Yayang Hafifah Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2023

Skripsi

Kopi merupakan salah satu minuman yang paling banyak dikonsumsi saat ini. Biji kopi terlebih dahulu dilakukan penyortiran oleh petani. Hal ini dikarenakan banyaknya jenis biji kopi yang memiliki perbedaan dari segi bentuk dan tekstur. Setelah melakukan penyortiran, petani harus melakukan deteksi biji kopi apakah mengalami kerusakan atau tidak. Proses tersebut masih dilakukan secara manual oleh petani kopi sehingga membutuhkan waktu yang lama serta mengakibatkan terjadi kesalahan karena kurangnya pengetahuan tentang kopi. Selain itu, juga dilakukan upaya peningkatan kualitas terhadap biji kopi yang akan mempengaruhi nilai jual dari biji kopi tersebut. Adapun tujuan penelitian ini mengusulkan model deep learning dalam model klasifikasi yang dibangun menggunakan Convolutional Neural Network (CNN) terhadap arsitektur ResNet-34, VGG-16, dan EfficientNet dan melakukan evaluasi model serta mengetahui bagian mana yang dideteksi pada kerusakan biji kopi. Setelah dilakukan penelitian hasil pengujian menunjukan bahwa model memiliki akurasi yang baik dimana model mampu membedakan antara biji kopi rusak dan biji kopi normal. Arsitektur ResNet-34 menghasilkan akurasi sebesar 90.13%, arsitektur VGG-16 sebesar 88.12%, dan arsitektur EfficientNet sebesar 89.75%, Selanjutnya dengan menggunakan Grad-CAM model mampu mendeteksi kerusakan biji kopi yaitu dilihat berdasarkan bentuk. Terdapat heatmap yang menyorot bagian yang biji kopi rusak. Sedangkan pada biji kopi normal heatmap tersebar dan tidak menyorot bagian tertentu pada citra biji kopi. Kata Kunci : Deteksi Biji Kopi, Deep Learning, Convolutional Neural Network, EfficientNet-B7, ResNet-34, VGG-16. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 109506 2023-03-17 17:32:24 2023-03-20 09:42:00 machine generated