SISTEM DETEKSI TINGKAT KEMATANGAN BUAH KOPI BERBASIS RASPBERRY PI

Safitri, Raisya Ardhianty (2026) SISTEM DETEKSI TINGKAT KEMATANGAN BUAH KOPI BERBASIS RASPBERRY PI. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf Download (605kB)
	Text (ABSTRAK) ABSTRAK.pdf Download (171kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf Restricted to Repository staff only Download (115kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf Restricted to Repository staff only Download (250kB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf Restricted to Repository staff only Download (356kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf Restricted to Repository staff only Download (204kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) BAB V.pdf Restricted to Repository staff only Download (91kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (143kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Buah kopi merupakan salah satu komoditas pertanian yang memiliki nilai ekonomi tinggi dan tingkat kematangannya menjadi salah satu faktor penting yang memengaruhi kualitas buah. Proses penentuan tingkat kematangan buah kopi pada umumnya masih dilakukan secara manual berdasarkan pengamatan warna kulit buah, sehingga hasil deteksi dapat dipengaruhi oleh subjektivitas dan ketelitian manusia. Oleh karena itu, pada Tugas Akhir ini dirancang dan direalisasikan sebuah sistem deteksi tingkat kematangan buah kopi berbasis Raspberry Pi untuk membantu proses identifikasi dan pemilahan buah secara otomatis. Sistem yang dibangun menggunakan Raspberry Pi 4 sebagai pusat kendali, sensor warna TCS34725 untuk membaca nilai warna RGB pada permukaan buah kopi, sensor inframerah FC-51 untuk mendeteksi keberadaan buah, serta motor servo sebagai mekanisme pemilah buah berdasarkan hasil klasifikasi. Metode klasifikasi yang digunakan adalah K-Nearest Neighbor (KNN), yaitu metode yang menentukan tingkat kematangan berdasarkan kedekatan nilai RGB data uji dengan data latih. Tingkat kematangan buah kopi diklasifikasikan menjadi tiga kategori, yaitu mentah, setengah matang, dan matang. Data nilai RGB yang diperoleh dari sensor TCS34725 diproses oleh Raspberry Pi menggunakan metode KNN untuk menentukan kategori kematangan, kemudian motor servo mengarahkan buah sesuai dengan hasil klasifikasi. Hasil implementasi menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan tingkat kematangan buah kopi secara otomatis berdasarkan warna serta melakukan pemilahan sesuai dengan kategori yang telah ditentukan. Dengan adanya sistem ini, proses deteksi tingkat kematangan buah kopi dapat dilakukan dengan lebih praktis, cepat, dan konsisten serta mendukung penerapan teknologi Raspberry Pi dan metode pembelajaran mesin dalam pengolahan hasil pertanian. Kata Kunci: Buah Kopi, Tingkat Kematangan, Raspberry Pi , TCS34725, K-Nearest Neighbor (KNN), Motor Servo.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Buah Kopi, Tingkat Kematangan, Raspberry Pi , TCS34725, K-Nearest Neighbor (KNN), Motor Servo
Subjects:	T Technology > T Technology (General)
Divisions:	Computer Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Komputer
Date Deposited:	26 Sep 2026 14:32
Last Modified:	26 Sep 2026 14:32
URI:	http://eprints.polsri.ac.id/id/eprint/27284

Actions (login required)

View Item