ANGGIWIJAYA, ALFAJRI (2025) PERBANDINGAN AKURASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI JENIS BIJI KOPI ARABIKA. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (505kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (93kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (338kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (95kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (419kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (29kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (141kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (534kB) |
Abstract
Coffee is one of the plantation commodities that has a fairly important role as a foreign exchange earner through the export of raw coffee beans and processed coffee beans. However, sorting Arabica coffee beans is still manually and relies on visual recognition. Therefore, this study classifies the types of Arabica coffee beans by comparing the performance of two algorithms, Convolutional Neural Network (CNN) and K-Nearest Neighbor (KNN). The dataset used consists of 8000 images of coffee beans that will be classified into four categories, namely, Defect, Longberry, Premium, and Peaberry. The CNN model uses the MobileNetV2 architecture with data augmentation techniques to improve accuracy. Meanwhile, the KNN model uses the Histogram of Oriented Gradients (HOG) feature as the basis for its classification. The results of this study show that CNN produces an accuracy of 94%, while KNN produces an accuracy of 57%. This means that the use of the CNN model is superior in classifying the types of Arabica coffee beans which can be used as a solution to support more modern and high-quality coffee processing in Indonesia. Keywords: Arabica Coffee Beans, Classification, CNN, KNN, MobileNetV2, HOG Kopi adalah salah satu komoditi hasil perkebunan yang mempunyai peran cukup penting sebagai penghasil devisa negara melalui ekspor biji kopi mentah maupun olahan biji kopi. Namun dalam penyortiran biji kopi Arabika masih dilakukan secara manual dengan menggunakan tangan dan bergantung pada pengenalan visual. Oleh karena itu, penelitian ini melakukan klasifikasi jenis biji kopi arabika dengan membandingkan kinerja dua algoritma, yaitu Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN). Dataset yang digunakan terdiri dari 8000 gambar biji kopi yang akan diklasifikasikan ke dalam empat kategori yaitu, Defect, Longberry, Premium, dan Peaberry. Model CNN dibangun menggunakan arsitektur MobileNetV2 dengan teknik data augmentation untuk meningkatkan akurasi. Sedangkan, model KNN menggunakan fitur Histogram of Oriented Gradients (HOG) sebagai dasar klasifikasinya. Hasil penelitian ini menunjukkan bahwa CNN menghasilkan akurasi sebesar 94%, sementara KNN menghasilkan akurasi 57%. Artinya penggunaan model CNN lebih unggul dalam melakukan klasifikasi jenis biji kopi arabika yang dapat dijadikan solusi untuk mendukung pengolahan kopi lebih modern dan berkualitas tinggi di Indonesia. Kata Kunci: Biji Kopi Arabika, Klasifikasi, CNN, KNN, MobileNetV2, HOG
Actions (login required)
 |
View Item |
