SF58 Sistem Deteksi Real-Time Varietas dan Grade Biji Kopi Menggunakan CNN MobileNet-V2

Abstract

Abstrak—Perkebunan kopi memiliki peran penting bagi perekonomian Indonesia, dengan Jawa Timur sebagai salah satu sentra penghasil Arabika dan Robusta. Penentuan varietas dan mutu biji kopi secara manual masih sulit dilakukan masyarakat maupun pelaku usaha kecil karena mengandalkan pengamatan visual yang subyektif. Penelitian ini bertujuan merancang sistem deteksi jenis dan mutu biji kopi berdasarkan pengolahan citra digital menggunakan kamera webcam, mikrokomputer Raspberry Pi 4, algoritma Convolutional Neural Network (CNN) MobileNet-V2, dan LCD 20x4 I2C sebagai penampil hasil. Sistem bekerja melalui tiga tahap: masukan (pengambilan citra), proses (klasifikasi varietas dan grade menggunakan model CNN yang telah dibor), serta keluaran (penampilan hasil pada LCD). Pengujian dilakukan melalui evaluasi konfusi matriks serta lima belas skenario pengujian lapangan yang terbagi menjadi tiga kelompok, yaitu Robusta, Arabika, dan campuran keduanya. Hasil Confusion Matrix menunjukkan ketepatan klasifikasi 846 dari 1.407 data uji. Pada pengujian lapangan, sistem mencapai tingkat keberhasilan tertinggi pada kelompok Robusta sebesar 80%, sedangkan kelompok Arabika dan campuran masing-masing mencapai 60%, dengan rata-rata keberhasilan keseluruhan sekitar 67%. Kesalahan klasifikasi umumnya terjadi akibat kemiripan fitur visual antarvarietas pada tingkat mutu yang berdekatan, serta kompleksitas pemrosesan pada saat dua varietas berada dalam satu citra. Hasil ini menunjukkan bahwa sistem yang dirancang sudah memadai untuk mendukung proses penyortiran dasar biji kopi secara real-time, objektif, dan terstandar, meskipun masih memerlukan penyempurnaan lebih lanjut pada ekstraksi fitur agar mampu membedakan varietas dan mutu yang memiliki karakteristik visual serupa secara lebih akurat.