<![CDATA[Biji kopi Arabika memiliki rasa dan bentuk yang berbeda, menjadikannya salah satu komoditas kopi paling berharga di dunia. Proses memilih biji kopi dikenal sebagai sortasi dalam industri kopi. Identifikasi dan klasifikasi biji kopi dapat menjadi tugas yang sulit dan memakan waktu untuk dilakukan secara manual. Tugas akhir ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dengan kinerja yang baik, biji kopi di klasifikasikan menggunakan arsitektur MobileNetV2. Hyperparameter yang terdiri dari epoch, batch size, dan learning rate akan di optimalkan untuk meningkatkan kinerja model CNN. Tujuan dari tugas akhir ini adalah untuk menemukan hyperparameter yang ideal yang akan memberikan kinerja yang baik pada model CNN. Digunakan empat kelas biji kopi di antaranya Premium, Longberry, Peaberry, dan Cacat yang akan diklasifikasi berdasarkan bentuk dan warna dari masingmasing biji kopi.Percobaan sudah dilakukan, menunjukkan bahwa penentuan hyperparameter sangat memengaruhi kinerja model. Dengan learning rate 0.0001, batchsize 16, dan epoch 30 mendapatkan nilai akurasi 88,19%, presisi 96,74%, recall 89%, dan f1-score 92,71%. Kata kunci: Biji Kopi, Arabika, Klasifikasi, Sortasi, CNN, MobileNetV2]]>
Copyrights © 2024
