pusaran.net - Bagi seorang roaster, menentukan profil sangrai bukan sekadar menaikkan atau menurunkan api. Setiap biji kopi memiliki karakter berbeda, sementara perubahan kecil dalam suhu dan waktu dapat menghasilkan cita rasa yang berbeda pula.
Di tengah pekerjaan yang membutuhkan ketelitian tersebut, teknologi kecerdasan buatan (AI) mulai digunakan sebagai teman kerja baru. Bukan untuk menggantikan keahlian roaster, melainkan membantu membuat proses roasting lebih sistematis, terdokumentasi, dan presisi.
Baca juga: Bunda Rini Ajak Orang Tua Jadi Teman Curhat Anak
Pendekatan itu diperkenalkan Kroesel House of Coffee melalui Kroesel Roastery Management System. Sistem tersebut diluncurkan Sabtu (5/9/2026) di Kroesel House of Coffee, Jalan Krukah Selatan No. 52, Surabaya.
Dalam peluncurannya, pengunjung dapat melihat langsung bagaimana data green bean digunakan untuk menghasilkan rekomendasi awal profil roasting. Kopi kemudian disangrai, sebelum hasil akhirnya diuji melalui proses cupping.
Bagi Kroesel, perubahan tersebut berangkat dari rutinitas sederhana yang selama ini dilakukan roaster: mencatat proses sangrai dan mengingat hasilnya.
Persoalannya, pekerjaan menjadi semakin kompleks ketika jenis kopi yang ditangani semakin beragam. Varietas, proses pascapanen, kadar air, densitas, kondisi biji, hingga karakter mesin dapat memengaruhi bagaimana sebuah kopi harus dipanggang.
Ada yang menginginkan rasa lebih manis, ada yang mengejar body, aroma tertentu, atau karakter roasting yang lebih kuat. Ketika kopi yang sama datang kembali dengan kondisi berbeda, roaster harus kembali membaca situasi dan menyesuaikan profilnya.
Informasi mengenai green bean, parameter awal, perkembangan suhu, tahapan roasting, hingga hasil cupping dapat disimpan secara digital. Riwayat tersebut kemudian dapat digunakan kembali ketika roaster menangani batch berikutnya.
Dirganto, owner Kroesel House of Coffee sekaligus Wakil Ketua Badan Penyelenggara Universitas Adi Buana (UAB), mengatakan gagasan tersebut muncul dari kebutuhan praktis di lapangan.
“Gagasan ini berawal dari masalah yang sangat praktis. Kami menerima green bean dengan kondisi yang berbeda-beda, sementara setiap pelanggan mempunyai permintaan yang berbeda dan terkadang berubah. Jika semuanya hanya mengandalkan catatan manual dan ingatan, prosesnya menjadi lambat dan sulit dikembangkan,” ujar Dirganto atau yang akrab disapa Cak Gantok.
Melalui sistem tersebut, data roasting tidak lagi berhenti sebagai arsip. Data dapat digunakan sebagai bahan analisis untuk membantu roaster menentukan langkah awal.
Beberapa parameter green bean, seperti moisture dan density, dapat menjadi bagian dari informasi yang dianalisis. Berdasarkan data tersebut, AI kemudian memberikan rekomendasi awal, antara lain terkait charge temperature dan penyesuaian profil untuk mengejar karakter rasa tertentu.
Terutama ketika berhadapan dengan green bean yang belum pernah dipanggang sebelumnya, roaster tidak harus benar-benar memulai dari halaman kosong. Ada data dan rekomendasi yang dapat dijadikan panduan sebelum profil tersebut disesuaikan dengan kondisi mesin dan karakter biji.
“Ini mempermudah buat catatan supaya tidak manual, jadi tersimpan otomatis. Membantu kita menangani macam-macam jenis kopi, karena setiap kopi dan permintaan customer itu berbeda-beda,” kata Hamzah, roaster Kroesel yang akrab disapa Ancha.
Setelah rekomendasi diberikan, keputusan tetap berada di tangan operator. Sebab, angka yang terlihat di layar tidak selalu menceritakan seluruh kondisi yang terjadi di dalam drum roasting.
Karakter mesin, kondisi lingkungan, kualitas green bean, hingga kemampuan roaster membaca perubahan selama proses tetap menjadi bagian penting.
“AI tidak kami tempatkan sebagai pengganti roaster. AI menjadi alat bantu berpikir yang dapat mempercepat penyusunan profil awal dan membantu proses kerja menjadi lebih sistematis. Mesin roasting boleh sederhana, tetapi proses pengambilan keputusannya dapat dibantu agar lebih terarah, konsisten, dan presisi,” jelas Cak Gantok.
Ancha pun mengakui bahwa rekomendasi AI tetap membutuhkan sentuhan manusia.
Setiap mesin roasting mempunyai karakter yang berbeda. Profil yang berhasil pada satu mesin belum tentu menghasilkan respons yang sama pada mesin lainnya.
Baca juga: RDTR Baru Surabaya Evaluasi Rencana Lama, Tol Tengah Ikut Dikaji
“Kalau mesin pasti ada kendalanya, jadi tetap harus diulik. Walaupun punya mesin roasting manual atau bukan yang mahal, sistem ini tetap bisa diterapkan sebagai panduan,” ujarnya.
Karena itu, perjalanan kopi tidak berhenti ketika biji keluar dari mesin.
Hasil roasting kemudian masuk ke tahap cupping. Di meja cupping inilah rekomendasi dan angka-angka tadi kembali berhadapan dengan sesuatu yang lebih sulit diterjemahkan menjadi data: rasa.
Apakah tingkat kemanisan sudah sesuai? Apakah body terlalu berat? Apakah aroma yang ditargetkan muncul? Apakah ada rasa pahit atau karakter lain yang justru terlalu dominan?
Jawaban dari proses cupping tersebut kemudian menjadi bahan evaluasi untuk roasting berikutnya.
Pola ini membuat proses roasting membentuk sebuah siklus. Data digunakan untuk menyusun rekomendasi, rekomendasi diterapkan dalam proses sangrai, hasilnya diuji melalui cupping, lalu hasil evaluasi kembali menjadi data.
Dengan pola tersebut, pengalaman roaster tidak hilang. Justru pengalaman tersebut mendapatkan tempat baru dalam sistem yang lebih terstruktur.
Kroesel melihat pendekatan ini sebagai upaya mempertemukan tiga hal yang selama ini menjadi bagian penting dalam dunia roasting, yakni data, teknologi, dan pengalaman manusia.
Data membantu mengingat proses yang pernah dilakukan. AI membantu membaca data dan memberikan rekomendasi. Sementara roaster tetap bertugas membaca kondisi nyata di lapangan dan menentukan keputusan akhir.
Menariknya, sistem tersebut tidak hanya ditujukan untuk roastery dengan mesin mahal dan serba otomatis.
Baca juga: Kawasan Ampel Darurat Pengemis, Wali Kota Eri : Satpol PP Tertibkan!
Kroesel justru ingin menunjukkan bahwa pemanfaatan teknologi dapat diterapkan pada mesin roasting sederhana sekalipun, selama proses pencatatan dan evaluasinya dilakukan secara terstruktur.
Untuk memperkuat pengembangannya, Kroesel bersama Program Studi Teknik Elektro dan Teknik Industri Universitas Adi Buana (UAB) akan melakukan riset lanjutan.
Salah satu fokusnya adalah memasukkan karakter masing-masing mesin roasting sebagai variabel analisis. Dengan begitu, rekomendasi yang diberikan AI diharapkan semakin relevan dengan kondisi mesin yang digunakan.
Kroesel Roastery Management System sendiri masih dalam tahap pengembangan. Ke depan, sistem tersebut akan dilengkapi dengan lebih banyak variabel dan fitur analisis untuk membaca berbagai kondisi green bean serta karakter mesin roasting.
Pada akhirnya, teknologi ini bukan tentang membuat manusia kehilangan perannya di depan mesin roasting.
Sebaliknya, AI digunakan untuk membantu roaster mengurangi pekerjaan yang berulang, menyimpan pengalaman dalam bentuk data, dan membuat setiap proses lebih mudah ditelusuri.
Sebab, dalam secangkir kopi, angka memang penting. Namun, keputusan terakhir tetap berada pada manusia yang membaca biji, mengendalikan proses, mencium aromanya, dan akhirnya mencicipi hasilnya.
AI boleh memberikan rekomendasi. Tetapi soal bagaimana rasa kopi berakhir di dalam cangkir, roaster tetap menjadi penentu terakhir. (pn3)
Editor : Wasi