Record Details

Klasifikasi Kesiapan Panen Tanaman Hidroponik Bayam Hijau menggunakan Metode Pengolahan Citra dan K-Nearest Neighbours berbasis Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Kesiapan Panen Tanaman Hidroponik Bayam Hijau menggunakan Metode Pengolahan Citra dan K-Nearest Neighbours berbasis Raspberry Pi
 
Added Entry - Uncontrolled Name Haesri, Bilawal
Fitriyah, Hurriyatul
Ichsan, Mochammad Hannats Hanafi
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Bayam hijau merupakan salah satu sayuran yang digemari oleh masyarakat Indonesi untuk dikonsumsi, hal ini dapat dilihat dari meningkatnya hasil produksi bayam hijau dari tahun 2020 hingga tahun 2021 dengan peningkatan sebesar 9%. Secara Umum Budidaya bayam hijau dilakukan secara konvensional dengan menggunakan tanah sebagai media tanaman, namun teknik budidaya ini memerlukan lahan yang luas. Salah satu cara alternatif untuk membudidayakan bayam hijau adalah dengan teknik hidroponik yang  memanfaatkan air nutrisi tanaman sebagai media tumbuh tanaman. Kesiapan panen tanaman hidroponik dapat ditentukan dari usianya, namun harus dilihat dahulu dari bentuk dan ukuran dari tanaman hidroponik yang akan dipanen. Permasalahan yang ditemukan pada budidaya secara hidroponik adalah petani hidroponik perlu melakukan pemantauan rutin untuk menentukan apakah tanaman hidroponik sudah siap panen atau belum pada tiap tanaman yang membutuhkan waktu yang lama sehingga mengurangi efektivitas produksi tanaman, karena akan menghambat siklus produksi hidroponik. Pada penelitian ini akan membangun sebuah sistem yang dapat melakukan klasifikasi kesiapan panen bayam hijau hidroponik dengan memanfaatkan pengolahan citra digital dan klasifikasi K-Nearest Neighbours. Sistem menggunakan kamera webcam untuk mengambil citra, Raspberry Pi sebagai perangkat proses pengolahan citra dan klasfikasi, serta LCD 20x4 untuk menampilkan hasil klasifikasi kesiapan panen. Pengujian sistem dilakukan menggunakan 12 citra bayam hijau dengan hasil akurasi klasifikasi menggunakan K-NN sebesar 100% pada nilai K=3 dan hasil waktu komputasi keseluruhan sistem dengan nilai rata-rata 1,4 detik.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12047
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 6 No 12 (2022): Desember 2022
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com