Pengukuran Kalori Pada Macam - Macam Jenis Buah Menggunakan Teknologi Raspberry Pi Dan Machine Learning Dalam Klasifikasi Objek Buah - Buahan

Cahya, Dzaki Indra (2024) Pengukuran Kalori Pada Macam - Macam Jenis Buah Menggunakan Teknologi Raspberry Pi Dan Machine Learning Dalam Klasifikasi Objek Buah - Buahan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5027201053-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Pada era teknologi sekarang banyak sekali manfaat dari perkembangan teknologi yang baik untuk pendidikan, perekonomian, dan kesehatan. Kesehatan merupakan faktor utama, terutama dalam menjaga kalori yang masuk ke tubuh kita. Buah-buahan adalah sumber penting kalori dan nutrisi, namun masih belum ada alat portable yang bisa mengukur kalori buah secara instan. Saat ini, kalori buah diukur secara manual dengan menimbang buah dan mencari informasi kalori dari Google atau situs web. Penelitian ini bertujuan untuk mengembangkan alat yang dapat mengukur kalori pada berbagai jenis buah menggunakan teknologi Internet of Things (IoT) dan Machine Learning berupa Teachable Machine. Teachable Machine digunakan untuk melatih model Machine Learning agar dapat mengenali berbagai macam buah. Dengan menggunakan ESP32-CAM yang berfungsi untuk mengambil gambar dan mengidentifikasi jenis buah yang ditimbang. Alat ini akan menampilkan output berupa nama buah, berat, dan jumlah kalori pada buah tersebut. Hasil akhir dari penelitian ini menunjukkan bahwa alat yang dikembangkan mampu mengukur kalori buah dengan akurat dan efisien. Pengujian menunjukkan bahwa pada pencahayaan tinggi, model Machine Learning memiliki akurasi 100% pada jarak 10 cm dan 20 cm, namun akurasi menurun pada jarak yang lebih jauh. Pada jarak 50 cm dan 60 cm, model gagal mengenali buah sama sekali. Penelitian ini menyimpulkan bahwa pencahayaan yang memadai dan jarak optimal sangat penting untuk memastikan akurasi sistem. Penelitian ini berhasil mengembangkan alat yang bisa mengukur kalori buah secara instan menggunakan teknologi IoT dan Machine Learning.
===================================================================================================================
In today's technological era, there are many benefits of technological development for education, economy, and health. Health is a major factor, especially in maintaining the calories that enter our body. Fruits are an important source of calories and nutrients, but there is still no portable tool that can measure fruit calories instantly. Currently, fruit calories are measured manually by weighing the fruit and looking up calorie information from Google or websites. This research aims to develop a tool that can measure calories in various types of fruit using Internet of Things (IoT) technology and Machine Learning in the form of Teachable Machine. Teachable Machine is used to train Machine Learning models to recognize various kinds of fruits. By using ESP32-CAM which functions to take pictures and identify the type of fruit being weighed. This tool will display output in the form of fruit name, weight, and the number of calories in the fruit. The final results of this research show that the developed tool is able to measure fruit calories accurately and efficiently. Tests show that in high illumination, the Machine Learning model has 100% accuracy at a distance of 10 cm and 20 cm, but the accuracy decreases at a greater distance. At 50 cm and 60 cm, the model failed to recognize the fruit at all. The study concludes that adequate lighting and optimal distance are essential to ensure system accuracy. This research successfully developed a device that can measure fruit calories instantly using IoT technology and Machine Learning.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kalori, Buah- Buahan, IOT, Machine Learning, Teachble Machine ============================================================ Calories, Fruits, IOT, Machine Learning, Teachble Machine
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Dzaki Indra Cahya
Date Deposited:	02 Aug 2024 12:43
Last Modified:	02 Aug 2024 12:43
URI:	http://repository.its.ac.id/id/eprint/112046

Actions (login required)

View Item