Rizka, Lamkaruna (2024) KLASIFIKASI TINGKAT KEMATANGAN BIJI KOPI ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Malikussaleh.
Text
Cover.pdf Download (18kB) |
|
Text
Abstrak.pdf Download (11kB) |
|
Text
BAB I.pdf Download (86kB) |
|
Text
Daftar Pustaka.pdf Download (135kB) |
|
Text
Full-text.pdf Restricted to Registered users only Download (3MB) |
Abstract
Pertumbuhan industri kopi global membutuhkan inovasi dalam pemantauan dan peningkatan kualitas biji kopi. Penilaian kematangan biji kopi Robusta secara manual saat ini cenderung subjektif dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode deteksi kematangan biji kopi Robusta yang lebih objektif menggunakan Convolutional Neural Network (CNN).Pada penelitian ini, kami mengumpulkan dataset berbagai gambar biji kopi Robusta dengan 3 Jenis yaitu Light Roast,Medium Roast dan dark Roast. Proses yang digunakan yaitu Resizing data,Citra Grayscale,Citra Biner dan Convolutional Neural Network (CNN). Metode validasi silang digunakan untuk evaluasi kinerja model, dengan memperhatikan metrik evaluasi yang relevan.Hasil eksperimen menunjukkan bahwa model CNN dapat secara akurat membedakan tingkat kematangan biji kopi Robusta. Data yang digunakan yaitu data Training dan Data Testing,Total Data Training yaitu 600 Data dan total Data Testing yaitu 150 Data. Hasil dari deteksi sistem mendapatkan nilai True Positif (TP) 125,True Negatif (TN) 275 False Positif (FP) 25 dan False Negatif (FN) 25, Hasil dari penelitian ini mendapatkan akurasi sebesar 89%. Kata Kunci: Deteksi Kematangan, Biji Kopi Robusta, Convolutional Neural Network (CNN), Pengolahan Citra
Item Type: | Thesis (S1) |
---|---|
Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
Divisions: | Fakultas Teknik > 55201 - Jurusan Teknik Informatika |
Depositing User: | Lamkaruna Rizka |
Date Deposited: | 07 Mar 2024 02:12 |
Last Modified: | 07 Mar 2024 02:12 |
URI: | https://rama.unimal.ac.id/id/eprint/1407 |
Actions (login required)
View Item |