CQIS (Coffee Quality Inspection System)
Coffee Quality Inspection System
Perusahaan
UIN Raden Intan Lampung
Tahun
2026
Kategori
Mobile Computer Vision & Expert System
Peran
Software & AI Engineer
Tinjauan
Industri kopi di Indonesia membutuhkan standardisasi mutu yang akurat dan efisien untuk bersaing di pasar global. Saat ini, inspeksi cacat fisik biji kopi masih dilakukan secara manual yang rentan terhadap bias subjektivitas dan kelelahan mata penguji.
Sebagai peneliti dan pengembang utama, peran saya adalah merancang dan membangun arsitektur sistem kecerdasan buatan dari hulu ke hilir (end-to-end). Solusi yang dihasilkan adalah CQIS (Coffee Quality Inspection System), sebuah aplikasi mobile pintar berbasis Computer Vision yang mampu mendeteksi dan mengklasifikasikan 20 jenis cacat fisik biji kopi sesuai dengan Standar Nasional Indonesia (SNI 01-2907-2008). Proyek ini dikembangkan secara mandiri dengan mengolaborasikan berbagai tumpukan teknologi, mengintegrasikan keahlian di bidang rekayasa perangkat lunak mobile, pemrosesan citra digital, hingga manajemen infrastruktur server.
CQIS dilengkapi dengan fitur pemindaian kamera real-time menggunakan model Deep Learning YOLOv11, pemetaan dinamis kategori ukuran melalui pendekatan heuristik rasio poligon, sistem manajemen dataset terintegrasi (Data Flywheel), dan panel admin web untuk pemantauan data inspeksi. Kontribusi utama dari sistem ini terletak pada kemampuannya untuk mengonversi kriteria SNI yang bersifat deskriptif ke dalam parameter matematis geometris, sehingga mesin AI dapat memberikan penilaian yang konstan, tidak bias jarak kamera (distance invariant), dan sangat akurat.
Pengembangan aplikasi ini menerapkan praktik rekayasa perangkat lunak modern, termasuk pemisahan arsitektur Frontend (Flutter) dan Backend API (Python), penggunaan Supabase untuk Cloud Database dengan dukungan fallback SQLite untuk mode offline, serta deployment pada VPS Linux. Pada akhirnya, CQIS bukan sekadar prototipe, melainkan produk digital siap pakai yang meletakkan fondasi digitalisasi standardisasi mutu, mendorong efisiensi rantai pasok, dan memperkuat objektivitas kopi Indonesia di mata dunia.
Tech Stack
Frontend & Mobile: Flutter (Dart), React, TypeScript
Backend & AI: Python, FastAPI, Ultralytics YOLOv11, OpenCV, PyTorch, NumPy
Database: SQLite, Supabase
Tujuan
- Menerjemahkan 20 kriteria cacat fisik SNI 01-2907-2008 ke dalam logika matematis Computer Vision (YOLOv11) melalui kalkulasi rasio poligon yang kebal terhadap jarak bidik kamera.
- Menghadirkan alat bantu inspeksi kopi yang sepenuhnya menghilangkan bias subjektivitas manusia demi menghasilkan penilaian (grading) yang konsisten, objektif, dan terstandardisasi secara nasional.
- Menciptakan antarmuka aplikasi mobile yang intuitif dengan fitur pemindaian kamera satu ketukan agar sangat mudah dioperasikan oleh petani maupun penguji mutu awam di lapangan.
- Mengimplementasikan sistem Data Flywheel pada Admin Web guna mengekspor riwayat dataset secara otomatis, memastikan model AI dapat terus dilatih agar semakin cerdas.
- Merancang arsitektur sistem hybrid yang tangguh antara Backend, Cloud, dan fallback memori lokal (SQLite) guna menjamin keandalan aplikasi di segala situasi.
Galeri Proyek
Sekilas tampak tentang proyek ini