Analisa Kinerja Sistem Cerdas dalam Pendeteksian Jenis Kopi Berdasarkan Aroma Blending dan Perhitungan Kadar Kafein Berdasarkan Warna

Roza, Susanti (2025) Analisa Kinerja Sistem Cerdas dalam Pendeteksian Jenis Kopi Berdasarkan Aroma Blending dan Perhitungan Kadar Kafein Berdasarkan Warna. S3 thesis, Universitas Andalas.

	Text (Cover and Abstract) COVER + ABSTRACT.pdf - Published Version Download (669kB)
	Text (BAB 1) BAB I.pdf - Published Version Download (390kB)
	Text (BAB AKHIR) BAB AKHIR.pdf - Published Version Download (358kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Download (415kB)
	Text (FULL DRAFT DISERTASI) FULL DRAFT DISERTASI.pdf - Published Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Kopi merupakan minuman yang mengandung kafein, zat stimulan yang banyak dikonsumsi untuk meningkatkan konsentrasi dan energi. Konsumsi kopi standar mengandung sekitar 150 mg kafein per hari atau sekitar 50 mg per sajian. Oleh karena itu, identifikasi kadar kafein dalam kopi sebelum dikonsumsi menjadi penting untuk menjaga keseimbangan asupan harian. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi jenis kopi dan pengukuran kadar kafein secara non-destruktif dan efisien. Identifikasi jenis kopi dilakukan berdasarkan aroma kopi yang dihasilkan pada sistem penghalus kopi menggunakan sensor gas dan metode Jaringan Saraf Tiruan (JST). Sementara itu, perhitungan kadar kafein dilakukan berdasarkan tingkat warna kematangan biji kopi menggunakan sistem JST dan algoritma K-Nearest Neighbor (K-NN). Tiga jenis kopi yang dianalisis adalah Arabika, Robusta, dan Liberika, masing-masing pada tiga tingkat kematangan: light, medium, dan dark. Model JST menunjukkan akurasi tinggi dalam klasifikasi jenis kopi, yaitu 95,00% pada tahap pelatihan dan 97,78% pada tahap pengujian. Untuk deteksi kadar kafein berdasarkan warna biji kopi, metode JST menghasilkan akurasi sebesar 95,13% pada pelatihan dan 95,00% pada pengujian, sedangkan metode K-NN mencapai akurasi 89,00% pada pelatihan awal dan meningkat menjadi 95,59% pada evaluasi lanjutan. Hasil penelitian menunjukkan bahwa pendekatan berbasis sensor dan kecerdasan buatan ini efektif dalam mendeteksi jenis kopi dan kadar kafein secara cepat dan akurat, serta berpotensi diterapkan dalam industri kopi untuk kontrol kualitas, autentikasi produk, dan konsumsi yang lebih sehat dan terukur.

Actions (login required)

View Item