Sistem Klasifikasi Bakso yang Mengandung Boraks dengan Sensor Warna Menggunakan Metode K-Nearest Neighbor Berbasis Arduino

Sistem Klasifikasi Bakso yang Mengandung Boraks dengan Sensor Warna Menggunakan Metode K-Nearest Neighbor Berbasis Arduino

Penulis

  • Dimas Dwi Saputra Fakultas Ilmu Komputer, Universitas Brawijaya
  • Hurriyatul Fitriyah Fakultas Ilmu Komputer, Universitas Brawijaya
  • Eko Setiawan Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Kata kunci : Bakso, boraks, Arduino mega, Sensor warna, sensor pH, metode K-Nearest Neighbor

Abstrak

Bakso merupakan makan favorite masyarakat Indonesia dari berbagai kalangan, ada berbagai macam jenis bakso berdasarkan penggunaan daging yang digunakan seperti bakso ayam, bakso sapi, bakso udang ataupun bakso kelinci. Bakso juga merupakan makanan yang mempunyai cita rasa yang lezat serta kandungan gizi, protein, vitamin pada bakso dapat bermanfaat bagi tubuh. Akan tetapi telah banyak beredar bakso dengan kandungan dari zat kimia berbahaya dalam hal ini adalah boraks. Boraks merupakan senyawa kimia untuk digunakan sebagai bahan pemngawet kayu, pembasmi serangga dan bahan pembuatan detergen. Penggunaan bahan boraks pada bakso bertujuan agar bakso yang dijual oleh oknum pedagang curang dapat lebih awet serta mempunyai tekstur dan bentuk yang bagus, sehingga masyarakat dapat tertarik untuk membeli bakso tersebut. Untuk mengatasi tindakan kecurangan tersebut perlu dirancang sebuah sistem untuk melakukan pengklasifikasian bakso mengandung boraks dengan bakso yang tidak mengandung borkas. Agar sistem dapat diimplementasikan maka dalam penerapanya dibutuhkan mikrokontroller Arduino Mega untuk memproses data seerta perhitungan klasifikasi,  sensor warna untuk membedakan warna dari objek bakso yang diujikan dan sensor pH untuk mendeteksi kadar pH pada bakso. Supaya  sistem ini dapat melakukan klasifikasi, sistem ini akan menggunakan metode klasifikasi K-Nearest Neighbor  dengan menggunakan nilai K 3,5,7,9,11,13,15,17. Hasil pebedaan nilai K tersebut akan dibandingkan dengan nilai K lainnya untuk mengetahui nilai K mana yang memiliki akurasi tertinggi. Dari pengujian pada sistem, akurasi tertinggi diapatkan sebesar 93,33% dengan menerapkan nilai K 5 pada metode K-Nearest Neighbor.

Unduhan

Diterbitkan

17 Jan 2020

Cara Mengutip

Saputra, D. D., Fitriyah, H., & Setiawan, E. (2020). Sistem Klasifikasi Bakso yang Mengandung Boraks dengan Sensor Warna Menggunakan Metode K-Nearest Neighbor Berbasis Arduino. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(10), 10294–10300. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6663

Terbitan

Bagian

Artikel
Loading...