KLASIFIKASI TINGKAT SANGRAI BIJI KOPI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET50

Wijaya, Marcellin Suciadi (2023) KLASIFIKASI TINGKAT SANGRAI BIJI KOPI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET50. Diploma thesis, Universitas Multi Data Palembang.

Text Marcellin Suciadi Wijaya 1923250042.pdf Download (2MB)

Abstract

Kopi adalah bahan minuman yang banyak dikonsumsi oleh masyarakat Indonesia dan merupakan produk komoditas yang diyakini memiliki nilai ekonomi yang tinggi. Selain menjadi produk komoditas, kopi juga berpengaruh besar terhadap perkembangan usaha kedai kopi di Indonesia. Ketika memproduksi kopi yang akan dikonsumsi, biji kopi akan melalui suatu tahapan terpenting yaitu penyangraian. Aroma dan rasa kopi sangat dipengaruhi oleh tingkat penyangraian, dengan tingkat sangrai yang tepat akan menghasilkan aroma dan rasa kopi yang diminati oleh konsumen. Untuk menentukan tingkat sangrai biji kopi dapat dilihat secara langsung, namun hal ini dianggap kurang akurat dan optimal karena memungkinkannya terjadi human error yang berakibat sulit untuk menentukan tingkat sangrai biji kopi yang baik dan tepat. Oleh sebab itu, penelitian ini dilakukan bertujuan untuk mengklasifikasi tingkat sangrai biji kopi menggunakan teknologi pengenalan citra metode Convolutional Neural Network. Pada penelitian ini, terdapat 4 klasifikasi tingkat sangrai biji kopi yaitu Green, Light, Medium, dan Dark. Pengujian model menggunakan salah satu aristektur CNN yaitu ResNet50 dengan fungsi optimasi Adam. Hasil pengujian menunjukkan bahwa skenario keempat tingkat sangrai biji kopi lebih dikenali dengan tingkat akurasi pengujian sebesar 42%, serta nilai precision 39% dan recall 90% untuk Dark, precision 75% dan recall 30% untuk Green, precision 40% dan recall 40% untuk Light, dan precision 33% dan recall 10% untuk Medium.

Actions (login required)

View Item