Patimah Lubis Primary Author mixed material bibliography Banda Aceh teknik 2024

Skripsi

Kopi merupakan komoditas utama yang memegang peranan signifikan dalam ekonomi Indonesia. Tingginya produksi dan konsumsi kopi meningkatkan permintaan terhadap persediaan kopi, namun proses penyortiran biji kopi yang dilakukan secara manual oleh petani sering kali menyebabkan kesalahan dalam memilah jenis biji kopi. Meskipun telah banyak penelitian yang menggunakan teknik pembelajaran mendalam (deep learning) dan algoritma Convolutional Neural Network (CNN) untuk klasifikasi biji kopi rusak, pengaruh variasi warna latar belakang dataset belum banyak dibahas. Penelitian ini merancang model deep learning untuk mendeteksi kerusakan biji kopi menggunakan arsitektur ResNet-34, VGG-16, dan EfficientNet-B7, dengan dataset yang latar belakangnya diubah menjadi warna hijau dengan nilai RGB (34,139,34). Setelah dilakukan penelitian, hasil dari evaluasi model menunjukkan nilai akurasi 89,25% untuk ResNet-34, 91,25% untuk VGG-16, dan 90,75% untuk EfficientNet-B7. Kemudian hasil deteksi Grad-CAM menunjukkan model mampu mendeteksi bagian biji kopi dengan heatmap menyorot bagian biji kopi yang rusak dan untuk biji kopi normal heatmap tersebar merata pada biji kopi. Kata Kunci : Kopi, Deep Learning, Convolutional Neural Network, ResNet-34, VGG-16, EfficientNet-B7, Grad-CAM 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 125115 2024-07-16 10:54:42 2024-07-16 11:56:00 machine generated