Pengembangan Sistem Deteksi Kadar Air Jagung (Zea mays L.) Menggunakan Sensor Sparkfun AS7263 Berbasis Spektroskopi Near Infrared (NIR) dan Model Machine Learning

Alghifari, Muhammad Dzakky and Dr. Agr. Sc. Ir. Dimas Firmanda Al Riza, ST., M.Sc and Dr. Ir. Sandra Malin Sutan, MP (2024) Pengembangan Sistem Deteksi Kadar Air Jagung (Zea mays L.) Menggunakan Sensor Sparkfun AS7263 Berbasis Spektroskopi Near Infrared (NIR) dan Model Machine Learning. Sarjana thesis, Universitas Brawijaya.

Abstract

Jagung (Zea mays L.) juga merupakan salah satu bahan pangan utama Indonesia yang mengandung karbohidrat terbesar kedua setelah padi. Permintaan jagung di Indonesia biasanya digunakan untuk konsumsi baik dalam pangan maupun bahan pakan seperti bahan makan pokok, benih, bahan olahan non-pangan dan pakan ternak. Penentuan waktu panen jagung dapat dilihat dari tingkat kadar air yang terkandung dalam jagung. Secara umum jagung dipanen ketika kadar air biji jagung mencapai 28-32%.. Salah satu cara yang dapat digunakan untuk mengukur tingkat kadar air yaitu menggunakan sensor spektroskopi. Penelitian ini bertujuan untuk merancang alat yang dapat memprediksi tingkat kadar air jagung dengan ukuran yang portabel sehingga mudah dibawa. Pengambilan dataset pengukuran spektra biji dan kelobot jagung digunakan untuk memprediksi kadar air jagung. Jagung akan dilakukan pengujian nondestructive yaitu mengambil spektra cahaya dalam wilayah inframerah (NIR) dan uji destruktif dengan cara oven untuk mengukur kadar air. Sedangkan model prediksi yang dikembangkan menggunakan analisis Partial Least Square Regression (PLSR), dan Artificial Neural Network (ANN) dan seleksi fitur menggunakan Principal Component Analysis (PCA). Hasil rancang bangun model prediksi terbaik dihasilkan dari analisis PLSR dengan nilai R2 training dan testing dari data spektra kelobot jagung sebesar 0,818; 0,927 dengan dataset MA sedangkan data spektra biji jagung sebesar 0,787; 0,875 dari dataset MA.

English Abstract

Corn (Zea mays L.) is also one of Indonesia's main food ingredients which contains the second largest carbohydrate after rice. The demand for corn in Indonesia is usuall y used for consumption both in food and feed ingredients such as staple foods, seeds, processed non-food ingredients and animal feed. Determining the time to harvest corn can be seen from the level of water content contained in the corn. In general, corn is harvested when the moisture content of corn kernels reaches 28-32%. One way that can be used to measure the level of moisture content is using a spectroscopic sensor. This research aims to design a tool that can predict the level of corn moisture content in a portable size so that it is easy to carry. Taking a data set of spectral measurements of corn seeds and husks is used to predict corn moisture content. Corn will be subjected to nondestructive testing, namely taking the light spectrum in the infrared (NIR) region and destructive testing using an oven to measure water content. Meanwhile, the prediction model developed uses Partial Least Square Regression (PLSR) analysis, and Artificial Neural Network (ANN) and feature selection uses Principal Component Analysis (PCA). The best prediction model design results were produced from PLSR analysis with an R2 training and testing value from corn husk spectra data of 0.818; 0.927 with the MA dataset while the corn grain spectra data is 0.787; 0.875 from the MA dataset.

Item Type:	Thesis (Sarjana)
Identification Number:	0524100130
Uncontrolled Keywords:	Jagung, Kadar air, Spektroskopi, Sensor-Corn, Spectroscopy, Sensors, Water content
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	soegeng Moelyono
Date Deposited:	04 Jul 2024 07:59
Last Modified:	04 Jul 2024 07:59
URI:	http://repository.ub.ac.id/id/eprint/221951

Text (DALAM MASA EMBARGO) Muhammad Dzakky Alghifari.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item