Setiadi.F, A.Farhan (2021) IMPLEMENTASI METODE CNN DAN DEEP LEARNING UNTUK MENENTUKAN TINGKAT SANGRAI BIJI KOPI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (385kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (854kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (676kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (263kB) |
|
Text (BAB V)
BAB V.pdf Download (81kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (154kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
sourcecode-17.11.1475-A.FarhanSetiadi.F.rar Restricted to Repository staff only Download (2kB) |
|
Text (PUBLIKASI)
Publikasi-17.11.1475-A.FarhanSetiadi.F.pdf Restricted to Repository staff only Download (654kB) |
Abstract
Tipe hasil sangrai biji kopi dapat ditentukan dengan melihat warna biji kopi ketika dalam proses sangrai. Cara tersebut cukup efektif untuk mendapatkan hasil yang sesuai dengan keinginan namun dapat terjadi masalah pada konsistensi dan efisiensi. Tujuan akhir penelitian ini yaitu mengembangkan sistem otomatis untuk menentukan tingkat hasil sangrai pada biji kopi untuk produsen atau pengolah biji kopi. Langkah awal projek ini yaitu membangun sistem image processing yang mengklasifikasikan gambar biji kopi yang telah disangrai berdasarkan warna dari tingkat kematangannya. Penelitian ini menggunakan Convolutional Neural Network, model arsitektur VGG-16, framework Tensorflow, dataset gambar berjumlah 300 data gambar yang dibagi ke 3 kelas, yaitu light roasts, medium roasts dan dark roasts. Pada proses training dilakukan dengan menggunakan epoch sebesar 40 dan learning rate sebesar 0,001. Hasil pengujian dari penelitian ini menunjukkan bahwa algoritma Convolutional Neural Network dapat di implementasikan, namun belum menghasilkan akuasi yang baik. Dibuktikan dengan hasil pengujian dengan ratarata hasil data latih mencapai 64.0% dan hasil validasi 52.2% dan memperoleh nilai accuracy sebesar 46,0%, precision sebesar 71,66%, recall sebesar 60,0% dan F-1 score sebesar 65,31%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | CNN, Jaringan saraf tiruan, Deep Learning, Algoritma, Tensorflow, sangrai, biji kopi, Neural Network, Algorithm, Roasting, Coffee beans | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 18 Jun 2022 01:30 | ||
| Last Modified: | 12 Aug 2023 02:28 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/1535 |
Actions (login required)
 |
View Item |