KLASIFIKASI CITRA BIJI KOPI ARABIKA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)



Hanifah, Putri Zahra (2024) KLASIFIKASI CITRA BIJI KOPI ARABIKA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Universitas Muhammadiyah Jember.

[thumbnail of PENDAHULUAN.pdf] Text
PENDAHULUAN.pdf

Download (901kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (154kB)
[thumbnail of BAB 1.pdf] Text
BAB 1.pdf

Download (341kB)
[thumbnail of BAB 2.pdf] Text
BAB 2.pdf
Restricted to Repository staff only

Download (819kB) | Request a copy
[thumbnail of BAB 3.pdf] Text
BAB 3.pdf
Restricted to Repository staff only

Download (913kB) | Request a copy
[thumbnail of BAB 4.pdf] Text
BAB 4.pdf
Restricted to Repository staff only

Download (349kB) | Request a copy
[thumbnail of BAB 5.pdf] Text
BAB 5.pdf
Restricted to Repository staff only

Download (330kB) | Request a copy
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (454kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (240kB) | Request a copy

Abstract

Kopi memiliki peran cukup penting di bidang perekonomian dan salah satu jenis kopi yang sering dinikmati adalah kopi arabika. Pengklasifikasian biji kopi secara manual oleh manusia kurang baik dan tepat karena memungkinkan adanya human error. Banyak peneliti menggunakan metode Convolution Neural Network (CNN) dan hasil akurasinya cukup tinggi tapi tidak menampilkan Loss dan Lama Training. CNN adalah teknik yang mampu memperoleh fitur secara mandiri dalam gambar yang rumit. Convolutional Neural Network (CNN) adalah jenis jaringan saraf khusus yang dirancang untuk menangani data terstruktur grid, termasuk gambar dua dimensi. Arsitektur CNN yang digunalkan ialah CNN 2 layer, Alexnet 4096, dan LeNet. Dengan parameter Learning rate dan epoch yang berbeda. Hasil kinerja ditemukan arsitektur Alexnet 4096 dengan learning rate 0.0001 dan epoch 200 memiliki akurasi tertinggi 96% dan loss 13% membutuhkan waktu paling lama selama pengujian . Hasil pengujian ini membuktikan bahwa semakain bagus sebuah arsitektur atau model CNN maka semakin rendah nilai loss dan membutuhkan waktu training lebih lama.

Kata kunci: Deep learning, Klasifikasi, CNN, Biji Kopi Arabika

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
Nilogiri, Agung
nidn0030037701
Dosen Pembimbing
Oktavianto, Hardian
nidn0722108105

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: Deep learning, Klasifikasi, CNN, Biji Kopi Arabika
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Putri Zahra Hanifah | zahraputri514@gmail.com
Date Deposited: 01 Aug 2024 02:37
Last Modified: 01 Aug 2024 02:37
URI: http://repository.unmuhjember.ac.id/id/eprint/22940

Actions (login required)

View Item View Item