RANCANG BANGUN APLIKASI ANDROID KALKULATOR KADAR AIR DALAM BUAH MENGGUNAKAN TENSORFLOW LITE OBJECT DETECTION

(1)

i

RANCANG BANGUN APLIKASI ANDROID

KALKULATOR KADAR AIR DALAM BUAH

MENGGUNAKAN TENSORFLOW LITE

OBJECT DETECTION

SKRIPSI

Diajukan Guna Memenuhi Persyaratan Memperoleh Gelar Sarjana Komputer (S.Kom.)

CECILIA .

00000012779

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS TEKNIK DAN INFORMATIKA

UNIVERSITAS MULTIMEDIA NUSANTARA

TANGERANG

2020

(2)

(3)

(4)

iv

RANCANG BANGUN APLIKASI ANDROID KALKULATOR KADAR AIR DALAM BUAH MENGGUNAKAN

TENSORFLOW LITE OBJECT DETECTION

ABSTRAK

Oleh: Cecilia .

Setiap manusia membutuhkan air untuk bertahan hidup dan mempertahankan kondisi cairan dalam tubuh. Cairan tubuh tidak hanya berasal dari air, tetapi dapat diperoleh dari asupan air dalam makanan, seperti buah-buahan. Vitamin dan mineral yang terkandung dalam buah berfungsi sebagai antioksidan yang dapat mengurangi kemungkinan tertular penyakit. Namun, pola hidup orang Indonesia menunjukkan perilaku yang kurang mengonsumsi buah dan sayur sehingga tingkat masalah gizi di Indonesia masih tergolong tinggi. Hal ini disebabkan karena pengetahuan masyarakat terutama remaja untuk mengonsumsi buah dengan tujuan memiliki pola hidup sehat masih terbatas (Hermina & S, 2016).

Penelitian ini diadakan dengan mengusulkan aplikasi mobile berbasis Android yang dapat memberikan informasi mengenai kadar air dalam buah yang dikonsumsi dan juga memberikan pengetahuan akan jenis buah-buahan yang ada. Dalam pengembangannya, aplikasi ini akan menggunakan metode object detection yang akan mempermudah pengguna untuk mengklasifikasi jenis buah.

Hasil dari penelitian adalah aplikasi yang akan memberikan informasi berupa jumlah kadar air dari buah yang dikonsumsi dan dapat melihat jenis-jenis buah lain yang dapat ditemukan dalam aplikasi yang akan memberikan pengetahuan tentang kadar air dalam buah.

(5)

v

DESIGN AND DEVELOPMENT ANDROID APPLICATION OF WATER CONTENT CALCULATION IN FRUIT USING

TENSORFLOW LITE OBJECT DETECTION

ABSTRACT

By: Cecilia .

Every human needs water to survive and maintain fluid conditions in the body. Body fluids not only come from water, but can be obtained from water intake in food, such as fruits. Vitamins and minerals contained in fruit function as antioxidants which can reduce the chance of contracting the disease. However, the lifestyle of Indonesians shows a lack of consumption of fruits and vegetables so that the level of nutritional problems in Indonesia is still relatively high. This is due to the community's knowledge especially teenagers to consume fruit with the aim of having a healthy lifestyle is still limited (Hermina & S, 2016).

This research was conducted by proposing an Android-based mobile application that can provide information about the water content in the fruit consumed and also provide knowledge of the types of fruit that exist. In its development, this application will use the object detection method that will make it easier for users to classify fruit types.

The results of the study are applications that will provide information in the form of the amount of water content of the fruit consumed and can see other types of fruit that can be found in the application that will provide knowledge about the water content in the fruit.

(6)

vi

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Kuasa sehingga skripsi dengan judul “Rancang Bangun Aplikasi Android Kalkulator Kadar Air dalam Buah menggunakan TensorFlow Lite Object Detection” dapat selesai dengan baik dan tepat pada waktunya. Skripsi ini diajukan kepada Program Strata 1, Program Studi Sistem Informasi, Fakultas Teknik dan Informatika, Universitas Multimedia Nusantara.

Dengan berakhirnya proses penulisan skripsi ini, penulis ingin mengucapkan terima kasih kepada:

1. Ibu Friska Natalia, Ph.D. yang telah senantiasa membantu penulis dalam memberikan arahan, ide-ide, dan pedoman dalam penulisan skripsi, serta berdiskusi dengan penulis dalam pembuatan skripsi,

2. Ibu Ririn Ikana Desanti, S.Kom., M.Kom., selaku Ketua Program Studi serta dosen lainnya yang turut memberikan arahan dan dukungan dalam proses pembuatan skripsi hingga menyetujui laporan skripsi,

3. Kedua orang tua saya dan adik-adik saya yang memberikan dukungan, semangat, nasehat, dan doa dalam menyelesaikan proses perkuliahan hingga proses penulisan laporan skripsi,

4. Kak Made yang membantu dan memberikan arahan dalam proses pembuatan aplikasi hingga selesai,

(7)

(8)

viii

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN PERNYATAAN ... ii

HALAMAN PENGESAHAN ... iii

ABSTRAK ... iv

ABSTRACT ...v

KATA PENGANTAR ... vi

DAFTAR ISI ... viii

DAFTAR GAMBAR ... xi

DAFTAR TABEL ... xiii

DAFTAR RUMUS ... xiv

BAB I PENDAHULUAN ...1

1.1. Latar Belakang ...1

1.2. Rumusan Masalah ...3

1.3. Batasan Masalah ...3

1.4. Tujuan dan Manfaat Penelitian...4

BAB II LANDASAN TEORI ...6

2.1. Teori Terkait ...6 2.1.1. Kadar Air ...6 2.1.2. Buah ...7 2.1.3. Android ...7 2.1.4. Object Detection ...8 2.1.5. Faster R-CNN ...9

(9)

ix

2.1.6. TensorFlow ...10

2.1.7. Firebase ...11

2.1.8. Google Cloud Platform ...13

2.1.9. Android Studio ...15

2.1.10. Rapid Application Development ...15

2.1.11. Mean Opinion Score ...17

2.2. Penelitian Terdahulu ...18

BAB III METODOLOGI PENELITIAN ...21

3.1. Objek Penelitian ...21

3.2. Kerangka Berpikir ...21

3.3. Metode Penelitian ...22

3.3.1. Metode Penyelesaian Masalah ...22

3.3.2. Metode Pengembangan Sistem ...24

3.4. Variabel Penelitian ...27

3.4.1. Variabel Dependen (x) ...27

3.4.2. Variabel Independen (y)...27

3.5. Teknik Pengambilan Data ...27

3.6. Teknik Pengolahan Data ...27

BAB IV ANALISIS DAN HASIL PENELITIAN ...29

4.1. Penyelesaian Masalah...29

4.1.1. Membuat Dataset ...29

4.1.2. Melakukan Labelisasi pada Gambar ...30

4.1.3. Melakukan Training Model dan Analisa ...32

(10)

x 4.2. Pengembangan Sistem ...42 4.2.1. Requirement Analysis ...43 4.2.2. System Design ...48 4.2.3. Implementation ...52 4.2.4. Testing ...62

4.2.5. Hasil Analisa dan Diskusi ...67

BAB V KESIMPULAN DAN SARAN ...68

5.1. Kesimpulan ...68

5.2. Saran ...69

DAFTAR PUSTAKA ...71

(11)

xi

DAFTAR GAMBAR

Gambar 2.1. Object Detection...8

Gambar 2.2. Faster R-CNN ...9

Gambar 2.3. TensorFlow Lite Object Detection ...11

Gambar 2.4. Firebase Realtime Database ...12

Gambar 2.5. AutoML Vision ...14

Gambar 2.6. AutoML Vision Object Detection ...15

Gambar 2.7. Tahapan Metode Rapid Application Development ...16

Gambar 3.1. Langkah dalam Menentukan Kadar Air Buah yang Dikonsumsi ...21

Gambar 4.1. Halaman meng-import gambar ...29

Gambar 4.2. Objek yang sudah diberi label dan kotak pembatas ...30

Gambar 4.3. Memberi label pada objek ...30

Gambar 4.4. Hasil training model ...33

Gambar 4.5. Grafik tingkat akurasi seluruh label ...33

Gambar 4.6. Melakukan deteksi pada buah stroberi ...36

Gambar 4.7. Model dapat mengenali buah stroberi ...36

Gambar 4.8. Kesalahan deteksi pada buah melon ...38

Gambar 4.9. Model dapat mengenali buah jeruk_bali dengan benar meskipun bentuk dan warnanya seperti buah melon ...39

Gambar 4.10. Tingkat akurasi rendah ketika mendeteksi buah semangka ...40

Gambar 4.11. Grafik analisa pada label semangka ...41

Gambar 4.12. Tampilan ketika akan meng-export model ...41

Gambar 4.13. Daftar file yang berhasil di-export ...42

Gambar 4.14. Code yang mengimplementasikan model ke dalam aplikasi ...42

Gambar 4.15. Use Case Diagram ...49

Gambar 4.16. Class Diagram ...49

Gambar 4.17. Activity Diagram: Input Gambar ...50

Gambar 4.18. Activity Diagram: Melakukan Kalkulasi Berdasarkan Nama dan Jumlah Buah yang Dimakan ...51

(12)

xii

Gambar 4.19. Actitvity Diagram: Mengelola daftar buah ...52

Gambar 4.20. Splash Screen ...53

Gambar 4.21. Halaman Utama ...54

Gambar 4.22. Halaman Deteksi Buah ...55

Gambar 4.23. Halaman input jumlah buah ...56

Gambar 4.24. Halaman hasil akhir...57

Gambar 4.25. Halaman Daftar Buah ...58

Gambar 4.26. Halaman Tentang ...59

Gambar 4.27. Tampilan isi Firebase Realtime Database ...60

Gambar 4.28. Code menghubungkan Firebase dengan Android Studio...61

Gambar 4.29. Code mengunduh data dari Firebase ke local database ...61

(13)

xiii

DAFTAR TABEL

Tabel 2.1. Mean Opinion Score ...18

Tabel 2.2 Penelitian Terdahulu ...18

Tabel 3.1. Perbandingan System Design Method ...24

Tabel 4.1. Statistika Label... 31

Tabel 4.2. Summary Model Fruitter ...34

Tabel 4.3. Daftar buah yang berhasil terdeteksi...37

Tabel 4.4. Daftar buah yang namanya salah terdeteksi...39

Tabel 4.5. Daftar buah yang tingkat akurasinya rendah ...41

Tabel 4.6. Requirement Analysis...43

Tabel 4.7. Daftar Buah beserta dengan jumlah kadar air dan berat rata-rata ...44

Tabel 4.8. Hasil Pengujian dengan Black Box Testing ...63

Tabel 4.9. Mean Opinion Score (MOS) ...64

Tabel 4.10. Hasil Pengujian dengan Formulir UAT ...64

(14)

xiv

DAFTAR RUMUS

(15)

76

LAMPIRAN

1. Formulir Bimbingan Skripsi

2. Formulir User Acceptance Test (UAT)