<![CDATA[Ketepatan pemanenan buah kopi sangat menentukan kualitas biji kopi yang dihasilkan. Namun, metode manual yang masih banyak digunakan petani sering menghasilkan ketidakkonsistenan dan memerlukan waktu yang relatif lama. Penelitian ini bertujuan untuk merancang dan mengembangkan alat deteksi kematangan buah kopi Arabika berbasis Arduino menggunakan sensor warna TCS3200 dan algoritma k-Nearest Neighbor (k-NN). Sensor TCS3200 digunakan untuk membaca nilai RGB buah kopi, yang kemudian diklasifikasikan menjadi tiga tingkat kematangan, yaitu mentah, setengah matang, dan matang. Penelitian ini menggunakan 300 sampel sebagai data latih dan 150 sampel sebagai data uji, dengan evaluasi kinerja menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa nilai k optimal adalah k = 20, yang memberikan keseimbangan antara bias dan varians serta menghasilkan tingkat kesalahan yang lebih rendah dibandingkan nilai k lainnya. Model yang dihasilkan mencapai akurasi 81,33%, presisi rata-rata 81,42%, recall 81,33%, dan F1-score 81,36%. Penelitian berpotensi memberikan kontribusi terhadap pengembangan teknologi pertanian presisi melalui integrasi sensor warna dan pengolahan data berbasis Python untuk mendeteksi kematangan buah kopi secara akurat dan efisien.]]>
Copyrights © 2026
