Adib Ardianto, Muhammad (2024) Klasifikasi kualitas biji kopi muria menggunakan algorithma convolutional neural network (cnn). Sarjana thesis, UNIVERSITAS MURIA KUDUS.

Preview	Text (HALAMAN JUDUL) Halaman Judul.pdf - Published Version Download | Baca Disini
Preview	Text (BAB 1) Bab 1 TA.pdf - Published Version Download | Baca Disini
	Text (BAB 2) Bab 2 TA.pdf - Published Version Restricted to Registered users only Download
	Text (BAB 3) Bab 3 TA.pdf - Published Version Restricted to Registered users only Download
	Text (BAB 4) Bab 4 TA.pdf - Published Version Restricted to Registered users only Download
	Text (BAB 5) Bab 5 TA.pdf - Published Version Restricted to Registered users only Download
	Text (LAMPIRAN) Lampiran TA.pdf - Published Version Restricted to Registered users only Download
Preview	Text (DAFTAR PUSTAKA) Daftar Pustaka TA.pdf - Published Version Download | Baca Disini
	Text (SURAT PERNYATAAN) Surat Pernyataan.pdf - Published Version Restricted to Registered users only Download

Abstrak

Penelitian ini bertujuan untuk mengembangkan sistem yang dapat membantu petani kopi Muria dalam mengidentifikasi kualitas biji kopi. Hasil observasi dan wawancara menunjukkan perbedaan identifikasi kualitas biji kopi antara petani. Untuk memastikan regenerasi pengetahuan, diperlukan sistem identifikasi kualitas biji kopi yang dapat mempengaruhi harga jual. Metode penelitian dimulai dengan pengambilan citra biji kopi pada petani bernama Bapak Joko. Data citra tersebut kemudian diproses melalui tahap preprocessing, termasuk normalisasi dan augmentasi untuk menghindari overfitting. Model Convolutional Neural Network (CNN) diimplementasikan dengan menggunakan arsitektur MobilenetV2 sebagai feature extractor, ditambah dengan lapisan-lapisan seperti Convolutional layer, Maxpooling, Dropout layer, dan Dense (fully connected layer). Model yang dihasilkan mencapai tingkat akurasi sebesar 97% dan nilai F1-score sebesar 98%, menunjukkan kinerja yang mendekati sempurna. F1-score digunakan untuk menyeimbangkan precision dan recall. Selanjutnya, model diimplementasikan menggunakan TensorFlow Lite dan dideploy ke dalam aplikasi Android dengan menggunakan Jetpack Compose.Penelitian ini berhasil mengembangkan sistem identifikasi kualitas biji kopi dengan tingkat akurasi tinggi, memberikan kontribusi dalam regenerasi pengetahuan bagi petani kopi Muria, dan memfasilitasi penggunaan model dalam aplikasi Android.

Item Type:	Skripsi/ Thesis (Sarjana)
Dosen Pembimbing:	1. Tri Listyorini, M.Kom 2. Endang Supriyati, S.Kom., M.Kom
Kata Kunci:	Biji Kopi, Convolutional Neural Network, MobilenetV2
Subjects:	Teknologi > T1 Teknologi (Umum) > Teknologi Informasi Teknologi > T1 Teknologi (Umum)
Program Studi:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr Firman Al Mubaroq
Date Deposited:	22 Aug 2024 18:33
Last Modified:	22 Aug 2024 18:33
URI:	http://eprints.umk.ac.id/id/eprint/22247

Actions (login required)

View Item