Sistem Identifikasi Kualitas Cuka Apel Menggunakan Kamera, Sensor Kimia, Dan Metode Artificial Neural Network

Setiawan, Achmad (2021) Sistem Identifikasi Kualitas Cuka Apel Menggunakan Kamera, Sensor Kimia, Dan Metode Artificial Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

	Text 07111740000135_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy
	Text 07111740000135_Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Produksi apel pada tahun 2012 hingga 2014 sebesar 590.004-
ton, 838.915 ton, dan 708.438 ton. Dengan begitu produk olahan berbasis apel menjadi peluang perusahaan untuk meningkatkan harga produk dengan cara memproses apel menjadi produk makanan atau minumanolahan. Salah satu produk olahan yang dapat diciptakan dengan berbahan
dasar apel adalah cuka apel. Namun untuk saat ini penilaian kualitas cuka apel dilakukan dengan pengindraan manusia dimana hal tersebut tidaklah akurat. Pada penelitian ini dilakukan perancangan Sistem identifikasi
kualitas cuka apel menggunakan kamera, sensor kimia, dan metode artificial neural network (ANN) pembuatan cuka apel dapat dilakukan dengan cara membaca data dari sensor kimia (lidah elektronik dan hidung elektronik), dan visual komputer. Peralatan yang digunakan adalah sensor pH untuk lidah elektronik, sensor gas (MQ-3) sebagai hidung elektronik, dan kamera untuk visual komputer. Sistem Identifikasi Kualitas Cuka Apel ini dilakukan dengan mengamati 3 parameter. Parameter yang diambil untuk pengukuran dan penentuan standar antara lain keasaman,
warna, dan kadar alkohol pada cuka apel. Model neural network pada sistem ini dibagi menjadi 2, neural network untuk data gambar dan untuk data angka. Alat ini diuji coba pada 5 cuka apel berbeda yaitu, Bragg, Heinz, Cuka Apel Batu, Cuka Apel Kusuma, dan Daesang chung jun one.
Alat ini dapat menggolongkan cuka apel ke dalam 3 golongan berbeda, golongan A, B, dan C.
================================================================================================
Apple production in 2012 until 2014 is about 590.004 tons,
838.915 tons, and 708.438 tons. With that in mind, product that based on apple have a great chance to for a company to increase products price with processing apple to become a processed product. One of the processed products that can be created with apple is apple vinegar. But, for now, quality assessment of apple vinegar done manually by human senses that makes the assessment not accurate enough. In this research, designing an Apple Cider Identification System Using Camera, Chemical Sensor, and Artificial Neural Network Method will be done. With that system, making of apple vinegar can eb done by reading the data from chemical sensors (electric tongue and electric nose) and computer vision. Equipment that used in this design is a pH sensor as an electric tongue and gas sensor (MQ-3) as an electric nose, and a camera for the computer vision. Apple Vinegar Quality Identification System will take 3 parameters for the assessment. Parameters that will be used in this system are acidity, colour, and alcohol level. neural network model in this system is divided into 2, neural network for image data and for the integer data. This device classifies apple cider vinegar into 3 different classes, group A, B, and C. This device is tested on 5 different apple cider vinegar, Bragg, Heinz, Cuka Apel Batu, Cuka, Apel Kusuma, and Daesang Chung Jun One.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Cuka Apel, Raspberry Pi, Neural Network, Sensor Kimia, Visual Komputer
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TA Engineering (General). Civil engineering (General) > TA1573 Detectors. Sensors T Technology > TD Environmental technology. Sanitary engineering > TD890 Global Environmental Monitoring System
Depositing User:	Achmad Setiawan
Date Deposited:	19 Aug 2021 14:41
Last Modified:	19 Aug 2021 14:41
URI:	http://repository.its.ac.id/id/eprint/88861

Actions (login required)

View Item