Pengembangan Sistem Ketertelusuran Berbasis Cloud Computing dengan Deteksi Penyakit Daun Kopi Menggunakan CNN Resnet50: Studi Kasus di Sekolah Kopi RAISA

Fadli, Nur Muhammad (2026) Pengembangan Sistem Ketertelusuran Berbasis Cloud Computing dengan Deteksi Penyakit Daun Kopi Menggunakan CNN Resnet50: Studi Kasus di Sekolah Kopi RAISA. Undergraduate thesis, Politeknik Negeri Jember,.

	Text (Ringkasan / Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (115kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (107kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (141kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Indonesia memainkan peran penting dalam industri kopi global sebagai produsen dan eksportir utama. Namun, kualitas produk dan traceability di tingkat petani masih menghadapi tantangan yang signifikan. Studi ini, yang dilakukan sebagai studi kasus di Sekolah Kopi RAISA di Kecamatan Sumber Wringin, Kabupaten Bondowoso, mengusulkan solusi terintegrasi berupa sistem ketertelusuran berbasis web dan aplikasi menggunakan QR Code untuk mencatat asal usul produk secara real-time, dikombinasikan dengan deteksi penyakit daun berbasis CNN menggunakan ResNet50. Studi ini melibatkan identifikasi masalah dan persyaratan, pemetaan rantai pasok kopi, identifikasi data dan desain sistem ketertelusuran, pengumpulan dan pembagian dataset, pra-pemrosesan, implementasi model, pelatihan, dan evaluasi. Dataset untuk model diperoleh dari sumber publik (Coffee Leaf Diseases, Kaggle) dan diproses menggunakan pipeline preprocess_input, augmentasi data, dan sampling seimbang 260/60 per kelas untuk pelatihan, validasi, dan pengujian. Hasil menunjukkan bahwa model ResNet50 (diimplementasikan dalam dua tahap: pelatihan kepala dan penyempurnaan) mencapai kinerja yang sangat baik, dengan kerugian pengujian 0,0252 dan akurasi pengujian 99,44% pada 180 sampel pengujian (60 sampel per kelas). Laporan klasifikasi menunjukkan kinerja per kelas yang tinggi (sempurna untuk phoma, sementara tidak ada penyakit dan karat masing-masing menunjukkan satu kesalahan klasifikasi minor), dengan hanya satu kesalahan yang teramati pada confusion matrix. Secara praktis, integrasi model klasifikasi ini ke dalam sistem pelacakan memungkinkan deteksi dini penyakit dan pencatatan yang dapat dilacak, yang diharapkan dapat membantu meningkatkan konsistensi kualitas dan memperkuat daya saing kopi RAISA dalam rantai pasok yang lebih luas.

Actions (login required)

View Item