Smart IoT Alat Pendeteksi Kemanisan Buah Nanas

Dwi Vernanda, Tri Herdiawan Apandi, Nunu Nugraha Purnawan, Zatin Niqotaini

Abstract


Buah nanas merupakan salah satu hasil pertanian yang kaya akan kandungan vitamin dan mineral, Kabupaten Subang merupakan daerah terbesar penghasil buah nanas di Provinsi Jawa Barat. Perlunya menjaga kualitas buah nanas sehingga dapat memenuhi kebutuhan pasar dan industri, salah satu yang mempengaruhi kualitas buah nanas yaitu tingkat kemanisanya. Saat ini buah nanas yang dihasilkan oleh Kbupaten Subang didistribusikan ke supermarket, industri pengolahan buah nanas, dan pasar tradisional. Untuk memilah buah nanas sesuai dengan kebutuhan pasar yaitu tingkat kemanisan yang berbeda, para petani dan penjual memilah secara manual dan subjektif yaitu dengan melihat warna kulit buah nanas dan mencium aroma. Hal ini tentu hasil yang didapatkan menjadi tidak akurat dan membutuhkan waktu yang lama. Penelitian ini akan menyelesaikan permasalahan yaitu dengan Smart IoT Alat Pendeteksi Kemanisan Buah Nanas, adanya Smart IoT ini para petani dan penjual dapat mengetahui tingkat kemanisan buah nanas tanpa harus merusak dan menguji satu persatu buah nanas yang mana hal ini termasuk dalam pemborosan dan membutuhkan waktu yang lama. Smart IoT yang dibuat menggunakan Arduino Uno R3 dan Sensor TCS2300, selanjutnya dari data sampel yang telah diambil diklasifikasikan menggunakan algoritma KNN dan memperoleh nilai akurasi sebesar 72%. Buah nanas diklasifikasikan menjadi tiga kelas yaitu tingkat kemanisan A dengan brix 14-17, tingkat kemanisan B nilai brix 10-13, dan tingkat kemanisan C nilai brix kurang dari 10. Untuk memudahkan pengguna yaitu petani dan penjual maka dibangun sebuah website yang dapat memudahkan dalam pengklasifikasian buah nanas.


Keywords


Klasifikasi, KNN, Nanas, Smart IoT, Website

Full Text:

PDF

References


S. Gupta and A. K. Tripathi, “Fruit and vegetable disease detection and classification: Recent trends, challenges, and future opportunities,” Eng. Appl. Artif. Intell., vol. 133, p. 108260, 2024, doi: https://doi.org/10.1016/j.engappai.2024.108260.

J. F. Restrepo-Arias, J. W. Branch-Bedoya, and G. Awad, “Image classification on smart agriculture platforms: Systematic literature review,” Artif. Intell. Agric., vol. 13, pp. 1–17, 2024, doi: https://doi.org/10.1016/j.aiia.2024.06.002.

D. Vernanda, N. Nugraha Purnawan, T. Herdiawan Apandi, P. Negeri Subang, and J. Brigjen Katamso No, “ANALISIS DATA UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH NANAS MENGGUNAKAN SVM,” J. Ilm. Ilmu dan Teknol. Rekayasa |, vol. 4, 2022, doi: 10.31962/jiitr.vvii.67.

N. A. Prasetyo, A. Surtono, J. Junaidi, and G. A. Pauzi, “Sistem Identifikasi Tingkat Kematangan Buah Nanas Secara Non-Destruktif Berbasis Computer Vision,” J. Energy, Mater. Instrum. Technol., vol. 2, no. 1, pp. 1–10, 2021, doi: 10.23960/jemit.v2i1.26.

V. C. Wijaya and F. Utaminingrum, “Deteksi Tingkat Kemanisan Buah Melon melalui Ekstraksi Fitur Local Binary Pattern dengan Klasifikasi K-NN berbasis Raspberry Pi 4,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 1, pp. 52–57, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

S. Ditcharoen et al., “Improving the non-destructive maturity classification model for durian fruit using near-infrared spectroscopy,” Artif. Intell. Agric., vol. 7, pp. 35–43, 2023, doi: 10.1016/j.aiia.2023.02.002.

Y. Wei, L. Cai, H. Fang, and H. Chen, “Fruit recognition and classification based on tactile information of flexible hand,” Sensors Actuators A Phys., vol. 370, p. 115224, 2024, doi: https://doi.org/10.1016/j.sna.2024.115224.

H. S. Gill, G. Murugesan, A. Mehbodniya, G. Sekhar Sajja, G. Gupta, and A. Bhatt, “Fruit type classification using deep learning and feature fusion,” Comput. Electron. Agric., vol. 211, p. 107990, 2023, doi: https://doi.org/10.1016/j.compag.2023.107990.

M. A. N. D. Sewwandi, Y. Li, and J. Zhang, “A class-specific feature selection and classification approach using neighborhood rough set and K-nearest neighbor theories,” Appl. Soft Comput., vol. 143, p. 110366, 2023, doi: https://doi.org/10.1016/j.asoc.2023.110366.

M. Keramat-Jahromi, S. S. Mohtasebi, H. Mousazadeh, M. Ghasemi-Varnamkhasti, and M. Rahimi-Movassagh, “Real-time moisture ratio study of drying date fruit chips based on on-line image attributes using kNN and random forest regression methods,” Measurement, vol. 172, p. 108899, 2021, doi: https://doi.org/10.1016/j.measurement.2020.108899.

T. Akter et al., “A comprehensive review of external quality measurements of fruits and vegetables using nondestructive sensing technologies,” J. Agric. Food Res., vol. 15, p. 101068, 2024, doi: https://doi.org/10.1016/j.jafr.2024.101068.

L. Sandi and A. Pramadjaya, “Smart IOT Alat Pemilah Kematangan Buah Jambu Biji,” in Prosiding SENANTIAS: Seminar Nasional Hasil Penelitian dan PkM, 2024, pp. 41–48.


Refbacks

  • There are currently no refbacks.