<![CDATA[Kualitas biji kopi merupakan faktor utama yang menentukan nilai jual dan daya saing di pasar global. Penilaian kualitas secara manual umumnya masih menghadapi kendala berupa subjektivitas, keterbatasan akurasi, serta waktu yang relatif lama. Oleh karena itu, penerapan kecerdasan buatan (AI) menjadi alternatif yang menjanjikan untuk meningkatkan konsistensi dan efektivitas evaluasi mutu kopi. Penelitian ini bertujuan untuk menganalisis dan membandingkan berbagai algoritma AI yang telah diterapkan dalam klasifikasi kualitas biji kopi, meliputi jaringan saraf tiruan Backpropagation (BPNN), Naive Bayes, machine learning berbasis statistik, serta arsitektur deep learning seperti CNN, VGG, AlexNet, MobileNetV2, GoogleNet, ResNet, DenseNet, dan EfficientNet. Analisis dilakukan berdasarkan literatur yang dipublikasikan pada periode 2015–2024, dengan memperhatikan metrik evaluasi seperti akurasi, presisi, sensitivitas, spesifisitas, dan skor F1. Hasil kajian menunjukkan bahwa metode berbasis deep learning, khususnya CNN dan turunannya, konsisten memberikan performa lebih tinggi dibandingkan algoritma klasik, dengan akurasi mencapai lebih dari 98% pada beberapa penelitian. Sementara itu, algoritma ringan seperti Naive Bayes dan BPNN masih relevan digunakan pada kondisi dengan keterbatasan sumber daya komputasi. Temuan ini menegaskan bahwa pemilihan algoritma AI perlu disesuaikan dengan kebutuhan, skala produksi, dan ketersediaan infrastruktur, sehingga dapat mendukung pengendalian kualitas kopi secara lebih efektif, efisien, dan berkelanjutan]]>
