KLASIFIKASI KUALITAS GREEN BEANS KOPI ROBUSTA BERBASIS CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2

Sapanca, Kadek Ganeis Jayarani (2026) KLASIFIKASI KUALITAS GREEN BEANS KOPI ROBUSTA BERBASIS CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2215101026-COVER.pdf
Download (470kB)
[img] Text (ABSTRAK)
2215101026-ABSTRAK.pdf
Download (197kB)
[img] Text (BAB 1 PENDAHULUAN)
2215101026-BAB 1 PENDAHULUAN.pdf
Download (213kB)
[img] Text (BAB 2 KAJIAN TEORI)
2215101026-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (395kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2215101026-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (258kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2215101026-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (692kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2215101026-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (247kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2215101026-DAFTAR PUSTAKA.pdf
Download (160kB)
[img] Text (LAMPIRAN)
2215101026-LAMPIRAN.pdf
Download (342kB)

Abstract

Kabupaten Tabanan, Provinsi Bali, khususnya Desa Batungsel di Kecamatan Pupuan, merupakan salah satu wilayah yang dikenal sebagai penghasil kopi robusta. Dalam proses sortasi green beans, penentuan kualitas biji kopi masih banyak dilakukan secara manual sehingga hasil penilaian sangat bergantung pada pengamatan masing-masing penyortir dan berpotensi menimbulkan ketidakkonsistenan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas green beans kopi robusta berbasis citra menggunakan metode Convolutional Neural Network dengan arsitektur MobileNetV2, serta membandingkan performanya dengan CNN murni sebagai model pembanding (baseline). Dataset yang digunakan terdiri atas empat kategori, yaitu Biji Kopi Normal, Biji Kopi Hitam, Biji Kopi Pecah, dan Biji Kopi Retak. Proses pelatihan dilakukan melalui enam skenario yang merupakan kombinasi learning rate (0,01; 0,001; dan 0,0001) serta batch size (16 dan 32). Hasil penelitian menunjukkan bahwa MobileNetV2 memberikan performa terbaik pada konfigurasi learning rate 0,001 dan batch size 16 dengan akurasi validasi sebesar 95,05% dan akurasi pengujian sebesar 92,71%. Sementara itu, CNN murni sebagai model baseline memperoleh akurasi pengujian sebesar 81,25%. Perbandingan tersebut menunjukkan bahwa MobileNetV2 mampu memberikan performa klasifikasi yang lebih baik pada dataset yang sama. Dengan demikian, model yang dikembangkan berpotensi mendukung proses sortasi green beans kopi robusta secara lebih objektif, konsisten, dan efisien sehingga dapat berkontribusi terhadap peningkatan mutu serta daya saing kopi robusta lokal.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: CNN, Deep Learning, MobileNetV2, Green Beans, Kopi Robusta, Klasifikasi Kualitas, Sortasi
Subjects: S Agriculture > S Agriculture (General)
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: KADEK GANEIS JAYARANI SAPANCA
Date Deposited: 15 Jul 2026 03:02
Last Modified: 15 Jul 2026 03:02
URI: http://repo.undiksha.ac.id/id/eprint/30941

Actions (login required)

View Item View Item