<![CDATA[Salah satu tahapan dalam proses pengelolaan hasil pertanian dan perkebunan ialah dengan melakukan pembagian terstruktur mengenai produk untuk menentukan kualitas hasil panen. Penyortiran dilakukan dengan melihat kualitas rona kulit, berat buah serta mengetahui jumlah satu kali panen. Kualitas buah naga ditentukan oleh berbagai parameter, antara lain umur dan kematangan (indeks warna), ukuran, dan berat buah. Sebagai salah satu komoditas yang disukai banyak orang, buah naga memerlukan proses sortasi (seleksi), karena pasar membutuhkan kondisi keseragaman buah naga. Seleksi biasanya dilakukan menurut prinsip pemisahan, seperti: bobot yang berbeda, bentuk yang berbeda, sifat permukaan yang berbeda, berat jenis yang berbeda, tekstur warna yang berbeda dan kematangan yang berbeda. Dalam proses penyortiran manual, manusia memiliki kelemahan dalam melakukan tugas sensorik dengan kapasitas besar dan jam kerja yang Panjang. Berangkat dari permasalahan tersebut penulis tertarik untuk membuat alat yaitu Machine Learning Penyortiran Buah Naga Berbasis Internet of Things Menggunakan Algoritma K- Means Pada Platform Blynk. Metodologi yang digunakan penulis diantaranya Studi pustaka, dokumentasi, data mining, analisa sistem, perancangan sistem, pembuatan sistem, pengujian sistem. Machine Learning Penyortiran Buah Naga Berbasis Internet of Things Menggunakan Algoritma K- Means Pada Platform Blynk yang penulis kerjakan dapat berhasil terealisasikan menggunakan sensor Load Cell untuk menghitung berat dan sensor TCS230 untuk menentukan warna. Serta sensor TCS3200 dapat mendeteksi warna dengan baik. Data yang didapat oleh alat dapat diklasterisasi menggunakan Algoritmaa K-Means dengan benar sebanyak 7 iterasi dengan nilai BCV=2096,84, WCV=442563,35, Rasio=211.]]>
