Search for collections on PNUP Repository

Klasifikasi Kualitas Kopi Ekspor Menggunakan Artificial Neural Networks (Studi Kasus: PT.Sulotco Jaya Abadi)

Bua’ Rante, Novyanti (2018) Klasifikasi Kualitas Kopi Ekspor Menggunakan Artificial Neural Networks (Studi Kasus: PT.Sulotco Jaya Abadi). Diploma thesis, Politeknik Negeri Ujung Pandang.

[thumbnail of Skripsi] Text (Skripsi)
KLASIFIKASI KUALITAS KOPI EKSPOR MENGGUNAKAN ARTIFICIAL NEURAL NETWORKS.pdf - Published Version
Restricted to Registered users only

Download (3MB)

Abstract

PT.Sulotco Jaya abadi merupakan salah satu perusahaan produksi kopi Arabika dan kopi Luwak. Untuk melakukan klasifikasi kualitas kopi masih menggunakan teknik sortasi manual dengan mengambil sampel dan melakukan crosscheck pada form yang telah disediakan. Teknik sortasi manual dapat di atasi dengan metode klasifikasi melalui pengolahan citra biji kopi menggunakan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) menggunakan metode Backpropagasi.
Pada penelitian ini, dilakukan pengambilan data gambar untuk proses pelatihan dan pengujian. JST dilatih terlebih dahulu menggunakan data gambar sebanyak 138 gambar biji kopi. Pada proses pengujian, digunakan maksimal 100 data gambar biji kopi. Pengujian dilakukan untuk mendeskripsikan tingkat akurasi model JST Backpropagasi dan ketepatan dalam melakukan klasifikasi kualitas kopi. Kualitas kopi diklasifikasikan berdasarkan mutu kopi yaitu Grade 1, Grade 2, Grade 3 dan Grade 4. Model JST Backpropagasi yang digunakan yaitu 8 input, 2 hidden layer dan 1 output.
Berdasarkan hasil penelitian, telah dilakukan pengujian terhadap 4 jenis mutu kopi hasil sortasi manual menggunakan sistem aplikasi yang telah dibuat. Pengujian terbaik diperoleh pada pengujian 10 gambar biji kopi, yaitu 80%. Terdapat 2 gambar yang tidak sesuai jenis mutu kopi dan 8 gambar sesuai dengan jenis mutu kopi. Pengujian pengaruh jumlah input terhadap akurasi diperoleh sebesar 74% pada 8 input. Semakin banyak parameter input, semakin besar akurasi yang didapatkan. Pada pengujian jumlah hidden layer, diperoleh akurasi terbaik sebesar 80% pada model 2 hidden layer hingga 4 hidden layer. Dari hasil penelitian, penggunaan 2 hidden layer cukup baik untuk membangun JST Backpropagasi.

Item Type: Thesis (Diploma)
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Jurusan Teknik Elektro > D4 Teknik Komputer dan Jaringan
Depositing User: Unnamed user with username 197103102001121001
Date Deposited: 04 Jun 2023 01:02
Last Modified: 06 Jun 2023 00:56
URI: https://repository.poliupg.ac.id/id/eprint/2968

Actions (login required)

View Item
View Item