IDENTIFIKASI KARAKTERISTIK FISIK BIJI KOPI PADA TIGA JENIS KOPI ARABIKA SPESIALTI: GAYO, KINTAMANI DAN WAMENA

Septian Trisaputra, 1314071052 (2018) IDENTIFIKASI KARAKTERISTIK FISIK BIJI KOPI PADA TIGA JENIS KOPI ARABIKA SPESIALTI: GAYO, KINTAMANI DAN WAMENA. Fakultas Pertanian, Universitas Lampung.

	File PDF ABSTRAK.pdf Download (11Kb)
	File PDF SKRIPSI FULL.pdf Restricted to Hanya pengguna terdaftar Download (1564Kb)
	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1565Kb)

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Indonesia sebagai negara pengekspor kopi terbesar kedua di Asia memiliki kekayaan jenis kopi dari setiap daerahnya yang dikenal dengan kopi spesialti. Perlindungan dengan sertifikasi Indikasi Geografis (IG) telah diberikan pada beberapa kopi spesialti Indonesia antara lain kopi Gayo, Kintamani dan Wamena. Tingkat produksi dan konsumsi yang tinggi juga meningkatkan tingkat pemalsuan dan pengoplosan biji antara kopi berkualitas tinggi dengan kopi yang berkualitas rendah atau bahan selain kopi. Untuk itu pada penelitian ini dilakukan pengukuran fisik pada biji kopi pada tiga varietas Gayo, Kintamani dan Wamena. Pengukuran fisik meliputi pengukuran massa, ketebalan, diameter, sperisitas, luas permukaan, volume dan warna. Kemudian dilakukan analisis klasifikasi menggunakan model klasifikasi linier dengan Principal Component Analysis (PCA), Soft Independent Modeling of Class Analogy (SIMCA) dan model klasifikasi non-linear dengan Support Vector Machine (SVM) pada software The Unscrambler v9.2 dan The Unscrambler v10.5. Pengujian dilakukan dengan 300 sampel biji kopi Gayo, Kintamani dan Wamena, dengan 100 sampel dari setiap jenisnya. Hasil analisis data dengan rancangan acak lengkap (RAL) menunjukkan peubah ketebalan (T), warna green (G), blue (B). L*, a* dan b* dapat menjadi parameter dalam membedakan biji kopi Gayo, Kintamani dan Wamena, analisis PCA menghasilkan PC1 dan PC2 yang menunjukkan kontribusi terbesar untuk membedakkan ketiga jenis kopi yaitu pada peubah D1.V dan D2.V. Hasil analisis dengan SVM menunjukkan hasil klasifikasi terbaik dengan kernel RBF pada SVM type C-SVC maupun nu-SVC yang menghasilkan akurasi klasifikasi sebesar 100% dan nilai error sebesar 0%. Model klasifikasi SVM menunjukan hasil terbaik untuk mengklasifikasikan sampel sesuai jenisnya.

Jenis Karya Akhir:	Skripsi
Subyek:	> Pertanian ( Umum )
Program Studi:	Fakultas Pertanian dan Pascasarjana > Prodi Teknik Pertanian
Pengguna Deposit:	188708760 . Digilib
Date Deposited:	17 Oct 2018 07:51
Terakhir diubah:	17 Oct 2018 07:51
URI:	http://digilib.unila.ac.id/id/eprint/33755

Actions (login required)

Lihat Karya Akhir