KOMPARASI NILAI AKURASI BIJI KOPI MENGGUNAKANRNARSITEKTUR RESNET-18 DAN MOBILENETV2 DALAM MENGKLASIFIKASI BIJI KOPI NORMAL DAN BIJI KOPI DEFECT BERBASIS DEEP LEARNING
Fajrul Islamy
Primary Author
mixed material
bibliography
Banda Aceh
Program Studi Magister Teknik Elektro
2022
Biji kopi merupakan salah satu komoditas bernilai tinggi di Indonesia namun dalam pemilahan kualitas biji kopi masih menggunakan metode visual dan ayakan dengan mesin mekanik. Penelitian ini bertujuan untuk memberikan alternatif dalam mengklasifikasi biji kopi menggunakan algoritma Deep Learning serta arsitektur ResNet-18 dan MobileNetV2. Model akan digunakan dalam fase pelatihan, validasi dan pengujian. Dataset yang digunakan yaitu USK-coffee yang terdiri dari dua kelas yaitu kelas biji kopi normal dan biji kopi defect dan data yang digunakan dibagi menjadi dua jenis yaitu data seimbang (balanced data) dan data tidak seimbang (imbalanced data). Hasil penelitian ini yaitu model klasifikasi biji kopi dari dua arsitektur untuk dapat dibandingkan tingkat akurasi nya. Dari hasil penelitian ini didapatkan nilai akurasi untuk model arsitektur ResNet-18 pada sebesar 91,50% pada data seimbang dan pada data tidak seimbang 90,87% sementara pada arsitektur MobileNetV2 didapatkan akurasi pada data seimbang sebesar 81,25% dan pada data tidak seimbang sebesar 81,12%.
Kata kunci: Biji kopi, Deep Learning, Nilai akurasi, ResNet-18, MobileNetV2
0
ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala
103572
2022-09-05 15:51:11
2022-09-06 15:18:29
machine generated