@misc{eprints80852,
           month = {Desember},
           title = {DETEKSI KUALITAS BIJI KOPI DENGAN METODE SEGMENTASI WARNA RGB BERBASIS PENGOLAHAN CITRA  },
          author = {NAUFAL AL HAFIDZ  MUHAMMAD },
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS TEKNIK},
            year = {2024},
             url = {http://digilib.unila.ac.id/80852/},
        abstract = {    Humans  are  intelligent  creatures  who  continue  to strive  to improve  their  abilities and  technology  to  make  their  various  activities  easier.  One  technology  that  is developing  rapidly  and  has  many  applications  is  digital  image  processing.  In  the coffee industry, coffee bean quality classification is generally carried out visually by  humans,  but  this  method  has  disadvantages  such  as  lack  of  consistency  and potential  subjectivity.  Therefore,  this  research  focuses  on  developing  a  more efficient  coffee  bean  quality  classification  method  using  image  processing techniques  based  on  the  Python  programming  language  and  the  OpenCV  library. The  process  carried  out  in this  research  includes  the  stages  of  image  acquisition, segmentation, and analysis of the RGB component values  of coffee beans. Image data  was  obtained  from  the  Control  Engineering  Laboratory  of  the  University  of Lampung, with a total of 150 images used as training data and 75 images as testing data. Coffee beans are classified into three quality classes or grades, namely A, B, and C. Image segmentation is carried out using an RGB-based method and the K-Means  algorithm  for  clustering,  which  functions  to  separate  coffee  bean  objects from the background based on differences in color values. The analysis results show that  each  grade  of  coffee  bean  has  different  RGB  value  characteristics,  with  an average test accuracy of 88\% and an error rate of 12\%. This research succeeded in showing that image processing techniques can be used effectively to determine the quality of coffee beans based on RGB color composition, so that it can be used as a more accurate and objective alternative to manual visual methods. It is hoped that this method can be widely applied in the coffee industry as a quality classification tool.  Keywords: Coffee Beans, Image Processing, RGB, K-Means.   

  Manusia  adalah  makhluk  cerdas  yang  terus  berupaya  meningkatkan  kemampuan dan  teknologi  untuk  mempermudah  berbagai  aktivitasnya.  Salah  satu  teknologi yang  berkembang  pesat  dan  memiliki  banyak  aplikasi  adalah  pengolahan  citra digital.  Di  industri  kopi,  klasifikasi  kualitas  biji  kopi  umumnya  dilakukan  secara visual  oleh  manusia,  namun  metode  ini  memiliki  kelemahan  seperti  kurangnya konsistensi dan potensi subjektivitas. Oleh karena itu, penelitian ini berfokus pada pengembangan  metode  klasifikasi  kualitas  biji  kopi  yang  lebih  efisien menggunakan  teknik  pengolahan  citra  berbasis  bahasa  pemrograman  Python  dan library  OpenCV.  Proses  yang  dilakukan  dalam  penelitian  ini  mencakup  tahapan akuisisi  citra,  segmentasi,  dan  analisis  nilai  komponen  RGB  dari  biji  kopi.  Data citra  diperoleh  dari  Laboratorium  Teknik  Kendali  Universitas  Lampung,  dengan total 150 citra digunakan sebagai data pelatihan dan 75 citra sebagai data pengujian. Biji kopi diklasifikasikan ke dalam tiga kelas kualitas atau grade, yaitu A, B, dan C.  Segmentasi  citra  dilakukan  dengan  metode  berbasis  RGB  dan  algoritma  K- Means  untuk  klasterisasi,  yang  berfungsi  memisahkan  objek  biji  kopi  dari  latar belakang  berdasarkan  perbedaan  nilai  warna.  Hasil  analisis  menunjukkan  bahwa setiap  grade  biji  kopi  memiliki  karakteristik  nilai  RGB  yang  berbeda,  dengan akurasi rata-rata pengujian mencapai 88\% dan tingkat error sebesar 12\%. Penelitian ini  berhasil  menunjukkan  bahwa  teknik  pengolahan  citra  dapat  digunakan  secara efektif  untuk  menentukan  kualitas  biji  kopi  berdasarkan  komposisi  warna  RGB, sehingga  dapat  dijadikan  sebagai  alternatif  yang  lebih  akurat  dan  objektif dibandingkan  metode  visual  manual.  Metode  ini  diharapkan  dapat  diterapkan secara luas di industri kopi sebagai alat bantu klasifikasi kualitas.  Kata Kunci: Biji Kopi, Pengolahan Citra, RGB, K-Means.}
}