Klasifikasi Biji Kakao Berdasarkan Kelas Penyangraian Menggunakan Metode CNN (Convolutional Neural Network)
Tahun 2025 · Penulis: Izzatul Hasanah
Faculty of Mathematics and Natural Sciences, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Kakao merupakan salah satu komoditas ekspor utama di Indonesia. Salah satu daerah penghasil kakao di Indonesia adalah Kabupaten Jember. Proses penyangraian biji kakao berperan penting dalam menentukan kualitas rasa dan aroma cokelat. Umumnya, untuk menentukan kelas penyangraian biji kakao dilakukan pengamatan visual terhadap bagian dalam biji, berdasarkan rasa, warna, tekstur, dan aroma. Pengamatan tersebut bersifat subjektif dan desdruktif, sehingga menyebabkan ketidakakuratan dalam penentuan kelas penyangraian. Oleh karena itu, diperlukan solusi yang lebih akurat dan bersifat non-desdruktif untuk klasifikasi kelas penyangraian secara otomatis. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan biji kakao ke dalam empat kelas penyangraian: unroasted, light roast, medium roast, dark roast. Dataset yang digunakan terdiri dari 1.800 gambar biji kakao untuk masing-masing dataset, yaitu dataset tumpukan biji, dataset per biji dengan teknik cropping, dan dataset per biji tanpa cropping. Model dilatih dengan variasi batch size (16, 32, dan 64) untuk mengevaluasi pengaruhnya terhadap akurasi dan generalisasi. Hasil penelitian menunjukkan bahwa model dengan batch size 16 pada dataset per biji dengan teknik cropping memberikan performa terbaik, dengan akurasi pengujian mencapai 98,33% dan test loss 0,0839. Model dataset per biji dengan cropping menghasilkan akurasi yang lebih tinggi dan loss yang rendah, dibandingkan dengan dataset tumpukan biji dan dataset per biji tanpa cropping. Penelitian ini berhasil mengembangkan sistem klasifikasi biji kakao yang efisien dengan akurasi mencapai 98,33%. Metode ini dapat menjadi solusi inovatif dalam industri kakao untuk meningkatkan kualitas dan konsistensi produksi.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,830
Tahun 2018 · Penulis: Febrina Risdianti Isman
Analisis Kemurnian Serbuk Kopi dengan Metode NIR-Kemometrik
Kopi menjadi salah satu tanaman perkebunan yang penting dan memiliki nilai ekonomis tinggi. Produksi kopi merupakan penyokong perekonomian melalui basis produksi bahan-bahan mentah dan basis penyerapan tenaga kerja. Pemahaman terhadap mutu kopi dapat berbeda m
- Cosine 0,825
Tahun 2025 · Penulis: Sinta Nurul Qomaria
Peramalan Time Series Produksi Jagung DI Kabupaten Jember Dengan Arima Dan Model H2O Automl
Produksi jagung di Kabupaten Jember memiliki peran strategis dalam sektor pertanian dan ketahanan pangan nasional. Sebagai salah satu komoditas utama, jagung banyak digunakan untuk bahan pangan, pakan ternak, dan industri. Namun, produksi jagung mengalami fluk
- Cosine 0,817
Tahun 2026 · Penulis: Hoirul Anam
Komparasi Model Machine Learning untuk Estimasi Yield Tebu Berbasis Indeks Vegetasi Sentinel-2 di Kabupaten Jember
Perkiraan hasil tebu yang akurat sangat penting bagi para petani, industri gula, dan pembuat kebijakan pertanian, namun metode survei lapangan konvensional masih terbatas dalam cakupan spasial, ketepatan waktu, dan biaya operasional. Penelitian ini membandingk