3.png){kind=logo}
1.png)
Penerapan Teknologi Image Processing untuk Optimalisasi Petik Merah pada Kebun Kopi Rakyat
Abstract
Abstract
Coffee has been cultivated as the secondary produce for decades in Girimarto, Wonogiri, however, the selective picking practice remain alient for local farmers. Selective picking is considered impractical due to time consumption and laborous work that farmers should carry out. The community service project designs and implements image recognition technology to help acquire coffee-cheery ripeness condition. Adopting a geolocation, the appropriate routing strategies, would enable farmers to selectively pick the red cherries in a systematic sequence. The image processing technology was applied by adopting Raspberry Pi microcomputer, Raspberry Pi Camera Board, version 2, and OpenCV programming language. The transition to selective picking and the subsequent post-harvest technology would likely produce high-quality green bean coffee. It is expected that the income of smallholder coffee farmers will gradually be increasing.
ABSTRAK
Praktek petik buah merah dalam budidaya kopi belum menjadi prosedur baku pada perkebunan kopi rakyat di wilayah Girimarto, Wonogiri. Petani menganggap praktek petik merah pada panen buah kopi merepotkan dan memakan waktu karena dalam satu kunjungan ke kebun mereka hanya memetik buah kopi yang benar-benar matang. Pengabdian ini mendesain dan menerapkan perangkat pemantau kematangan buah kopi untuk membantu petani memperoleh informasi lokasi buah matang dan estimasi jumlahnya sehingga petani bisa merencanakan jalur pemetikan kopi berdasarkan lokasi batang pohon kopi tingkat kematangannya. Teknologi image processing diterapkan dengan mengadopsi penggunaan komputer mikro Raspberry Pi, modul kamera Raspberry Pi Camera Board, versi 2, dan bahasa pemrograman OpenCV. Perubahan pola panen buah kopi dari petik sembarang (petik racutan_ menjadi panen petik merah diikuti dengan perbaikan proses fermentasi buah kopi diharapkan menghasilkan kualitas green bean menjadi lebih baik dan harga jual yang lebih tinggi.
Full Text:
PDFReferences
Budi Putranto, B. Y., Hapsari, W., & Wijana, K. (2011). Segmentasi Warna Citra Dengan Deteksi Warna Hsv Untuk Mendeteksi Objek. Jurnal Informatika, 6(2). https://doi.org/10.21460/inf.2010.62.81
Ciputra, A., Susanto, A., & dkk. (2018). Klasifikasi Tingkat Kematangan Buah Apel Manalagi dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital. Simetris, 9(1), 465–472.
Fauzi, J. F., Tolle, H., & Dewi, R. K. (2018). Implementasi Metode RGB To HSV pada Aplikasi Pengenalan Mata Uang Kertas Berbasis Android untuk Tuna Netra. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2319–2325.
Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing. New York, NY: Pearson. https://doi.org/10.1109/MCOM.1981.1090535
Hanafi, M. H., Fadillah, N., & Insan, A. (2019). Optimasi Algoritma K-Nearest Neighbor untuk Klasifikasi Tingkat Kematangan Buah Alpukat Berdasarkan Warna. IT Journal Research and Development (ITJRD), 4(1), 10–18. https://doi.org/10.25299/itjrd.2019.vol4(1).2477
Hermawan, B., Bettiza, M., & Hayaty, N. (2018). Menentukan tingkat kematangan buah pepaya dengan ekstraksi warna. Universitas Maritim Raja Ali Haji.
ICO. (2019). National Quality Standard. In: International Coffee Organization.
Koschan, A., & Abidi, M. (2008). Digital Color Image Processing. New Jersey: Wiley Interscience Publication.
Muchlis, N. F. (2018). Deteksi kemerahan pada kulit wajah dengan teknik pengolahan citra. Universitas Islam Indonesia.
Nasution, M. S., & Fadillah, N. (2019). Deteksi Kematangan Berdasarkan Warna Buah dengan Menggunakan Metode YCbCr. InfoTekJar :Jurnal Nasional Informatika Dan Teknologi Jaringan, 3(2), 147–150.
Sulistyo, I. A. (2017). Sistem Deteksi Panen Padi Berdasarkan Warna Daun Menggunakan Fuzzy C-Means. Tugas Akhir Universitas Muhamadiyah Surakarta. Universitas Muhamadiyah Surakarta.
Tyagi, V. (2018). Understanding Digital Image Processing. Florida: Taylor & Francis Group, LLC.
DOI: https://doi.org/10.20961/dedikasi.v2i1.35845
Refbacks
- There are currently no refbacks.
|
