PENGEMBANGAN SISTEM GRADING BUAH TOMAT SECARA REAL TIME BERBASIS INTERNET OF THINGS (IoT)

Hafis, Ariza Putra (2023) PENGEMBANGAN SISTEM GRADING BUAH TOMAT SECARA REAL TIME BERBASIS INTERNET OF THINGS (IoT). Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (267kB)
	Text (BAB I Pendahuluan) BAB I Pendahuluan.pdf - Published Version Download (450kB)
	Text (BAB V Kesimpulan dan Saran) BAB V Kesimpulan dan Saran.pdf - Published Version Download (254kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (353kB)
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Identifikasi kematangan buah tomat biasanya dengan melihat warnanya, yaitu warna hijau untuk buah tomat yang masih mentah, warna kuning atau orange untuk tomat yang setengah matang dan warna merah untuk tomat yang telah matang. Pada umumnya proses grading buah tomat menggunakan tenaga manusia berdasarkan pengamatan langsung pada visual buah tomat. Kelemahan dari proses grading secara manual ini adalah hasilnya tidak konsisten karena dipengaruhi oleh subjektifitas pekerja serta kurangnya efektifitas dan manajemen data, untuk itu dibutuhkanlah alat grading yang berbasis Internet of Things (IoT) agar tomat yang dihasilkan menjadi seragam dan data pengamatan dapat disimpan. Tujuan dari penelitian ini adalah merancang sistem grading buah tomat secara real time berbasis (IoT), merancang sistem kontrol, melakukan kalibrasi sensor dan melakukan uji kinerja alat. Penelitian ini menggunakan 3 buah sensor warna TCS3200 yang bertujuan untuk pengambilan nilai warna pada sumbu yang saling tegak lurus a (major), b (intermediate) dan c (minor). Sensor warna TCS3200 membaca nilai warna buah tomat, hasil pengukuran dikirim ke Arduino Uno untuk menentukan kematangan. Data disimpan di MySQL melalui modul WiFi ESP8266, dan pengguna dapat mengakses data melalui aplikasi Android Studio. Hasil kalibrasi hampir mendekati akurat karena nilai R2 pada red 0,9933, green 0,9871, dan blue 0,8835. Hasil uji kinerja didapatkan persentase penentuan kelas sebesar 94,67% maka alat tersebut dapat dianggap cukup akurat dalam melakukan pengukuran dengan persentase error sekitar 5,33%.

Actions (login required)

View Item