<![CDATA[Jamu, minuman yang sudah ada sejak ada dahulu kala dan sudah menjadi warisan turun temurun, masyarakat juga percaya bahwa jamu tidak hanya menjaga kesehatan, namun dapat menyembuhkan penyakit, di Indonesia pengetahuan tentang minuman jamu belum sepenuhnya merata. Perancangan sistem ini menggunakan platform Arduino UNO, sensor TCS3200, dan sensor LDR. Penelitian ini menggunakan metode K-Nearest Neighbor untuk metode klasifikasi yang akan menentukan kelas yang akan diuji nantinya. Masukan dari alat klasifikasi ini adalah dari minuman jamu yang diambil nilai R, G, B, dan kecerahan cahayanya, masing-masing fitur nantinya diambil dari sensor TCS3200 dan LDR. Jamu yang digunakan juga ada 2 jenis jamu yaitu Beras Kencur dan Kunir Asem. Penelitian ini menggunakan 20 data latih yang terdiri dari 10 Beras Kencur dan 10 Kunir Asem. Dari hasil pengujian mendapatkan hasil akurasi dari K=3, 5, 7, dan 9 yaitu 70%, 60%, 90%, dan 90%, lalu hasil akurasi dari semua K mencapai 80% total akurasinya menggunakan K-Nearest Neighbor, dari semua K yang menjadi K utama alat ini adalah menggunakan K=7 dengan akurasi 90% dan waktu komputasi yakni 88,6 ms yang bisa di kategorikan paling cepat. Error saat pengujian identifikasi jamu terjadi pada saat jamu memiliki warna dan kecerahan yang fiturnya tidak beda jauh, harapaannya alat identifikasi ini dapat memudahkan masyarakat awam atau berkebutuhan khusus dalam identififikasi jamu tanpa meminumnya.]]>
Copyrights © 2024
