Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Kematangan Buah Durian berdasarkan Kadar Alkohol, Berat, dan Dimensi menggunakan Metode SVM berbasis Embedded System Angsar, Mohamad Rinaldi; Syauqy, Dahnial; Shaffan, Nur Hazbiy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu jenis buah khas yang dapat dijumpai di Indonesia adalah durian. Buah durian ini mengandung nutrisi yang sangat baik untuk kesehatan tubuh. Tak hanya itu, durian juga memiliki nilai jual yang tinggi, sehingga para calon pembeli perlu memiliki keahlian khusus dalam memilih durian yang sudah masak. Buah durian memiliki beberapa parameter yang dapat digunakan untuk menilai tingkat kematangannya, dan salah satu indikator kematangan yang penting adalah senyawa volatil. Senyawa volatil pada durian mencakup berbagai jenis senyawa, seperti senyawa sulfur, ester, alkohol (etanol), keton, dan asam. Keberadaan senyawa inilah yang memberikan aroma khas pada buah durian yang sudah matang. Meskipun demikian, penilaian kematangan berdasarkan aroma memiliki kelemahan. Dalam perkembangan teknologi saat ini, kehadiran teknologi essence dapat dianggap sebagai suatu kelemahan untuk metode pendeteksian kematangan durian melalui aroma. Parameter lain yang dapat menilai kematangan buah durian adalah berat jenis. Namun tidak adanya sensor yang dapat menilai berat jenis, maka komponen penyusun berat jenis akan digunakan. Komponen itu ialah berat dan dimensi. Karena menilai parameter tersebut menjadi suatu tugas yang sulit bagi manusia, deteksi tingkat kematangan buah durian memerlukan dukungan teknologi dan alat khusus. untuk mengklasifikasikan tingkat kematangan buah durian dengan memanfaatkan kolaborasi dari tiga parameter utama, yaitu kadar alkohol, berat, dan dimensi buah durian. Informasi mengenai tingkat kematangan dihasilkan melalui pengukuran parameter oleh sensor MQ-3, sensor load cell, dan sensor ultrasonik yang terhubung dengan mikrokontroler Arduino Uno. Selanjutnya, nilai-nilai tersebut akan diolah menggunakan metode klasifikasi Support Vector Machine (SVM). Dalam pengujian sistem, akurasi hasil klasifikasi tingkat kematangan buah durian berdasarkan kadar alkohol, berat, dan dimensi menggunakan metode SVM yang terintegrasi dengan sistem embedded, berhasil mencapai tingkat akurasi sebesar 93,33% saat diuji dengan 30 data uji.