Maulida, Ulfi (2025) PROTOTIPE CONVEYOR PENDETEKSI BUAH SAWIT BERDASARKAN CITRA WARNA MENGGUNAKAN ALGORITMA YOLO (You Only Look Once). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (56kB)
	Text Abstrak.pdf Download (14kB)
	Text BAB I.pdf Download (108kB)
	Text DAFTAR PUSTAKA.pdf Download (79kB)
	Text Full-Text.pdf Restricted to Registered users only Download (2MB)

Abstract

Kelapa sawit (Elaeis guineensis) merupakan tanaman yang memiliki peranan penting dalam sektor pertanian, khususnya dalam industri minyak nabati. Indonesia adalah salah satu produsen kelapa sawit terbesar di dunia dengan lebih dari 13 juta hektar lahan untuk perkebunan kelapa sawit. Kelapa sawit menghasilkan minyak sawit yang digunakan dalam produk pangan, kosmetik, dan industri lainnya, serta berkontribusi besar terhadap perekonomian negara. Namun, salah satu tantangan besar dalam industri ini adalah proses pemanenan buah kelapa sawit yang sangat mempengaruhi kualitas dan kuantitas minyak yang dihasilkan. Penelitian ini bertujuan untuk merancang dan membangun alat pendeteksian kelapa sawit berdasarkan warna berbasis Internet of Things (IoT) yang dilengkapi algoritma YOLO (You Only Look Once) untuk mendeteksi dan mengklasifikasikan buah sawit berdasarkan citra warna secara real-time. Alat pendeteksi buah sawit ini menggunakan mikrokontroler ESP32 untuk mengontrol komponen-komponen seperti motor rotasi conveyor, motor servo, sensor IR Proximity, serta mengirim data ke Web untuk pemantauan dan penyimpanan data. Algoritma YOLO digunakan mengklasifikasikan buah berdasarkan kategorinya yaitu matang dan juga mentah. Hasil pengujian menunjukkan bahwa Algoritma YOLO berhasil mengklasifikasikan buah dengan jumlah akurasi keseluruhan sebesar 85.7%. Algoritma YOLO terbukti mampu menyesuaikan nilai prediksi berdasarkan pembacaan sebelumnya. Dengan integrasi IoT, pengguna dapat memantau proses penetasan menggunakan laptop. Hasil keseluruhan menunjukkan bahwa sistem pendeteksi menggunakan Algoritma YOLO ini mampu meningkatkan efisiensi dan akurasi pemanenan secara signifikan.

Item Type:	Thesis (S1)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > 20201 - Jurusan Teknik Elektro
Depositing User:	Ulfi Maulida
Date Deposited:	15 Aug 2025 08:51
Last Modified:	15 Aug 2025 08:51
URI:	https://rama.unimal.ac.id/id/eprint/13939

Actions (login required)

View Item