POLITANI SAMARINDAPOLITANI SAMARINDA

TEPIANTEPIAN

Studi ini didorong oleh meningkatnya konsumsi minuman berperisa gula yang secara signifikan berkontribusi pada risiko diabetes melitus. Oleh karena itu, diperlukan sistem yang praktis, akurat, dan efisien untuk mendeteksi kadar gula dalam minuman. Studi ini bertujuan untuk merancang dan mengimplementasikan sistem berbasis Internet of Things (IoT) untuk mengklasifikasikan kadar gula menggunakan algoritma K-Nearest Neighbor (KNN). Sistem dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor ultrasonik, fotodioda, dan sumber cahaya inframerah untuk menangkap karakteristik fisik dan optik cairan. Penelitian fokus pada beberapa minuman yang umum dikonsumsi, yaitu teh manis, kopi, susu, sirup, dan air lemon, dengan kadar gula bervariasi dari 10 hingga 60 gram. Data yang dikumpulkan diproses melalui normalisasi menggunakan metode StandardScaler dan diklasifikasikan berdasarkan jarak Euclidean dengan nilai k sebesar 5. Hasil klasifikasi dibagi menjadi tiga kategori: rendah, sedang, dan tinggi. Hasil eksperimen menunjukkan bahwa sistem mencapai akurasi 85% di bawah kondisi uji. Hasil ini menunjukkan bahwa sistem yang diusulkan dapat melakukan klasifikasi yang andal dalam skenario praktis. Selain itu, sistem menyediakan solusi berbiaya rendah dan real-time, yang cocok untuk aplikasi praktis dalam memantau konsumsi gula harian dan mendukung pencegahan dini diabetes melitus.

Sistem mampu membedakan kadar gula menjadi kategori rendah, sedang, dan tinggi berdasarkan data sensor real-time, mencapai akurasi 85%.Temuan ini menunjukkan bahwa algoritma KNN efektif dalam memproses data sensor untuk klasifikasi kadar gula.Selain itu, sistem yang dikembangkan beroperasi secara terpadu dan menunjukkan potensi kuat sebagai solusi praktis untuk membantu individu memantau konsumsi gula sebagai bagian dari upaya pencegahan dini diabetes melitus.Untuk penelitian masa depan, dapat digunakan berbagai macam sampel minuman untuk meningkatkan stabilitas dan akurasi model klasifikasi.Selain itu, penelitian lanjutan dapat mengeksplorasi penggunaan algoritma klasifikasi lain seperti Support Vector Machine (SVM) dan Random Forest untuk menentukan pendekatan paling efektif dalam memproses data sensor.Sistem juga dapat ditingkatkan dengan mengintegrasikan sensor yang lebih sensitif dan melakukan pengujian pada skala yang lebih besar di bawah kondisi lingkungan yang beragam.

1. Penelitian lanjutan dapat mengembangkan model klasifikasi yang lebih akurat dengan menggabungkan sensor tambahan seperti sensor refraktometri untuk meningkatkan presisi pengukuran kadar gula dalam minuman. 2. Mempelajari penggunaan algoritma machine learning lain seperti Random Forest atau Neural Network untuk membandingkan performa klasifikasi dengan KNN dan menemukan pendekatan terbaik dalam konteks IoT. 3. Mengintegrasikan sistem ini dengan aplikasi mobile untuk memberikan notifikasi real-time kepada pengguna tentang kadar gula minuman yang dikonsumsi, sehingga meningkatkan kesadaran publik dan membantu pengambilan keputusan sehat.

  1. Perilaku Konsumsi Sugar Sweetened Beverages (SSB) dan Aktifitas Media Social pada Mahasiswa Perkotaan... jurnal.unismuhpalu.ac.id/index.php/MPPKI/article/view/4647Perilaku Konsumsi Sugar Sweetened Beverages SSB dan Aktifitas Media Social pada Mahasiswa Perkotaan jurnal unismuhpalu ac index php MPPKI article view 4647
  2. Analisis Kandungan Gula Minuman Kemasan Menggunakan Pendekatan Refraktometri Sebagai Dasar Evaluasi Mutu... doi.org/10.53416/stmj.v5i2.487Analisis Kandungan Gula Minuman Kemasan Menggunakan Pendekatan Refraktometri Sebagai Dasar Evaluasi Mutu doi 10 53416 stmj v5i2 487
  3. Faktor Risiko Konsumsi Minuman Manis Terhadap Kejadian Diabetes Melitus Tipe 2 di Era Gaya Hidup Modern... doi.org/10.38035/rrj.v7i1.1246Faktor Risiko Konsumsi Minuman Manis Terhadap Kejadian Diabetes Melitus Tipe 2 di Era Gaya Hidup Modern doi 10 38035 rrj v7i1 1246
  4. Traffic Light Design with Infrared Sensors | Sulistyo | Journal of Electrical, Electronic, Information,... jurnal.uns.ac.id/jeeict/article/view/66408Traffic Light Design with Infrared Sensors Sulistyo Journal of Electrical Electronic Information jurnal uns ac jeeict article view 66408
Read online
File size504.12 KB
Pages9
DMCAReport

Related /

ads-block-test