Sistem Deteksi Durasi Waktu Penyimpanan Susu Sapi Segar Berdasarkan Tingkat Keasaman dan Perubahan Warna dengan Menggunakan Metode K-Nearest Neighbors (K-NN) Berbasis Arduino

RIZKY  BHRAMANTYA; Dahnial  Syauqy; Eko  Setiawan

Sistem Deteksi Durasi Waktu Penyimpanan Susu Sapi Segar Berdasarkan Tingkat Keasaman dan Perubahan Warna dengan Menggunakan Metode K-Nearest Neighbors (K-NN) Berbasis Arduino

Penulis

RIZKY BHRAMANTYA FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA
Dahnial Syauqy FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA
Eko Setiawan FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA

Kata Kunci:

Susu Sapi Segar, Durasi Waktu Penyimpanan, Nilai RGB, Nilai pH, Arduino UNO, Algoritma K-Nearest Neighbors (K-NN), Nilai K

Abstrak

Susu merupakan sumber pangan hewani yang penting, mengandung nutrisi seperti air, lemak, laktosa, protein, dan mineral. Susu sapi segar berasal dari kelenjar susu sapi perah Friesian Holstein (FH) betina dan biasanya mengalami proses pengolahan, termasuk pasteurisasi atau UHT, untuk menghilangkan bakteri patogen sambil mempertahankan kualitas nutrisinya. Kualitas susu sapi dapat dinilai berdasarkan pH, warna, dan rasa, dengan kisaran pH optimal antara 6,5 dan 6,7. Warna putih susu disebabkan oleh kasein, sedangkan warna kekuningan berasal dari karoten. Penentuan kualitas susu segar seringkali sulit dilakukan saat pembelian karena ketidakpastian lama penyimpanan. Beberapa penelitian telah mengeksplorasi metode untuk menilai kelayakan susu berdasarkan parameter seperti pH, warna, dan gas amonia. Penelitian ini bertujuan untuk mendeteksi durasi penyimpanan susu sapi segar menggunakan metode K-Nearest Neighbors (K-NN) dengan parameter tingkat keasaman dan perubahan warna. Sistem berbasis Arduino UNO akan menggunakan sensor pH (PH-4502C) dan sensor warna (TCS-3200) untuk menganalisis sampel susu sapi. Algoritma K-NN yang menggunakan supervised learning, akan mengklasifikasikan data susu berdasarkan data latih (training data) yang telah ada, dengan hasil ditampilkan pada layar LCD I2C Display. Metode ini dipilih karena efisiensi komputasinya pada jumlah data sedikit, dengan tingkat keakurasiannya bergantung pada pemilihan nilai K yang optimal.

Biografi Penulis

Dahnial Syauqy , FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA

Dahnial Syauqy adalah seorang dosen dan akademisi di Fakultas Ilmu Komputer Universitas Brawijaya. Beliau menyelesaikan S1 nya di bidang Teknik elektro pada tahun 2009 dan kemudian melanjutkan karir sebagai staff electrical engineering di sebuah perusahaan swasta nasional. Pada tahun 2012, beliau melanjutkan studi S2 dalam mekanisme double degree antara Universitas Brawijaya (M.T.) dan National Central University Taiwan (M.Sc) di departemen Electrical Engineering pada Laboratorium Biomedical system engineering (Master thesis: Feature Based Scoring on Visible Speech Diagnostic and Rehabilitation System). Saat ini riset dengan fokus penerapan algoritma machine learning/signal processing pada edge device semisal perangkat tertanam (embedded system) dan wearable system. Saat ini beliau tergabung di Laboratorium Robotics and Embedded System, Fakultas Ilmu Komputer Universitas Brawijaya dan aktif mengajar di Program Studi S1 Teknik Komputer di Fakultas tersebut.

Eko Setiawan , FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA

Lahir di Kediri, menempuh pendidikan sekolah dasar hingga sekolah menengah umum di Surabaya, melanjutkan studi S1 Teknik Elektro di Universitas Brawijaya dan S2 Teknik Elektro di Universitas Brawijaya dan Universitas Miyazaki, Jepang. Aktif dalam komunitas robotika.

Referensi

Arduino Docs, 2024. Arduino Docs. [Online]

Available at: https://docs.arduino.cc/

Arduino Store, 2024. Arduino Store. [Online]

Available at: https://store.arduino.cc/

Bhuana, K., 2021. Analisis Sentimen Masyarakat Indonesia Tentang Vaksin COVID-19 di Twitter dengan Menggunakan Metode K-Nearest Neighbors dan Seleksi Fitur Chi-Square. Skripsi. Universitas Brawijaya, Malang.

Brit, T. J. & Robinson, R. K., 2008. Advanced Dairy Science and Technology. Chicago: Blackweel Publishing.

Hadiwiyoto, S., 1994. Teori dan Prosedur Pengujian Mutu Susu dan Hasil Olahannya. 2 ed. Liberty, Yogyakarta.

Kencanawati, A. P., Suprayogi, T. H. & Sayuthi, S. M., 2015. Total Bakteri dan Derajat Keasaman Susu Sapi Perah Akibat Perbedaan Lama Waktu Dipping Menggunakan Larutan Iodosfor Sebagai Desinfektan. Animal Agriculture Journal, April, 4(1), pp. 127-131.

Kurniawan, I. & Putri, R. D. M., 2013. Alat Pemantau Kestabilan Pasteurisasi Susu. Jurnal Teknik Elektro, Juli, 5(2), pp. 69-74.

Kusrini & Luthfi, T., 2009. Algoritma Data Mining. CV ANDI OFFSET, Yogyakarta.

Nugroho, M. D. B., Syauqy, D. & Fitriyah, H., 2023. Klasifikasi Kelayakan Susu Sapi UHT berdasarkan PH, Warna, dan Aroma menggunakan Metode Naive Bayes berbasis Arduino.. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), 6(11), pp. 5541-5548.

Nurcahyo, K. M., 2023. Penerapan Google ML Kit dan Metode K-Nearest Neighbors untuk Klasifikasi Bentuk Wajah Wanita pada Platform Android. Skripsi. Universitas Brawijaya, Malang.

Rahmana, M. A. F., Syauqy, D. & Tibyani, T., 2019. Sistem Deteksi Lama Waktu Penyimpanan Daging Ayam Berdasarkan Warna dan Kadar Amonia Berbasis Sensor TCS3200 dan MQ135 Dengan Metode Jaringan Syaraf Tiruan.. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), 3(2), pp. 1908-1916.

Wendt, K., Lottheimer, K. H., Fehlings, K. & Spohr, M., 1998. Handbuch Mastitis Kamlage Veriage. GmbH and Co., Osnabruck.

Wulandari, S. & Satria, B., 2021. Rancang Bangun Alat Pendeteksi Warna Menggunakan Arduino UNO Berbasis IoT (Internet of Things). Jurnal Komputer dan Informatika (Paradigma), Maret, 23(1), pp. 1-8.

Yudhistira, A. B., Maulana, R. & Syauqy, D., 2021. Implementasi Sistem Monitoring dan Klasifikasi Jenis Urine dengan Metode K-Nearest Neighbors (K-NN) pada Pasien Operasi. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), September, 5(9), pp. 4026-4032.

Sistem Deteksi Durasi Waktu Penyimpanan Susu Sapi Segar Berdasarkan Tingkat Keasaman dan Perubahan Warna dengan Menggunakan Metode K-Nearest Neighbors (K-NN) Berbasis Arduino