Klasifikasi Tingkat Kematangan Buah Kopi Arabica Gayo Menggunakan Vision Transformer

Kualitas kopi arabika Gayo sangat dipengaruhi oleh ketepatan dalam menentukan tingkat kematangan buah saat proses sortasi. Proses manual yang masih digunakan cenderung bersifat subjektif dan kurang konsisten, terutama dalam membedakan buah setengah matang yang memiliki karakteristik visual transisi. Oleh karena itu, diperlukan sistem otomatis berbasis citra untuk meningkatkan akurasi klasifikasi. Penelitian ini bertujuan mengklasifikasikan tingkat kematangan buah kopi menggunakan Vision Transformer dengan pendekatan self-supervised learning. Dataset terdiri dari 2.400 citra yang diproses melalui tahap preprocessing, ekstraksi fitur menggunakan DINOv3, dan clustering dengan Fuzzy C-Means menjadi tiga kelas: mentah, setengah matang, dan matang. Hasil evaluasi menunjukkan kualitas cluster yang cukup dengan Silhouette Score 0,2305, Davies-Bouldin Index 1,7560, dan FPC 0,3996. Pada tahap klasifikasi, model mencapai akurasi 92% dengan performa terbaik pada kelas mentah dan matang, sementara kelas setengah matang memiliki recall lebih rendah (0,81) akibat karakteristik visual yang ambigu.