PERANCANGAN SISTEM INFORMASI RESERVASI OPEN TRIP MELALAR BERBASIS WEBSITE

Wahab, Abd (2026) PERANCANGAN SISTEM INFORMASI RESERVASI OPEN TRIP MELALAR BERBASIS WEBSITE. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (189kB)
	Text BAB II.pdf Restricted to Registered users only Download (599kB)
	Text BAB III.pdf Restricted to Registered users only Download (212kB)
	Text BAB IV.pdf Restricted to Registered users only Download (751kB)
	Text BAB V.pdf Download (709kB)
	Text BAB VI.pdf Download (185kB)

Abstract

Sektor hortikultura, termasuk komoditas tomat dan jeruk, memerlukan standarisasi mutu pascapanen yang ketat untuk bersaing di pasar internasional. Penentuan tingkat kematangan yang dilakukan secara manual memiliki kelemahan berupa subjektivitas operator, konsistensi yang rendah, dan keterbatasan waktu pemrosesan pada volume besar. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengintegrasikan sistem Image Processing berbasis YOLOv8 dengan mekanisme konveyor yang dikendalikan mikrokontroler ESP32 untuk melakukan pemilahan otomatis berdasarkan tiga tingkat kematangan secara real-time. Metodologi penelitian yang digunakan meliputi tahap identifikasi masalah, studi literatur, analisis kebutuhan sistem, perancangan prototipe, hingga pengujian sistem. Perangkat keras yang digunakan terdiri dari kamera USB sebagai sensor visi, mikrokontroler ESP32 sebagai pusat kendali, motor DC untuk penggerak konveyor, dan enam unit motor servo sebagai aktuator pemilah fisik. Sistem ini memanfaatkan algoritma Deep Learning YOLOv8m yang dilatih untuk mengklasifikasikan enam kelas objek, yaitu tomat dan jeruk dengan kategori mentah, mengkal, serta matang. Hasil pengujian menunjukkan bahwa algoritma YOLOv8 sangat efektif dengan tingkat akurasi deteksi visual rata-rata mencapai 95%. Namun, pada pengujian pemilahan fisik secara keseluruhan, akurasi menurun menjadi 70% yang disebabkan oleh kendala mekanik seperti buah yang menggelinding (rolling) dan tantangan sinkronisasi waktu tunda (delay) servo. Penelitian ini juga menghasilkan fitur Web Dashboard yang mampu mencatat 100% riwayat penyortiran ke dalam database secara real-time. Purwarupa ini membuktikan bahwa teknologi Deep Learning dapat diterapkan untuk otomasi pertanian, meskipun memerlukan penyempurnaan pada desain mekanik untuk meningkatkan akurasi pemilahan fisik.

Actions (login required)

View Item