KLASIFIKASI JENIS BIJI KOPI SANGRAI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Metha, Halifa Sekar (2024) KLASIFIKASI JENIS BIJI KOPI SANGRAI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.51.2100 - Halifa Sekar Metha.pdf Download (3MB)

Abstract

Di antara hasil perkebunan, kopi memiliki nilai ekonomi yang relatif tinggi dibandingkan dengan tanaman perkebunan lainnya dan merupakan sumber devisa yang signifikan. Salah satu kunci dalam meningkatkan daya saing produk biji kopi adalah proses pengolahan biji kopi yang dimulai dari proses pemetikan biji kopi dan berlanjut hingga biji kopi siap disangrai. Awalnya, klasifikasi biji kopi dilakukan berdasarkan pengalaman dan pengetahuan manusia dengan cara human visual system (HVS). Namun, dalam prosesnya manusia memiliki keterbatasan stamina sehingga mempengaruhi keakuratan dalam mengklasifikasikan biji kopi, terutama dalam membedakan jenis kopi yang sudah disangrai. Sehingga, teknologi pengenalan citra gambar menjadi salah satu cara untuk membantu proses klasifikasi. Pada penelitian ini, penulis melakukan klasifikasi pada biji kopi sangrai jenis Arabika. Ada 4 tingkatan yaitu tingkatan berwarna hijau dengan nama Green Laos Tyipica Bolaven, tingkatan terang dengan nama Light Laos Typica Bolaven, kemudian tingkatan medium dengan nama Doi Chaang, yang terakhir tingkatan dark dengan Brazil Cerrado dengan menggunakan arsitektur CNN yaitu MobileNetV2 dan InceptionV3 dengan tujuan untuk mengetahui dan membandingkan tingkat akurasi dari arsitektur CNN yang digunakan. Dari hasil penelitian didapatkan nilai akurasi tertinggi pada penelitian ini terhadap klasifikasi biji kopi sangrai adalah arsitektur MobileNetV2 dengan penerapan hyperparameter pada proses training, mendapatkan nilai akurasi sebesar 98.12%. Sedangkan pada penggunaan InceptionV3 mendapatkan nilai akurasi sebesar 96.88%. Kinerja MobileNetV2 lebih baik dari InceptionV3 sehingga penggunaan MobileNetV2 dengan adjusting hyperparameter bisa dipertimbangkan untuk penelitian berikutnya.

Actions (login required)

View Item