ANALISA SISTEM KONSUMSI GAS PADA PROSES ROASTING KOPI MENGGUNAKAN MACHINE LEARNING UNTUK MENENTUKAN STANDAR PEMAKAIAN GAS PROFIL ROASTING

Abstrak

Proses roasting kopi merupakan tahap penting dalam menghasilkan cita rasa kopi yang optimal. Setiap proses roasting kopi selalu ada perbedaan parameter yang biasa disebut dengan profil roasting. Salah satu tantangan utama dalam proses ini adalah menentukan konsumsi gas yang efisien untuk berbagai profil roasting, seperti light roast, medium roast, dan dark roast. Penelitian ini bertujuan untuk mengembangkan model prediksi konsumsi gas dengan membandingkan algoritma Liniear Regression dan Random Forest, berdasarkan parameter suhu, waktu, dan berat biji kopi. Data yang digunakan dalam penelitian ini dikumpulkan dari pengamatan langsung pada mesin roasting kopi dengan berbagai skenario parameter roasting. Model yang dikembangkan dievaluasi menggunakan metrik seperti Mean Squared Error (MSE) dan R-squared (R²), antara model Liniear Regression dan Random Forest untuk menunjukkan tingkat akurasi yang tinggi dalam memprediksi konsumsi gas. Hasil penelitian menunjukkan bahwa model Random Forest mampu memberikan rekomendasi standar pemakaian gas yang optimal untuk setiap profil roasting dikarenakan hasil evaluasi lebih bagus dari pada Liniear Regression, sehingga dapat membantu industri kopi meningkatkan efisiensi energi dan mengurangi biaya operasional. Implementasi model ini juga dapat diintegrasikan ke dalam dashboard berbasis web untuk mempermudah pengguna dalam mengakses prediksi konsumsi gas secara real-time dan menentukan standar pemakaian gas dari setiap profil roasting.