Pembangunan Perangkat Keras Pengklasifikasi Kualitas Biji Kopi dengan Machine Learning - Dalam bentuk buku karya ilmiah

DEKIVARA ZAKA AULIA IGANI

Informasi Umum

Kode

23.04.7727

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Informasi Lainnya

Abstraksi

Proyek akhir ini bertujuan untuk mengembangkan sistem klasifikasi biji kopi berdasarkan tingkat kematangandan kualitas menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16. Klasifikasi biji kopi menjadi lima kelas, yaitu matang super bagus, matang bagus, matang jelek, mentah bagus dan mentah jelek, bertujuan untuk membantu dalam pemilahan dan pemrosesan biji kopi secara otomatis.

Metode CNN dengan arsitektur VGG16 dipilih karena kemampuannya dalam mengekstrak fitur yang kompleks dari citra serta kemampuan generalisasinya yang baik. Dataset berisi gambar-gambar biji kopi dari kelimakelas yang telah dikumpulkan dan diolah sebelumnya. Proses pra-pemrosesan melibatkan normalisasi,augmentasi data, serta pembagian dataset menjadi subset pelatihan, validasi, dan pengujian.

Pada tahap pelatihan, model CNN dengan arsitektur VGG16 diinisialisasi dan disesuaikan dengan datasetpelatihan. Proses pelatihan dilakukan dalam beberapa epoch dengan pengoptimalan menggunakan algoritmastokastik gradien turunan (SGD) dan fungsi kerugian categorical cross- entropy. Setelah mencapaikonvergensi, model dievaluasi menggunakan dataset validasi untuk mengoptimalkan parameter sertamencegah overfitting.

Hasil eksperimen menunjukkan bahwa model CNN dengan arsitektur VGG16 mampu mengklasifikasikan bijikopi ke dalam lima kelas dengan akurasi yang signifikan. Penggunaan arsitektur VGG16 membantu dalam mengekstrak fitur-fitur penting dari citra biji kopi, sehingga meningkatkan kualitas klasifikasi. Dataset yangdigunakan sebanyak 500 serta akurasi yang didapatkan sebesar 96%.

Dengan demikian, proyek akhir ini berhasil mengimplementasikan metode CNN dengan arsitektur VGG16 untuk melakukan klasifikasi biji kopi dalam lima kelas berdasarkan tingkat kematangan dan kualitas. Hasil yangdicapai menunjukkan potensi penggunaan teknologi ini dalam mendukung industri kopi dalam pemrosesan biji kopi secara otomatis dan akurat. Namun, pengembangan lebih lanjut masih diperlukan untuk meningkatkan ketahanan model terhadap variasi kondisi pencahayaan dan sudut pandang yang berbeda.