Metode CBIR Untuk Memprediksi Kualitas Kakao Menggunakan Fitur Warna

suhendro yusuf irianto, Ahmad Roffi, Sri Karnila, Dona Yuliawati

Abstract


Tingkat persaingan yang tinggi dalam dunia usaha agroindustri yang salah satunya industri hulu coklat, membuat Indonesia dituntut untuk selalu menjaga dan meningkatkan kualitas produknya. Penurunan kualitas produk olahan kakao dapat menjadi penyebab rendahnya daya saing kakao nasional terhadap produksi serupa dari negara tetangga penghasil kakao seperti Malaysia. Negara tersebut  giat meningkatkan produksi agroindustrinya terutama produk kakao. Untuk itu dalam upaya meningkatkan kualitas produksi coklat Nasional, pemerintah melalui Badan Standardisasi Nasional Indonesia (BSN) telah menetapkan standar ukuran yang harus dipenuhi agar biji kakao layak pakai dan dapat bersaing dengan produk dari negara lain dan di pasar dunia. Kesulitan yang sekarang masih sering dihadapi adalah kurangnya ke-akuratan dalam menentukanm kualitas biji coklat (cocoa bean). Dalam penelitian ini digunakan metode Content based Image Retrieval (CBIR) untuk menentukan kualitas kako atau coklat. Sekitar 1.000 citra digital coklat digunakan dan dikumpulkan dari perkebunan petani kakao Perusahan Perkebunan Nusanatara PTP II di propinsi Lampung. Hasil riset  menunjukkan bahwa akurasi rata-rata dalam menentuak kualitas  N-AA adalah sebesar 0.98, sedangkan untuk kualitas AA menunjukkan efisiensi akurasi 0.97. Algoritma kami juga menunjukkan waktu yang cukup lumayan dalam pemrosesan pengambilan 1.000 gambar biji kakao yaitu 10,2 detik.


Keywords


CBIR, agroindustri, kakao Trinitario, kualitas AA

Full Text:

PDF

References


Agusalim, L. (2017). STUDI EMPIRIS AGROINDUSTRI DI INDONESIA ( Export Tax Effects on Value Added Enhancement : An Empirical Study of Indonesia ’ s Agroindustry ). Jurnal Ekonomi & Kebijakan Publik, 27–40.

Marpaung, R., & Putri, S. N. (2019). KARAKTERISTIK MUTU ORGANOLEPTIK OLAHAN COKLAT DENGAN LAMA FERMENTASI YANG BERBEDA PADA BIJI KAKAO LINDAK (Theobroma cacao L.)”. Jurnal Media Pertanian, 4(2), 64. https://doi.org/10.33087/jagro.v4i2.83

Nasional, S., Ics, I., & Nasional, B. S. (2014). Cokelat dan produk-produk cokelat.

Neetu Sharma, S., Paresh Rawat, S., & Jaikaran Singh, S. (2011). Efficient CBIR Using Color Histogram Processing. Signal & Image Processing : An International Journal, 2(1), 94–112. https://doi.org/10.5121/sipij.2011.2108

Dani, Y., Iswani, A., & Permanasari, Y. (2020). Cocoa beans data grouping with fuzzy C-means clustering method. International Journal of Scientific and Technology Research, 9(3), 4962–4966.

Achadijah, S., & Partha, I. B. B. (2015). Mempelajari Kualitas Biji Kakao Kering Yang Beredar Di Pasaran Daerah Istimewa Yogyakarta Dan Kemungkinan Pengolahan Lanjutan. Agroteknose, 6(2), 31–45.

Irianto, S.Y., Galih, M., Agus, I., Darmawan, A., & Lindar. (2020). Content Based Image Retrieval on Natural and Artificial Images. IOP Conference Series: Materials Science and Engineering, 917(1). https://doi.org/10.1088/1757-899X/917/1/012061

Karnila, S., Irianto, S., & Kurniawan, R. (2019). Face Recognition using Content Based Image Retrieval for Intelligent Security. International Journal of Advanced Engineering Research and Science, 6(1), 91–98. https://doi.org/10.22161/ijaers.6.1.13

Irianto, Suhendro Y. (2014). Content based Image Retrieval in the Compressed Domain. 99(13), 18–23.

Alsmadi, M. K. (2017). An efficient similarity measure for content based image retrieval using memetic algorithm. Egyptian Journal of Basic and Applied Sciences, 4(2), 112–122. https://doi.org/10.1016/j.ejbas.2017.02.004

Cempaka, L., Aliwarga, L., Purwo, S., & Penia Kresnowati, M. T. A. (2014). Dynamics of cocoa bean pulp degradation during cocoa bean fermentation: Effects of yeast starter culture addition. Journal of Mathematical and Fundamental Sciences, 46(1), 14–25. https://doi.org/10.5614/j.math.fund.sci.2014.46.1.2

Besançon, R., Hède, P., Moellic, P.A., and Fluhr, C, 2015. “Cross-Media feedback strategies: Merging text and image information to improve image retrieval”, 5th Workshop of the Cross-Language Evaluation Forum, CLEF 2004, LNCS 3491, pp. 709-717.

Cho, W..C, dan D. Richards . 2004. Improvement of Precision and Recall for Information Retrieval in a Narrow Domain: Reuse of Concepts by Formal Concept Analysis, WI '04 Proceedings of the 2004 IEEE/WIC/ACM International Conference

Kynkäänniemi∗, Tero Karras , dan samuli Laine. 2019, Improved Precision and Recall Metric for Assessing Generative Models, 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada.

. Mistry, Y., Ingole, D. T., & Ingole, M. D. (2017). Content based image retrieval using hybrid features and various distance metric. Journal of Electrical Systems and Information Technology. https://doi.org/10.1016/j.jesit.2016.12.009

Madhavi, K. V., Tamilkodi, R., & Sudha, K. J.(2016). An Innovative Method for Retrieving Relevant Images by Getting the Top-ranked Images First Using Interactive Genetic Algorithm. Procedia Computer Science, 79, 254–261. https://doi.org/10.1016/j.procs.2016.03.033

Sai, N. S. T., Patil, R., Sangle, S., & Nemade, B. (2016). Truncated DCT and Decomposed DWT SVD Features for Image Retrieval. Procedia Computer Science, 79, 579–588.




DOI: https://doi.org/10.26418/justin.v9i2.44263

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

ara komputer
View My Stats

Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License