SISTEM TERITEGRASI KLASIFIKASI KEMATANGAN BUAH PEPAYA CALIFORNIA BERBASIS INTERNET OF THINGS (IOT)

Zahra, Selvia Tria (2026) SISTEM TERITEGRASI KLASIFIKASI KEMATANGAN BUAH PEPAYA CALIFORNIA BERBASIS INTERNET OF THINGS (IOT). Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (Cover) COVER.pdf - Published Version Download (778kB)
	Text (Abstrak) ABSTRAK.pdf - Published Version Restricted to Repository staff only Download (161kB)
	Text (BAB I Pendahuluan) BAB I.pdf Restricted to Repository staff only Download (283kB)
	Text (BAB II Tinjauan Pustaka) BAB II .pdf - Published Version Restricted to Repository staff only Download (542kB)
	Text (BAB III Perancangan Alat) BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB IV Hasil dan Pembahasan) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB V Penutup) BAB V.pdf - Published Version Restricted to Repository staff only Download (142kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (160kB)
	Text (LAMPIRAN) Lampiran.pdf - Published Version Restricted to Repository staff only Download (12MB)

Abstract

Proses klasifikasi kematangan buah pepaya California yang masih dilakukan secara manual cenderung menghasilkan penilaian yang subjektif, kurang konsisten, dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan merancang dan mengimplementasikan sistem terintegrasi klasifikasi kematangan buah pepaya California berbasis Internet of Things (IoT) untuk mengotomatisasi proses identifikasi, penyortiran, serta monitoring hasil klasifikasi secara real-time. Sistem menggunakan kamera sebagai media akuisisi citra yang diproses pada Raspberry Pi menggunakan metode Learning Vector Quantization (LVQ) untuk mengklasifikasikan buah ke dalam tiga kategori, yaitu mentah, setengah matang, dan matang berdasarkan karakteristik warna. Hasil klasifikasi dikirim ke ESP32 yang berfungsi mengendalikan proses penyortiran menggunakan motor DC serta mengirimkan data ke aplikasi Blynk melalui jaringan internet. Berdasarkan hasil pengujian, sistem mampu melakukan klasifikasi, penyortiran, dan monitoring secara otomatis dengan komunikasi data yang berjalan baik serta respons aplikasi Blynk yang cepat dan stabil. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efisiensi, konsistensi, dan kemudahan dalam proses klasifikasi kematangan buah pepaya California.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Pepaya California, Internet of Things (IoT), Learning Vector Quantization (LVQ), ESP32, Blynk
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	17 Sep 2026 14:54
Last Modified:	17 Sep 2026 14:54
URI:	http://eprints.polsri.ac.id/id/eprint/26801

Actions (login required)

View Item