Implementasi Metode K-Nearest Neighbors (KNN) Untuk Klasifikasi Kondisi Pergerakan Pallet Pada Lini Pengantongan Phonska IV

Arda, Wilona Kaulika Putri (2025) Implementasi Metode K-Nearest Neighbors (KNN) Untuk Klasifikasi Kondisi Pergerakan Pallet Pada Lini Pengantongan Phonska IV. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2040211087_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB)

Abstract

Tingginya permintaan produk pupuk di PT. Petrokimia Gresik menuntut proses distribusi berjalan efisien dan minim hambatan. Palet merupakan material penting yang berperan dalam mendukung proses tersebut. Namun kondisi operasional yang tidak stabil sering menyebabkan posisi palet tidak sesuai dengan jalur konveyor sehingga terjadi gangguan pergerakan palet yang berdampak pada penurunan efisiensi dan peningkatan waktu henti produksi. Maka dari itu diperlukan adanya penelitian dengan mengembangkan sistem monitoring dan klasifikasi kondisi pergerakan palet menggunakan metode K-Nearest Neighbord (KNN). Sistem menggunakan sensor ultrasonik HC-SR04 untuk mengukur jarak sisi kiri dan kanan palet serta sensor proximity E18-D80NK untuk mendeteksi keberadaan palet. Data dikirim ke mikrokontroler ESP32, disimpan dalam database dan diproses menggunakan algoritma KNN untuk mengklasifikasikan kondisi palet menjadi tiga kelas yaitu normal, miring dan berhenti. Hasil pembacaan sensor, klasifikasi, dan peringatan akan ditampilkan melalui dashboard pemantauan. Hasil pengujian menunjukkan bahwa model KNN dengan k=3 dengan proporsi pembagian dataset 80:20 mampu mengklaisfikasikan kondisi pergerakan palet dengan akurasi sebesar 97,68%, precision 97,21%, recall 97,07% dan F1-score 97,14%. Sistem ini juga mampu menampilkan hasil pembacaan sensor, klasifikasi dan memberikan peringatan apabila terdapat kondisi palet yang tidak normal pada dashboard pemantauan.
==================================================================================================================================
The high demand for fertilizer products at PT. Petrokimia Gresik requires an efficient and uninterrupted distribution process. Pallets play an essential role in supporting this process. However, unstable operational conditions often cause pallet misalignment on the conveyor line, resulting in pallet movement disturbances that negatively impact operational efficiency and increase production downtime. Therefore, it is necessery to develo a monitoring and classification system for pallet movement conditions using the K-Nearest Neighbors (KNN) method. The system utilizes HC-SR04 ultrasonic sensors to measure the distance on the left side and right sides of the pallet and E18-D80NK proximity sensors to detect precence of the pallet. The data is transmitted to an ESP32 microcontroller, stored in a database, and processed using the KNN algorithm to classify pallet conditions into tree categories: normal, tilted and stopped. The sensor readings, classification results, and warnings are displayed through a monitoring dashboard. The test result show that the KNN model with k=9 is capable to classifying pallet movement conditions with an accuracy 97,68%, precision 97,21%, recall 97,07% dan F1-score 97,14%. The system is also capable of displaying sensor readings, classification results, and providing warnings on the monitoring dashboard when abnormal pallet conditions are detected.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Conveyor, K-Nearest Neighbors, Monitoring System, Pallet
Subjects:	A General Works > AI Indexes (General) A General Works > AI Indexes (General) T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Wilona Kaulika Putri Arda
Date Deposited:	31 Jul 2025 07:53
Last Modified:	31 Jul 2025 07:53
URI:	http://repository.its.ac.id/id/eprint/123465

Actions (login required)

View Item