Deteksi Kematangan Buah Kopi Menggunakan Kombinasi Wiener Filter Dan You Only Look Once(Yolo) V8

Abstract

Buah kopi merupakan komoditas penting yang kualitasnya sangat bergantung pada tingkat
kematangannya. Proses deteksi kematangan secara manual seringkali memakan waktu, tidak efisien, dan
rentan terhadap subjektivitas manusia. Penelitian ini bertujuan mengembangkan sistem deteksi
kematangan buah kopi secara otomatis dengan menggabungkan metode Wiener Filter untuk peningkatan
kualitas citra dan algoritma You Only Look Once (YOLOv8) sebagai model deteksi objek. Dalam penelitian
ini, dikumpulkan sebanyak 814 citra buah kopi kemudian dilabel menjadi empat kategori kematangan:
mentah, setengah matang, matang, dan terlalu matang. Data tersebut kemudian diproses melalui tahap
preprocessing dengan penyesuaian ukuran citra menjadi 640x640 piksel. Model YOLOv8 dilatih dengan
batzh size 16 selama 50 epoch. Penelitian ini membandingkan dua metode deteksi tingkat kematangan
buah kopi menggunakan YOLOv8 dan kombinasi Wiener Filter dengan YOLOv8. Pengujian dilakukan
pada dataset citra asli dan citra yang blur. Hasil menunjukkan model YOLOv8 dengan mengguakan
dataset citra asli mencapai akurasi 86,8%, kemudian hasil pengujian YOLOv8 menggunakan citra blur
tanpa wiener filter mencapai akurasi 85,7%, sedangkan hasil pengujian YOLOv8 dengan penerapan
wiener filter memberikan akurasi 83,9%. Penurunan akurasi ini terjadi karena proses filtering dapat
menyebabkan beberapa objek terdeteksi sebagai latar belakang. Namun, kedua metode tetap efektif untuk
mendukung sortasi buah kopi secara real-time.