Ramadan, Muhammad Yusuf
Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Published : 1 Documents
Articles

Found 1 Documents
Search

Implementasi Metode Klasifikasi Support Vector Machine (SVM) Terhadap Pemakaian Minyak Goreng Ramadan, Muhammad Yusuf; Syauqy, Dahnial; Tibyani, Tibyani
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.824 KB)

Abstract

Penggunaan minyak goreng secara berulang melebihi batas wajar dapat menimbulkan berbagai macam penyakit yang sangat berbahaya bagi kesehatan manusia seperti gagal jantung, stroke, jantung koroner, dan lain-lain. Namun, saat ini penggunaan minyak goreng secara berulang masih tinggi. Hal itu ditunjukkan oleh hasil penelitian di Kota Semarang menunjukkan 75% responden menggunakan minyak goreng yang sama untuk menggoreng dua kali sebanyak 61,2 persen, tiga kali sebanyak 19,6 persen, dan empat kali sebanyak 5,4 persen. Dari permasalahan tersebut, maka diperlukan sistem otomatisasi untuk mengklasifikasi frekuensi penggunaan minyak goreng sehingga dapat digunakan untuk klasifikasi frekuensi penggunaan minyak goreng yang telah digunakan beberapa kali secara akurat. Pada penelitian kali ini, parameter yang digunakan adalah warna dan tingkat kekeruhan minyak goreng. Penentuan klasifikasi minyak goreng berdasarkan warna dan tingkat kekeruhan minyak goreng diperoleh dari hasil pembacaan ADC sensor warna TCS3200 dan resistensi sensor photodiode oleh mikrokontroler Arduino uno dengan menggunakan metode Support Vector Machine, karena metode ini merupakan salah satu metode klasifikasi yang masih jarang digunakan, mudah dipahami, lebih akurat dan memunyai kecepatan komputasi yang tinggi. Dari hasil pengujian yang dilakukan, diketahui persentase error pembacaan sensor warna TCS3200 adalah sebesar 3,31% dan sensor photodiode dapat bekerja dengan baik. Terlihat apabila minyak goreng keadaannya semakin keruh, maka nilai dari sensor photodiode semakin besar. Selanjutnya, pada pengujian sistem menggunakan metode Support Vector Machine dengan jumlah data latih sebanyak 60 data dan data uji sebanyak 13 data, diperoleh akurasi sebesar 92,3% dengan waktu komputasi sistem rata-rata selama 4384,53 ms.