Electronic Theses and Dissertation

Kopi merupakan salah satu minuman yang paling banyak dikonsumsi saat ini. Biji
kopi terlebih dahulu dilakukan penyortiran oleh petani. Hal ini dikarenakan
banyaknya jenis biji kopi yang memiliki perbedaan dari segi bentuk dan tekstur.
Setelah melakukan penyortiran, petani harus melakukan deteksi biji kopi apakah
mengalami kerusakan atau tidak. Proses tersebut masih dilakukan secara manual
oleh petani kopi sehingga membutuhkan waktu yang lama serta mengakibatkan
terjadi kesalahan karena kurangnya pengetahuan tentang kopi. Selain itu, juga
dilakukan upaya peningkatan kualitas terhadap biji kopi yang akan mempengaruhi
nilai jual dari biji kopi tersebut. Adapun tujuan penelitian ini mengusulkan model
deep learning dalam model klasifikasi yang dibangun menggunakan Convolutional
Neural Network (CNN) terhadap arsitektur ResNet-34, VGG-16, dan EfficientNet
dan melakukan evaluasi model serta mengetahui bagian mana yang dideteksi pada
kerusakan biji kopi. Setelah dilakukan penelitian hasil pengujian menunjukan
bahwa model memiliki akurasi yang baik dimana model mampu membedakan
antara biji kopi rusak dan biji kopi normal. Arsitektur ResNet-34 menghasilkan
akurasi sebesar 90.13%, arsitektur VGG-16 sebesar 88.12%, dan arsitektur
EfficientNet sebesar 89.75%, Selanjutnya dengan menggunakan Grad-CAM model
mampu mendeteksi kerusakan biji kopi yaitu dilihat berdasarkan bentuk. Terdapat
heatmap yang menyorot bagian yang biji kopi rusak. Sedangkan pada biji kopi
normal heatmap tersebar dan tidak menyorot bagian tertentu pada citra biji kopi.
Kata Kunci : Deteksi Biji Kopi, Deep Learning, Convolutional Neural Network,
EfficientNet-B7, ResNet-34, VGG-16.

Coffee is one of the most consumed drinks today. The coffee beans are first sorted by the farmers. This is because there are many types of coffee beans that differ in terms of shape and texture. After sorting, farmers must detect whether the coffee beans are damaged or not. The process is still done manually by coffee farmers so it takes a long time and results in errors due to a lack of knowledge about coffee. In addition, efforts are also made to improve the quality of the coffee beans which will affect the selling value of the coffee beans. The purpose of this study is to propose a deep learning model in the classification of models built using a Convolutional Neural Network (CNN) for the ResNet-34, VGG-16, and EfficientNet architectures and evaluate the model and find out which parts are detected in the damaged coffee beans. After conducting research, the test results show that the model has good accuracy where the model is able to distinguish between damaged coffee beans and normal coffee beans. The ResNet-34 architecture produces an accuracy of 90.13%, the VGG-16 architecture is 88.12%, and the EfficientNet architecture is 89.75%. Furthermore, using the Grad-CAM model is able to detect damage to coffee beans, which is seen by shape. There is a heatmap that highlights the part where the coffee beans are damaged. Whereas in normal coffee beans the heatmap is spread out and does not highlight certain parts of the coffee bean image. Keywords: Detection of Coffee Beans, Deep Learning, Convolutional Neural Network, EfficientNet-B7, ResNet-34, VGG-16.