Klasifikasi Kematangan Buah Durian berdasarkan Kadar Alkohol, Berat, dan Dimensi menggunakan Metode SVM berbasis Embedded System
Kata Kunci:
Durian, Kematangan Durian, Kadar Alkohol, Berat, Dimensi, Support Vector MachineAbstrak
Salah satu jenis buah khas yang dapat dijumpai di Indonesia adalah durian. Buah durian ini mengandung nutrisi yang sangat baik untuk kesehatan tubuh. Tak hanya itu, durian juga memiliki nilai jual yang tinggi, sehingga para calon pembeli perlu memiliki keahlian khusus dalam memilih durian yang sudah masak. Buah durian memiliki beberapa parameter yang dapat digunakan untuk menilai tingkat kematangannya, dan salah satu indikator kematangan yang penting adalah senyawa volatil. Senyawa volatil pada durian mencakup berbagai jenis senyawa, seperti senyawa sulfur, ester, alkohol (etanol), keton, dan asam. Keberadaan senyawa inilah yang memberikan aroma khas pada buah durian yang sudah matang. Meskipun demikian, penilaian kematangan berdasarkan aroma memiliki kelemahan. Dalam perkembangan teknologi saat ini, kehadiran teknologi essence dapat dianggap sebagai suatu kelemahan untuk metode pendeteksian kematangan durian melalui aroma. Parameter lain yang dapat menilai kematangan buah durian adalah berat jenis. Namun tidak adanya sensor yang dapat menilai berat jenis, maka komponen penyusun berat jenis akan digunakan. Komponen itu ialah berat dan dimensi. Karena menilai parameter tersebut menjadi suatu tugas yang sulit bagi manusia, deteksi tingkat kematangan buah durian memerlukan dukungan teknologi dan alat khusus. untuk mengklasifikasikan tingkat kematangan buah durian dengan memanfaatkan kolaborasi dari tiga parameter utama, yaitu kadar alkohol, berat, dan dimensi buah durian. Informasi mengenai tingkat kematangan dihasilkan melalui pengukuran parameter oleh sensor MQ-3, sensor load cell, dan sensor ultrasonik yang terhubung dengan mikrokontroler Arduino Uno. Selanjutnya, nilai-nilai tersebut akan diolah menggunakan metode klasifikasi Support Vector Machine (SVM). Dalam pengujian sistem, akurasi hasil klasifikasi tingkat kematangan buah durian berdasarkan kadar alkohol, berat, dan dimensi menggunakan metode SVM yang terintegrasi dengan sistem embedded, berhasil mencapai tingkat akurasi sebesar 93,33% saat diuji dengan 30 data uji.
Referensi
Basar, T. F., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1426-1433.
Ben-Hur, A., & Weston, J. (2010). A user’s guide to support vector machines. Methods in Molecular Biology (Clifton, N.J.), 609(June), 223–239.
Chen, Shoutung & Hsiao, Yi-Hsuan & Huang, Yu-Len & Kuo, Shou-Jen & Tseng, Hsin-Shun & Wu, Hwa-Koon & Chen, Dar-Ren. (2009). Comparative Analysis of Logistic Regression, Support Vector Machine and Artificial Neural Network for the Differential Diagnosis of Benign and Malignant Solid Breast Tumors by the Use of Three-Dimensional Power Doppler Imaging. Korean journal of radiology : official journal of the Korean Radiological Society. 10. 464-71. 10.3348/kjr.2009.10.5.464.
Haryanto, B., & Budiastra, I. (2000). Mempelajari Hubungan Kematangan dan Berat Jenis Durian (Durio zibhetinus, Murr). agriTech.
Jayasinghe, P., & Sammani, S. (2022). Detection of Freshness of the Fruits using Machine Learning Techniques. Sri Lankan Journal of Technology.
Johan, A. W., Wicaksono, A. Y., Fauzi, M. D., Maulana, R. F., & Pertiwi, K. M. (2022). Komparasi Kernel Support Vector Machine untuk Deteksi Tangga Turun dan Lantai. CESS (Journal of Computing Engineering, System and Science), 289-298.
Ketsa, S. (2018). Durian—Durio zibethinus.
Ketsa, Saichol, Apinya Wisutiamonkul, Yossapol Palapol, and Robert E. Paull. (2020) “The Durian: Botany, Horticulture, and Utilization.” 47: 125–211.
Kim, E. (2014). Everything You Wanted to Know about the Kernel Trick So , What is a Kernel Anyway ? Linear SVM , Binary Classification. 1, 1– 11.
Mohd Ali, Maimunah, Norhashila Hashim, Samsuzana Abd Aziz, and Ola Lasekan. (2020) “Exploring the Chemical Composition, Emerging Applications, Potential Uses, and Health Benefits of Durian: A Review.” Food Control 113: 1– 11.
Muhammad, A. A., Arkadia, A., & Rifqi, S. N. (2021). Klasifikasi Kematangan Buah Pisang Berdasarkan Fitur Warna dengan Metode SVM. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA).
Noor, M., Saputra, W., Husna, A., Septiarini, D., & Hayati, H. (2021). RANCANG BANGUN ALAT DETEKSI KEMATANGAN BUAH DURIAN MENGGUNAKAN NAÏVE BAYES. Jurnal POROS TEKNIK.
Pambudi, R. (2022). Deteksi Penggunaan Masker dengan Algoritma RBF Support Vector Machine. The Journal on Machine Learning and Computational Intelligence (JMLCI).
Praghakusma, A., & Charibaldi , N. (2021). Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus : Komisi Pemberantasan Korupsi) . Jurnal Sarjana Teknik Informatika, 33-42.
Ramlan, R., Satyahadewi, N., & Andani, W. (2023). Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM. JAMBURA JOURNAL OF MATHEMATICS, 431–445.
Refo, Y., Rostianingsih, S., & Liliana. (2022). Penerapan SVM untuk Klasifikasi Sentimen pada Review Comment Berbahasa Indonesia di Online Shop. Jurnal Infra.
Rivai, M., Budiman, F., Purwanto, D., Baid, M., Tukadi, & Aulia, D. (2022). Discrimination of durian ripeness level using gas sensors and neural network. Science Direct.
Suthagar, Tamilselvan, Priyadharshini, & Nihila. (2021). Determination of Apple, Lemon, and Banana Ripening Stages Using Electronic Nose and Image Processing. In book: Innovations in Cyber Physical Systems.
Basar, T. F., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1426-1433.
Ben-Hur, A., & Weston, J. (2010). A user’s guide to support vector machines. Methods in Molecular Biology (Clifton, N.J.), 609(June), 223–239.
Chen, Shoutung & Hsiao, Yi-Hsuan & Huang, Yu-Len & Kuo, Shou-Jen & Tseng, Hsin-Shun & Wu, Hwa-Koon & Chen, Dar-Ren. (2009). Comparative Analysis of Logistic Regression, Support Vector Machine and Artificial Neural Network for the Differential Diagnosis of Benign and Malignant Solid Breast Tumors by the Use of Three-Dimensional Power Doppler Imaging. Korean journal of radiology : official journal of the Korean Radiological Society. 10. 464-71. 10.3348/kjr.2009.10.5.464.
Haryanto, B., & Budiastra, I. (2000). Mempelajari Hubungan Kematangan dan Berat Jenis Durian (Durio zibhetinus, Murr). agriTech.
Jayasinghe, P., & Sammani, S. (2022). Detection of Freshness of the Fruits using Machine Learning Techniques. Sri Lankan Journal of Technology.
Johan, A. W., Wicaksono, A. Y., Fauzi, M. D., Maulana, R. F., & Pertiwi, K. M. (2022). Komparasi Kernel Support Vector Machine untuk Deteksi Tangga Turun dan Lantai. CESS (Journal of Computing Engineering, System and Science), 289-298.
Ketsa, S. (2018). Durian—Durio zibethinus.
Ketsa, Saichol, Apinya Wisutiamonkul, Yossapol Palapol, and Robert E. Paull. (2020) “The Durian: Botany, Horticulture, and Utilization.” 47: 125–211.
Kim, E. (2014). Everything You Wanted to Know about the Kernel Trick So , What is a Kernel Anyway ? Linear SVM , Binary Classification. 1, 1– 11.
Mohd Ali, Maimunah, Norhashila Hashim, Samsuzana Abd Aziz, and Ola Lasekan. (2020) “Exploring the Chemical Composition, Emerging Applications, Potential Uses, and Health Benefits of Durian: A Review.” Food Control 113: 1– 11.
Muhammad, A. A., Arkadia, A., & Rifqi, S. N. (2021). Klasifikasi Kematangan Buah Pisang Berdasarkan Fitur Warna dengan Metode SVM. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA).
Noor, M., Saputra, W., Husna, A., Septiarini, D., & Hayati, H. (2021). RANCANG BANGUN ALAT DETEKSI KEMATANGAN BUAH DURIAN MENGGUNAKAN NAÏVE BAYES. Jurnal POROS TEKNIK.
Pambudi, R. (2022). Deteksi Penggunaan Masker dengan Algoritma RBF Support Vector Machine. The Journal on Machine Learning and Computational Intelligence (JMLCI).
Praghakusma, A., & Charibaldi , N. (2021). Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus : Komisi Pemberantasan Korupsi) . Jurnal Sarjana Teknik Informatika, 33-42.
Ramlan, R., Satyahadewi, N., & Andani, W. (2023). Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM. JAMBURA JOURNAL OF MATHEMATICS, 431–445.
Refo, Y., Rostianingsih, S., & Liliana. (2022). Penerapan SVM untuk Klasifikasi Sentimen pada Review Comment Berbahasa Indonesia di Online Shop. Jurnal Infra.
Rivai, M., Budiman, F., Purwanto, D., Baid, M., Tukadi, & Aulia, D. (2022). Discrimination of durian ripeness level using gas sensors and neural network. Science Direct.
Suthagar, Tamilselvan, Priyadharshini, & Nihila. (2021). Determination of Apple, Lemon, and Banana Ripening Stages Using Electronic Nose and Image Processing. In book: Innovations in Cyber Physical Systems.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
