AbstrakProses sangrai kopi merupakan proses yang penting, bahkansecara persentase proses sangrai berpengaruh sebesar hingga 30%dalam sumbangan aroma dan rasa. Namun selama ini prosessangrai kopi hanya dapat dilakukan oleh seseorang yang sudahahli dalam menyangrai kopi sehingga dapat menentukan tingkatkematangan kopi yang benar dan tepat. Selain itu dalammenentukan tingkat kematangan sangrai kopi masih banyakberdasarkan pendapat subjektif seseorang. Di Indonesia sendiritingkat kematangan sangrai kopi dikategorikan ke dalam tigatingkatan yaitu light roast, medium roast, dan dark roast. Makadari itu penulis, merancang sebuah aplikasi yang mampumengklasifikasikan tingkat kematangan sangrai kopi. Aplikasi inibertujuan untuk dapat membantu standarisasi dalam menentukantingkat kematangan sangrai kopi bagi orang-orang yang mencobamelakukan sangrai kopi secara mandiri. Aplikasi ini dibentukdalam bentuk aplikasi pada perangkat mobile android untukmemudahkan pengguna sehingga dapat digunakan kapanpundisaat yang diinginkan. Pada penelitian ini dilakukan percobaanmenggunakan kombinasi arsitektur CNN antara LeNet5,AlexNet, MiniVGGNet dengan fungsi optimasi ADAM, SGD,dan NADAM. Penelitian ini berhasil menghasilkan model denganakurasi tertinggi hingga 98% menggunakan kombinasi antaraLeNet5 dengan fungsi optimasi ADAM. Model inilah yangdigunakan sebagai opsi standar pada aplikasi ketika melakukanklasifikasi sangrai kopi.Kata kunci: sangrai, kopi, android, LeNet5, AlexNet,MiniVGGNet, ADAM, SGD, NADAMAbstractThe process of roasting coffee is an important process, even thepercentage of roasting process influences up to 30% in thecontirbution of aroma and taste. But so far the process of roastingcoffee can only be done by someone who is an expert at roastingcoffee so that it can determine the correct and appropiate level ofroasted coffee. In determining the level of roasted coffee is still alot based on someone’s subjective opinion. In Indonesia the levelof roasted coffee is categorized into three levels, light roast,medium roast, and dark roast. Therefore the author, designed anapplication that is able to classify the level of roasted coffee. Thisapplication aims to be able to hel standradize in determining thelevel of roasted coffee for people who are tryin to do coffeeroasting independently. This application was formed in form ofan application o nan androiud mobile device to facilitate the useso that it can be used whenever desired. In this reasearch wasconducted using combination of CNN architecture betweenLeNet5, AlexNet, MiniVGGMNet with ADAM, SGD, and NADAMoptimization functions. This research succeeded in producing amodel with highest accuracy 98% using a combination of LeNet5with ADAM optimization functions. This model is used as adefault option in application when classifying roasted coffee.Keywords: roast, coffee, android, LeNet5, AlexNet, MiniVGGNet,ADAM, SGD, NADAM
Copyrights © 2020