Jundullah, Sayid Muhammad (2026) IMPLEMENTASI ALGORITMA YOLOv8 UNTUK DETEKSI CACAT FISIK DAN KONTAMINAN PADA BIJI KOPI SECARA REAL-TIME. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (59kB)
	Text Abstrak.pdf Download (9kB)
	Text BAB I.pdf Download (90kB)
	Text Daftar Pustaka.pdf Download (71kB)
	Text Full-text.pdf Restricted to Registered users only Download (4MB)

Abstract

Kopi merupakan komoditas penting di Indonesia, namun proses sortasi biji kopi masih banyak dilakukan secara manual (double picker) yang bersifat subjektif, lambat, dan tidak konsisten. Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv8 dalam mendeteksi cacat fisik dan kontaminan pada biji kopi secara otomatis. Model didasarkan pada fine-tuning YOLOv8s menggunakan dataset sebanyak 451 citra biji kopi yang menghasilkan 6.487 anotasi dengan 25 kelas cacat dan kontaminan sesuai standar SNI 01-2907-2008 dan ICO. Proses pelatihan dilakukan dengan teknik transfer learning dan augmentasi data. Sistem yang dikembangkan berbasis web menggunakan framework FastAPI dan OpenCV, mendukung dua mode yaitu deteksi real-time (video stream) dan deteksi berbasis citra statis untuk perhitungan nilai cacat. Perhitungan skor cacat dilakukan secara otomatis berdasarkan bobot nilai cacat SNI.Hasil pengujian menunjukkan model mencapai mAP@0.5 sebesar 77.3%. Model sangat baik dalam mendeteksi kelas Biji Normal (mAP 96%) dan kontaminan, meskipun masih terdapat tantangan pada kelas yang memiliki kemiripan visual seperti Biji Pecah dan Biji Hitam. Sistem berhasil diintegrasikan dengan antarmuka yang user-friendly dan mampu memberikan hasil deteksi serta perhitungan nilai cacat secara cepat. Kata Kunci: YOLOv8, deteksi cacat biji kopi, computer vision, deep learning, sortasi kopi, mAP.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Sayid Muhammad Jundullah
Date Deposited:	03 Sep 2026 04:38
Last Modified:	03 Sep 2026 04:38
URI:	https://rama.unimal.ac.id/id/eprint/22207

Actions (login required)

View Item