Sistem Pengukur Kesegaran Daging Sapi menggunakan Metode K-Nearest Neighbor (K-NN) dengan Fitur Penambahan Data Latih berbasis EEPROM
| Main Authors: | Firdaus, Jeffry Atur, Eko Setiawan, S.T., M.T., Ph.D., Dahnial Syauqy, S.T., M.T., M.Sc. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194817/1/0520150209-Jeffry%20Atur%20Firdaus.pdf http://repository.ub.ac.id/id/eprint/194817/ |
Daftar Isi:
- Daging sapi adalah salah satu produk pangan yang diminati oleh rakyat Indonesia karena memiliki nilai nutrisi yang tinggi. Umumnya kandungan nutrisi yang berada pada sebuah daging sapi adalah 70% air, 20% protein, 9% lemak dan 1% abu. Kesegaran dari daging sapi berpengaruh terhadap kualitas dari daging sapi. Ciri sederhana daging sapi yang masih segar adalah warna daging merah segar, serat daging yang halus dan lemak yang berwarna kuning. Penurunan kualitas pada daging sapi dapat ditandai dengan perubahan warna, rasa dan aroma. Hal ini disebabkan oleh perkembangan mikroorganisme pada daging sapi. Mengonsumsi daging sapi yang terkontaminasi oleh mikroorganisme dapat menyebabkan keracunan makanan dan masalah kesehatan lainnya. Pada penelitian ini dibuat sebuah sistem yang dapat mengklasifikasi kualitas daging sapi menggunakan algoritma K-Nearest Neighbor dan penyimpanan EEPROM Arduino nano. Sistem ini menggunakan input warna RGB daging sapi menggunakan sensor TCS3200, kualitas gas untuk mengukur intensitas gas amonia/NH3 menggunakan sensor MQ135 dan push-button sebagai media interaksi user terhadap sistem. Selanjutnya data sampel diklasifikasi menggunakan K-Nearest Neighbor pada Arduino nano menggunakan data latih yang disimpan pada EEPROM. Hasil klasifikasi daging sapi kelas “segar” “kurang” atau “busuk” akan ditampilkan pada LCD. Selain itu data pada EEPROM juga dapat ditambah dan dihapus untuk pengembangan sistem melalui menu yang ditampilkan pada LCD. Rata-rata waktu komputasi yang diperoleh pada sistem untuk mengklasifikasi kualitas daging sapi adalah 117ms dan klasifikasi sistem dengan 81 data latih terhadap 27 data uji memiliki akurasi hingga 85%.