[12 Juni 2025], Proses sangrai kopi merupakan tahap penting yang sangat menentukan kualitas akhir dari secangkir kopi, mulai dari rasa, aroma, hingga tingkat keasaman. Selama ini, penentuan tingkat sangrai masih banyak dilakukan secara manual melalui pengamatan visual maupun pengalaman penyeduh kopi. Namun, cara tradisional ini bersifat subjektif, memakan waktu, dan berisiko menimbulkan inkonsistensi. Seiring berkembangnya teknologi kecerdasan buatan, machine learning dan deep learning mulai dimanfaatkan untuk meningkatkan akurasi sekaligus mempercepat klasifikasi tingkat sangrai. Penerapan teknologi ini menawarkan solusi otomatis yang mampu menghasilkan penilaian lebih objektif dan konsisten, sekaligus membantu industri kopi menjaga standar mutu yang lebih tinggi.

Klasifikasi tingkat sangrai kopi dilakukan dengan memanfaatkan analisis citra dan algoritma machine learning. Dataset yang digunakan terdiri dari ribuan citra kopi dengan empat kategori tingkat sangrai, yaitu hijau, light, medium, dan dark. Setiap gambar melalui tahap praproses seperti normalisasi, pengubahan ukuran, serta augmentasi pencahayaan untuk memastikan model mampu mengenali variasi kondisi nyata. Beberapa algoritma diterapkan untuk membandingkan performa, di antaranya convolutional neural network (CNN) dengan arsitektur Xception, Support Vector Machine (SVM), Random Forest (RF), serta AdaBoost. CNN digunakan sebagai model utama karena keunggulannya dalam mendeteksi pola visual kompleks, sementara model machine learning tradisional digunakan sebagai pembanding. Evaluasi dilakukan dengan mengukur akurasi, precision, recall, F1-score, dan analisis confusion matrix.

Hasil klasifikasi menunjukkan kinerja luar biasa. CNN berbasis Xception mampu mencapai akurasi 100% dalam membedakan empat tingkat sangrai kopi, didukung pula oleh hasil cross-validation yang konsisten. Model tradisional seperti SVM dan RF juga memperlihatkan performa setara ketika dipadukan dengan teknik ekstraksi fitur dari InceptionV3, menghasilkan klasifikasi tanpa kesalahan. Hasil ini membuktikan bahwa baik deep learning maupun machine learning dapat diandalkan untuk klasifikasi sangrai kopi, terutama bila didukung oleh dataset berkualitas tinggi. Temuan ini juga sejalan dengan studi sebelumnya, namun memberikan keunggulan signifikan dibanding metode manual yang rentan subjektivitas. CNN terbukti unggul karena mampu menangkap detail tekstur, warna, dan pola halus pada biji kopi yang sulit dibedakan dengan mata manusia. Meski demikian, ada tantangan terkait penerapan di lapangan, mengingat data yang digunakan bersumber dari kondisi terkontrol. Variasi varietas, metode proses, serta kondisi pencahayaan nyata dapat memengaruhi performa sistem sehingga diperlukan pengujian lebih luas untuk memastikan skalabilitasnya.

Penerapan machine learning dan deep learning untuk klasifikasi tingkat sangrai kopi menghadirkan terobosan penting bagi industri kopi. Sistem berbasis CNN maupun algoritma pembanding terbukti mampu memberikan hasil yang akurat, cepat, dan konsisten dibandingkan metode tradisional. Dengan dukungan teknologi ini, produsen kopi dapat meningkatkan kualitas pengendalian mutu, mengurangi ketergantungan pada penilaian subjektif, dan mempercepat proses produksi. Otomatisasi klasifikasi sangrai kopi tidak hanya meningkatkan efisiensi tetapi juga mendukung standar kualitas yang lebih merata di berbagai skala industri kopi.

Referensi

• Ernesto, R., Rivas, G. (2025). Automated Coffee Roast Level Classification Using Machine Learning and Deep Learning Models. 1–11. https://doi.org/10.1111/1750-3841.70532.