<![CDATA[Abstrak - Indonesia merupakan negara kelima dengan konsumen kopi tertinggi di dunia. Selain enak, kopi juga bermanfaat untuk meningkatkan metabolisme tubuh. Nilai konsumen kopi yang bertambah harus dibarengi dengan peningkatan mutu hasil roasting biji kopi. Tujuan dari penelitian ini yaitu untuk membangun sistem kecerdasan buatan yang dapat melakukan klasifikasi biji kopi robusta setelah proses roasting menggunakkan algoritma Convolutional Neural Network (CNN). Sebanyak 450 data biji kopi dari 3 class klasifikasi dilatih menggunakan 3 skema dengan kombinasi nilai epoch, batch size, dan learning rate yang berbeda. Hasil ekseprimen menunjukan bahwa skema dengan kombinasi hyper parameter dengan nilai epoch sebesar 200, batch size sebesar 16, dan learning rate sebesar 0,0001 menghasilkan akurasi testing tertinggi 96% dibandikan dengan kedua skema lainnya yang menghasilkan akurasi testing berturut-turut sebesar 95% dan 93%. Model klasifikasi yang dihasilkan menunjukan performansi system yang sangat baik menandakan model yang ditemukam dalam research ini dapat dipakai untuk mensortir kualitas biji kopi hasil roasting sehingga dapat berdampak positip dalam memajukan industry rosting kopi Indonesia..Kata kunci: CNN, Deep Learning, Klasifikasi, Biji Kopi Robusta Abstract - Indonesia is the fifth country with the highest coffee consumers in the world. Apart from being delicious, coffee is also useful for increasing the body's metabolism. The increasing consumer value of coffee must be accompanied by an increase in the quality of roasted coffee beans. The aim of this research is to build an artificial intelligence system that can classify robusta coffee beans after the roasting process using the Convolutional Neural Network (CNN) algorithm. A total of 450 coffee bean data from 3 classification classes were trained using 3 schemes with different combinations of epoch, batch size and learning rate values. The experimental results show that the scheme with a combination of hyper parameters with an epoch value of 200, a batch size of 16, and a learning rate of 0.0001 produces the highest testing accuracy of 96% compared to the other two schemes which produce testing accuracy of 95% and 93% respectively. The resulting classification model shows very good system performance, indicating that the model found in this research can be used to sort the quality of roasted coffee beans so that it can have a positive impact in advancing the Indonesian coffee rosting industry.Keywords : CNN, Deep Learning, Classification, Robusta Coffee Beans]]>
