Imam Sayuti Primary Author mixed material bibliography Banda Aceh Program Studi Magister Teknik Elektro 2025 id Indonesia

Theses

Abtrak Deteksi objek berbasis deep learning telah menjadi teknologi penting dalam otomasi industri, termasuk pengklasifikasian biji kopi berdasarkan kualitas dan jenisnya. Biji kopi merupakan salah satu komoditas unggulan dengan nilai ekonomi tinggi, terutama di Indonesia. Proses penyortiran biji kopi secara manual seringkali tidak efisien dan rentan terhadap kesalahan. Penelitian ini berkontribusi pada pengembangan teknologi berbasis kecerdasan buatan untuk meningkatkan efisiensi dan akurasi proses penyortiran biji kopi di industri. Metode yang dilakukan membandingkan kinerja model YOLOv8 dan YOLOv11 dalam mendeteksi biji kopi multikelas menggunakan visualisasi interaktif melalui Streamlit. Model dilatih menggunakan dataset USK-Coffee yang mencakup kelas biji kopi seperti Defect, Peaberry, Longberry, dan Premium. Model YOLOv8 dan YOLOv11 di-fine-tuning dan dievaluasi menggunakan metrik seperti mean average precision (mAP) dan confusion matrix seperti presisi dan recall. Hasil penelitian menunjukkan bahwa YOLOv11 unggul dalam akurasi dengan mAP sebesar 82%, dibandingkan YOLOv8 dengan mAP sebesar 80%. Visualisasi interaktif berbasis Streamlit terbukti efektif dalam menampilkan hasil deteksi biji kopi dan memudahkan pengguna dalam menganalisis performa model. Kata kunci: Deteksi Biji Kopi, Klasifikasi Multikelas, Deep learning, YOLO, Streamlit, Visualisasi Interaktif VISUAL PROGRAMMING 005.118 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 148967 2025-01-22 16:22:29 2025-01-23 09:25:21 machine generated