Kombinasi Arsitektur VGG16 dan DenseNet121 Untuk Klasifikasi Kualitas Biji Kopi Berdasarkan Tingkat Kematangan

Abstrak

Coffee is a plantation crop product that is needed by the world community. In Indonesia coffee is a fairly high export commodity. Indonesia ranks fourth in exports and coffee producers in the world, after Brazil, Colombia, and Vietnam. There are 4 levels of coffee maturity or roasting level, namely green bean, light roast, medium roast, and dark roast. With the development of coffee in Indonesia, software is needed to help provide information and classify the quality of coffee beans. This study combines the VGG16 and DenseNet121 architectures by utilizing the ensemble stacking method in classifying coffee beans' quality based on their maturity level. The results from the combination of CNN architectures show that using epoch 15 and a learning rate of 0.0001 produces an average value of precision of 98.5%, recall of 98 %, F1-Score 98.5%, the accuracy of 98%, and loss value of 27.4%.

Abstrak 

Kopi merupakan produk tanaman perkebunan yang dibutuhkan oleh masyarakat dunia.Di Indonesia kopi merupakan komoditas ekspor yang cukup tinggi.Indonesia menempati posisi ke empat dalam ekspor dan produsen kopi di dunia, setelah Brazil, Colombia, dan Vietnam. Tingkat kematangan atau tingkat sangrai kopi memiliki 4 tingkatan yaitu green bean, light roast, medium roast, dan dark roast. Dengan perkembangan kopi di Indonesia dibutuhkan perangkat lunak untuk membantu memberi informasi dan mengklasifikasi kualitas biji kopi. Penelitian ini mengkombinasikan arsitektur VGG16 dan DenseNet121 dengan memanfaatkan metode ensemble stacking pada klasifikasi kualitas biji kopi berdasarkan tingkat kematangannya.Hasil dari kombinasi arsitektur CNN diperoleh menunjukan bahwa dengan menggunakan epoch 15 dan learning rate 0.0001 menghasilkan nilai rata rata precision sebesar 98,5%, recall 98%, F1-Score 98,5% dan akurasi 98% dan nilai loss sebesar 27,4%.