SISTEM KLASIFIKASI HASIL SANGRAI BIJI KOPI BERDASARKAN TINGKAT KEMATANGAN BIJI MENGGUNAKAN SENSOR SPEKTRUM DENGAN METODE FUZZY LOGIC
Kata Kunci:
voice over, fuzzy, realtime, Covid-19.Abstrak
Kopi adalah salah satu jenis minuman yang populer dikonsumsi oleh semua kalangan diseluruh dunia karena kopi memiliki beragam karakteristik yang unik. Tempat asal kopi ini ditanam, kondisi lingkungan, dan spesies semuanya mempengaruhi kualitas produk akhir dari kopi. Penyangraian biji kopi adalah faktor yang paling berpengaruh. Biji kopi memiliki tingkatan penyangraian atau lebih kenal disebut level roasting. Level roasting pada dasarnya digunakan sebagai pengukuran kualitas kopi. Akhir ini, banyak pertumbuhan produsen biji kopi sangrai pada skala kecil dan menengah. Produsen ini sedang mencari alternatif untuk peningkatan kualitas biji kopi sangrai dari segi tingkat level roasting. Bisaanya untuk mengetahui level roasting suatu biji kopi, dapat dilakukan dengan cara melihat warnanya setelah dilakukan proses penyangraian, namun hal itu masih kurang optimal dan tidak akurat. Secara khusus pada industri kopi diperlukan alat ukur untuk menentukan level hasil roasting biji kopi yang sesuai dengan standar lembaga kopi internasional (SCAA). Untuk memenuhi standar tersebut maka diperlukan alat ukur tingkat level roasting biji kopi dengan satuan skala warna agtron gourmet. Pada alat ini menggunakan sensor AS7263 sebagai pengukur pantulan spektrumcahaya yang dipantulkan oleh biji kopi, kemudian hasil dari pembacaan sensor akan diproses menggunakan metode fuzzy yang telah ditanam pada mikrokontroler. Setelah proses tersebut dihasilkan tingkat klasifikasi level roasting yang sesuai standart. Hasil klasifikasi digunakan sebagai bahan evaluasi untuk proses penyangraian selanjutnya supaya hasil sangrai yang dihasilkan oleh produsen dapat distandariasi. Dari percobaan yang telah dilakukan dapat disimpulkan bahwa pengujian sistempembacaan prototipe sampel uji dengan sampel acuan memiliki rata- rata error sebesar 2,7% dan pada tiap level klasifikasi memiliki persentase error masing-masing Light Roast sebesar 1,93%, Medium Roast sebesar 3,4% dan Dark Roast sebesar 2,78%.
Referensi
Fahmi Arwangga, A., Raka Astiti Asih,I. A. and Sudiarta, I. W. (2016) ‘Analisis Kandungan Kafein Pada Kopi Di Desa Sesaot Narmada Menggunakan Spektrofotometri Uv-Vis’, Jurnal Kimia, 10 (1), pp 110-114 doi: 10.24843/jchem 2016 v10.i01.p15
Kusuma, H. T. P. (2018) Aplikasi Klasifikasi Roasting Menggunakan Algoritma Fuzzy C- Means. Universitas Islam Negeri Maulana Malik Ibrahim.
Marhaenanto, B., Soedibyo, D. W. and Farid, M. (2015) ‘Penentuan lama Sangrai Kopi Terhadap Variasi Derajat Sangrai Menggunakan Model Warna Rgb Pada Pengolahan Citra Digital (Digital Image Processing), Jurnal Agroteknologi, 09 (02),pp. 1–10. Availableat:https://jurnal.unej.ac.id/index.php/JAGT/article/view/3536.
Nugraha, D. A. and Wiguna, A. S. (2020)‘Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis’, RESEARCH : Computer,Information System & Technology Management, 3(1), p. 24. doi:10.25273/research.v3i1.5352.
Roasting Coffee, Proses Penting dalam Menentukan Karakteristik Kopi | Coffeeland (no date). Available at:https://coffeeland.co.id/roasting- coffee-proses-penting-dalam-menentukan-karakteristik-kopi/(Accessed: 16 August2021).
Suryana, T. (2021) ‘Implementasi Komunikasi Web Server NODEMCU ESP8266 dan Web Server Apache MYSQL Untuk Otomatisasi Dan Kontrol Peralatan Elektronik Jarak Jauh Via Internet Abstrak : Pendahuluan Pembahasan’.
Sutikno, I. W. (2013) ‘Perbandingan Metode Defuzzifikasi Sistem Kendali Logika Fuzzy Model Mamdani Pada Motor Dc’, 28 Jurnal Masyarakat Informatika, 2(3), pp. 27–38.
