Hasil Pencarian  ::  Simpan CSV :: Kembali

"Proses menyangrai kopi untuk memperoleh mutu produk biji kopi yang konsisten dan sesuai dengan preferensi pasar terbilang cukup kompleks dan membutuhkan keahlian operator yang memiliki pengalaman bertahun-tahun. Penelitian ini bertujuan untuk menghadirkan pemodelan perhitungan kompleksitas sistem manufaktur proses sangrai kopi sebagai salah satu jenis alat ukur sebuah proses untuk menilai proses yang ada serta mengestimasi biaya awal di tahapan desain sebelum meningkat pada proses otomatisasi proses sangrai. Peneliti mengadaptasi dan mengembangkan pemodelan perhitungan kompleksitas yang diusung oleh W. H. El-Maraghy ke dalam ruang lingkup sangrai kopi, khususnya biji kopi Arabika Gayo dan Robusta Bengkulu. Proses sangrai pada penelitian ini dilakukan dengan temperatur pre-heating 160 derajat Celcius dan waktu penyangraian selama 16 menit. Berdasarkan penelitian ini didapatkan hasil, bahwa aspek penting yang paling mempengaruhi kompleksitas sangrai biji kopi berdasarkan tingkatan sangrai adalah warna sangrai, massa, dan dimensi yang dihasilkan dari profil sangrai biji kopi. Selain itu, variasi RPM akan memengaruhi temperatur turning point dan titik akhir temperatur biji. Indeks kompleksitas tertinggi didapatkan pada biji kopi Robusta Bengkulu dengan RPM 90 dan memiliki tingkatan sangrai dark, yaitu sebesar 8,29.

---

The process of roasting coffee to obtain consistent coffee bean product quality and in accordance with market preferences is quite complex and requires the expertise of operators who have years of experience. This study aims to present a model for calculating the complexity of the coffee roasting process manufacturing system as a type of measurement tool for a process to assess the existing process and estimate the initial costs at the design stage before increasing in the process of automation of the roasting process. The researcher adapted and developed the complexity calculation model proposed by W. H. El-Maraghy ​​ to the scope of coffee roasting, especially Gayo Arabica and Bengkulu Robusta coffee beans. Based on this research, the results show that the most important aspects that influence the complexity of roasting coffee beans based on roast level are roast color, mass, and dimensions resulting from the roast profile of coffee beans. In addition, variations in RPM will affect the temperature of the turning point and end point temperature of the beans. The highest complexity index was found in Bengkulu Robusta coffee beans with an RPM of 90 and a dark roast level of 8.29."

"Kurang efisiennya pengeringan biji kopi dengan menggunakan sinar matahari membuat produktifitas para petani kopi di Indonesia kurang maksimal. Maka dari itu penelitian ini dilakukan untuk membuat sistem pengeringan yang lebih optimum yaitu dengan cara mengkombinasikan sistem pengeringan jenis bed drying dengan sistem refrigerasi double condensor sebagai dehumidifier. Pengujian dilakukan dengan buah kopi yang sudah dikupas dengan variasi pengujian laju aliran, temperatur dan kelembaban udara pengering. Hasil yang diperoleh dari penelitian ini adalah karakterisasi pengeringan biji kopi dengan mendapatkan nilai konstanta pengeringan dan energi aktivasi dari proses pengeringan. Yang dimana didapati dalam penelitian ini ialah besarnya nilai konstanta pengeringan dan energi aktivasi berbanding lurus dengan besarnya nilai laju aliran dan temperatur udara pengering, serta berbanding terbalik dengan kelembaban udara pengering yang dimana semakin kering udara yang digunakan selama proses pengeringan maka akan optimum hasil yang diharapkan. Dalam penelitian ini didapat nilai konstanta pengeringan tertinggi sebesar 1,8534×10-4 dan nilai konstanta pengeringan terendah sebesar 3,70079×10-5, sedangkan untuk nilai energi aktivasi tertinggi sebesar 56,117 kJ/mol dan nilai energi aktivasi terendah sebesar 44,928 kJ/mol.

---

The inefficient drying of coffee beans using sunlight makes the productivity of coffee farmers in Indonesia less than optimal. Therefore, this research was conducted to make a more optimum drying system by combining a bed drying type drying system with a double condenser refrigeration system as a dehumidifier. The test was carried out with peeled coffee cherries with variations in the flow rate, temperature and specific humidity testing of the drying air. The result of this research is the characterization of coffee bean drying by obtaining the drying constant and activation energy of the drying process. What is found in this study is the value of the drying constant and activation energy is directly proportional to the value of the flow rate and temperature of the drying air, and inversely proportional to the humidity of the drying air, where the drier the air used during the drying process, the optimum results will be expected. In this study, the highest drying constant value was 1.8534×10-4 and the lowest drying constant value was 3.70079×10-5, while the highest activation energy value was 56.117 kJ/mol and the lowest activation energy value was 44,928 kJ/mol.

"

"Kopi telah menjadi komoditas ekspor non migas yang memberikan kontribusi terhadap devisa negara dalam jumlah yang tidak sedikit. Nilai ekspor kopi sendiri pada kancah internasional bergantung kepada 2 faktor utama, yaitu jenis atau varietas biji kopi dan tingkat kelayakan atau kualitas dari biji kopi. Upaya untuk mengklasifikasikan kedua faktor tersebut masih cenderung dilakukan secara manual oleh para petani kopi. Atas pertimbangan inilah, penulis hendak menggunakan metode lain, yakni penggunaan model CNN (Convolutional Neural Network) dengan basis masukan berupa citra normal (spektrum RGB) dan citra multispektral (spektrum OCN). Selain itu, penulis juga hendak membandingkan performa dari 2 arsitektur model CNN yang berbeda, yakni ResNet18 terhadap SqueezeNet. Input dari kedua arsitektur ini berupa kombinasi dari citra normal, citra multispektral, atau citra yang telah diregistrasikan (1 citra dengan 6 channel berbeda). Hasil akurasi tertinggi dicapai oleh arsitektur ResNet18 dengan input citra normal (RGB) yang memberikan akurasi sebesar 89% untuk klasifikasi varietas biji kopi hijau, serta 97% untuk klasifikasi tingkatan kualitas biji kopi. Meski demikian, arsitektur ini mampu untuk melakukan klasifikasi multi-output secara bersamaan walaupun terdapat sedikit pengurangan pada tingkat akurasi yang didapatkan.

---

Coffee has become one of the non-oil and gas export commodity, providing numerous amount of Indonesia’s foreign income. Within the international market, the export value of coffee beans rely on 2 aspects, its variety and its quality. The attempts to classify coffee beans are done manually by the farmers. Therefore, the writer attempts to design a new method, using convolutional neural networks with normal (RGB spectrum image) and multispectral images (OCN spectrum image) as its inputs. The writer also wishes to analyze and compare 2 different CNN architectures performance in this case; ResNet18 towards SqueezeNet. Considering the combination of the inputs; normal images, multispectral images, or the registered images (images with 6 different channels). The highest accuracy acquired from the ResNet18 CNN model architecture using normal images (RGB) is as following: 86% for green coffee beans varieties classification, and 96% for green coffee beans. These architectures are also capable of performing multi-class output classification despite the trade-off in accuracy gained."

"Penelitian ini bertujuan untuk mengkaji dampak Putusan Mahkamah Agung Nomor 70P/HUM/2013 yang menyetujui usulan KADIN (komposium kelapa sawit) bahwa barang hasil pertanian sebaiknya dikenakan PPN 10%. Namun Asosiasi Industri Kakao Indonesia (AIKI), Gabungan Perusahaan Karet Indonesia (GAPKINDO), Forum Komunikasi Asosiasi Komoditas Primer, Asosiasi Eksportir Kopi Indonesia (AEKI), Dewan Karet Indonesia dan Dewan Teh Indonesia mengusulkan pembatalan penerapan kebijakan PPN tersebut, dengan kata lain kembali kepada PP Nomor 31 Tahun 2007. Penelitian ini bermaksud mengkaji dampak keputusan penerapan PPN sesuai amanat Mahkamah Agung tersebut terhadap daya saing produk-produk ekspor pertanian.Penelitian ini menggunakan analisis regresi data time series dengan data dari Februari 2012 sampai dengan Februari 2018 untuk menguji kaitan antara elastisitas dan kinerja ekspor (competitiveness). Semakin elastis permintaan ekspor suatu komoditas, berarti komoditas tersebut semakin kompetitif dalam ekspor. Hal ini sesuai dengan hasil kajian Senhadji dan Montenegro (1999) yang menyatakan bahwa semakin tinggi elastisitas permintaan terhadap harga, maka produk tersebut semakin kompetitif pada pasar dunia.Hasil regresi dari penelitian ini menunjukkan bahwa PPN pada barang hasil pertanian memberikan implikasi ekspor biji kopi dan ekspor teh menjadi semakin elastis terhadap perubahan harga, yang artinya semakin kompetitif dalam ekspor. Namun sebaliknya. Ekspor CPO dan ekspor kakao menjadi semakin tidak elastis terhadap perubahan harga, artinya implikasi diterapkannya PPN mengakibatkan CPO dan kakao menjadi tidak kompetitif dan berpotensi merugikan ekspor CPO dan ekspor kakao.Sewaktu CPO dan biji kakao terkena PPN, seharusnya Pajak Masukan fully deductable (direfund sepenuhnya). Tetapi dalam kenyataannya mungkin proses refund tidak berjalan dengan lancar sehingga biaya dari perpajakan tersebut justru terbebankan pada biaya produksi yang mengakibatkan harga ekspor tidak kompetitif dan menurunkan volume ekspornya. Intervensi Pemerintah, seperti Bea Keluar, mengakibatkan total pajak yang dibebankan menjadi lebih besar sehingga kurang menguntungkan untuk diekspor. Sebaliknya, pengenaan PPN pada biji kopi dan teh meningkatkan daya saing.

---

This study aims to examine the impact of Supreme Court Decision Number 70P/HUM/2013 which approved the KADIN (oil palm composium) proposal that agricultural products should be subjet to a 10% VAT. However, the Indonesian Cocoa Industry Association (AIKI), the Association of Indonesian Rubber Companies (GAPKINDO), the Primary Commodities Association Communication Forum, the Association of Indonesian Coffee Exporters (AEKI), the Indonesian Rubber Council and the Indonesian Tea Council which proposed canceling the application of the VAT policy in other words, return to Government Regulation Number 31/2007. This study intends to examine the impact of the decision on the application of VAT to the competitiveness of agricultural export products.

The study use time series data regression analysis with data from February 2012 to February 2018 to examine the relationship between elasticity and export performance (competitiveness). The more elastic the export demand for a commodity, the more competitive the commodity is in exports. This is consistent with the results of a study by Senhadji and Montenegro (1999) which states that the higher the elasticity of demand for prices, the more competitive the product is on the world market.

Regression results from this study indicate that VAT on agricultural products has implications for the export of coffee beans and tea exports become more elastic to price changes, which means increasingly competitive in exports. But the opposite. CPO export and cocoa export become increasingly inelastic to changes in prices, meaning that the implication of the application of VAT causes CPO and cocoa to be uncompetitive and potentially detrimental to CPO exports and cocoa exports.

When CPO and cocoa beans are subject to VAT, the Input Tax should be fully deductable. But in reality, the refund process might not run smoothly, so the cost of the taxation will be borne by production costs resulting in uncompetitive export prices and reducing the volume of exports. Government interventions, such as Export Levy, result in a greater total tax charged so that it is less profitable to be exported. Conversely, the imposition of VAT on coffee beans and tea increases competitiveness."

"Indonesia memproduksi lebih dari 700 ribu ton biji kopi, menjadikannya negara keempat terbesar penghasil kopi di dunia. Di dalam biji kopi sendiri, terkandung berbagai zat kimia yang bermanfaat bagi kesehatan seperti kafein, chlorogenic  acid (CA), dan trigonelline. Kadar masing-masing zat kimia ini bergantung pada varietas biji kopi serta tingkat penyangraiannya. Sebuah metode terbaru untuk meninjau sifat dari suatu biji kopi secara efisien dan non-destruktif adalah menggunakan Convolutional Neural Network (CNN), yaitu metode pembelajaran mesin (Machine learning) yang meninjau citra dari target yang diberikan. Jenis citra yang diberikan pada suatu model CNN dapat berupa citra multispektral yang terdiri dari banyak panjang gelombang. Citra semacam ini memiliki lebih banyak informasi karena jumlah pita gelombang yang lebih banyak, serta terdapat panjang gelombang yang tidak kasat mata. Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi varietas dan tingkat penyangraian biji kopi berbasis citra multispektral dengan menggunakan pemodelan Convolutional Neural Network dengan input citra multispektral dan output majemuk. Citra multispektral yang dipakai menggunakan terdiri atas citra RGB (Red, Green, Blue), dan OCN (Orange, Cyan, NIR). Hasil akurasi pengujian tertinggi dicapai menggunakan arsitektur SqueezeNet, input citra RGB sajam dengan akurasi 95,49% untuk klasifikasi varietas, dan 99,02% untuk tingkat penyangraian. Melalui penelitian ini, perancangan sistem multi output berbasis citra multispektral mampu mengklasifikasikan tingkat penyangraian dan varietas secara bersamaan.

---

Indonesia produces more than 700 thousand tons of coffee beans, making it the fourth largest coffee producing country in the world. Coffee beans themselves contain various chemicals that are beneficial for health, such as caffeine, chlorogenic acid (CA), and trigonelline. The levels of each of these chemicals depend on the coffee bean variety and the level of roasting. A new method for reviewing the properties of a coffee bean efficiently and non-destructively is using a Convolutional Neural Network (CNN), which is a machine learning method that reviews the image of a given target. The type of image given to a CNN model can be a multispectral image consisting of many wavelengths. This kind of image has more information because there are more wave bands, and there are wavelengths that are not visible to the eye. This research aims to design and build a classification system of varieties and roasting levels of multispectral image-based coffee beans using Convolutional Neural Network modeling with multispectral image input and compound output. The multispectral images used consist of RGB (Red, Green, Blue), and OCN (Orange, Cyan, NIR) images. The highest test accuracy results were achieved using SqueezeNet architecture, input RGB sharp image with 95.49% accuracy for variety classification, and 99.02% for roasting rate. Through this research, the design of a multispectral image-based multi-output system is able to classify roasting level and variety simultaneously."