Abstract:
Penelitian ini mengkaji klasifikasi cacat pada biji kopi Arabika menggunakan metode
K-Nearest Neighbor (KNN) di Koperasi Usaha Tani Gayo, Aceh Tengah. Kopi Arabika,
dengan nilai ekonomis tinggi, sering kali dinilai secara subyektif oleh petani menggunakan
indra manusia, yang kurang efektif. Oleh karena itu, penelitian ini menggunakan metode KNN
untuk meningkatkan akurasi klasifikasi cacat biji kopi. Metode KNN, yang merupakan
algoritma supervised, mengklasifikasikan objek berdasarkan kategori tetangga terdekatnya.
Penelitian ini menggunakan citra digital berwarna yang diolah dengan web-tools Teachable
Machine dan dataset MNIST. Dataset ini dibagi menjadi tiga bagian: pelatihan, validasi, dan
pengujian. Gambar cacat biji kopi diklasifikasikan ke dalam 16 kelas, seperti Full Sour Bean,
Full Black Bean, dan lainnya. Evaluasi menunjukkan bahwa model KNN memiliki akurasi
tinggi dalam klasifikasi cacat biji kopi, meskipun membutuhkan waktu komputasi yang
signifikan. Hasil penelitian diimplementasikan dalam aplikasi mobile berbasis Flutter dan
bahasa pemrograman Dart, yang mempermudah proses klasifikasi cacat biji kopi Arabika di Koperasi Tani Gayo, meningkatkan kualitas dan efisiensi penentuan biji kopi.
