Klasifikasi Citra Biji Kopi Menggunakan EfficientNetV2 Berbasis Convolutional Neural Network

Efendi, Farizal Septin (2026) Klasifikasi Citra Biji Kopi Menggunakan EfficientNetV2 Berbasis Convolutional Neural Network. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123220199_Cover - FARIZAL SEPTIN EFENDI.pdf Download (242kB)
	Text 123220199_Abstrak - FARIZAL SEPTIN EFENDI.pdf Download (370kB)
	Text 123220199_Halaman Pengesahan - FARIZAL SEPTIN EFENDI.pdf Download (760kB)
	Text 123220199_Daftar Isi - FARIZAL SEPTIN EFENDI.pdf Download (560kB)
	Text 123220199_Daftar Pustaka - FARIZAL SEPTIN EFENDI.pdf Download (321kB)
	Text 123220199_Fulltext - FARIZAL SEPTIN EFENDI.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kualitas biji kopi merupakan faktor penting yang memengaruhi nilai jual, mutu produk, dan daya saing kopi di pasar. Pada praktiknya, penilaian mutu biji kopi masih banyak dilakukan secara manual melalui inspeksi visual, sehingga berpotensi menimbulkan ketidakkonsistenan, membutuhkan waktu yang lebih lama, dan kurang efisien untuk skala besar. Seiring berkembangnya computer vision dan deep learning, pendekatan otomatis berbasis citra digital menjadi alternatif yang lebih cepat, konsisten, dan objektif. Penelitian ini bertujuan untuk mengimplementasikan model EfficientNetV2 berbasis Convolutional Neural Network (CNN) untuk klasifikasi citra biji kopi, menganalisis pengaruh variasi learning rate dan epoch terhadap performa model, serta mengevaluasi performa model terbaik menggunakan confusion matrix, accuracy, precision, recall, dan F1-score.
Dataset yang digunakan pada penelitian ini adalah USK-Coffee Dataset yang terdiri dari 8.000 citra dengan empat kelas, yaitu Peaberry, Longberry, Premium, dan Defect. Tahapan penelitian meliputi pengumpulan data, preprocessing berupa resize citra menjadi 224 × 224 piksel dan augmentasi data menggunakan RandomFlip serta RandomRotation, implementasi model EfficientNetV2 berbasis transfer learning, pengujian variasi learning rate yaitu 0,1; 0,01; 0,001; 0,0001; dan 0,00001, serta pengujian variasi epoch yaitu 25, 50, 75, 100, dan 125. Evaluasi model dilakukan menggunakan confusion matrix dan classification report untuk mengetahui performa klasifikasi model.
Hasil penelitian menunjukkan bahwa learning rate 0,01 merupakan nilai yang paling optimal, sedangkan epoch 50 merupakan jumlah epoch terbaik untuk pelatihan model EfficientNetV2. Model terbaik dengan kombinasi tersebut menghasilkan training accuracy 0,89, validation accuracy 0,90, testing accuracy 0,89, dan overall accuracy 0,89 pada data uji. Hasil evaluasi menunjukkan bahwa kelas Longberry dan Peaberry memiliki performa klasifikasi terbaik, sedangkan kelas Premium merupakan kelas yang paling sulit dikenali secara konsisten. Berdasarkan hasil tersebut, dapat disimpulkan bahwa model EfficientNetV2 memiliki performa yang baik dan efektif untuk digunakan dalam klasifikasi citra biji kopi.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	klasifikasi citra, biji kopi, EfficientNetV2-B0, convolutional neural network, transfer learning, hyperparameter
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	08 Oct 2026 03:49
Last Modified:	08 Oct 2026 03:49
URI:	http://eprints.upnyk.ac.id/id/eprint/49600

Actions (login required)

View Item