KLASIFIKASI KUALITAS BIJI KOPI BERDASARKAN CITRA BIJI MENGGUNAKAN ALGORITMA CONVOLUTION NEURAL NETWORK DENGAN MODEL VGG16

Nurfandi, Edriansyah (2024) KLASIFIKASI KUALITAS BIJI KOPI BERDASARKAN CITRA BIJI MENGGUNAKAN ALGORITMA CONVOLUTION NEURAL NETWORK DENGAN MODEL VGG16. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (253kB)
	Text BAB II.pdf Download (334kB)
	Text BAB III.pdf Download (423kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (209kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Industri kopi global terus berkembang, mendorong kebutuhan akan metode klasifikasi kualitas biji kopi yang akurat dan efisien. Penilaian kualitas secara manual sering kali memakan waktu dan rentan terhadap bias, sehingga memicu pengembangan sistem klasifikasi otomatis. Penelitian ini bertujuan membangun model klasifikasi kualitas biji kopi berdasarkan citra biji menggunakan algoritma Convolutional Neural Network (CNN) dengan model VGG16. Data citra biji kopi dikumpulkan dan diberi label kualitas (baik, sedang, buruk). Model CNN VGG16 dimodifikasi dan dilatih menggunakan data citra tersebut. Kinerja model dievaluasi berdasarkan akurasi, presisi, dan recall dalam mengklasifikasikan kualitas biji kopi. Hasil menunjukkan bahwa model CNN VGG16 yang dimodifikasi mencapai akurasi klasifikasi sebesar 90%. Performa model ini lebih unggul dibandingkan metode klasifikasi tradisional. Penelitian ini menunjukkan bahwa model CNN VGG16 yang dimodifikasi dapat menjadi alat yang efektif untuk klasifikasi kualitas biji kopi secara otomatis dan akurat. Model ini berpotensi diterapkan dalam industri kopi untuk meningkatkan efisiensi dan kualitas produk.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General) T Technology > TS Manufactures
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	- Abdurrahman -
Date Deposited:	02 Jan 2025 02:47
Last Modified:	02 Jan 2025 02:47
URI:	http://repository.unas.ac.id/id/eprint/12499

Actions (login required)

View Item