DAFTAR ISI ... i
DAFTAR GAMBAR ... ii
DAFTAR TABEL ... ii
DAFTAR LAMPIRAN ... ii
BAB 1. PENDAHULUAN ...1
1.1 Latar Belakang ...1
1.2 Rumusan Masalah ...1
1.3 Tujuan ...2
1.4 Manfaat ...2
1.5 Luaran ...2
BAB 2 TINJAUAN PUSTAKA ...3
2.1 Machine learning (ML) ...3
2.2 Computer Vision ...3
2.3 Raspberry Pi ...3
2.4 Kamera WebCam ...4
2.5 Mikrokontroler Arduino Mega 2560 PinOut ...4
BAB 3 TAHAP PELAKSANAAN ...4
3.1 Tahapan Pelaksanaan ...4
3.2 Observasi dan Studi Literatur ...5
3.3 Perencanaan dan Perancangan ...5
3.4 Pengadaan Alat dan Bahan ...5
3.5 Proses Pembuatan alat...5
3.6 Pengujian Alat ...5
3.7 Evaluasi Alat ...6
3.8 Laporan Akhir ...6
BAB 4 BIAYA DAN JADWAL KEGIATAN ... 7
4.1 Anggaran Biaya ...7
4.2 Jadwal Kegiatan ...7
DAFTAR PUSTAKA ...8
LAMPIRAN ...11
i
Gambar 3. Tahapan Pelaksanaan ... 4
DAFTAR TABEL Tabel 1. Rekapitulasi Rencana Anggaran Biaya ... 7
Tabel 2. Jadwal Kegiatan PKM ... 8
LAMPIRAN Lampiran 1. Biodata Ketua dan Anggota,serta Dosem Pebimbing ... 11
Lampiran 2. Justifikasi Anggaran Kegiatan ... 20
Lampiran 3. Susunan Tim Pengusul dan Pembagian Tugas ... 21
Lampiran 4. Surat Pernyataan Ketua Tim Pengusul ... 22
Lampiran 5. Gambaran Teknologi yang akan Dikembangkan ... 23
ii
BAB I. PENDAHULUAN 1.1 Latar Belakang
Manggis (Garcinia mangostana L.) adalah salah satu buah tropis unggulan yang sangat menguntungkan di pasar lokal maupun internasional. Dikenal dengan cita rasanya yang manis dan asam, serta nilai gizinya yang tinggi, manggis mendapat julukan "Ratu Buah Tropis". Permintaan global terhadap buah ini, terutama dari Tiongkok, Eropa, dan Timur Tengah, terus meningkat.
Namun, tantangan besar dihadapi oleh para produsen manggis, yakni menjaga kualitas produk sesuai standar internasional yang mencakup parameter seperti ukuran, warna kulit, tingkat kematangan, dan kondisi fisik buah (Hesti, S. N., 2023).
Saat ini, proses sortir manggis umumnya masih dilakukan secara manual oleh tenaga kerja manusia (Ardiansyah, D., 2024). Proses ini membutuhkan waktu lama, sumber daya manusia yang besar, dan cenderung tidak konsisten karena subjektivitas penilaian. Ketidaktepatan dalam proses sortir dapat menyebabkan buah yang tidak layak tetap dikirim ke pasar (Hanafi, M. &
Pravitasari, A. E., 2022), yang pada akhirnya menurunkan reputasi produsen dan melemahkan daya saing produk manggis.
Melihat kendala tersebut, penggunaan teknologi terkini seperti machine learning dan computer vision menjadi peluang besar untuk mengatasi permasalahan ini. Sistem sortir otomatis yang didukung oleh kecerdasan buatan dapat mengenali pola dan melakukan klasifikasi dengan lebih cepat dan akurat.
Sistem ini dapat memproses gambar buah manggis untuk mengidentifikasi kualitas berdasarkan ukuran, warna kulit, tingkat kematangan, dan cacat fisik.
Prototipe yang akan dikembangkan dalam Program Kreativitas Mahasiswa ini dinamakan MangiSort, yaitu alat sortir otomatis berbasis machine learning dan computer vision yang memiliki keunggulan dari sisi efisiensi, akurasi, serta kemampuan adaptasi terhadap standar kualitas yang berbeda. Prototipe ini merupakan pengembangan dari sistem sortir otomatis yang telah diterapkan sebelumnya oleh tim peneliti dari Institut Pertanian Bogor (2021), namun MangiSort dimodifikasi dengan penambahan parameter klasifikasi yang lebih rinci, integrasi sistem pembelajaran adaptif, dan penggunaan perangkat keras yang lebih terjangkau sehingga dapat diadopsi oleh petani di daerah produksi utama manggis.
Dengan pendekatan ini, target utama yang ingin dicapai adalah menciptakan sistem sortir yang lebih cerdas, hemat biaya, dan dapat disesuaikan dengan kebutuhan lokal, sekaligus mendorong transformasi digital dalam sektor hortikultura Indonesia. Secara ilmiah, pendekatan ini didukung oleh kemajuan algoritma klasifikasi berbasis convolutional neural network (CNN), serta secara ekonomi diharapkan dapat meningkatkan efisiensi rantai pasok dan pendapatan petani.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang dibahas sebelumnya, kami mengangkat rumusan masalah sebagai berikut:
a. Bagaimana cara meningkatkan efisiensi dan akurasi proses sortir buah manggis agar sesuai dengan standar mutu pasar domestik dan internasional?
b. Bagaimana penerapan teknologi machine learning dan computer vision dapat digunakan untuk mendeteksi, mengklasifikasi, dan menilai kualitas buah manggis berdasarkan parameter seperti ukuran, warna kulit, tingkat kematangan, dan cacat fisik?
c. Sejauh mana alat sortir berbasis machine learning dan computer vision dapat mengurangi ketergantungan pada tenaga kerja manual dan meningkatkan produktivitas para penghasil manggis?
d. Apa dampak penggunaan alat sortir manggis berbasis kecerdasan buatan terhadap peningkatan jaminan mutu dan daya saing produk di pasar lokal dan global?
1.3 Tujuan
Tujuan dari penelitian ini adalah untuk meningkatkan efisiensi dan akurasi proses sortir buah manggis agar memenuhi standar mutu pasar domestik dan internasional. Melalui pemanfaatan teknologi machine learning dan computer vision, penelitian ini akan mengembangkan sistem cerdas yang mampu mendeteksi, mengklasifikasi, dan menilai kualitas buah manggis berdasarkan parameter seperti ukuran, warna kulit, tingkat kematangan, dan keberadaan cacing. Sistem ini diharapkan dapat menjadi solusi otomatisasi proses produksi yang mampu meningkatkan produktivitas serta mengurangi ketergantungan pada tenaga kerja manual, sehingga mendukung peningkatan daya saing produk manggis di pasar global.
1.4 Manfaat
Berdasarkan dari tujuan di bahas sebelumnya didapatkan manfaat sebagai berikut :
a. Meningkatkan efisiensi dan ketepatan dalam proses sortir buah, sehingga dapat menjaga mutu produk secara konsisten.
b. Memberikan kemudahan bagi petani dan eksportir dalam mengelola kualitas buah secara objektif dan berbasis data visual.
c. Mendorong modernisasi sektor pertanian manggis melalui penerapan sistem otomatis berbasis perangkat lunak dan perangkat keras sederhana.
d. Meningkatkan daya saing produk hortikultura nasional di pasar ekspor.
e. Memberikan kontribusi terhadap peningkatan literasi teknologi di kalangan pelaku pertanian.
1.5 Luaran
Luaran yang diharapkan dari Program Kreativitas Mahasiswa ini adalah sebagai berikut:
a. Laporan kemajuan.
b. Laporan akhir.
c. Prototype MangiSort d. Akun Media Sosial BAB II TINJAUAN PUSTAKA 2.1 Machine learning (ML)
Machine learning adalah cabang dari kecerdasan buatan yang memberikan sistem komputer kemampuan untuk belajar dari data tanpa memerlukan pemprograman ekspisit (Khatami dkk., 2021). Machine Learning (ML) berfokus pada pengembangan model komputasional dan algoritma yang memungkinkan sistem untuk belajar dan meningkatkan kinerjanya (Arfi dkk., 2021). Dalam machine learning, ada beberapa paradigma. Supervised learning menggunakan data terlabel untuk melatih model, unsupervised learning menggunakan data tanpa label untuk menemukan pola, dan reinforcement learning menggunakan trial and error untuk mengajarkan model dalam lingkungan dinamis (Alwahedi dkk., 2024). Dalam pengaturan lalu lintas, Machine learning (ML) dapat digunakan untuk menganalisis data lalu lintas (Arfi dkk., 2021)
2.2 Computer Vision
Computer Vision adalah teknologi yang memungkinkan mesin untuk menginterpretasi dan memahami informasi visual dari dunia nyata (Marpaung, F., Aulia, F., & Nabila, R. C. 2022). Dalam hal ini, Computer Vision dapat digunakan untuk mengakuisisi data visual tentang kualitas buah manggis secara real-time, dengan menganalisis fitur-fitur seperti warna kulit, ukuran, tingkat kematangan, dan keberadaan cacat fisik (Zhang dkk., 2022). Teknologi ini memungkinkan proses evaluasi kualitas menjadi lebih cepat, akurat, dan konsisten dibandingkan metode manual. Dengan dukungan algoritma pengolahan gambar, teknologi ini dapat mengoptimalkan pengelompokan buah manggis sesuai dengan standar mutu yang ditetapkan. Hal ini tidak hanya meningkatkan efisiensi proses sortir tetapi juga membantu memastikan bahwa produk yang dihasilkan memenuhi ekspektasi pasar (Hassan et al., 2023).
2.3 Raspberry Pi
Raspberry Pi adalah komputer mini yang sering digunakan untuk berbagai proyek teknologi, termasuk sistem berbasis visi komputer (Upton & Halfacree, 2021). Dengan dukungan perangkat keras murah dan kamera modul, Raspberry Pi dapat digunakan sebagai platform utama untuk menjalankan algoritma computer vision dalam proses sortir buah manggis. Data visual dari buah manggis dapat diambil secara real-time dan diproses menggunakan algoritma komputer vision.
2.4 Kamera Webcam
Gambar 1. Raspberry Pi 3 (Sumber: Google.com)
Dalam konteks "MangiSort: Alat Sortir Manggis yang didasarkan pada pembelajaran mesin dengan visi komputer", kamera webcam adalah perangkat pengambil gambar digital yang digunakan untuk menangkap gambar manggis secara real-time sebagai data utama selama proses analisis. Kamera ini memainkan peran penting dalam mendeteksi fitur visual manggis, seperti warna kulit, ukuran, tekstur, dan cacat fisik. Selanjutnya, fitur-fitur ini diproses oleh algoritma penglihatan komputer. Kamera webcam adalah bagian penting dari sistem ini karena memungkinkan untuk mengidentifikasi kualitas buah secara otomatis dan efisien dan menawarkan solusi teknologi yang terjangkau bagi para penghasil manggis. Kamera webcam juga dapat menangkap gambar secara kontinu dengan resolusi yang memadai.
2.5 Mikrokontroler Arduino Mega 2560 PinOut
Mikrokontroler Arduino Mega 2560 digunakan sebagai komponen utama proyek "MangiSort". Dengan 54 pin I/O digital dan 16 pin input analog, mikrokontroler ini dapat diintegrasikan dengan sensor dan aktuator untuk mendeteksi dan mengelompokkan manggis berdasarkan kualitasnya. Dengan menerima data dari kamera atau sensor visual, Arduino Mega 2560 mengelola proses sortir dan menggunakan algoritma pembelajaran mesin untuk mengatur motor servo atau aktuator untuk menyortir manggis. Mikrokontroler ini meningkatkan otomatisasi dengan lebih efisien dan akurat serta mendukung jaminan mutu berkat kapasitas memori yang besar dan kompatibilitas dengan pustaka Arduino.
BAB III TAHAP PELAKSANAAN 3.1 Tahapan Pelaksanaan
Pembuatan alat
Pengandaan alat dan bahan
Mulai Observasi dan
litelatur
Perencanaan dan
perancangan Desain alat
Pengujian alat
Evaluasi alat Laporan akhir
Gambar 3. Tahapan Pelaksanaan
3.2 Observasi dan Studi Literature
Pada tahap observasi dan studi literatur, metode yang digunakan termasuk meninjau bahan referensi seperti jurnal, buku teks, dan artikel ilmiah yang relevan, serta melakukan observasi langsung di tempat produksi manggis.
Strategi metode ini membutuhkan pemahaman tentang teori dan praktik pengajaran mesin dan visi komputer dalam sistem otomatisasi.
Tujuan dari proses ini adalah untuk menciptakan dan mengembangkan metode pelaksanaan yang efisien untuk mengoptimalkan proses pembuatan alat sortir manggis (MangiSort). Alat ini bertujuan untuk menggunakan kamera berbasis computer vision untuk menganalisis parameter kualitas manggis seperti warna, ukuran, dan kondisi kulit. Algoritma pembelajaran mesin digunakan untuk memproses data yang dikumpulkan untuk menghasilkan klasifikasi yang akurat. Ini meningkatkan efisiensi penyortiran dan memberikan jaminan mutu bagi para penghasil manggis.
3.3 Perencanaan dan Perancangan
Metode pelaksanaan MangiSort menggunakan pembelajaran mesin untuk klasifikasi kualitas manggis dan penggunaan visi komputer untuk akuisisi data secara real-time. Metode ini menggunakan IDE Arduino untuk pemrograman perangkat keras dan Python untuk pengembangan algoritma. Dengan menggunakan dataset gambar manggis, model machine learning seperti Convolutional Neural Networks (CNN) mempelajari parameter kualitas seperti warna, ukuran, dan kondisi kulit. Teknologi computer vision menganalisis gambar secara langsung, dan hasilnya digunakan untuk mengontrol motor servo dan konveyor dalam mekanisme penyortiran Arduino Mega 2560. Metode ini dimaksudkan untuk membuat alat sortir manggis yang efektif, tepat, dan mendukung peningkatan mutu.
3.4 Pengadaan Alat dan Bahan
Pada tahap perakitan alat MangiSort, digunakan komponen seperti kamera atau sensor visual, Mikrokontroler Arduino Mega 2560, motor servo, dan Raspberry Pi 4. Arduino Mega mengendalikan proses sortir dengan menerima data sensor, menerapkan algoritma machine learning, dan mengatur motor servo untuk menyortir manggis. Raspberry Pi 4 digunakan untuk analisis data machine learning dan integrasi dengan pustaka Arduino. Motor servo berfungsi untuk mengelompokkan manggis berdasarkan kualitas.
3.5 Proses Pembuatan alat
Proses pembuatan alat ini dibagi menjadi tiga tahap utama yaitu perakitan mekanik, instalasi komponen elektrikal, dan pemrograman:
a) Perakitan Mekanik
Tahap perakitan dimulai dengan desain mekanik perangkat menggunakan perangkat lunak seperti SolidWorks. Ini termasuk membuat dan mengatur mekanisme untuk motor servo yang akan menyortir manggis.
b) Elektrikal
Pada titik ini, mikrokontroler Arduino Mega 2560 dipasang sebagai sistem utama bersama dengan kamera atau sensor visual yang mendeteksi kualitas manggis. Sebelum implementasi fisik di lapangan, aplikasi seperti Proteus digunakan untuk simulasi dan validasi rangkaian elektrik.
c) Pemrograman
Tahap pemrograman mencakup pengkodean Mikrokontroler Arduino Mega 2560 untuk mengatur proses sortir yang menggunakan data dari sensor visual. Dengan menggunakan Arduino IDE dan Visual Studio Code, Algoritma pembelajaran mesin dikembangkan untuk menganalisis kualitas manggis dan mengontrol motor servo.
3.6 Pengujian Alat
Dalam pengujian penerapan Alat Sortir Manggis berbasis Machine Learning menggunakan Computer Vision, alat dipasang pada jalur conveyor untuk memproses manggis secara real-time. Kamera webcam digunakan sebagai sensor utama untuk menangkap citra buah manggis dan menganalisis atribut visual seperti warna, ukuran, dan tekstur. Pengujian dilakukan untuk mengevaluasi kinerja sistem dalam situasi nyata, dengan fokus pada akurasi deteksi kualitas buah, kecepatan sortir, dan respons terhadap variasi ukuran dan kondisi fisik manggis. Proses sortir diverifikasi menggunakan dataset uji yang mencakup berbagai kategori kualitas buah untuk memastikan bahwa model Machine Learning dan teknologi Computer Vision mampu memberikan hasil sortir yang konsisten. Sebelum integrasi penuh antara perangkat keras dan perangkat lunak, setiap komponen diuji secara individual untuk memastikan fungsionalitas optimal sebelum implementasi kompleks dilakukan.
3.7 Evaluasi Alat
Hasil evaluasi ini menunjukkan responsivitas alat terhadap kualitas manggis yang terdeteksi, akurasi dan ketepatan model pembelajaran mesin, dan integrasi antara model ML, teknologi sensor visual, dan sistem penggerak motor servo.
Hasil ini memberikan informasi tentang cara alat bekerja dalam menyortir manggis dan berfungsi sebagai dasar untuk meningkatkan efisiensi aplikasi penyortiran buah.
3.8 Laporan Akhir
Tujuan dari laporan akhir pada tahap evaluasi adalah untuk mengevaluasi kinerja alat "MangiSort", yang menggunakan teknologi pembelajaran mesin dan sensor visual untuk menyortir manggis. Laporan ini membandingkan hasil sebelum dan setelah penerapan alat, memberikan gambaran menyeluruh tentang kinerja sistem, akurasi algoritma pembelajaran mesin, dan integrasi antara
komponen mekanik dan elektrikal. Hasil evaluasi diharapkan dapat membantu membuat keputusan tentang perbaikan dan peningkatan sistem penyortiran manggis di masa depan.
BAB IV BIAYA DAN JADWAL KEGIATAN 4.1 Anggara Biaya
Tabel 1. Rekapitulasi Rencana Anggaran Biaya
No Jenis Pengeluaran Sumber Dana Besaran Dana (Rp)
1 Bahan Habis Pakai Belmawa 4.500.000
Perguruan Tinggi
600.000 Instansi Lain
(jika ada)
-
2 Sewa dan Jasa Belmawa 1.000.000
Perguruan Tinggi
200.000 Instansi Lain
(jika ada)
-
3 Transportasi Lokal Belmawa 1.200.000
Perguruan Tinggi
100.000 Instansi Lain
(jika ada)
-
4 Lain-lain Belmawa 1.000.000
Perguruan Tinggi
200.000 Instansi lain
(jika ada)
-
Jumlah 8.800.000
Rekap Sumber Dana Belmawa 7.000.000
Perguruan Tinggi
1.100.000 Instansi lain
(jika ada)
- Jumlah 8.800.000
4.2 Jadwal Kegiatan
Tabel 2. Jadwal Kegiatan PKM No Jenis Kegiatan
Bulan Person
Penanggung- jawab
1 2 3 4
1. Melakukan Observasi dan Studi Literatur
Firman
2. Rancang Bangun Alat
Hafiv 3. Pengadaan Alat
dan Bahan
Firman 4. Proses
Pembuatan Alat
Genta
5. Pengujian Alat Hamid
6. Sosialisasi Alat Firman
7. Evaluasi Hafiv
8. Membuat Laporan Akhir
Genta
DAFTAR PUSTAKA
Ahmadi, T. (2023). Rancang Bangun Sistem Customer Churn Prediction Dengan Menggunakan Machine Learning Pada PT Eka Mas Republik. 3–184.
https://repository.pnj.ac.id/id/eprint/14345
Asiva Noor Rachmayani. (2015). BUDIDAYA BUAH-BUAHAN TROPIS.
Chen, X., Tsai, M. Y., Wolynes, P. G., da Rosa, G., Grille, L., Calzada, V., Ahmad, K., Arcon, J. P., Battistini, F., Bayarri, G., Bishop, T., Carloni, P., Cheatham, T. E., Collepardo-Guevara, R., Czub, J., Espinosa, J. R., Galindo-Murillo, R., Harris, S. A., Hospital, A., … Crothers, D. M. (2018). DAMPAK EKSPOR BUAH MANGGIS INDONESIA KE VIETNAM TERHADAP INDONESIA TAHUN 2011-2014.
Nucleic Acids Research, 6(1), 1–7.
Darmawan Putra Bahari, S., & Latifa, U. (2023). Klasifikasi Buah Segar Menggunakan Teknik Computer Vision Untuk Pendeteksian Kualitas Dan Kesegaran Buah. JATI (Jurnal Mahasiswa Teknik Informatika), 7(3), 1567–
1573. https://doi.org/10.36040/jati.v7i3.6871
Informatika, J., Rekayasa, D., Jakakom, K., Az-, N. A., Abidin, D. Z., & Devitra,
J. (2024). Analisis Dan Perancangan Sistem Informasi Produksi Pada PT . Plantex Sembada International Jambi Jurnal Informatika Dan Rekayasa Komputer ( JAKAKOM ).
4(September), 1205–1214. https://doi.org/10.33998/jakakom.v4i2
Mantara, R., & Saifudin, A. (2024). Kecerdasan Buatan Dalam Pengenbangan Sistem Komputer Yang Biasanya Memerlukan Kecerdasan Manusia. Jurnal Informatika MULTI, 02(4), 145–151. https://jurnal.publikasitecno.id/index.php/jim
Mantara & Saifudin, 2024)Abditama, U. C., & Raya, J. I. (2024). Implementasi Algoritma Hsv Untuk Aksebilitas Penderita Buta Warna Parsial
Pokhrel, S. (2024a). Analisis Deep Q-Network (Dqn) Untuk Simulasi Lampu Lalu Lintas Adaptif Berdasarkan Waktu Tunggu Kendaraan. Αγαη, 15(1), 37–48.
Pokhrel, S. (2024b). EARLY WARNING STUNTING DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Αγαη, 15(1), 37–48.
https://jurnal.publikasitecno.id/index.php/jim
Pokhrel, S. (2024c). Robot Pemilahan Sampah Berbasis Raspberry Pi Menggunakan Algoritma Convolutional Neural Network dengan MobileNet. Αγαη, 15(1), 37–48.
Setiawan, R. A., & Setyanto, A. (2024). Evaluasi Trade-off Akurasi dan Kecepatan YOLOv5 dalam Deteksi Kebakaran pada Edge Devices. 5(11), 4647–4
LAMPIRAN
Lampiran 1. Biodata Ketua dan Anggota,serta Dosem Pebimbing
Biodata Dosen Pendamping
Lampiran 2. Justifikasi Anggaran Kegiatan
No Jenis Pengeluaran Volume Harga
Satuan (Rp)
Total (Rp) 1. Belanja Bahan
Raspberry Pi 3 1 Buah 960.000 960.000
Arduino Mega 2560 2 Buah 300.000 600.000
Kabel USB OTG 1 Buah 50.000 50.000
Case Raspberry Pi 1 Buah 100.000 100.000
Kotak Junction 2 Buah 135.000 270.000
HDMI 1 Buah 84.000 84.000
Kabel Micro HDMI 1 Buah 76.000 76.000
Webcam 1 Buah 425.000 425.000
Karet Conveyor 1,5 Meter 200.000 200.000
Motor Servo 1 Buah 400.000 400.000
Cooling Fan 1 Buah 24.000 24.000
Power Supply 1 Buah 163.000 163.000
Kabel Listrik SNI 1 Buah 38.000 38.000
Tools Box 1 Set 250.000 250.000
Kabel Jumper 5 Buah 4.000 20.000
Mur/sekrup 40 buah 2.000 80.000
Solder 1 Buah 100.000 100.000
Push Button 2 Buah 11.000 22.000
Penyedot timah 1 Buah 50.000 50.000
Resistor 10 Buah 2.000 20.000
Papan PCB 2 Buah 45.000 90.000
Mata bor 1 Pack 30.000 30.000
Dinamo DC 2 buah 200.000 400.000
Akrilik 1,5 Meter
persegi
350.000 350.000
Screwdriver 1 Buah 100.000 100.000
Timah 1 Gulung 48.000 48.000
Amplas 5 Meter 10.000 50.000
SUB TOTAL 5.100.000
2. Sewa dan Jasa
Bantuan Pihak ke Tiga 1 Buah 200.000 200.000
Sewa Lab 1 Bulan 1.000.000 1.000.000
SUB TOTAL 1.200.000
3. Perjalanan
BBM 90 Liter 13.900 1.252.000
Parkir 16 kali 3.000 48.000
SUB TOTAL 1.300.000
4. Lain-lain
ATK 1 Set 300.000 130.000
Kuota Internet 20 20.000 250.000
Pembuatan Hak Kekayaan Intelektual
1 hkl 400.000 400.000
Addsense 1/bulan 80.000 320.000
SUB TOTAL 1.200.000
GRAND TOTAL 8.800.000
Delapan Juta Delapan Ratus Ribu Rupiah
Lampiran 3. Susunan Organisasi Tim Pelaksana dan Pembagian Tugas No Nama/NIM
Program Studi
Bidang Ilmu
Alokasi Waktu (jam/minggu)
Uraian Tugas 1 Firmansyah/
23350014
Teknologi Rekayasa Sistem Elektronika
Ilmu Elektronika
10 jam/
minggu
Pembuatan proposal, rancang bangun alat dan
pembuatan alat
2 Muhammad Hafiv/23063 038
Pendidikan Teknik Elektro
Ilmu Elektro
10 jam/
minggu
Mengumpulka n data,
pembuatan laporan dan publikasi 3 Genta
Julianda/24 063057
Pendidikan Teknik Elektro
Ilmu Elektro 10 jam/
minggu
Pembelian perlengkapan ,pembuatan laporan dan publikasi 4 Hamid
Awaludin/
24063058
Pendidikan Teknik Elektro
Ilmu Elektro
10 jam/
minggu
Mengumpulk an data, pembuatan laporan dan publikasi
Lampiran 4. Surat Pernyataan Ketua Tim Pengusul
Lampiran 5. Gambaran Teknologi yang akan Dikembangkan
a. Raspberry Pi 3
Raspberry Pi 3 digunakan sebagai komputer utama dalam sistem. Fungsinya untuk memproses gambar dari kamera, menjalankan algoritma klasifikasi, dan mengatur perintah ke aktuator sortir. Perangkat ini terletak di bagian belakang atas sistem.
b. Kamera
Kamera dipasang di atas feeder tray. Kamera ini berfungsi untuk mengambil gambar buah manggis secara langsung saat melewati jalur tray. Gambar yang diambil akan digunakan untuk menentukan kualitas buah.
c. Feeder Tray dan Feeder Tray Input
Feeder tray adalah jalur yang membawa manggis dari tempat masuk menuju kamera dan aktuator. Feeder tray input adalah tempat awal manggis diletakkan sebelum masuk ke sistem.
d. Actuator Sorting
Actuator sorting terletak di bawah tray setelah kamera. Bagian ini akan menggerakkan buah ke kotak sortir berdasarkan hasil klasifikasi dari Raspberry Pi.
e. Kotak 1, 2, dan 3
Kotak ini digunakan untuk menampung hasil sortir. Buah manggis dikategorikan ke dalam tiga kelas, misalnya:
• Kotak 1 untuk kualitas baik
• Kotak 2 untuk kualitas sedang
• Kotak 3 untuk kualitas rendah f. Mini PC / Daya
Bagian atas kanan sistem terdapat modul Mini PC (Raspberry Pi) yang terhubung ke sumber daya. Daya bisa berasal dari adaptor atau baterai eksternal yang digunakan untuk menyalakan seluruh sistem.
Lampiran 6. Uji hasil periksa similaritas proposal
