<![CDATA[Proses pembersihan beras secara manual masih menghadapi kendala dalam menjaga konsistensi kualitas dan efisiensi produksi. Sistem otomatis berbasis sensor yang ada umumnya hanya berfungsi untuk pemantauan tanpa kemampuan prediksi kuantitatif, sehingga diperlukan integrasi multi-sensor dan model prediktif pada perangkat keras berbiaya rendah. Penelitian ini bertujuan merancang dan mengevaluasi Sistem Penyaring Beras Otomatis berbasis ESP32 yang terintegrasi dengan algoritma Random Forest Regression (RFR) untuk memprediksi efisiensi pemisahan kotoran dan skor kualitas pembersihan secara simultan. Sistem memanfaatkan 20 fitur sensor yang berasal dari sensor LDR, sensor berat, DHT22, encoder RPM kipas, dan INA219. Dataset terdiri atas 3.000 rekaman, yaitu 600 data empiris hasil pengujian fisik pada rentang kapasitas 1–200 kg dan 2.400 data sintetik yang dihasilkan melalui augmentasi Gaussian Noise Injection. Data dibagi menjadi data latih dan data uji dengan rasio 80:20, kemudian dievaluasi menggunakan metrik koefisien determinasi (R²) dan Mean Absolute Error (MAE). Model menghasilkan R² = 0,7326 dan MAE = 2,067% untuk prediksi efisiensi, serta R² = 0,6825 dan MAE = 0,97 untuk prediksi kualitas. Pengujian fisik dilakukan pada kapasitas 1–200 kg, sedangkan kapasitas 201–1.000 kg dievaluasi menggunakan data sintetik hasil augmentasi. Keterbaruan penelitian terletak pada kemampuan memprediksi dua target numerik secara simultan dalam satu sistem berbasis ESP32 berbiaya rendah. Sistem berpotensi mendukung pengambilan keputusan otomatis untuk meningkatkan efisiensi dan kualitas pembersihan beras pada industri penggilingan padi skala kecil dan menengah.]]>
Copyrights © 2026
