RANCANG BANGUN SISTEM KLASIFIKASI TINGKAT SANGRAI KOPI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Pratama, Heru Syahputra (2026) RANCANG BANGUN SISTEM KLASIFIKASI TINGKAT SANGRAI KOPI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (558kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (216kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (208kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (496kB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (713kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (354kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) BAB V.pdf - Published Version Restricted to Repository staff only Download (217kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (200kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Proses penyangraian (roasting) kopi sangat menentukan pembentukan aroma dan cita rasa akhir, di mana pengklasifikasian tingkat kematangan sering kali masih dilakukan secara manual. Pengamatan visual yang subjektif ini rentan terhadap inkonsistensi dan kesalahan manusia (human error). Oleh karena itu, pada penelitian ini dirancang sebuah sistem klasifikasi tingkat sangrai kopi secara otomatis dan objektif menggunakan metode Convolutional Neural Network (CNN). Perancangan sistem ini menggunakan Raspberry Pi sebagai unit pemroses komputasi utama, Webcam Fantech Luminous C50 sebagai perangkat akuisisi citra digital, serta kotak tertutup (mini box) berbahan PVC dengan pencahayaan LED internal untuk menjaga stabilitas intensitas cahaya. Sistem dirancang untuk mengekstraksi fitur citra biji kopi secara otomatis dan mengklasifikasikannya ke dalam 2 kelas keluaran, yaitu Medium Roast, dan Dark Roast, serta mengirimkan hasil klasifikasi tersebut beserta dokumentasi foto ke aplikasi Telegram Bot. Metode penelitian yang digunakan meliputi tahap studi literatur, perancangan perangkat keras, perancangan perangkat lunak, pelatihan model CNN, integrasi sistem, pengujian alat, serta analisis hasil pengujian. Pengujian dilakukan terhadap akurasi klasifikasi model menggunakan fungsi aktivasi Softmax dengan ambang batas (threshold) kepercayaan >80%, kestabilan pemrosesan data pada Raspberry Pi, serta respons pengiriman notifikasi secara real-time. Hasil dari penelitian ini diharapkan mampu menghasilkan sistem klasifikasi cerdas yang akurat dan dapat digunakan sebagai standar objektif pengganti inspeksi visual manual pada proses pasca-sangrai kopi. Selain itu, alat ini diharapkan dapat meningkatkan efisiensi pemantauan kualitas biji kopi melalui integrasi teknologi Deep Learning dan komunikasi jaringan nirkabel. Kata Kunci: Klasifikasi Kopi, Tingkat Sangrai, Convolutional Neural Network, Raspberry Pi, Telegram Bot

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi Kopi, Tingkat Sangrai, Convolutional Neural Network, Raspberry Pi, Telegram Bot
Subjects:	T Technology > T Technology (General)
Divisions:	Computer Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Komputer
Date Deposited:	30 Sep 2026 01:42
Last Modified:	30 Sep 2026 01:42
URI:	http://eprints.polsri.ac.id/id/eprint/27351

Actions (login required)

View Item