KLASIFIKASI KUALITAS BUBUK KOPI ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESNET-V2

Abstract

Kopi Robusta merupakan salah satu komoditas perkebunan unggulan Indonesia, termasuk di Kota Pagar Alam yang dikenal sebagai daerah penghasil kopi dengan produktivitas tinggi. Namun, proses penilaian kualitas bubuk kopi masih banyak dilakukan secara visual oleh manusia sehingga bersifat subjektif dan berpotensi menghasilkan penilaian yang tidak konsisten. Oleh karena itu, diperlukan metode otomatis berbasis pengolahan citra yang mampu melakukan klasifikasi kualitas kopi secara lebih objektif. Penelitian ini bertujuan mengklasifikasikan kualitas bubuk kopi Robusta berbasis citra digital menggunakan metode deep learning dengan arsitektur Convolutional Neural Network (CNN) ResNet50V2. Dataset yang digunakan terdiri dari 150 citra bubuk kopi yang dikelompokkan menjadi tiga kelas kualitas yaitu light, medium, dan dark. Untuk meningkatkan variasi data dan mengurangi risiko overfitting, dilakukan teknik augmentasi sehingga jumlah data latih meningkat menjadi sekitar 1.500 citra. Dataset kemudian dibagi menjadi 70% data pelatihan, 20% data validasi, dan 10% data pengujian. Penelitian ini menerapkan tahapan CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Proses prapemrosesan citra meliputi resize, normalisasi, dan augmentasi data. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur ResNet50V2 mampu mengklasifikasikan kualitas bubuk kopi dengan tingkat akurasi yang tinggi sehingga berpotensi digunakan sebagai sistem pendukung dalam penilaian mutu kopi secara objektif dan konsisten.