Kurniawan, Rezky (2023) KLASIFIKASI VARIETAS BIJI KOPI ARABIKA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Politeknik Caltex Riau.
Laporan Akhir - Rezky Kurniawan.pdf - Submitted Version
Restricted to Registered users only
Download (1MB)
Poster PA - Rezky Kurniawan (1).png - Submitted Version
Restricted to Registered users only
Download (1MB)
Abstract
Chinoss Coffee Shop merupakan bisnis yang bergerak di bidang kopi dan
melakukan pemilihan maupun pemangangan biji kopi mereka secara
manual. Dalam upaya meningkatkan kualitas minuman kopi, pengenalan
varietas biji kopi Arabika menjadi hal krusial. Namun, pengenalan
manual seringkali sulit dan tidak akurat. Penelitian ini bertujuan
mengembangkan aplikasi berbasis Convolutional Neural Network (CNN)
untuk mengklasifikasikan varietas biji kopi Arabika melalui citra.
Perbedaan karakteristik visual biji kopi dari berbagai daerah memerlukan
solusi pengenalan yang cepat dan tepat. Aplikasi ini dirancang untuk
memudahkan barista dalam mengidentifikasi varietas biji kopi melalui
fitur pengenalan citra. Tujuannya adalah meningkatkan kualitas
pengolahan kopi dan memberikan informasi berharga kepada pemilik
kedai kopi. Implementasi model CNN pada aplikasi memungkinkan
pengenalan varietas dengan akurasi yang signifikan. Setelah pelatihan
selama 10 epoch, model ini mencapai akurasi sekitar 82% dengan nilai
loss sekitar 0.3426. Hasil ini menunjukkan bahwa model
mengklasifikasikan varietas biji kopi Arabika dengan baik. Pengujian
model CNN menggunakan Confusion Matrix mendapatkan nilai akurasi
82%, pengujian blackbox terhadap 11 test case menghasilkan jawaban
berhasil, sementara pengujian usability mengindikasikan nilai dan
manfaat yang dihasilkan bagi pemilik kedai kopi dalam memilih biji kopi.
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | KBK > KBK Jurusan Teknologi Informasi > KBK Data Engineering |
Divisions: | Sarjana Terapan > Jurusan Teknologi Informasi > Sistem Informasi |
Depositing User: | Rezky Kurniawan |
Date Deposited: | 29 Aug 2023 04:50 |
Last Modified: | 29 Aug 2023 04:50 |
URI: | http://repository.lib.pcr.ac.id/id/eprint/1273 |