Rancang Bangun Deteksi Warna Berbasis Machine Learning Arduino Mega Pro Mini Atmega2560-16AU
DOI:
https://doi.org/10.61220/micronic.v1i1.20235Keywords:
machine learning, algoritma KNN, arduino mega pro mini 2560Abstract
Perkembangan Teknologi Informasi dan Komunikasi (TIK) telah mempengaruhi semua aspek yang ada, seperti aspek ekonomi, budaya, politik, sosial, pertahanan keamanan, pekerjaan rumah tangga bahkan dunia pendidikan sekalipun. Perkembangan tersebut banyak berkembang di era industri 4.0 saat ini mulai dari Internet of Things (IoT), Big Data, Argumented Reality, Cyber Security, Artifical Intelegence, Addictive Manufacturing, Simulation, System Integeration dan Cloud Computing. Salah satu perkembangan teknologi yang sangat berkembang saat ini yaitu machine learning atau pembelajaran mesin. Pada penelitian ini berfokus pada metode algoritma K-NN dan sensor warna TCS3200. Pada penelitian yang dilakukan oleh penulis ini menggunaka sensor warna TCS3200 dan Arduino mega 2560 pro mini sebagai perangkat keras yang digunakan. Penelitian ini bertujuan mendeskripsikan penerapan machine learning pada mikrokontroler arduino mega pro mini ATmega2560. Penelitian ini menggunakan metode studi pustaka atau library research dengan berbagai teknik pengumpulan data, selanjutnya melakukan pengujian untuk mengetahui kinerja sistem. Setelah dilakukan pengujian dilakukan analisa untuk mendapatkan kesimpulan akhir dari proses penelitian. setelah dilakukan pengujian sebanyak 20 kali dengan menempelkan pada objek, sistem ini bisa menginisialisasi warna dengan tepat. Dari hasil pengujian algoritma KNN dihasilkan akurasi tertinggi terdapat pada K=5, dimana nilai akurasi yang didapatkan adalah 80%. Sedangkan akurasi terendah terdapat pada k=9, dimana nilai akurasi yang didapatkan hanya 10%.
References
Aprilian, R., Habibi, R., & Setyawan, M. Y. H. (2020). Algoritma KNN dalam memprediksi cuaca untuk menentukan tanaman yang cocok sesuai musim. Kreatif.
Dinata, R. K., Akbar, H., & Hasdyna, N. (2020). Algoritma K-Nearest Neighbor dengan Euclidean Distance dan Manhattan Distance untuk Klasifikasi Transportasi Bus. ILKOM Jurnal Ilmiah, 12(2), 104–111.
Febriansyah, A., Ramadhan, A., Gustiawan, M., Revin, M., Maulana, R., Rollando, G. E., & Firmansyah, R. (2020). Penerapan Machine Learning Dalam Mitigasi Banjir Menggunakan Data Mining. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 3(3), 215–218.
Hariyono, F. P. P. (2020). Penerapan Machine Learning Untuk Prediksi Penyakit Jantung Menggunakan Metode Naïve Bayes Dan Decision Tree. UNIVERSITAS AIRLANGGA.
Hasibuan, A. Z., Harahap, H., & Sarumaha, Z. (2018). Penerapan Teknologi RFID Untuk Pengendalian Ruang Kelas Berbasis Mikrokontroler. JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP), 1(1), 71–77.
Hindrayani, K. M., Anjani, A., & Nurlaili, A. L. (2021). Penerapan Machine Learning pada Penjualan Produk UMKM: Studi Literatur. SENADA, 1(01), 19–23.
Hung, A. J., Chen, J., Che, Z., Nilanon, T., Jarc, A., Titus, M., Oh, P. J., Gill, I. S., & Liu, Y. (2018). Utilizing machine learning and automated performance metrics to evaluate robot-assisted radical prostatectomy performance and predict outcomes. Journal of Endourology, 32(5), 438–444.
Muhammad, Y. (2018). Era industri 4.0: Tantangan dan peluang perkembangan pendidikan kejuruan Indonesia.
Raharjo, M. R., & Windarto, A. P. (2021). Penerapan Machine Learning dengan Konsep Data Mining Rough Set (Prediksi Tingkat Pemahaman Mahasiswa terhadap Matakuliah). JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(1), 317–326.
Salsabila, A., Yunita, R., & Rozikin, C. (2021). Identifikasi Citra Jenis Bunga menggunakan Algoritma KNN dengan Ekstrasi Warna HSV dan Tekstur GLCM. Technomedia Journal, 6(1), 124–137.
Surip, A., Pratama, M. A., Ali, I., Dikananda, A. R., & Purnamasari, A. I. (2021). Penerapan Machine Learning Menggunakan Algoritma C4. 5 Berbasis Pso Dalam Menganalisa Data Siswa Putus Sekolah. INFORMATICS FOR EDUCATORS AND PROFESSIONAL: Journal of Informatics, 5(2), 147–155.
Suroyo, H. (2019). Penerapan Machine Learning dengan Aplikasi Orange Data Mining Untuk Menentukan Jenis Buah Mangga. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 1(1).
Wahyudi, W., Jaya, H., & Sabara, E. (2021). Evaluation of the Practicality and Effectiveness of Microcontroller-Based Robotics Trainers as Learning Media. International Journal of Environment, Engineering and Education, 3(1), 25–31.
Downloads
Published
Citation
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.