitas. Dengan permasalahan tersebut, maka dibutuhkan suatu program aplikasi object detection secara realtime yang dapat digunakan melalui perangkat smartphone android menggunakan metode YOLO untuk mendeteksi biji kopi berkualitas baik dalam melakukan proses pemilihan. YOLO merupakan salah satu algoritma yang digunakan untuk pengenalan objek, menggunakan pendekatan jaringan saraf tiruan untuk memprediksi atau mendeteksi objek pada sebuah citra dengan cepat dan lebih baik. Dataset yang dikumpulkan sebanyak 142 gambar biji kopi yang dikelompokan menjadi dua label yaitu biji kopi yang berkualitas baik dan yang tidak berkualitas, dengan menggunakan Teachable Machine sebagai alat untuk proses klasifikasi. Proses pengujian deteksi objek dilakukan 2 kali percobaan yakni pencahayaan dan jarak. Pengujian berdasarkan pencahayaan mendapatkan akurasi 83,33%, sedangkan berdasarkan jarak mendapatkan akurasi 66,66%, sehingga jika diratakan tingkat akurasi pada aplikasi ini sebesar 75%.
References
Asni, A. B., & K, M. W. (2021). Penerapan Metode Yolo Object Detection V1 Terhadap Proses Pendeteksian Jenis Kendaraan Di Parkiran. 6(1).
Chazar, C., & Rafsanjani, M. H. (2022). Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman Pendahuluan.
Informasi, M. T., & Informasi, S. T. (2022). PEMANFAATAN YOLO UNTUK PENGENALAN KESEGARAN BUAH MANGGA. 7(1), 513–518.
Karlina, O. E., & Indarti, D. (n.d.). PENGENALAN OBJEK MAKANAN CEPAT SAJI PADA VIDEO DAN REAL TIME WEBCAM MENGGUNAKAN METODE YOU LOOK ONLY ONCE ( YOLO ). 199–208.
Metode, S. R. M. (2021). MACHINE LEARNING OBJECT DETECTION TANAMAN OBAT.
Nugroho, M. A., Sebatubun, M. M., & Kunci, K. (2020). KLASIFIKASI VARIETAS KOPI BERDASARKAN GREEN BEAN COFFEE MENGGUNAKAN METODE MACHINE LEARNING Abstraksi Keywords : Pendahuluan Tinjauan Pustaka. 1(2), 1–5.
Pratama, Y., Lestari, U., & Hamzah, A. (2022). Jurnal SCRIPT Vol . 10 No . 1 Juni 2022 ISSN : 2338-6313 PEMANFAATAN APLIKASI TEACHABLE MACHINE UNTUK PENGENALAN BINATANG MENGGUNAKAN KONSEP CONVOLUTIONAL NEURAL NETWORK ( CNN ) Jurnal SCRIPT Vol . 10 No . 1 Juni 2022 ISSN : 2338-6313. 10(1), 10–20.
Salintohe, D. I., Musdar, I. A., Informatika, T., Machine, T., Network, C. N., & Hias, T. (2022). IMPLEMENTASI MACHINE LEARNING UNTUK MENGIDENTIFIKASI TANAMAN HIAS PADA APLIKASI. 9(1), 1–15.
Tanuwijaya, E., Lordianto, R. L., & Jasin, R. A. (2022). RECOGNITION OF HUMAN FACES IN VIDEO CONFERENCE APPLICATIONS USING THE CNN PIPELINE PENGENALAN WAJAH MANUSIA PADA APLIKASI VIDEO CONFERENCE. 3(2), 421–427.
Mimma, N., Ahmed, S., Rahman, T., & Khan, R. (2022). Fruits Classification and Detection Application Using Deep Learning. 2022.
