Ardiansyah, M. (2025) PLATFORM WEB LAYANAN INFORMASI KOPI BERBASIS MACHINE LEARNING DAN DEEP LEARNING. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (COVER)
COVER.pdf - Published Version Download (1MB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (ABSTRAK)
ABSTRAK.pdf - Published Version Download (238kB) |
|
|
Text (BAB I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (279kB) |
|
|
Text (BAB II)
Bab II.pdf - Published Version Restricted to Repository staff only Download (488kB) |
|
|
Text (BAB III)
Bab III.pdf - Published Version Restricted to Repository staff only Download (793kB) |
|
|
Text (BAB IV)
Bab IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (BAB V)
Bab V.pdf - Published Version Restricted to Repository staff only Download (208kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (218kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi platform web terintegrasi yang menyediakan tiga fitur utama, yaitu sistem rekomendasi produk kopi menggunakan algoritma K-Nearest Neighbors (KNN), chatbot layanan informasi berbasis Support Vector Machine (SVM), dan sistem klasifikasi gambar buah kopi menggunakan Convolutional Neural Network (CNN) arsitektur EfficientNetB0. Data yang digunakan diperoleh dari komunitas "Kopi Sriwijaya" dan platform Roboflow, yang meliputi dataset produk kopi, dataset pertanyaan dan jawaban untuk chatbot, serta dataset gambar buah kopi dengan tiga kelas (belum matang, matang, rusak). Pada tahap perancangan, model KNN diimplementasikan secara instance-based untuk memberikan rekomendasi 10 produk kopi terdekat berdasarkan kemiripan atribut preferensi pengguna. Model SVM dilatih pada data intent percakapan dengan teknik TF-IDF dan evaluasi menunjukkan akurasi sebesar 93% pada data uji, dengan precision dan recall yang tinggi di hampir semua label intent. Sementara itu, model CNN EfficientNetB0 diterapkan melalui transfer learning dan fine-tuning pada 30 layer terakhir, menghasilkan tingkat akurasi sebesar 97,9% pada data uji gambar buah kopi. Integrasi seluruh model dilakukan melalui backend Flask dan frontend Laravel, yang diuji secara end-to-end pada platform web. Pengujian black box menunjukkan seluruh fitur dapat berjalan sesuai spesifikasi dan respons sistem konsisten terhadap input pengguna. Analisis hasil pengujian menegaskan bahwa kelengkapan dan keragaman data merupakan faktor utama dalam meningkatkan performa rekomendasi maupun klasifikasi. Platform yang dikembangkan dinyatakan siap digunakan sebagai solusi digital dalam ekosistem layanan informasi digital, dengan potensi pengembangan lebih lanjut melalui perluasan dataset, penambahan variasi data intent, serta optimalisasi parameter model.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, Deep Learning, K-Nearest Neighbors, Kopi, Layanan Informasi, Machine Learning, Support Vector Machine |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Electronic Engineering > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Elektro |
| Date Deposited: | 02 Sep 2025 04:12 |
| Last Modified: | 02 Sep 2025 04:12 |
| URI: | http://eprints.polsri.ac.id/id/eprint/19281 |
Actions (login required)
 |
View Item |
