Implementasi Jaringan Syaraf Tiruan Backpropagation pada Klasifikasi Jenis Kopi Berdasarkan Cita Rasa dan Aroma
DOI:
https://doi.org/10.61132/neptunus.v3i4.1186Keywords:
Aroma, Backpropagation, Coffee, Classification, FlavorAbstract
Coffe is one of Indonesia’s leading commodities, known for its diverse flavors and aromas. Traditionally, coffee quality assessment is conducted manually through cupping tests performed by expert panelists. However, this method is subjective and requires considerable time and cost. This study aims to implement an Artificial Neural Network (ANN) using the backpropagation algorithm to classify coffee types based on sensory parameters such as flavor, aroma, acidity level, and body. Simulated data were generated from five common Indonesian coffee varieties: Arabica Gayo, Robusta Lampung, Arabica Toraja, Liberica Jambi, and Excelsa. The results show that the ANN-based classification system with a 4-8-1 architecture achieved an accuracy rate of 93% after 500 training epochs, with a final error value of 0.07. The implementation of this method provides an efficient and objective technological alternative to assist the coffee industry in maintaining product quality and automatically identifying coffee types.
References
Hanifah, R., & Yusuf, M. (2022). Analisis perbandingan kinerja JST dan KNN dalam klasifikasi mutu kopi. Jurnal Teknologi dan Sains Terapan Indonesia, 11(4).
Hidayat, A. (2022). Kecerdasan buatan dan aplikasinya dalam industri pangan. Bandung: Informatika.
Kurniawan, F., & Wahyudi, I. (2024). Optimasi jaringan syaraf tiruan menggunakan algoritma Levenberg-Marquardt untuk klasifikasi aroma kopi. Jurnal Teknologi dan Industri Pertanian, 12(1).
Mahendra, R., & Fauzi, H. (2023). Kecerdasan buatan dan machine learning praktis. Bandung: Andi.
Nugroho, B., & Widodo, M. (2023). Analisis kinerja JST backpropagation pada klasifikasi produk pangan. Jurnal Teknologi dan Komputer Terapan, 7(1).
Prasetyo, D., & Hidayat, M. (2022). Penerapan algoritma backpropagation untuk klasifikasi mutu biji kopi Arabika. Jurnal Teknologi Informasi dan Komputasi, 9(1).
Putra, R. A., & Lestari, F. (2021). Implementasi metode backpropagation neural network untuk klasifikasi kualitas produk kopi. Jurnal Ilmu Komputer Terapan Indonesia, 4(3).
Rahmawati, N., & Susanto, R. (2023). Analisis cita rasa kopi Arabika menggunakan jaringan syaraf tiruan. Jurnal Sains Data dan Informatika, 5(2). https://doi.org/10.59820/tekomin.v2i2.228
Ramadhan, T., & Amelia, S. (2022). Penggunaan JST untuk prediksi kualitas kopi Robusta berdasarkan data sensorik. Jurnal Sistem Informasi Cerdas Indonesia, 8(2).
Sari, D., & Lubis, H. (2021). Data mining dan kecerdasan buatan. Medan: CV. Media Sains.
Setiawan, L., & Nuraini, D. (2024). Sistem identifikasi jenis kopi menggunakan sensor aroma dan jaringan syaraf tiruan. Jurnal Agroinformatika, 9(2).
Sumarno, A. (2021). Pengenalan jaringan syaraf tiruan: Konsep dan implementasi. Yogyakarta: Deepublish.
Suryani, D. (2023). Sistem cerdas untuk klasifikasi produk pertanian. Jakarta: Pustaka Media.
Utami, R., & Pranata, Y. (2022). Pembelajaran mesin dalam pengolahan hasil pertanian. Surabaya: Graha Ilmu.
Widyaningsih, E., & Putri, A. (2021). Penerapan JST dalam sistem rekomendasi rasa minuman. Jurnal Komputasi dan Informatika Terapan, 6(3).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
