Penerapan algoritma convolutional neural network untuk klasifikasi jenis biji kopi nusantara

Bosma, Rifqi Ibadi (2024) Penerapan algoritma convolutional neural network untuk klasifikasi jenis biji kopi nusantara. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900018203_JUDUL__240322020201.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB I) T1_1900018203_BAB_I__240321024127.pdf Restricted to Repository staff only Download (209kB) | Request a copy
	Text (BAB II) T1_1900018203_BAB_II__240321024127.pdf Restricted to Repository staff only Download (462kB) | Request a copy
	Text (BAB III) T1_1900018203_BAB_III__240321024127.pdf Restricted to Repository staff only Download (355kB) | Request a copy
	Text (BAB IV) T1_1900018203_BAB_IV__240321024127.pdf Restricted to Repository staff only Download (743kB) | Request a copy
	Text (BAB V) T1_1900018203_BAB_V__240321024127.pdf Restricted to Repository staff only Download (193kB) | Request a copy
	Text (Daftar Pustaka) T1_1900018203_DAFTAR_PUSTAKA__240321024127.pdf Restricted to Repository staff only Download (207kB) | Request a copy
	Text (Lampiran) T1_1900018203_LAMPIRAN__240321024127.pdf Restricted to Repository staff only Download (642kB) | Request a copy

Abstract

Provinsi Jawa Timur dan Jawa Tengah merupakan daerah penghasil biji kopi Robusta yang memiliki luas area terbesar di Pulau Jawa. Beberapa daerah yang banyak dikenali masyarakat sebagai penghasil biji kopi robusta adalah Jepara, Malang, dan juga Temanggung. Namun setiap pertumbuhan jenis biji kopi robusta terdapat ciri khas yang membedakan sesuai dengan lingkungan pertumbuhannya. Kesulitan dalam mengidentifikasi bisa berdampak buruk bagi pemilik kedai kopi dalam menyuplai biji kopi. Hal bisa menjadi kerugian karena kualitas pada jenis-jenis biji kopi menentukan harga jualnya. Penelitian ini melakukan klasifikasi terhadap 3 jenis biji kopi Robusta menggunakan Algoritma CNN dengan tahapan pengumpulan data sebanyak 600 citra yang diambil secara langsung, preprocessing data dengan melakukan augmentasi citra dan pembagian dataset dengan perbandingan 80:20, implementasi model menggunakan arsitektur VGG16 dengan parameter citra berukuran 224x224, batch size berukuran 64, dropout senilai 0,25, dan menggunakan optimizer ‘adam’ dengan learning rate sebesar 0,0001. Kemudian selanjutnya pengujian model menggunakan Confusion Matrix, dan yang terakhir hasil akurasi dengan melihat evaluasi performa klasifikasi berupa akurasi, presisi, recall, dan F1-Score. Proses pengujian dilakukan menggunakan 30 epoch. Pengujian menggunakan Confusion Matrix mendapati hasil akurasi tertinggi sebesar 94% diikuti nilai pendukung akurasi, yakni nilai presisi sebesar 95%, nilai recall sebesar 94%, dan F1-Score sebesar 94%. Hasil pengujiannya terbilang baik setelah melakukan proses trial and error menggunakan beberapa parameter yang diuji. Hal ini menunjukkan bahwa pengklasifikasian jenis biji kopi menggunakan algoritma CNN dapat dikatakan berhasil.

Item Type:	Thesis (S1)
Keyword:	biji kopi 1; CNN 2; VGG16 3; deep learning 4; klasifikasi 5
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus4 userperpus4
Date Deposited:	30 Apr 2024 01:23
Last Modified:	30 Apr 2024 01:23
URI:	http://eprints.uad.ac.id/id/eprint/62420

Actions (login required)

View Item