TY  - THES
UR  - https://eprints.amikom.ac.id/id/eprint/32192/
M1  - bachelor
PB  - Universitas AMIKOM Yogyakarta
A1  - Nurdin, Muhammad Fabian
Y1  - 2025/10/22/
AV  - restricted
ID  - universitasamikomyogyakarta32192
KW  - Kopi
KW  -  klasifikasi
KW  -  DenseNet201
KW  -  deep learning
KW  -  RGB
KW  -  penyortiran
KW  - 
kualitas
KW  -  coffee
KW  -  classification
KW  -  sorting
KW  - 
quality.
N2  - 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.
TI  - IDENTIFIKASI DAN KLASIFIKASI CACAT PADA BIJI KOPI
MENGGUNAKAN CNN DENGAN TRANSFER LEARNING
BERBASIS CITRA RGB
ER  -