SKRIPSI DIGITAL
Pengembangan sistem cerdas untuk identifikasi Tingkat roasting kopi menggunakan model deep Learning = development of a smart system for identifying coffee roasting levels using deep learning model
Penelitian ini mengembangkan dan mengevaluasi sistem identifikasi tingkat kematangan (roasting)
biji kopi berbasis citra menggunakan algoritma YOLOv8n. Proses pelatihan model dilakukan
dengan membandingkan lima jenis optimizer (Adam, AdamW, NAdam, RAdam, dan SGD) pada tiga
variasi learning rate (0.0001, 0.001, dan 0.01). Hasil eksperimen menunjukkan bahwa kombinasi
YOLOv8n dengan optimizer RAdam dan learning rate 0.001 menghasilkan performa terbaik,
dengan nilai precision sebesar 0.906, recall 0.902, mAP@50 sebesar 0.944, dan F1 Score sebesar
0.904. Analisis lebih lanjut melalui confusion matrix menunjukkan akurasi tinggi pada kelas Dark
dan Medium Roast, namun terdapat tantangan pada kelas Green dan Light Roast akibat kemiripan
visual dengan latar belakang. Visualisasi Grad-CAM mengungkap bahwa model pada beberapa
kasus melakukan shortcut learning dengan fokus pada area non-relevan. Berdasarkan hasil ini,
dapat disimpulkan bahwa konfigurasi RAdam–0.001 merupakan pilihan optimal untuk sistem
klasifikasi visual roasting kopi. Saran pengembangan ke depan meliputi peningkatan jumlah dan
variasi dataset, eksplorasi teknik augmentasi lanjutan, pengujian pada perangkat edge seperti
Raspberry Pi, serta perluasan cakupan jenis kopi dan metode roasting untuk meningkatkan
generalisasi sistem dalam skenario industri nyata.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah