Rancang Bangun Sistem Internet of Things dan Prediksi Kadar Air Mi Kering Berbasis Metode Artificial Intelligence pada Mesin Dehidrator untuk Proses Pengeringan Mi Sehat

Ferdiansyah, Moh Fahri and Raden Arief Setyawan, S.T., M.T. and Ir. Nurussa’adah, M.T. (2022) Rancang Bangun Sistem Internet of Things dan Prediksi Kadar Air Mi Kering Berbasis Metode Artificial Intelligence pada Mesin Dehidrator untuk Proses Pengeringan Mi Sehat. Sarjana thesis, Universitas Brawijaya.

Abstract

Mi Sehat merupakan salah satu produk keluaran milik UKM Mie Serdadu. Berbeda dari mi instan pada umumnya yang menggunakan bahan pengawet, Mi Sehat milik UKM Mie Serdadu ini mengutamakan kesehatan konsumen sehingga menggunakan bahan organik dan tanpa pengawet. Guna menjaga kualitas dan cita rasa mi, diperlukan teknik pengawetan yang baik dan sehat bagi konsumen. Salah satu cara agar menjaga mi tetap dalam kondisi baik dalam waktu yang cukup lama adalah dengan cara dikeringkan. Lama waktu pengeringan dan minimnya pekerja menjadi permasalahan tersendiri bagi UKM Mie Serdadu. Pada penelitian ini dilakukan perancangan sistem pengendalian dan pemantauan jarak jauh berbasis internet of things yang dilengkapi dengan sistem artificial intelligence guna memprediksi kadar air mi kering pada mesin dehidrator mi sehat milik UKM Mie Serdadu. Proses perancangan menggunakan Esp8266, Raspberry Pi, dan PHP Webserver. Protokol komunikasi yang digunakan adalah HTTP. Pengujian ditujukan untuk mengetahui waktu yang dibutuhkan Esp8266 dalam melakukan pengiriman dan penerimaan data dengan menggunakan protokol komunikasi HTTP. Hasil pengujian didapati rata-rata keterlambatan pengiriman sebesar 0,092 – 0,093 detik menggunakan HTTP get pada fungsi dataGet, 0,091 – 0,142 detik menggunakan HTTP post pada fungsi postConfig, dan 0,047 – 0,093 detik menggunakan HTTP post pada fungsi postAktual. Pada sistem artificial intelligence dibandingkan keakuratan prediksi antara metode regression neural network dan random forest regression dengan parameter MAE dan MSE. Hasil pengujian artificial intelligence menggunakan data aktual konfigurasi terbaik dari regression neural network didapati MAE 0,12 dan MSE 0,02. Sedangkan random forest regression mendapatkan MAE 0,09 dan MSE 0,02. Perbandingan dengan data hasil uji lab didapati random forest regression lebih unggul dengan MAE 4,01 dan 48,19. Sedangkan pada pengujian data acak regression neural network memiliki keluaran kadar air yang naik turun sedangkan random forest regression memiliki keluaran kadar air yang konstan menurun.

English Abstract

Mi Sehat is one of the output products of the Mie Serdadu UKM. Different from instant noodles in general, which use preservatives, Mie Sehat owned by Mie Serdadu UKM prioritizes consumer health, so it uses organic ingredients and no preservatives. In order to maintain the quality and taste of noodles, it is necessary to use good and healthy preservation techniques for consumers. One way to keep noodles in good condition for a long time is to dry them. The long drying time and the lack of workers are separate problems for Mie Serdadu UKM. In this study, a remote control and monitoring system based on the internet of things was designed that was equipped with an artificial intelligence system to predict the moisture content of dry noodles in the healthy noodle dehydrator machine owned by the Mie Serdadu UKM. The design process uses Esp8266, Raspberry Pi, and PHP Webserver. The communication protocol used is HTTP. The test is intended to determine the time it takes Esp8266 to send and receive data using the HTTP communication protocol. The test results found that the average delivery delay was 0.092 - 0.093 seconds using HTTP get on the dataGet function, 0.091 - 0.142 seconds using HTTP post on the postConfig function, and 0.047 - 0.093 seconds using HTTP post on the postActual function. In the artificial intelligence system, the prediction accuracy between neural network regression and random forest regression methods is compared with MAE and MSE parameters. The results of the artificial intelligence test using the best actual configuration data from the regression neural network found MAE 0.12 and MSE 0.02. Meanwhile, random forest regression got an MAE of 0.09 and an MSE of 0.02. Comparison with lab test data, it was found that random forest regression was superior to MAE 4.01 and 48.19. Meanwhile, in testing random data, the neural network regression has an output of water content that goes up and down, while the random forest regression has an output of a constant decreasing water content.

Item Type:	Thesis (Sarjana)
Identification Number:	052307
Uncontrolled Keywords:	Mi Sehat, Regresi, Neural Network, Random Forest, Internet of Things-Healthy Noodles, Regression, Neural Network, Random Forest, Internet of Things
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	Unnamed user with email y13w@ub.ac.id
Date Deposited:	24 Jan 2024 06:34
Last Modified:	24 Jan 2024 06:34
URI:	http://repository.ub.ac.id/id/eprint/213635

Text (DALAM MASA EMBARGO) MOH FAHRI FERDIANSYAH.pdf Restricted to Registered users only until 31 December 2024. Download (5MB)

Actions (login required)

View Item