KLASIFIKASI JENIS KOPI LOKAL BERDASARKAN CITRA BIJI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstrak

Kopi merupakan komoditas perkebunan unggulan dengan nilai ekonomi tinggi, khususnya di Flores Sikka, Nusa Tenggara Timur. Namun, identifikasi jenis kopi seperti Arabika, Robusta, dan Liberika masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan. Penelitian ini bertujuan menerapkan metode Convolutional Neural Network (CNN) berbasis arsitektur InceptionV3 untuk mengklasifikasikan jenis biji kopi berdasarkan citra digital. Dataset yang digunakan sebanyak 300 citra biji kopi yang terbagi dalam tiga kelas. Tahapan penelitian meliputi preprocessing (resize, normalisasi, dan augmentasi), pembagian data menggunakan K-Fold Cross Validation (K=5), pelatihan model dengan transfer learning, serta evaluasi menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Model dilatih dengan ukuran citra 299×299 piksel, optimizer Adam, learning rate 0.0001, batch size 8, dan 40 epoch. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan jenis kopi dengan rata-rata akurasi sebesar 96,6% dan mencapai akurasi terbaik sebesar 98%. Nilai precision, recall, dan F1-score pada setiap kelas juga tinggi. Dengan demikian, metode CNN InceptionV3 efektif untuk klasifikasi biji kopi secara otomatis, akurat, dan konsisten.