Skripsi/Tugas Akhir

Penerapan Metode Case-Based Reasoning untuk Mendeteksi Kematangan Buah Kelapa Sawit di Kabupaten Luwu Utara

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Kabupaten Luwu Utara merupakan salah satu daerah penghasil sawit di Indonesia. Kabupaten ini berada di bagian utara Sulawesi Selatan. Wilayah Luwu Utara yang sebagian besar merupakan perbukitan sangat cocok dengan tenaman ini. Plt Kepala Dinas Tanaman Pangan Hotlikultura dan Perkebunan (TPHP) Luwu Utara, Rusydi Rasyid, menyebutkan, kebun kelapa sawit pada tahun 2018 seluas 18.360 hektar. Produksinya mencapai 336.426 ton tandan buah segar (TBS) per tahun. Kebun sawit Luwu Utara terdiri dari 2.987 hektare tanaman belum menghasilkan. Kemudian 14.097 hektare tanaman menghasilkan dan 1.375 hektare tanaman tua. Kebun ini tersebar hampir di semua wilayah Luwu Utara. Sebagai salah satu negara penghasil kelapa sawit terbesar di dunia kelapa sawit sangat penting bagi masyarakat Indonesia utamanya bagi petani kelapa sawit serta industri yang terkait dengan pengolahan hasil panen buah kelapa sawit .Tanaman kelapa sawit dapat menghasilkan beberapa jenis produk seperti margarin, frying fat, coating fat dll dengan produk utamanya adalah minyak goreng yang merupakan hasil pengolahan dari buah kelapa sawit .Pohon kelapa sawit sendiri dapat tumbuh hingga 12 meter hal ini menyebabkan kesulitan dalam prosen pemanenan utamanya dalam hal mendeteksi kematangan buah kelapa sawit karna proses identifikasi manual dengan penglihatan maka factor seperti pencahayaan serta factor manusiawi seperti ketajaman penglihatan sangat mempengaruhi produktifitas petni. Kesalahan identifikasi oleh buruh panen dapat menyebabkan penolakan karna tingkat kematangan yang tidak sesuai dengan standar pabrik. Didorong hal tersebut peneliti berinovasi untuk membuat prototype alat pendeteksi kematangan kelapa sawit dengan menerapkan metode Case-Based Reasoning. Alat ini dilengkapi dengan algoritma K-NN untuk meningkatkan akurasinya. Penelitian ini menggunakan Arduino UNO sebagai Mikrokontrolernya dan sensor warna TCS3200 untuk mengambil nilai RGB (RED GREEN BLUE) dari tandan buah segar kelapa sawit sebagain inputan. Metode yang digunakan pada penelitian ini adalah Case-Based Reasoning untuk klasifikasi pada buah kelapa sawit layak panen. Untuk menguji akurasi alat ini dilakukan 4 kali percobaan dengan nilai K yang berbeda dengan 60 sampel buah kelapa sawit hingga didapatkan akurasi terbaik dengan nilai K=5 yaitu sebesar 88,5% .
Kata Kunci: Kelapa Sawit, Metode CBR, K-NN, Sensor TCS3200, Arduino UNO

ABSTRACT
North Luwu Regency is one of the palm oil producing areas in Indonesia. This district is located in the northern part of South Sulawesi. The North Luwu area, which is mostly hilly, is very suitable for this plant. Acting Head of North Luwu's Food Crops, Hotliculture and Plantation Service (TPHP), Rusydi Rasyid, said that oil palm plantations in 2018 covered an area of 18,360 hectares. Its production reaches 336,426 tons of fresh fruit bunches (FFB) per year. North Luwu's oil palm plantations consist of 2,987 hectares of immature plantations. Then 14,097 hectares of mature plantations and 1,375 hectares. These gardens are spread in almost all areas of North Luwu. As one of the largest palm oil producing countries in the world, palm oil is very important for the people of Indonesia, especially for oil palm farmers and industries related to the processing of palm fruit yields. Oil palm plants can produce several types of products such as margarine, frying fat, coating fat, etc. With its main product being cooking oil which is the result of processing of oil palm fruit. The oil palm tree itself can grow up to 12 meters. As well as human factors such as visual acuity greatly affect the productivity of farmers. Misidentification by harvest workers can cause rejection because the level of maturity does not match factory standards. Encouraged by this, researchers innovated to make a prototype tool for detecting oil palm maturity by applying the Case-Based Reasoning method. This tool is equipped with the K-NN algorithm to increase its accuracy. This study uses Arduino UNO as the microcontroller and the TCS3200 color sensor to take RGB (RED GREEN BLUE) values from fresh fruit bunches of oil palm as input. The method used in this study is Case-Based Reasoning for the classification of harvestable oil palm fruit. To test the accuracy of this tool, 4 experiments were carried out with different K values from 60 samples of oil palm fruit until the best accuracy was obtained with a value of K = 5, which was 88.5%.
Keywords: Palm Oil, CBR Method, K-NN, TCS3200 Sensor, Arduino UNO

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-47 ZUL p - 0412TI

Penerbit

Makassar : Universitas DIPA., 2023

Deskripsi Fisik

xiii + 61 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-47

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Cetakan Maret 2023

Subjek

Skripsi/Tugas Akhir
Arduino
K-Nearest Neighbor
Metode Case-Based Reasoning

Lampiran File