TIMBANGAN BERBASIS INTERNET OF THINGS (IoT) UNTUK BEBAN DINAMIK DENGAN FEATURE FORECASTING BOBOT

Silviani, Veni (2022) TIMBANGAN BERBASIS INTERNET OF THINGS (IoT) UNTUK BEBAN DINAMIK DENGAN FEATURE FORECASTING BOBOT. Sarjana thesis, Universitas Siliwangi.

	Text cover.pdf Download (47kB)
	Text Halaman pengesahan.pdf Download (140kB)
	Text halaman pernyataan penyerahan.pdf Download (169kB)
	Text Halaman Oisinalitas.pdf Download (94kB)
	Text abstrak.pdf Download (9kB)
	Text kata pengantar.pdf Download (7kB)
	Text daftar isi, daftar gambar, daftar tabel.pdf Download (118kB)
	Text bab 1.pdf Download (82kB)
	Text bab 2.pdf Download (732kB)
	Text bab 3.pdf Download (135kB)
	Text bab 4.pdf Restricted to Repository staff only Download (1MB)
	Text bab 5.pdf Restricted to Repository staff only Download (11kB)
	Text daftar pustaka.pdf Download (142kB)

Abstract

ABSTRAK Timbangan merupakan alat ukur yang digunakan untuk mengukur suatu berat benda. Sistem timbangan saat ini belum bisa mengidentifikasi barang yang ditimbang dan belum bisa menyimpan data hasil penimbangan secara otomatis, pada penelitian ini dikembangkan sebuah sistem timbangan yang dapat mengidentifikasi beban dengan menggunakan RFID dan bisa menyimpan data hasil penimbangan pada web browser agar tidak adanya manipulasi data hasil penimbangan serta sistem mampu memprediksi hasil dari penimbangan beban dengan metode regresi linear untuk mengetahui pertumbuhan objek beban timbang. Mikrokontroler yang digunakan adalah arduino uno dan sensor pengukur berat yang digunakan adalah loadcell type half bridge. Dari pengujian keakurasian sensor dengan berat beban sebesar 0,90 Kg, 12,95 Kg, 55,42Kg, 125,96 Kg error tertinggi terjadi pada saat berat beban sebesar 0,90 Kg sedangkan error terkecil pada pengukuran berat beban 55,45 Kg, tetapi pengujian pada objek beban yang bergerak sulit menghasilkan berat beban yang sama pada pengukuran pertama dan seterusnya. Pengujian keakurasian prediksi dibuktikan dengan nilai MSE sebesar 0,0017 dan MAPE sebesar 0,0742% yang artinya prediksi dengan metode regresi linear tergolong sangat baik. Kata Kunci: Forecasting, Load cell, Regresi Linear, Timbangan

Actions (login required)

View Item