Klasifikasi Biji Kopi Hasil Roasting Menggunakan Citra Digital Berdasarkan Metode Convolutional Neural Network(CNN)
Abstract
Pada saat ini banyak penikmat minuman kopi dan juga kedai kopi sehingga saat ini banyak juga coffee roastery. Biasanya para coffee roastery tersebut melakukan pemilihan biji kopi hasil roasting secara manual sehingga membuat hasilnya menjadi kurang konsisten. Berdasarkan hal tersebut, maka diperlukannya sistem untuk mendeteksi atau mengklasifikasi biji kopi tersebut agar dapat dengan mudah melakukan penyeleksian biji kopi hasil roasting yang bagus dengan yang buruk sehingga hasilnya menjadi lebih konsisten. Penelitian ini mengidentifikasi berdasarkan warna, bentuk, dan tekstur dari biji kopi tersebut. Sistem ini berbasis citra digital dengan menggunakan metode Convolutional Neural Network (CNN). Parameter yang digunakan pada penelitian ini adalah akurasi dan waktu komputasinya dengan hasil tertinggi 99,7% dengan waktu 8.891 detik.
Kata kunci: biji kopi hasil roasting, citra digital, Convolutional Neural Network (CNN).
References
M. T. Pamungkas, M. Masrukan, and K. SAR, “Pengaruh Suhu dan Lama Penyangraian (Roasting) Terhadap Sifat Fisik dan Kimia Pada Seduhan Kopi Arabika (Coffea Arabica L.) dari Kanupaten Gayo, Provinsi Aceh,” Agrotech J. Ilm. Teknol. Pertan., vol. 3, no. 2, pp. 1–10, 2021, doi: 10.37631/agrotech.v3i2.278.
S. A. Aziz, R. Jayanthi, and A. Dinaseviani, “Pengembangan Usaha dari Sumber Daya Lokal Sektor Pertanian: Kasus Pada Produk Kopi Tersertifikasi Indikasi Geografis (IG),” Proc. Ser. Phys. Form. Sci., vol. 5, no. 8, pp. 164–170, 2023, doi: 10.30595/pspfs.v5i.718.
S. M. K. Andreas Edo Wibowo, “View of Meminimalisir Tingkat Kecacatan Produk Biji Kopi Robusta Arjuno Pada Proses Produksi Untuk Meningkatkan Kualitas Produk(cacat).pdf.” pp. 461–470, 2023.
C. Klaidaeng, S. Chudjuarjeen, C. Pomsen, and P. Charoenwiangnuea, “Prediction of roasted coffee bean level from a coffee house-ware using fuzzy logic,” Mater. Today Proc., no. xxxx, pp. 1–7, 2023, doi: 10.1016/j.matpr.2023.04.524.
L. A. Swarga, K. Setyadjit, and A. Ridhoi, “Klasifikasi Jenis Biji Kopi menggunakan Algoritma LDA dan NN,” pp. 7–11, 1945.
E. Oktafanda, “Klasifikasi Citra Kualitas Bibit dalam Meningkatkan Produksi Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN),” J. Inform. Ekon. Bisnis, vol. 4, no. 3, pp. 72–77, 2022, doi: 10.37034/infeb.v4i3.143.
R. Ardianto and S. K. Wibisono, “Analisis Deep Learning Metode Convolutional Neural Network Dalam Klasifikasi Varietas Gandum,” J. Kolaboratif Sains(JKS), vol. 6, no. 12, pp. 2081–2092, 2023, doi: 10.56338/jks.v6i12.4938.
A. C. Beans, “Evaluasi Kemampuan Kecerdasan Buatan Text-to-image dalam Mencitrakan Karakter Genetik pada Sifat Fenotipik Biji Kopi Robusta dan Arabika,” vol. 20, no. 2, 2024.
Y. Arief Ashari, “Perancangan Sistem Klasifikasi Tingkat Kematangan Biji Kopi Arabika Bali Hasil Sangrai Berbasis Citra,” p. 7, 2021.
M. Konsep, P. Lentur, B. Beton, and T. I. M. Peneliti, “Laporan Akhir Penelitian Penggunaan Bahasa Pemrograman Python untuk Membuat Aplikasi yang Dapat Digunakan Sebagai Media Dalam Universitas Agung Podomoro,” no. 0310036702, 2021.
M. F. Sanner, “Python: A programming language for software integration and development,” J. Mol. Graph. Model., vol. 17, no. 1, pp. 57–61, 2021.
C. Acyqar et al., “Deteksi Kualitas Biji Kopi Menggunakan Pengolahan Citra Digital Dengan Metode Content Based Image Retrieval Dan Klasifikasi Decision Tree,” p. no. 20-26, 2022.
A. D. Sidik and A. Ansawarman, “Prediksi Jumlah Kendaraan Bermotor Menggunakan Machine Learning,” Formosa J. Multidiscip. Res., vol. 1, no. 3, pp. 559–568, 2022, doi: 10.55927/fjmr.v1i3.745.
A. S. Syuhada, A. M. Simanullang, D. S. Lewa, and S. Jefry Marthin, “Makalah Pembelajaran Mesin ( Machine Learning ),” Makal. Pembelajaran Mesin (machine Learn. ), pp. 1–11, 2021.
Abel Bima Wiratama, “Klasifikasi Diabetes Retinopati Berbasis Pengolahan Citra Fundus Dengan Convolutional Neural Network (CNN),” vol. 1, pp. 11–13, 2023.
Noor Nisa Fadillah, “Klasifikasi Penyakit Mata Pada Citra Fundus Menggunakan Metode Convolutional Neural Network (CNN) Dengan Arsitektur Mobilenetv2,” vol. 1, pp. 4–7, 2025.
