Permintaan kopi berkualitas tinggi terus meningkat, terutama di segmen specialty coffee yang menuntut konsistensi rasa dan keaslian produk. Di tengah tren tersebut, kopi peaberry atau kopi lanang yang dikenal lebih langka dan bernilai tinggi masih menghadapi tantangan dalam proses pemisahan yang umumnya dilakukan secara manual. Metode ini bergantung pada pengamatan visual pekerja dan sering kali memakan waktu lama, terutama dalam skala produksi besar. Padahal, ketepatan dalam memilah biji kopi sangat berpengaruh terhadap kualitas akhir dan nilai jual produk.
Menjawab persoalan ini, tim peneliti Fakultas Teknologi Pertanian (FTP) Universitas Gadjah Mada mengembangkan teknologi pemilahan biji kopi berkulitas melalui pendekatan berbasis teknologi artificial intelligence (AI). Riset ini pun sudah dipublikasikan di Journal of Food Measurement and Characterization di Amerika Serikat.
Dr. Widiastuti Setyaningsih, S.T.P., M.Sc, selaku ketua tim, mengatakan inovasi teknologi yang dikembangkan ini memanfaatkan kombinasi spektroskopi dan AI. Teknologi ini bekerja dengan cara membaca karakteristik internal biji kopi tanpa perlu merusaknya. Pendekatan ini memungkinkan analisis dilakukan secara cepat sekaligus menjaga kondisi fisik sampel tetap utuh. Dalam praktiknya, teknologi ini mampu mengidentifikasi perbedaan antara peaberry dan non-peaberry secara lebih objektif. “Teknologi ini seperti membaca sidik jari kopi dari komposisi kimianya tanpa harus merusak bijinya,” tutur Widi.
Metode yang digunakan dalam penelitian ini adalah Near Infrared (NIR) Spectroscopy yang dikombinasikan dengan machine learning. Prosesnya dimulai dengan memancarkan cahaya ke biji kopi untuk menghasilkan spektrum yang merepresentasikan kandungan kimia di dalamnya. Spektrum tersebut kemudian dianalisis untuk mengidentifikasi komponen seperti kadar air, lemak, protein, dan senyawa lainnya. Widi berujar data yang dihasilkan menjadi dasar bagi sistem AI untuk mengenali pola khas setiap jenis kopi. “Spektrum itu menyimpan informasi kimia yang menjadi dasar untuk membedakan karakter kopi,” ia menjelaskan.
Untuk meningkatkan akurasi, data spektrum yang diperoleh kemudian diolah menggunakan algoritma machine learning seperti Support Vector Machine (SVM), Random Forest, dan Linear Discriminant Analysis. Algoritma ini berfungsi mengenali pola perbedaan antara peaberry dan non-peaberry secara sistematis. Sebelum dianalisis, data terlebih dahulu diproses untuk menghilangkan gangguan dan menonjolkan fitur penting. Langkah ini membantu sistem dalam menghasilkan klasifikasi yang lebih tepat dan konsisten. “AI akan membaca pola dari data tersebut sehingga bisa membedakan dengan akurat antara peaberry dan kopi biasa,” Widi berujar.
Keunggulan utama dari metode ini terletak pada kemampuannya melakukan analisis secara cepat, objektif, dan presisi. Proses identifikasi dapat dilakukan tanpa bergantung pada pengamatan visual manusia yang rentan kesalahan. Selain itu, metode ini mampu menjaga kualitas biji kopi karena tidak memerlukan perlakuan yang merusak. Dengan tingkat akurasi yang tinggi, teknologi ini membuka peluang untuk meningkatkan efisiensi dalam proses sortasi. “Dengan pendekatan ini, proses pemisahan bisa dilakukan lebih cepat dan hasilnya lebih konsisten,” katanya.
Secara sederhana, perbedaan antara kopi peaberry dan non-peaberry terletak pada jumlah biji dalam satu buah kopi. Pada umumnya, satu buah kopi menghasilkan dua biji yang berbentuk pipih dan saling berhadapan, yang dikenal sebagai kopi reguler atau non-peaberry. Sementara itu, pada kopi peaberry hanya terbentuk satu biji tunggal yang berbentuk bulat akibat proses perkembangan alami di dalam buah. Jumlahnya pun relatif sedikit, hanya sekitar 5–7 persen dari total produksi, sehingga sering dianggap lebih eksklusif. “Peaberry itu kopi lanang, jadi dalam satu buah hanya ada satu biji, bentuknya bulat, berbeda dengan kopi biasa yang keping ganda,” jelasnya.
Selama ini, proses pemisahan kopi peaberry masih dilakukan melalui sortir manual yang mengandalkan ketelitian pekerja. Cara ini dinilai kurang efisien ketika harus menangani volume produksi yang besar karena membutuhkan waktu yang panjang. Selain itu, hasil sortir sering kali tidak konsisten karena bergantung pada subjektivitas masing-masing operator. Risiko kesalahan klasifikasi pun cukup tinggi, terutama ketika bentuk biji kopi terlihat mirip satu sama lain. “Selama ini pemisahan masih dilakukan secara manual lewat sortir visual, dan itu sangat bergantung pada subjektivitas pekerja,” ujar Widi.
Kesalahan dalam proses sortir dapat berdampak langsung pada kualitas dan nilai ekonomi produk kopi. Menurut Widi, biji kopi non-peaberry yang memiliki bentuk serupa berpotensi masuk ke kelompok peaberry, begitu pula sebaliknya. Kondisi ini menjadi krusial karena jumlah peaberry dalam satu panen relatif sedikit dibandingkan kopi reguler. Dengan proporsi yang hanya sekitar 5–7 persen, peaberry memiliki nilai jual yang lebih tinggi di pasar specialty coffee. Ketidaktepatan dalam pemisahan inilah dapat menyebabkan potensi kerugian bagi produsen. “Kalau proses pemisahannya tidak optimal, nilai premium dari peaberry bisa hilang begitu saja,” jelasnya.
Penerapan teknologi ini berpotensi membawa perubahan signifikan dalam industri kopi. Proses sortasi yang sebelumnya dilakukan secara manual dapat beralih menjadi otomatis dengan bantuan sistem berbasis data. Hal ini memungkinkan peningkatan efisiensi produksi sekaligus menjaga standar kualitas yang lebih stabil. Bagi industri specialty coffee, konsistensi kualitas menjadi faktor penting dalam menjaga kepercayaan konsumen. “Kalau kualitasnya konsisten, tentu akan lebih mudah menjaga standar kopi specialty,” ungkap Widi.
Selain berdampak pada aspek teknis, teknologi ini juga memiliki implikasi ekonomi yang cukup besar. Peaberry sebagai produk premium memiliki nilai jual lebih tinggi dibandingkan kopi biasa. Dengan proses sortasi yang lebih akurat, potensi peningkatan nilai produk menjadi semakin besar. Hal ini, menurut Widi, dapat memperkuat daya saing kopi Indonesia di pasar global. “Nilai jual kopi bisa meningkat karena kualitasnya lebih terjamin dan terklasifikasi dengan baik,” jelasnya.
Ke depan, teknologi ini dinilai memiliki peluang besar untuk diterapkan secara luas di sektor agroindustri. Sistem ini dapat diintegrasikan dengan mesin sortasi otomatis yang digunakan di pabrik maupun di tingkat petani. Bahkan, pengembangan alat yang lebih ringkas dan portabel memungkinkan penggunaannya langsung di lapangan. Inovasi ini mendukung transformasi digital dalam industri kopi yang semakin berbasis data. “Teknologi ini bisa dikembangkan jadi sistem yang terintegrasi, bahkan sampai ke level petani,” kata Widi.
Meski demikian, terdapat sejumlah tantangan yang perlu diperhatikan dalam implementasinya. Investasi awal untuk pengadaan alat dan infrastruktur masih menjadi pertimbangan utama bagi pelaku industri. Selain itu, diperlukan pengembangan basis data yang lebih besar agar model yang dihasilkan semakin kuat dan adaptif. Kesenjangan antara hasil riset di perguruan tinggi dan penerapannya di industri juga menjadi tantangan tersendiri. “Harapannya riset ini tidak berhenti di publikasi, tapi benar-benar bisa diadopsi dan dimanfaatkan oleh industri,” pungkasnya.
Penulis: Triya Andriyani
Foto: Freepik dan Dok. Humas