Rantelili, Winastya Febrin (2024) Indentifikasi kelayakan biji kopi menggunakan machine learning sebagai komoditi di Tana Toraja. Diploma thesis, Politeknik Negeri Ujung Pandang.
IDENTIFIKASI KELAYAKAN BIJI KOPI MENGGUNAKAN MECHINE LEARNING...pdf - Published Version
Restricted to Repository staff only
Download (2MB)
IDENTIFIKASI KELAYAKAN BIJI KOPI MENGGUNAKAN MECHINE LEARNING.. SAMPUL,ABSTRAK,BAB I,II,III,V,Daftar Pustaka.pdf - Published Version
Restricted to Registered users only
Download (3MB)
Abstract
Biji kopi adalah biji dari tumbuhan kopi dan merupakan sumber dari minuman kopi. Warna bijinya adalah putih dan sebagian besar berupa endosperma. Biji kopi Arabika Toraja merupakan salah satu jenis kopi unggulan yang berasal dari daerah Toraja, Sulawesi Selatan, Indonesia. Kopi ini dikenal karena cita rasanya yang khas, dengan aroma harum yang kompleks serta sentuhan rasa asam yang seimbang. Pada penelitian ini bertujuan untuk menganalisa perbandingan terhadap kelayakan biji kopi menggunakan machine learning. Metode yang digunakan untuk melakukan klasifikasi kelayakan biji kopi adalah Support Vector Machine (SVM) dan Decision Tree. Perbandingan analisa ini dilakukan untuk menunjukkan seberapa baik setiap metode berjalan dalam melakukan klasifikasi. Hasil evaluasi menunjukkan bahwa SVM lebih unggul, dengan nilai akurasi rata – rata 76%, sementara untuk Decision Tree nilai akurasi rata- rata 72%. Pada klasifikasi ini ditampilkan dengan menggunakan sistem antarmuka yang di buat dalam tampilan GUI pada Vscode.
Kata Kunci: Machine Learning, SVM, Decision Tree, dan Vscode.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Jurusan Teknik Informatika dan Komputer > D4 Teknik Multimedia dan Jaringan |
| Depositing User: | Unnamed user with username 197509082001121002 |
| Date Deposited: | 31 Mar 2026 06:32 |
| Last Modified: | 31 Mar 2026 06:32 |
| URI: | https://repository.poliupg.ac.id/id/eprint/13519 |
