BKG

Sandi, Govinda Dwi Kurnia (2020) Sistem Pendeteksi Kesegaran Ikan Bandeng Berdasarkan Bau Dan Warna Daging Berbasis Sensor Mq135 Dan Tcs3200 Dengan Metode Naïve Bayes. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Waktu penyimpanan sangat berpengaruh terhadap kesegaran ikan bandeng. Dalam proses penyimpanan dan pengolahan pada rumah tangga atau pedagang di pasar, masih dilakukan secara manual dan sering menyebabkan kesalahan dalam menentukan kesegaran ikan bandeng. Sehingga untuk mengatasi masalah tersebut dibuat penelitian ini yang merupakan sebuah sistem yang dapat mengidentifikasi tingkat kesegaran daging ikan bandeng secara otomatis dan cepat. Sistem menggunakan microkontroler arduino uno dengan menggunakan sensor gas dan sensor warna sebagai alat klasifikasi dalam menentukan kesegaran daging ikan. Fungsi dari dua sensor tersebut adalah, sensor gas MQ135 untuk mendeteksi amonia dan sensor warna TCS3200 untuk membaca warna RGB pada ikan bandeng. Dengan menggunakan data nilai amonia dan RGB dapat dilakukan klasifikasi yang menggunakan metode naive bayes. Pemililihan metode naïve bayes untuk melakukan klasifikasi jenis kesegaran ikan didasari karena metode ini merupakan salah satu metode klasifikasi yang sangat baik dimana kelas penggolongan jenis kesegaran ikan telah diketahui sejak awal. Pengujian terhadap sensor TCS3200 dilakukan beberapa kali, hasilnya didapatkan persentase error pembacaan sensor warna TCS3200 adalah sebesar 2,2% dan pengujian juga dilakukan terhadap sensor gas MQ135, hasilnya nilai korelasi pembacaan sensor gas MQ135 dengan tegangan keluarannya sebesar 99,22%. Pengujian terakhir adalah pengujian terhadap hasil klasifikasi dan waktu komputasi, pada pengujian sistem menggunakan metode Naive Bayes dengan jumlah data latih sebanyak 100 data dan data uji sebanyak 18 data, diperoleh akurasi sebesar 94,4% dan waktu komputaang diperoleh i rata-rata 2,7 detik.

English Abstract

Storage time is very important on the freshness of milkfish. In the process of storing and processing households or traders in the market, it is still done manually and often causes errors in determining the freshness of milkfish. So in order to overcome this problem, this research was made which is a system that can identify the level of freshness of milkfish meat automatically and quickly. The system uses the Arduino Uno micro controller by using gas sensors and color sensors as a classification tool in determining the freshness of fish meat. The function of the two sensors is the MQ135 gas sensor to detect ammonia and the TCS3200 color sensor to read RGB colors in milkfish. By using ammonia and RGB value data can be classified using the Naive Bayes method. Election of the naïve bayes method to classify the types of fish freshness is based on this method is one of the very good classification methods where the class of classification of types of freshness of fish has been known from the beginning. Tests on the TCS3200 sensor were carried out several times, the results showed that the error percentage reading of the TCS3200 color sensor was 2.2% and the test was also carried out on the MQ135 gas sensor. The result was a correlation value of the MQ135 gas sensor reading with an output voltage of 99.22%. The last test is testing the results of classification and computation time, on the system testing using the Naive Bayes method with the number of training data as many as 100 data and test data as many as 18 data, obtained an accuracy of 94.4% and computational time obtained i on average 2,7 seconds.

Other Language Abstract

-

Item Type: Thesis (Sarjana)
Identification Number: SKR/FILKOM/2020/49/052003011
Uncontrolled Keywords: Kesegaran ikan, MQ135, TCS3200, Naive Bayes, freshness of fish, MQ135, TCS3200, Naive Bayes
Subjects: 600 Technology (Applied sciences) > 639 Hunting, fishing & conservation > 639.3 Culture of cold-blooded vertebrates > 639.37 Culture of amphibians and specific kinds of fishes > 639.375 Culture of specific kinds of fishes (Protacanthopterygii)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono
URI: http://repository.ub.ac.id/id/eprint/180532
Text
Govinda Dwi Kurnia Sandi.pdf

Download | Preview

Actions (login required)

View Item View Item