eprintid: 32192
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/21/92
datestamp: 2026-07-16 06:44:56
lastmod: 2026-07-16 06:44:56
status_changed: 2026-07-16 06:44:56
type: thesis
metadata_visibility: show
creators_name: Nurdin, Muhammad Fabian
creators_nim: 22.61.0233
contributors_name: Abdulloh, Ferian Fauzi
corp_creators: Universitas AMIKOM Yogyakarta
title: IDENTIFIKASI DAN KLASIFIKASI CACAT PADA BIJI KOPI
MENGGUNAKAN CNN DENGAN TRANSFER LEARNING
BERBASIS CITRA RGB
ispublished: pub
subjects: 000.000.000A
divisions: if
full_text_status: restricted
keywords: Kopi, klasifikasi, DenseNet201, deep learning, RGB, penyortiran,
kualitas, coffee, classification, sorting,
quality.
abstract: 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.
date: 2025-10-22
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Nurdin, Muhammad Fabian  (2025) IDENTIFIKASI DAN KLASIFIKASI CACAT PADA BIJI KOPI MENGGUNAKAN CNN DENGAN TRANSFER LEARNING BERBASIS CITRA RGB.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32192/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/8/Publikasi.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32192/9/Sourcecode%20-%2022.61.0233.zip