KLASIFIKASI MUTU KUALITAS BIJI KOPI BERDASARKAN EKSTRAKSI FITUR WARNA HSV DAN TEKSTUR GLCM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Abstrak

Sortasi mutu biji kopi di tingkat petani dan industri kecil menengah (IKM) sebagian besar masih mengandalkan inspeksi visual manual yang rentan terhadap subjektivitas dan kelelahan mata. Penelitian ini mengembangkan sistem klasifikasi mutu biji kopi otomatis berbasis visi komputer dan machine learning dengan mengintegrasikan fitur warna Hue-Saturation-Value (HSV) dan fitur tekstur Gray-Level Co-occurrence Matrix (GLCM) menggunakan algoritma Support Vector Machine (SVM). Dataset citra digital mencakup 600 sampel biji kopi yang dikategorikan ke dalam tiga kelas: Grade 1 (Premium), Grade 2 (Medium), dan Defect (Cacat). Pengujian divalidasi menggunakan 10-fold cross-validation membandingkan kernel Linear dan RBF. Hasil eksperimen membuktikan bahwa integrasi fitur multi-domain HSV dan GLCM dengan kernel RBF mencapai performa klasifikasi 100,00% dengan F1-Score 100,00%, mengungguli skenario fitur warna tunggal (95,83%). Sistem ini berpotensi diterapkan pada mesin sortasi konveyor otomatis untuk standarisasi komoditas kopi.