Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri
Nurfauziah
Jurusan Pendidikan Teknik Elektronika, Fakultas Teknik, Universitas Negeri Makassar
Control & Systems Engineering Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Edge AI Menggunakan Neural Network pada Mesin Sortir Berbasis Arduino Wahyu Ramadhani Gusti; Nurfauziah
Jurnal Elektronika dan Otomasi Industri Vol. 13 No. 1 (2026): Jurnal Elkolind Vol. 13, No. 1, 2026 (Mei 2026)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v13i1.9587

Abstract

Penelitian ini membahas penerapan Edge Artificial Intelligence berbasis neural network pada sistem klasifikasi warna menggunakan sensor TCS3200 dan mikrokontroler Arduino. Penelitian didasari oleh kebutuhan akan sistem klasifikasi warna yang mampu bekerja secara mandiri, akurat, dan real-time pada perangkat embedded system dengan keterbatasan sumber daya komputasi. Tujuannya adalah merancang dan mengimplementasikan model Artificial Neural Network yang ringan namun andal untuk melakukan klasifikasi warna secara langsung di sisi perangkat (edge). Metode yang digunakan meliputi pengambilan dataset warna RGB, normalisasi data agar sesuai dengan fungsi aktivasi sigmoid, serta pelatihan model Multilayer Perceptron (MLP) menggunakan algoritma backpropagation. Arsitektur jaringan terdiri dari tiga neuron input (R, G, B), dua hidden layer dengan masing-masing 12 dan 8 neuron, serta lima neuron output yang merepresentasikan kelas warna. Proses pelatihan dilakukan menggunakan 100 data latih dengan learning rate sebesar 0,1 dan menghasilkan nilai Mean Squared Error (MSE) sebesar 0,0099. Evaluasi sistem menggunakan 50 data uji menunjukkan tingkat akurasi klasifikasi mencapai 100% pada seluruh kelas warna. Hasil penelitian ini menunjukkan bahwa pendekatan Edge AI berbasis neural network efektif diterapkan pada sistem klasifikasi warna berbasis embedded system dengan performa yang stabil dan andal.
Co-Authors Wahyu Ramadhani Gusti