Klasifikasi Varietas Biji Kopi Arabika Gayo Berbasis Deteksi Objek Menggunakan Algoritma Yolov5
DOI:
https://doi.org/10.51179/ilka.v3i2.81Kata Kunci:
yolov5, deep learning, kopi arabika gayo, deteksi objek, klasifikasi citraAbstrak
Kopi Arabika Gayo merupakan salah satu komoditas unggulan Indonesia yang memiliki nilai ekonomi tinggi, khususnya dalam pasar ekspor. Namun, proses klasifikasi varietas biji kopi masih banyak dilakukan secara manual sehingga berpotensi menimbulkan kesalahan identifikasi dan ketidakkonsistenan dalam pengendalian mutu. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis varietas biji kopi Arabika Gayo menggunakan pendekatan deep learning berbasis model You Only Look Once version 5 (YOLOv5). Dataset yang digunakan terdiri dari 1.500 citra tiga varietas utama, yaitu Tim-tim (Gayo 1), Bor-bor (Gayo 2), dan Ateng Super (Gayo 3), dengan masing-masing 500 citra per kelas. Data dikumpulkan melalui observasi dan dokumentasi langsung di Aceh Tengah serta diberi label menggunakan LabelImg. Proses pelatihan model dilakukan menggunakan bahasa pemrograman Python dengan pustaka Ultralytics YOLOv5 berbasis PyTorch. Evaluasi kinerja model dilakukan menggunakan metrik precision, recall, dan mean Average Precision (mAP) serta dianalisis melalui confusion matrix. Hasil penelitian menunjukkan bahwa model mencapai tingkat akurasi sebesar 96% dengan nilai mAP50–95 sebesar 0,99. Hal ini menunjukkan bahwa sistem berbasis YOLOv5 mampu mengklasifikasikan varietas biji kopi secara efektif dan konsisten dalam kondisi real-time. Hasil penelitian ini diharapkan dapat membantu petani dan pelaku industri kopi dalam meningkatkan efisiensi serta ketepatan proses pengendalian mutu pascapanen
Unduhan
Referensi
[1] H. B. Santoso, C. Malvin, and R. Delima, “Pengembangan Sistem Informasi Pendataan Petani dan Kelompok Tani,” SESINDO 9, vol. 2017, 2017.
[2] F. Akmal, F. Ramdani, and A. Pinandito, “Sistem informasi pengelolaan perkebunan kelapa sawit berbasis web gis,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 5, pp. 1894–1901, 2018.
[3] M. Mahyuda, S. Amanah, and P. Tjitropranoto, “Tingkat adopsi good agricultural practices budidaya kopi arabika gayo oleh petani di Kabupaten Aceh Tengah,” Jurnal Penyuluhan, vol. 14, no. 2, p. 267498, 2018.
[4] U. Zainura, N. Kusnadi, and B. Burhanuddin, “Perilaku kewirausahaan petani kopi arabika gayo di kabupaten bener meriah provinsi aceh,” Jurnal Penyuluhan, vol. 12, no. 2, pp. 126–143, 2016.
[5] E. T. Kembaren and M. Muchsin, “Pengelolaan pasca panen kopi arabika Gayo Aceh,” Jurnal Visioner & Strategis, vol. 10, no. 1, 2021.
[6] M. C. Dewi, S. F. Maddisila, and R. R. Korompot, “PERAN MEREK DAN INDIKASI GEOGRAFIS DALAM MENDUKUNG INDUSTRI PRODUK KOPI UNTUK MENDUKUNG EKONOMI DAERAH YANG BERKELANJUTAN,” Suloh: Jurnal Fakultas Hukum Universitas Malikussaleh, vol. 12, no. 2, pp. 481–495, 2024.
[7] Z. Amanda, I. Muslem, and F. Rizani, “Klasifikasi Kematangan Buah Pepaya Menggunakan Algoritma Support Vector Machine,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 96–102, Feb. 2026.
[8] A. H. Harahap, I. M. B. A. Malik, M. I. N. Imam, M. T. S. Bilhaq, A. A. Nur, and S. L. D. Agustini, “Klasifikasi Diagnosa Penyakit Jantung menggunakan Algoritma Random Forest,” Teknik Informatika UIN Sunan Gunung Djati Bandung, vol. 3, 2021.
[9] B. Laoli, I. Muslem, and F. Rizani, “ Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Algoritma Support Vector Machine ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 142–151, Feb. 2026.
[10] D. Armiady and I. M. R, “Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah Menggunakan Stochastic Gradient Descent,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 2, 2023.
[11] C. H. H. Jannah, I. Muslem, and D. Azmi, “Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition,” Jurnal Ilmu Komputer Aceh, Oct. 2025, [Online]. Available: https://jurnal.fikompublisher.com/ilka/article/view/16
[12] R. Melani, S. Sriwinar, D. Azmi, I. Muslem, and M. Amin, “Klasifikasi Kematangan Cabai Berdasarkan Citra Digital Menggunakan Algoritma K-Nearest Neighbor,” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 30–42, 2026.
[13] R. Saputra, I. Muslem, and R. Fajri, “ Klasifikasi Spesies Ikan Koi Berdasarkan Citra Menggunakan Metode YOLOv3-Tiny Dan OpenCV ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 182–188, Feb. 2026.
[14] C. H. H. Jannah, I. Muslem, and D. Azmi, “Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition (OCR),” Jurnal Ilmu Komputer Aceh, vol. 2, no. 3, 2025.
[15] D. Fahmi, D. Azmi, I. Muslem, and P. B. N. Simangunsong, “Sistem Pendeteksi Dan Klasifikasi Jenis Hewan Ternak Menggunakan Metode You Only Look Once (YOLO),” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 43–51, 2026.
[16] I. R. Muslem and T. M. Johan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16,” Media Online), vol. 4, no. 2, pp. 978–985, 2023, doi: 10.30865/klik.v4i2.1209.
[17] R. Parlika, F. Ramadhana, I. Muslem, and A. Afriana, “Implementasi Algoritma Linear Regression pada Framework Laravel untuk Prediksi Biaya Asuransi Kesehatan,” NOVAKOMPUTA: Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 1, pp. 1–7, 2026.
[18] V. Shakila, I. Muslem, and S. Sriwinar, “Prototipe Kamera Pengawasan Berbasis YOLOv5 untuk Deteksi Benda Tajam Secara Real-Time dengan Notifikasi Telegram,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 90–95, Feb. 2026.
[19] C. C. Paglinawan, M. Hannah M. Caliolio, and J. B. Frias, “Medicine Classification Using YOLOv4 and Tesseract OCR,” in 2023 15th International Conference on Computer and Automation Engineering, ICCAE 2023, 2023. doi: 10.1109/ICCAE56788.2023.10111387.
[20] C. Wan, Y. Pang, and S. Lan, “Overview of YOLO Object Detection Algorithm,” International Journal of Computing and Information Technology, vol. 2, no. 1, 2022, doi: 10.56028/ijcit.1.2.11.
[21] Z. Chen et al., “Plant Disease Recognition Model Based on Improved YOLOv5,” Agronomy, vol. 12, no. 2, 2022, doi: 10.3390/agronomy12020365.
[22] R. Sushma, M. Rithika Devi, N. Maheshwaram, and D. R. Sreedhar Bhukya, “Automatic License Plate Recognition with YOLOv5 and Easy-OCR method,” International Journal Of Innovative Research In Technology, vol. 9, no. 1, 2022.
[23] G. Jocher, “ultralytics/yolov5: v7.0 - YOLOv5 SOTA Realtime Instance Segmentation (v7.0),” Https://Github.Com/Ultralytics/Yolov5/Tree/V7.0, 2022.
[24] E. S. Pasinggi, “Deteksi Kematangan Buah Kopi Menggunakan Kombinasi Wiener Filter Dan You Only Look Once (Yolo) V8,” INFINITY: UKI Toraja Journal of Information Technology, vol. 5, no. 1, pp. 46–54, 2025.
[25] G. A. Pratama, E. Y. Puspaningrum, and H. Maulana, “Convolutional Neural Network dan faster region Convolutional Neural Network untuk klasifikasi kualitas biji kopi arabika,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, 2024.
[26] D. A. Nugraha and A. S. Wiguna, “Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis,” Res. Comput. Inf. Syst. Technol. Manag, vol. 3, no. 1, p. 24, 2020.
[27] D. A. Nugraha and A. S. Wiguna, “Klasifikasi tingkat roasting biji kopi menggunakan jaringan syaraf tiruan backpropagation berbasis citra digital,” SMARTICS Journal, vol. 4, no. 1, pp. 1–4, 2018.
[28] I. Muslem R, “Prototype Aplikasi Device Controlling Berbasis Internet of Things,” Jurnal Variasi, vol. 11, no. 2, pp. 32–35, 2019.
[29] E. Firliza, I. Muslem, and H. Gustami, “Monitoring Kualitas Tanah pada Tanaman Cabai Rawit Menggunakan Sensor Soil Moisture dan Sensor pH Tanah Berbasis IoT,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 67–74, Feb. 2026, doi: 10.51179/ilka.v3i1.28.
[30] I. Muslem, I. Irvanizam, A. Almuzammil, and F. Johar, “Adaptive Heuristic-Based Ant Colony Optimization for Multi-Constraint University Course Timetabling with Morning Slot Preference for Energy Efficiency,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 6, pp. 5930–5943, Jan. 2026, doi: 10.52436/1.jutif.2025.6.6.5588.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Ilmu Komputer Aceh
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini adalah jurnal akses terbuka yang menyediakan akses langsung secara nasional, bebas hambatan ke teks lengkap dari semua artikel yang diterbitkan tanpa biaya pembaca atau institusi mereka untuk mengaksesnya. Pembaca berhak membaca, mengunduh, menyalin, mendistribusikan, mencetak, mencari, atau menautkan teks lengkap semua artikel di Jurnal ILKA. Jurnal ini memberikan akses terbuka langsung ke kontennya dengan prinsip bahwa membuat penelitian tersedia secara bebas untuk publik mendukung pertukaran pengetahuan global yang lebih besar.
