Pengembangan Model Segmentasi dan Klasifikasi pada Uji Belah Biji Kakao Terfermentasi

Tulsi, Ahmad Avatar and Dr.Agr.Sc. Dimas Firmanda Al Riza, ST., M.Sc and Darmanto, ST., MT (2023) Pengembangan Model Segmentasi dan Klasifikasi pada Uji Belah Biji Kakao Terfermentasi. Sarjana thesis, Universitas Brawijaya.

Abstract

Kakao termasuk salah satu komoditas ekspor yang cukup penting sebagai penghasil devisa negara. Berdasarkan data dari Badan Pusat Statistik (BPS) Indonesia adalah negara produsen dan eksportir kakao terbesar ketiga di dunia setelah Ghana dan Pantai Gading. Sebesar 80% produksi kakao Indonesia diekspor ke dalam pasar internasional. Namun, kualitas kakao Indonesia sangat rendah ketika diekspor karena biji kakao tidak difermentasi terlebih dahulu dan jumlah tersebut sebesar 85% dari produksi kakao nasional. Biji kakao tersebut dinilai berada di tingkat 3 dan 4. Teknologi berperan meningkatkan kualitas agar memenuhi SNI salah satunya dengan model prediksi menggunakan metode deep learning. Model yang dikembangkan dapat mengklasifikasikan tingkat fermentasi biji kakao menjadi 3 kategori, yaitu well-fermented, partly brown, dan partly purple. Uji indeks fermentasi dilakukan untuk memvalidasi klasifikasi dari tingkat fermentasi biji kakao. Model deep learning dilatih menggunakan data yang teraugmentasi dengan tujuan memberikan sampel gambar yang lebih banyak dan beragam, sehingga model memiliki performa yang baik. Model dilatih menggunakan ukuran model yang berbeda, yaitu yolov8n, yolov8s, dan yolov8m. Ukuran gambar yang digunakan juga bervariasi, yaitu 128×128, 256×256, 320×320, 448×448, 512×512, dan 640×640. Untuk mendapatkan model terbaik dilakukan konfigurasi hyperparameter dengan kombinasi optimizer, learning rate, dan epoch yang berbeda. Model terbaik diraih oleh Yolov8m yang dilatih dengan ukuran gambar 640×640 menggunakan optimizer NAdam dengan learning rate 0.00001 selama 200 epoch. Akurasi model berupa nilai AP50, yaitu 0,87 pada data train dan 0,72 pada data test.

English Abstract

Cocoa is one of the most important export commodities as a foreign exchange earner. Based on data from the Central Statistics Agency (BPS), Indonesia is the third largest cocoa producer and exporter in the world after Ghana and Ivory Coast. 80% of Indonesia's cocoa production is exported to the international market. However, the quality of Indonesian cocoa is very low when exported as the beans are not fermented and this is about 85% of the cocoa production. Technology plays a role in improving the quality to comply the SNI, which can prediction model using the deep learning method. The developed model can classify the fermentation level of cocoa beans into 3 categories, which are wellfermented, partly brown, and partly purple. A fermentation index test was conducted to validate the classification of the fermentation level of cocoa beans. The deep learning model is trained using augmented data with the aim of providing more and diverse image samples, so that the model performs well. The model was trained using different model sizes, namely yolov8n, yolov8s, and yolov8m. The image sizes used also vary, namely 128×128, 256×256, 320×320, 448×448, 512×512, and 640×640. To get the best model, the hyperparameter configuration is done with different combinations of optimizer, learning rate, and epoch. The best model was achieved by Yolov8m trained with 640×640 image size using NAdam optimizer with learning rate 0.00001 for 200 epochs. The accuracy of the model is in the form of AP50 values, which are 0.87 on train data and 0.72 on test data.

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	Biji Kakao, Fermentasi, Deep Learning, Hyperparameter-Cocoa Beans, Fermentation, Deep Learning, Hyperparameter
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	Unnamed user with email y13w@ub.ac.id
Date Deposited:	09 Jan 2024 08:39
Last Modified:	09 Jan 2024 08:39
URI:	http://repository.ub.ac.id/id/eprint/206901

Text (DALAM MASA EMBARGO) AHMAD AVATAR TULSI.pdf Restricted to Registered users only until 31 December 2025. Download (4MB)

Actions (login required)

View Item