Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Technologica
Handika, Arlan Tri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Kualitas Biji Kopi Arabika Berdasarkan Nilai Cupping Menggunakan Backpropagation Neural Network Handika, Arlan Tri; Widodo, Aditya; Prayudha, Hari; Rambe, Rayhan Atricha
Technologica Vol. 5 No. 1 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i1.530

Abstract

Penilaian kualitas biji kopi Arabika merupakan proses penting dalam menjaga konsistensi cita rasa dan mutu produk kopi. Metode cupping yang umum digunakan masih memiliki tingkat subjektivitas yang tinggi karena dipengaruhi oleh perbedaan pengalaman dan persepsi panelis. Penelitian ini mengusulkan model klasifikasi kualitas biji kopi Arabika menggunakan Backpropagation Neural Network untuk menghasilkan penilaian yang lebih objektif dan konsisten. Data yang digunakan merupakan data sekunder dari Coffee Quality Institute (CQI) yang diperoleh melalui platform Kaggle dengan total 207 sampel kopi Arabika. Atribut yang digunakan meliputi aroma, flavor, acidity, body, aftertaste, balance, dan moisture. Kualitas biji kopi diklasifikasikan ke dalam tiga kelas, yaitu Grade A, Grade B, dan Grade C, berdasarkan nilai total cupping points. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 85,7%, dengan nilai precision 55,6%, recall 60,4%, dan F1-score 56,6%. Perbedaan nilai metrik evaluasi tersebut menunjukkan bahwa meskipun model mampu melakukan klasifikasi secara umum dengan baik, kemampuannya dalam mengidentifikasi setiap kelas secara tepat masih dipengaruhi oleh distribusi data, sehingga evaluasi kinerja tidak dapat hanya bergantung pada nilai akurasi. Model yang diusulkan berpotensi membantu proses penilaian kualitas biji kopi dengan menyediakan hasil klasifikasi beserta informasi probabilitas.
Implementasi Aplikasi Point of Sale (POS) Berbasis Mobile Menggunakan Metode Research and Development pada Coffee Shop Handika, Arlan Tri; Rambe, Rayhan Atricha; Putra, Raditya Abdillah
Technologica Vol. 5 No. 1 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i1.535

Abstract

Penelitian ini bertujuan untuk mengimplementasikan aplikasi Point of Sale (POS) berbasis mobile sebagai solusi pendukung pengelolaan data penjualan pada coffee shop. Metode penelitian yang digunakan adalah Research and Development (R&D) yang meliputi tahapan identifikasi masalah, analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa aplikasi POS berbasis mobile yang dikembangkan memiliki fitur utama berupa pengelolaan data produk dan kategori, pencatatan transaksi penjualan, serta penyajian laporan penjualan berdasarkan periode tertentu. Pengujian fungsional menggunakan metode black-box testing menunjukkan bahwa seluruh fitur aplikasi berjalan sesuai dengan fungsi yang dirancang. Penelitian ini berkontribusi dalam menyediakan aplikasi POS berbasis mobile yang mampu meningkatkan keteraturan, efisiensi, dan efektivitas pengelolaan data penjualan dibandingkan sistem pencatatan manual pada coffee shop.
Co-Authors Prayudha, Hari Putra, Raditya Abdillah Rambe, Rayhan Atricha Widodo, Aditya