UBHARAJAYAUBHARAJAYA

Journal of Students‘ Research in Computer ScienceJournal of Students‘ Research in Computer Science

Jaminan keamanan pangan merupakan pilar utama kesehatan masyarakat, namun angka keracunan makanan di Indonesia masih sangat mengkhawatirkan dengan catatan 4.711 kasus hingga September 2025. Permasalahan ini diperparah oleh keterbatasan metode konvensional yang bersifat subjektif dan kegagalan dalam mendeteksi dekomposisi pangan pada fase awal, di mana aktivitas mikroorganisme mulai melepaskan senyawa Volatile Organic Compounds (VOCs) seperti amonia dan uap alkohol yang tidak terdeteksi indra manusia. Tujuan dari gagasan mengembangkan SADEMIN (Smart Detector System Kelayakan Makanan dan Minuman) sebagai sistem deteksi cerdas berbasis Internet of Things (IoT) untuk memantau tingkat kesegaran pangan secara objektif, akurat, dan real-time. SADEMIN dirancang dengan mengintegrasikan sensor gas MQ-135 dan sensor alkohol MQ-3 yang dikendalikan oleh mikrokontroler ESP8266. Inovasi ini bekerja dengan mendeteksi emisi gas amonia dan etanol hasil degradasi makanan, di mana status Tidak Layak akan ditetapkan apabila nilai gas mencapai ambang batas ≥ 32% atau terdeteksinya kadar alkohol. Data hasil pemantauan ditampilkan secara lokal melalui LCD 16x2 dan ditransmisikan secara nirkabel ke aplikasi Blynk pada smartphone. Selain itu, sistem dilengkapi fitur peringatan suara melalui modul DF Player Mini sebagai mekanisme peringatan dini (early warning system). Hasil uji coba menunjukkan bahwa SADEMIN memiliki validitas tinggi dalam membedakan kondisi sampel layak dan tidak layak sesuai kondisi aktual. Inovasi ini diharapkan mampu meminimalkan risiko keracunan makanan serta mendukung pencapaian SDGs poin 3 mengenai kehidupan sehat dan sejahtera.

SADEMIN telah berhasil diciptakan sebagai sistem untuk mendeteksi kelayakan makanan dan minuman yang berbasis Internet of Things (IoT) dengan memanfaatkan sensor MQ-135 dan MQ-3.Sistem ini dapat mendeteksi perubahan kualitas makanan dengan mengukur kandungan gas amonia dan alkohol secara langsung.Keterhubungan dengan aplikasi Blynk memungkinkan pemantauan dilakukan dari jarak jauh, yang berpotensi untuk mengurangi kemungkinan terjadinya keracunan makanan.

Penelitian lanjutan dapat fokus pada pengembangan sensor multi-spektrum untuk mendeteksi lebih banyak jenis VOCs yang terkait pembusukan pangan. Selain itu, integrasi sistem dengan teknologi AI untuk meningkatkan akurasi prediksi kelayakan makanan berdasarkan pola data historis juga layak dieksplorasi. Terakhir, pengujian skala besar pada lingkungan industri makanan atau restoran dapat dilakukan untuk memastikan skalabilitas dan efektivitas sistem dalam kondisi operasional nyata.

Read online
File size657.68 KB
Pages12
DMCAReport

Related /

ads-block-test