Coffee beans are often mixed up nowadays due to the large demand for coffee beans globally, including Indonesia and broadly the types of Arabica and Robusta. Research on the detection of coffee beans that have been carried out
using segmentation and development based on features and shapes with the Histogram of Oriented Gradient Method and classification using a Support Vector Machine, in detecting coffee beans by floating segmentation, it is very sensitive
to differences in image conditions such as illumination, noise, and recognition. In this study, feature extraction using the Histogram of Oriented Gradient method at
the pixel level, this study was developed with 100 dataset images consisting of 50 Arabica datasets and 50 Robusta datasets, with classifiers using machine learning methods, namely, Support Vector Machine which is applied to per image
area. The Support Vector Machine method is a binary classification method wherein the problem of detecting coffee beans the Support Vector Machine can distinguish between Arabica and Robusta coffee beans and object locking using Sliding Windows. Also, to describe the object in this study, texture and shape features are used, and the classification accuracy results are using the Confusion
Matrix method manually. The results of this study found an accuracy of 58% of the correct prediction from the classification

Sering terjadi pengoplosan biji kopi sekarang ini dikarenakan banyaknya pemintaan biji kopi secara global termasuk indonesia dan secara luas adalah jenis Arabica dan Robusta. Penelitian tentang deteksi untuk biji kopi yang telah dilakukan menggunakan segmentasi dan pengembangan berdasarkan fitur dan bentuk dengan Metode Histogram of Oriented Gradient dan klasifikasinya menggunakan Support Vector Machine, akan tetapi dalam mendeteksi biji kopi
dengan segmentasi pengembangan sangat sensitif terhadap perbedaan kondisi citra seperti iluminasi, noise dan recognition. Dalam penilitian ini dikembangkan dengan 100 gambar dataset terdiri dari 50 dataset Arabica dan 50 dataset Robusta, dengan klasifikatornya menggunakan metode pembelajaran mesin yaitu Support Vector Machine yang diaplikasikan pada per area wilayah citra. Metode Support Vector Machine pada dasarnya adalah metode klasifikasi biner
dimana dalam permasalahan deteksi biji kopi pada Support Vector Machine dapat membedakan antara biji kopi arabica dan robusta dan penguncian object menggunakan Sliding Windows. Selain itu untuk mendeskripsikan objek pada penelitian ini digunakan fitur tekstur dan bentuk, dan hasil akurasi klasifikasi menggunakan metode Confusion Matrix secara manual. Hasil penilitian ini mendapati hasil akurasi sebesar nilai 58% prediksi benar dari klasifikasi