<![CDATA[Klasifikasi kualitas biji kopi merupakan langkah penting dalam menjaga mutu dan konsistensi produk kopi, terutama di sektor industri dan agribisnis. Penilaian kualitas secara manual seringkali bersifat subjektif, sehingga dibutuhkan pendekatan berbasis teknologi untuk memberikan hasil yang lebih objektif. Penelitian ini mengusulkan penggunaan arsitektur Convolutional Neural Network (CNN) ResNet50 untuk mengklasifikasikan citra biji kopi berdasarkan tingkat sangraian, yaitu Dark, Medium, Light, dan Green. Dataset yang digunakan terdiri dari 1.600 citra biji kopi, dibagi menjadi data pelatihan (1.200 gambar) dan validasi (400 gambar). Model dikembangkan dengan memanfaatkan bobot pralatih ResNet50 dari ImageNet dengan seluruh layer dasar dibekukan, dan ditambahkan lapisan GlobalAveragePooling2D, Dense, BatchNormalization, Dropout, serta output layer softmax. Pelatihan dilakukan tanpa preprocessing atau augmentasi data. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 99%, dengan precision, recall, dan f1-score yang tinggi dan seimbang pada seluruh kelas. Model kemudian diimplementasikan dalam aplikasi berbasis web menggunakan Streamlit yang memungkinkan pengguna mengunggah citra biji kopi dan memperoleh hasil klasifikasi secara otomatis. Temuan ini menunjukkan bahwa pendekatan ResNet50 efektif untuk mendukung proses penilaian kualitas biji kopi secara cerdas, serta dapat dikembangkan lebih lanjut untuk penerapan di industri. ]]>
Copyrights © 2025
