KLASIFIKASI TINGKAT ROASTING BIJI KOPI MENGGUNAKAN METODE DEEP LEARNING BERBASIS CITRA DIGITAL

Tri Mulya Dharma, Cut Jora Sari, Salimuddin Salimuddin

Abstract

Proses pemanggangan merupakan faktor penting dalam menentukan kualitas aroma dan rasa kopi yang khas. Namun, evaluasi biji kopi tradisional seringkali kurang optimal dan subjektif, karena sangat bergantung pada instruktur terlatih. Studi ini bertujuan untuk mengevaluasi kinerja model Deep Learning dalam mengklasifikasikan tingkat pemanggangan biji kopi melalui pengolahan citra digital. Pendekatan eksperimental kuantitatif diterapkan menggunakan tiga arsitektur Convolutional Neural Network (CNN): InceptionV3, MobileNetV2, dan ResNet50. Dataset terdiri dari 1.200 gambar biji kopi yang diklasifikasikan ke dalam empat tingkat warna: hijau, terang, sedang, dan gelap. Hasil pelatihan menunjukkan bahwa model MobileNetV2 berhasil mengenali objek gambar dengan tingkat akurasi tinggi sebesar 96%. Penelitian ini memberikan solusi praktis bagi industri kopi untuk menjaga kualitas produk yang konsisten dan mengurangi ketergantungan pada penilaian manusia yang subjektif.

Keywords

Deep Learning, CNN, MobileNetV2, Tingkat Roasting, Pengolahan Citra

References

dharma, t. M., adriman, r., saddami, k., & ramadhana, r. (2025). Beeffreshnet: a new benchmarking dataset and pre-trained model for beef freshness classification. 2025 tenth international conference on informatics and computing (icic), 1–6. Https://doi.org/10.1109/icic68054.2025.11309417

Halim, s., suhartono, & m. Imamudin. (2025). Classification of arabica coffee bean images from roasting using the convolutional neural network resnet50v2 method with transfer learning. Research horizon, 5(6), 3347–3358. Https://doi.org/10.54518/rh.5.6.2025.923

Muhammad syadham, s., & akbar, m. (2025). Klasifikasi citra biji kopi temanggung menggunakan gray level co-ocurrence matrix – convolutional neural network. Jurnal informatika dan teknik elektro terapan, 13(3). Https://doi.org/10.23960/jitet.v13i3.7274

Munir, m., nafiiyah, n., & budi, a. S. (2025). Coffee bean quality classification using the resnet50 convolutional neural network. Jurnal ilmiah sistem informasi, 4(2), 276–287. Https://doi.org/10.51903/7cwf7662

Ontoum, s., khemanantakul, t., sroison, p., triyason, t., & watanapa, b. (2022). Coffee roast intelligence. Arxiv. Https://arxiv.org/abs/2206.01841

Pakaya, i. M., radi, r., & purwantana, b. (2024). Classification of roasting level of coffee beans using convolutional neural network with mobilenet architecture for android implementation. Jurnal teknik pertanian lampung (journal of agricultural engineering), 13(3), 924. Https://doi.org/10.23960/jtep-l.v13i3.924-932

Ridwan, j., khairunisa, n. F., & faradila, f. (2025). Commodity dan market review bulan desember 2025. Https://bkperdag.kemendag.go.id/storage/publikasi/yd6zonydfb8sgqslt6dg4ukda4uhbikvogcvd7iu.pdf

Setiadi f., a. F., kurniawan, a. A., hartanto, a. D., & hartatik, h. (2022). Implementasi metode cnn dan deep learning untuk menentukan tingkat roasting biji kopi. Intechno journal (information technology journal), 4(2), 48–54. Https://doi.org/10.24076/intechnojournal.2022v4i2.1563

Utama putra, k., ramadhanu, a., & arlis, s. (2025). Identifikasi varietas kopi berdasarkan analisis warna dan tekstur menggunakan metode convolutional neural network. Bulletin of computer science research, 5(5), 1188–1194. Https://doi.org/10.47065/bulletincsr.v5i5.759

DOI: https://doi.org/10.47647/jsr.v16i1.4014