Putri, Linda Silvya (2018) Klasifikasi Minyak Goreng Berdasarkan Frekuensi Penggorengan Menggunakan Metode K-Nearest Neighbor Berbasis Raspberry Pi. Sarjana thesis, Universitas Brawijaya.
Abstract
Minyak goreng sangat sering digunakan oleh masyarakat sebagai bahan baku untuk menggoreng bahan pangan. Minyak goreng merupakan penghantar panas yang baik. Terdapat beberapa jenis minyak salah satunya merupakan minyak nabati. Minyak nabati mengandung asam lemak esensial, seperti asam linoleat, asam lenolenat dan arakidonat yang memiliki kegunaan untuk mencegah penyempitan pada pembuluh darah yang akan mengakibatkan penumpukan kolestrol. Masih banyak para pedagang dan ibu rumah tangga yang menggunakan minyak goreng untuk menggoreng bahan pangan secara berulang sampai warna minyak berubah menjadi hitam pekat, bahwasanya minyak yang sudah digunakan secara berulang atau warna minyak berubah bisa menimbulkan berbagai macam penyakit. Minyak yang baik digunakan yaitu minyak yang digunakan satu kali penggorengan sampai maksimalnya tiga kali penggorengan, dikarenakan jika minyak yang digunakan berkali – kali akan membuat ikatan rangkap minyak teroksidasi dan membentuk gugus peroksida dan monomer siklik, dan akan terkandung asam lemak trans. Dari permasalahan tersebut, maka diperlukan sebuah sistem yang dapat mengklasifikasi frekuensi penggunaan minyak goreng. Pada penelitian ini parameter yang diteliti pada minyak goreng yaitu dari warna dan kekeruhan. Untuk menentukan klasifikasi frekuensi penggorengan pada minyak goreng, untuk pendeteksian warna dari R(Red), G(Green), B(Blue) diperoleh dari hasil pembacaan kamera raspberry pi dan untuk kekeruhan diperoleh dari pembacaan Light Emitting Diode (LDR) oleh Raspberry Pi 3 dengan menggunakan metode K-Nearest Neighbor(K-NN). Dari hasil pengujian yang dilakukan diketahui persentase akurasi dari pembacaan R(Red), G(Green), B(Blue) pada kamera raspberry pi dengan sensor TCS3200 adalah sebesar R = 89,964%,, G = 86,139%, B = 82,293%. Pada pengujian sistem yang menggunakan metode KNN(K-Nearest Neighbor) dengan jumlah data latih 72 data dan data uji 30 data, diperoleh akurasi K=1 sebesar 73,33%, K=2 sebesar 73,33% , K=3 sebesar 73,33% dengan waktu komputasi sistem rata – rata selama 3,9ms.
English Abstract
Cooking oil is very often used by the people as stapel for frying food. Cooking oil is a good heat conveyor. There are several types of oil, one of which is vegetable oil. Vegetable oil contains essential fatty acid, such as linoleate acid, polyunsaturated fatty acid and arachidonic acid which have function to prevent constriction of blood vessel that will effect accumulation of cholesterol. There are still many traders and housewives who use cooking oil to fry food ingredients repetitively until the color of the oil turns into pitch black, that the oil that has been used repetitively or the color of the oil changing can cause various diseases. Oil that is good to be used is the oil used once frying up to three times frying, because if the oil is used repetitively, it will make the double bonds of oxidized oil, form peroxide groups and cyclic monomers, and will contain trans fatty acid. From these problems, it is necessary to have a system that can classify frequency of the use of cooking oil. In this study, the parameters studied in cooking oil are from color and turbidity. To determine classification of the frying frequency in cooking oil, for color detection of R (Red), G (Green), B (Blue) is obtained from the results of raspberry pi camera readings, and for turbidity is obtained from Light Emitting Diode (LDR) readings by Raspberry Pi 3 by using the K-Nearest Neighbor (K-NN) method. From the results of study, it is known that the percentage of accuracy from R (Red), G (Green), B (Blue) readings on a raspberry pi camera with TCS3200 censor is R = 89,964%, G = 86,139%, B = 82,293%. In study of system using the KNN (K-Nearest Neighbor) method with 72 training data and 30 test data, is obtained an accuracy K1=73.33%, K2=73.33%, K3=73.33% with an average time computing system of 3.9 ms.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/837/051811218 |
| Uncontrolled Keywords: | Minyak goreng, Kamera Raspberry Pi, Klasifikasi, K-Nearest Neighbor Cooking Oil, Raspberry Pi Camera, Classification, K-Nearest Neighbor |
| Subjects: | 600 Technology (Applied sciences) > 664 Food technology > 664.3 Fats and oils |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 14 Mar 2019 07:04 |
| Last Modified: | 22 Oct 2021 07:23 |
| URI: | http://repository.ub.ac.id/id/eprint/14112 |
Preview |
Text
Linda Silvya Putri.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |