PERANCANGAN SISTEM PENGADUK GULA AREN BERBASIS INTERNET OF THINGS DENGAN PREDIKSI KEMATANGAN MENGGUNAKAN MACHINE LEARNING

Dzikri, Muhammad Aulia (2026) PERANCANGAN SISTEM PENGADUK GULA AREN BERBASIS INTERNET OF THINGS DENGAN PREDIKSI KEMATANGAN MENGGUNAKAN MACHINE LEARNING. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (263kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (315kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (455kB) | Request a copy
	Text (BAB III METODOLOGI) BAB III.pdf - Published Version Restricted to Repository staff only Download (528kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (776kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (249kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (218kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (15MB) | Request a copy

Abstract

Proses penentuan tingkat kematangan gula aren umumnya masih dilakukan berdasarkan pengamatan visual dan pengalaman pengrajin sehingga hasil yang diperoleh bersifat subjektif dan berpotensi menimbulkan ketidakkonsistenan kualitas produk. Penelitian ini bertujuan untuk mengembangkan sistem pengaduk gula aren berbasis internet of things (IoT) yang mampu memprediksi tingkat kematangan secara real-time menggunakan metode polynomial regression. Sistem yang dikembangkan menggunakan ESP32 sebagai pengendali utama yang terintegrasi dengan sensor thermocouple tipe K untuk mengukur suhu nira, sensor encoder infrared untuk membaca kecepatan putaran pengaduk (RPM), serta sensor tegangan untuk memantau kondisi catu daya. Data hasil pengukuran dikirim ke Firebase Realtime Database sebagai media penyimpanan dan monitoring. Selanjutnya, data diproses melalui tahap preprocessing, pembentukan dataset, serta pelatihan model polynomial regression orde dua dengan variabel masukan berupa suhu, RPM, dan waktu stagnasi (time stuck), sedangkan tingkat kematangan digunakan sebagai variabel target. Hasil evaluasi menunjukkan bahwa model memperoleh nilai koefisien determinasi (R2) sebesar 87.58%, Mean Absolute Error (MAE) sebesar 7.54%, dan Root Mean Square Error (RMSE) sebesar 10.17%, sehingga model memiliki kemampuan yang baik dalam memprediksi tingkat kematangan gula aren. Model yang telah dilatih kemudian berhasil diimplementasikan pada mikrokontroler ESP32 dan mampu menampilkan hasil prediksi secara real-time melalui LCD serta aplikasi. Selain itu, sistem mampu mempercepat waktu pemasakan dari sekitar 60 menit pada metode tradisional menjadi 30 sampai 40 menit untuk kapasitas 10kg, sehingga memberikan efisiensi waktu sekitar 33.33% dibandingkan metode tradisional.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Internet of things, Polynomial Regression, Gula Aren, ESP32, Prediksi Kematangan
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	04 Sep 2026 02:44
Last Modified:	04 Sep 2026 02:44
URI:	http://eprints.polsri.ac.id/id/eprint/26229

Actions (login required)

View Item