Penerapan Model MobileNetV2 Untuk Prediksi Tingkat Roasting Biji Kopi Berbasis Gambar Pada Bot Telegram

Nur Pratama; Aswan Supriyadi Sunge; Eko Budiarto

doi:10.31004/riggs.v4i2.1272

Authors

Nur Pratama Universitas Pelita Bangsa
Aswan Supriyadi Sunge Universitas Pelita Bangsa
Eko Budiarto Universitas Pelita Bangsa

DOI:

https://doi.org/10.31004/riggs.v4i2.1272

Keywords:

Klasifikasi, Deep Learning, Citra Digital, MobileNetV2, bot Telegram

Abstract

Proses penilaian tingkat roasting biji kopi secara manual sering kali bersifat subjektif dan tidak konsisten, sehingga diperlukan sistem otomatis berbasis citra yang mampu melakukan klasifikasi secara akurat. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat roasting biji kopi menggunakan arsitektur MobileNetV2 yang ringan dan efisien. Dataset terdiri dari 1.600 gambar yang dikategorikan ke dalam empat kelas: green, light, medium, dan dark. Model dilatih tanpa proses fine-tuning dan dievaluasi menggunakan metrik akurasi, loss, precision, recall, f1-score, serta confusion matrix. Hasil evaluasi pada data uji menunjukkan akurasi sebesar 98,50% dan f1-score rata-rata 0,98, menandakan performa tinggi dalam kondisi data terkontrol. Model kemudian diimplementasikan ke dalam platform bot Telegram yang memungkinkan pengguna mengirim gambar dan menerima hasil prediksi secara otomatis. Meskipun sistem menunjukkan respons cepat, pengujian terhadap gambar dari luar dataset menunjukkan penurunan akurasi hingga 45%. Hal ini mengindikasikan perlunya peningkatan kemampuan generalisasi model. Sistem ini berpotensi diterapkan sebagai alat bantu digital dalam pengawasan mutu roasting biji kopi, terutama pada skala usaha kecil dan menengah.

Downloads

Download data is not yet available.

References

S. Ontoum, T. Khemanantakul, P. Sroison, T. Triyason, and B. Watanapa, “Coffee roast intelligence,” arXiv preprint arXiv:2206.01841, 2022.

D. Vionita, R. Marpaung, and R. Hartawan, “Pengaruh Ukuran Biji Kopi dan Lama Penyangraian Terhadap Mutu Organoleptik Kopi Liberika Tungkal Komposit,” Jurnal Media Pertanian, vol. 10, no. 1, p. 57, Apr. 2025, doi: 10.33087/jagro.v10i1.268.

P. Lestari, Z. Zulfauzi, and B. Santoso, “KLASIFIKASI TINGKAT KEMATANGAN ROASTING KOPI MENGGUNAKAN DEEP LEARNING,” Jurnal Digital Teknologi Informasi, vol. 7, no. 1, pp. 1–5, 2024.

A. R. R. Ivani, A. Z. Kurniadi, A. B. A. Andira, and I. Wahyuni, “Perbandiangan VGG16 dan MobileNetV2 untuk Klasifikasi Tingkat Kematangan Buah Apel,” JURNAL SISTEM KOMPUTER ASIA, vol. 3, no. 1, pp. 30–39, 2025.

M. H. R. Pratama, M. Akrom, A. P. Santosa, M. R. Rosyid, and L. Mawaddah, “Klasifikasi Otomatis Korosi Menggunakan Convolutional Neural Network dan Transfer Learning dengan Model MobileNetV2,” Jurnal Algoritma, vol. 22, no. 1, pp. 138–148, 2025.

H. Nguyen, “FAST OBJECT DETECTION FRAMEWORK BASED ON MOBILENETV2 ARCHITECTURE AND ENHANCED FEATURE PYRAMID,” J Theor Appl Inf Technol, vol. 15, p. 5, 2020, [Online]. Available: www.jatit.org

M. Irvai and D. Mahdalena, “Penerapan Teknik Masking dan Augmentasi pada Arsitektur CNN dan MobileNetV2 untuk Klasifikasi Fase Pertumbuhan Tomat,” Jurnal Teknik Informatika UNIKA Santo Thomas, pp. 60–67, 2025.

R. Umar and others, “Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNetV2,” Jurnal Informatika Polinema, vol. 11, no. 2, pp. 147–154, 2025.

M. A. MASRIL and D. P. CANIAGO, “Sistem Pencegahan Illegal Fishing di Laut Batam menggunakan YOLOv7 berbasis Notifikasi Telegram,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 12, no. 1, p. 175, 2024.

A. A. Utomo and S. Mulyono, “PERBANDINGAN MOBILENETV2 DAN DENSENET121 PADA KLASIFIKASI TERUMBU KARANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” Jurnal Rekayasa Sistem Informasi dan Teknologi, vol. 2, no. 3, pp. 930–941, 2025.

F. Ramasari, F. Firdaus, S. Nita, K. Kartika, and others, “Penggunaan Metode You Only Look Once dalam Penentu Pindah Tanaman Cabai Besar Ternotifikasi Telegram,” Elektron: Jurnal Ilmiah, pp. 45–52, 2021.

R. A. Shafa and P. N. Andono, “PENDETEKSI VISUAL MAKANAN DAN JUMLAH KALORINYA MENGGUNAKAN ALGORITMA MASK R-CNN BERBASIS BOT TELEGRAM,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 1, pp. 641–651, 2025.

S. N. Nugraha, R. Pebrianto, and E. Fitri, “Penerapan Deep Learning Pada Klasifikasi Tanaman Paprika Berdasarkan Citra Daun Menggunakan Metode CNN,” INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS: Journal of Information System, vol. 8, no. 2, pp. 133–142, 2023.