Identifikasi Mutu Bij Kopi Arabika Berdasarkan Cacat dengan Teknik Convolutional Neural Network

Saputra, Mahmuda (mti amikom yogyakarta)
Kusrini, Kusrini (Universitas Amikom, Yogyakarta)
Kurniawan, Mei P (Universitas Amikom, Yogyakarta)

Jurnal Inspiration
Vol 10, No 1 (2020): Jurnal Inspiration Volume 10 Issue 1

Dalam proses pengemasan saat ini, penyortiran ini dilakukan secara manual. Dalam penelitian ini, convolution neural network diterapkan untuk secara otomatis untuk mengetahui informasi kecacatan biji kopi arabika. Input yang digunakan dalam penelitian ini adalah gambar biji kopi arabika dengan proses penguraian yang telah dikeringkan. Skenario yang terlibat dalam penelitian ini adalah pengumpulan data, preprocessing, klasifikasi dan pengujian. Preprocessing dilakukan dengan memotong beberapa cakupan objek biji kopi yang hanya berisi gambar biji kopi. Klasifikasi dilakukan oleh CNN, untuk mendapatkan akurasi model yang terbaik, parameter yang ada harus diuji dan dievaluasi. Pengujian dilakukan untuk dua jenis model, model 2 kelas dan model 4 kelas. Hasil percobaan menunjukkan bahwa akurasi terbaik yang diperoleh untuk model 2-kelas adalah 82,46 % dengan menggunakan tingkat pembelajaran 0,0001, konvolusi lapisan tunggal dengan lima belas filter dan 100 neuron pada lapisan tersembunyi. Ukuran filter adalah 3x3x3. Sedangkan model 4-kelas memperoleh akurasi terbaik 70,73% dengan dua lapisan konvolusional. Jumlah filter di setiap lapisan adalah 6 filter dengan ukuran 3x5x5 di lapisan pertama dan 18 filter dengan ukuran 6x3x3 di lapisan kedua.