%0 Thesis
%9 S1 - Sarjana
%A Nurdin, Muhammad Fabian
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:32192
%I Universitas AMIKOM Yogyakarta
%K Kopi, klasifikasi, DenseNet201, deep learning, RGB, penyortiran,  kualitas, coffee, classification, sorting,  quality.
%T IDENTIFIKASI DAN KLASIFIKASI CACAT PADA BIJI KOPI  MENGGUNAKAN CNN DENGAN TRANSFER LEARNING  BERBASIS CITRA RGB
%U https://eprints.amikom.ac.id/id/eprint/32192/
%X Kopi merupakan komoditas unggulan Indonesia yang memiliki nilai ekonomi tinggi  sehingga pengendalian kualitasnya sangat penting, terutama pada tahap  pascapanen. Proses penyortiran biji kopi masih dilakukan secara manual yang  menyebabkan kelambatan, ketidakefisienan, dan hasil yang tidak konsisten. Studi  ini bertujuan untuk mengembangkan sistem klasifikasi biji kopi secara real-time  menggunakan pendekatan deep learning berbasis transfer learning melalui CNN  DenseNet201. Dengan memanfaatkan teknologi visi komputer, sistem ini  diharapkan mampu mengidentifikasi biji kopi berkualitas dan cacat secara otomatis  tanpa perlu perangkat keras khusus atau proses tambahan yang kompleks.  Penelitian ini berkontribusi dalam penyediaan sistem klasifikasi yang cepat, akurat,  dan dapat diinterpretasikan dalam mendukung otomasi industri kopi, khususnya  dalam penilaian kualitas biji kopi. Hasil yang diperoleh diharapkan dapat  meningkatkan efisiensi serta menstandardisasi proses sortir kopi di Indonesia.