<![CDATA[Kopi merupakan salah satu komoditas perkebunan unggulan yang memiliki nilai ekonomi tinggi dan menjadi sumber pendapatan masyarakat di berbagai daerah, termasuk Flores Sikka, Nusa Tenggara Timur. Identifikasi jenis kopi masih dilakukan secara manual berdasarkan pengamatan visual sehingga berpotensi menimbulkan kesalahan dan ketidakkonsistenan. Penelitian ini bertujuan mengembangkan model klasifikasi jenis kopi lokal menggunakan metode Convolutional Neural Network (CNN) berbasis arsitektur InceptionV3. Dataset yang digunakan terdiri atas 300 citra biji kopi yang terbagi ke dalam tiga kelas, yaitu Arabika, Robusta, dan Liberika. Tahapan penelitian meliputi akuisisi data, preprocessing, augmentasi data, pembagian data menggunakan 5-Fold Cross Validation, pelatihan model dengan transfer learning, serta evaluasi menggunakan confusion matrix. Model dilatih menggunakan ukuran citra 299×299 piksel, optimizer Adam, learning rate 0,00001, batch size 8, dan 40 epoch. Hasil pengujian menunjukkan bahwa model memperoleh rata-rata akurasi sebesar 96,6% dengan akurasi terbaik mencapai 98%. Nilai precision, recall, dan F1-score pada masing-masing kelas juga menunjukkan performa yang tinggi. Hasil penelitian membuktikan bahwa arsitektur InceptionV3 efektif dalam mengenali karakteristik visual biji kopi dan dapat digunakan sebagai solusi klasifikasi otomatis yang akurat dan konsisten. Hasil ini menunjukkan bahwa arsitektur InceptionV3 mampu mengenali fitur morfologi biji kopi lokal dengan baik meskipun menggunakan jumlah dataset yang relatif terbatas, sehingga berpotensi diterapkan sebagai sistem identifikasi kopi otomatis pada sektor pertanian dan industri pengolahan kopi.]]>
