PENGENALAN BIJI KOPI BERDASARKAN GREEN BEAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID
DOI:
https://doi.org/10.32699/biner.v5i1.10916Keywords:
Biji Kopi, Green Bean, Convolutional Neural Network, AndroidAbstract
Kabupaten Wonosobo merupakan salah satu daerah penghasil kopi di Jawa Tengah yang memiliki potensi besar, khususnya pada komoditas kopi dalam bentuk green bean. Namun, perbedaan karakteristik visual antar jenis biji kopi seperti Arabika, Robusta, Liberika, dan Ekselsa sering kali sulit dikenali secara kasat mata, terutama oleh masyarakat umum. Penelitian ini bertujuan untuk membangun aplikasi berbasis Android yang mampu mengenali jenis biji kopi berdasarkan citra green bean menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan berupa citra biji kopi green bean yang diperoleh melalui proses observasi dan pengambilan gambar langsung dengan pengaturan resolusi, ISO, dan tingkat kecerahan tertentu. Proses penelitian meliputi pengolahan data, augmentasi citra, perancangan arsitektur CNN, pelatihan model menggunakan Google Colaboratory, serta konversi model ke format TensorFlow Lite untuk diimplementasikan pada aplikasi Android menggunakan bahasa pemrograman Kotlin. Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, dan recall. Selain itu, pengujian sistem dilakukan melalui pengujian blackbox dan usability untuk memastikan fungsi aplikasi berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa metode CNN mampu mengenali jenis biji kopi green bean dengan baik dan aplikasi yang dikembangkan dapat digunakan sebagai alat bantu identifikasi biji kopi secara cepat dan praktis bagi petani, pelaku usaha, maupun konsumen kopi di Wonosobo.
Downloads
References
[1] Supriyadi, S. (2022). Pemberdayaan Kelompok Tani Hutan Desa Keseneng, Kecamatan Mojotengah, Kabupaten Wonosobo sebagai Desa Penghasil Kopi. SEMAR (Jurnal Ilmu Pengetahuan, Teknologi, Dan Seni Bagi Masyarakat), 11(1), 8–11.
[2] Ratri, D. K., Wicaksono, I. A., & Utami, D. P. (2022). Strategi Pengembangan Pasar Produk Kopi Arabika Bowongso Berbasis Business Model Canvas (Studi Kasus di Kelompok Tani Bina Sejahtera Desa Bowongso Kecamatan Kalikajar Kabupaten Wonosobo). Surya Agritama: Jurnal Ilmu Pertanian Dan Peternakan, 11(1), 61–77.
[3] Nugroho, M. A., & Sebatubun, M. M. (2020). Klasifikasi Varietas Kopi Berdasarkan Green Bean Coffee Menggunakan Metode Machine Learning. Journal of Information System Management (JOISM), 1(2), 1–5.
[4] Sebatubun, M. M., & Pujiarini, E. H. (2018). Pengenalan Varietas Kopi Arabika Berdasarkan Fitur Bentuk. JIKO (Jurnal Informatika Dan Komputer), 3(2), 60–69.
[5] Herlinawati, L. (2020). Mempelajari pengaruh konsentrasi maltodekstrin dan Polivinil Pirolidon (PVP) terhadap karakteristik sifat fisik tablet effervescent Kopi Robusta (Coffea robusta Lindl). Agritekh (Jurnal Agribisnis Dan Teknologi Pangan), 1(01), 1–25.
[6] Purwanto, P., & Sumardi, S. (2022). Perancangan Klasifikasi Tanaman Herbal Menggunakan Transfer Learning Pada Algoritma Convolutional Neural Network (CNN). Jurnal Ilmiah Infokam, 18(2), 105–118.
[7] Marshanda, F., Santoso, B., & Armanto, A. (2025). Klasifikasi Jenis Ikan Guppy Menggunakan Convolutional Neural Network (CNN). ESCAF, 967–975.
[8] Hidayat, D. (2022). Klasifikasi Jenis Mangga Berdasarkan Bentuk Dan Tekstur Daun Menggunakan Metode Convolutional Neural Network (CNN). J. Inf. Technol. Comput. Sci, 5(1), 98–103.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Biner : Jurnal Ilmiah Informatika dan Komputer
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
An author who publishes in this Journal agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
