PENGEMBANGAN SISTEM KLASIFIKASI DAN PENYORTIRAN BIJI KOPI BERBASIS AIoT MENGGUNAKAN VISION TRANSFORMER

Pintarko, Dody (2026) PENGEMBANGAN SISTEM KLASIFIKASI DAN PENYORTIRAN BIJI KOPI BERBASIS AIoT MENGGUNAKAN VISION TRANSFORMER. Masters thesis, UPN Veteran Jawa Timur.

	Text (Cover) Cover Tesis_04082026ok.pdf Download (1MB)
	Text (Bab I) BAB I.pdf Download (94kB)
	Text (Bab II) BAB II.pdf Restricted to Repository staff only until 5 August 2029. Download (1MB)
	Text (Bab III) BAB III.pdf Restricted to Repository staff only until 5 August 2029. Download (1MB)
	Text (Bab IV) BAB IV.pdf Restricted to Repository staff only until 5 August 2029. Download (4MB)
	Text (Bab V) BAB V.pdf Download (79kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (128kB)

Abstract

ABSTRAK Dody Pintarko. Pengembangan Sistem Klasifikasi dan Penyortiran Biji Kopi Berbasis AIoT Menggunakan Vision Transformer (Dibimbing oleh Basuki Rahmat, Faisal Muttaqin) Sortasi biji kopi berperan penting dalam menjaga mutu dan konsistensi produk. Namun, proses penyortiran yang masih dilakukan secara manual memiliki keterbatasan, antara lain inkonsistensi penilaian, efisiensi yang rendah, dan tingginya potensi human error. Di sisi lain, sebagian besar penelitian terdahulu hanya berfokus pada peningkatan akurasi model klasifikasi tanpa mengintegrasikan kecerdasan buatan dengan sistem penyortiran otomatis berbasis Artificial Intelligence of Things (AIoT). Penelitian ini bertujuan mengembangkan sistem klasifikasi dan penyortiran biji kopi berbasis AIoT yang mampu beroperasi secara real-time menggunakan Vision Transformer (ViT) sebagai model utama dan Convolutional Neural Network (CNN) sebagai model pembanding. Sistem dirancang menggunakan arsitektur Mobile–Cloud–Edge Computing yang mengintegrasikan perangkat mobile sebagai media akuisisi citra dan inferensi berbasis TensorFlow Lite, Firebase Realtime Database sebagai media sinkronisasi data, serta ESP32 untuk mengendalikan mekanisme penyortiran melalui aktuator servo. Penelitian menggunakan 1.600 citra biji kopi yang dikelompokkan ke dalam empat kategori tingkat roasting, yaitu green bean, light roast, medium roast, dan dark roast. Hasil pengujian menunjukkan bahwa Vision Transformer memberikan performa lebih baik dibandingkan CNN, dengan Accuracy 96,87%, Precision 96,31%, Recall 96,05%, dan F1-Score 96,18%, sedangkan CNN memperoleh Accuracy 93,24%, Precision 92,76%, Recall 92,14%, dan F1-Score 92,45%. Optimasi menggunakan TensorFlow Lite berhasil mengurangi ukuran model dari 86 MB menjadi 21 MB serta menurunkan latensi inferensi dari 420 ms menjadi 118 ms, dengan penurunan akurasi hanya 0,55%. Pengujian implementasi pada 60 sampel biji kopi menghasilkan akurasi penyortiran sebesar 96,67%, tingkat keberhasilan aktuator dan reliability sistem sebesar 100%, serta waktu respons end-to-end rata-rata 462 ms. Hasil penelitian membuktikan bahwa integrasi Vision Transformer, TensorFlow Lite, Firebase Realtime Database, dan ESP32 mampu menghasilkan sistem penyortiran biji kopi berbasis AIoT yang akurat, andal, efisien, dan responsif. Sistem yang dikembangkan menunjukkan potensi untuk mendukung penerapan smart agriculture melalui otomasi proses sortasi hasil pertanian berbasis Mobile–Cloud–Edge Computing. Kata kunci: Artificial Intelligence of Things, Vision Transformer, TensorFlow Lite, Mobile–Cloud–Edge Computing, Klasifikasi Biji Kopi

Item Type:

Thesis (Masters)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Rahmat, Basuki	NIP19690723 2021211 002	basukirahmat.if@upnjatim.ac.id
Thesis advisor	Muttaqin, Faisal	NIP19851231 2021211 009	faisalmuttaqin.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General) > T385 Computer Graphics

Divisions:

Faculty of Computer Science > Magister Information Technology

Depositing User:

Dody Pintaro

Date Deposited:

05 Aug 2026 02:42

Last Modified:

05 Aug 2026 02:42

URI:

https://repository.upnjatim.ac.id/id/eprint/58291