Application of Knn and Cnn on Mobile Application for Audio-Based Watermelon Ripeness Detection
Abstract
Semangka banyak diminati masyarakat karena kandungan pada buahnya yang memiliki banyak air sehingga sangat segar saat dikonsumsi, selain itu banyak juga segudang manfaat didalamnya. Akan tetapi keminatan terhadap buah semangka ini tidak diikuti dengan pengetahuan masyarakat terhadap matang atau tidaknya buah semangka yang dijual di pasaran. Oleh karena hal tersebut menjelaskan bahwa membutuhkan alat pendeteksi untuk membantu masyarakat saat pemilihan buah semangka. Dengan alasan ini lah peneliti ingin menciptakan alat pendeteksi semangka berbasis android menggunakan machine learning serta deep learning. machine learning disini menggunakan metode CNN serta MFCC, lalu pada deep learning menggunakan metode CNN. Adanya dua alat tersebut dilakukan perbandingan akurasi pada semangka yang akan diuji. Dengan menepuk buah semangka dapat menghasilkan output yang berbeda dari nyaringnya, sehingga buah semangka yang diketuk dapat diketahui tingkat kematangannya. Bunyi nyaring yang dikeluarkan pada buah semangka dihasilkan karena kandungan yang terdapat pada buah semangka sendiri terutama pada kandungan airnya. Pada buah semangka yang sudah matang tentu saja kandungan air sudah banyak sehingga bunyi yang dihasilkan tidak terlalu nyaring, sedangkan buah muda akan terdengar nyaring karena masih sedikit pada kandungan airnya. Dari hasil penelitian yang sudah diuji menghasilkan tingkat akurasi pada CNN yaitu 70 hingga 80%. Dengan demikian penelitian ini memiliki tujuan terutama untuk mengedukasi masyarakat terhadap kematangan buah semangka, serta menghindari penipuan saat membelinya.
Kata kunci — Semangka, Matang, Machine learning, Deep learning, Android.
References
V. S.Thomas, S. Darvesh,C.MacKnight, and K.Rockwood, "Estimating the prevalenceof dementia in elderly people: a comparison of the Canadian Study of Health and Aging and National Population Health Survey approaches," Int Psychogeriatr, vol. 13 Supp 1,no. SUPPL. 1, pp. 169–175, 2001, doi: 10.1017/S1041610202008116.
M. M. Baig and H. Gholamhosseini, "Smart health monitoring systems: an overview ofdesign and modeling," J Med Syst, vol. 37, no. 2, Apr. 2013, doi: 10.1007/S10916-012-9898-Z.
M. M. Alam, H. Malik, M. I. Khan, T. Pardy, A. Kuusik, and Y. le Moullec, "A survey on the roles of communication technologies in IoT-Based personalized healthcare applications," IEEE Access, vol. 6, pp. 36611– 36631, Jul. 2018, doi: 10.1109/ACCESS.2018.2853148.
S. Li, L. da Xu, and X. Wang, "A continuous biomedical signal acquisition system basedon compressed sensing in body sensor networks," IEEE Trans Industr Inform, vol. 9, no. 3, pp. 1764–1771, 2013, doi: 10.1109/TII.2013.2245334.
P. Rashidi and A. Mihailidis, "A survey on ambientassisted living tools for older adults," IEEE J Biomed Health Inform, vol. 17, no. 3, pp. 579–590, 2013, doi: 10.1109/JBHI.2012.2234129.
A. Arcelus, R. Goubran, M. H. Jones, and F. Knoefel, "Integration of smart home technologies in a health monitoring system for the elderly," Proceedings - 21st International Conference on Advanced Information Networking and Applications Workshops/Symposia, AINAW’07, vol. 1, pp. 820–825, 2007, doi: 10.1109/AINAW.2007.209.
A. Pantelopoulos and N. G. Bourbakis, "A survey on wearable sensor-based 12 systems for health
monitoring and prognosis," IEEE Transactions on Systems, Man and CyberneticsPart C: Applications and Reviews, vol. 40, no. 1, pp. 1–12, 2010, doi: 10.1109/TSMCC.2009.2032660.
M. E. Garbelini et al., "SweynTooth: Unleashing Mayhem over Bluetooth Low Energy," Accessed: May 31, 2022. [Online]. Available: https://www.usenix.org/conference/atc20/presentatio n/garbelini
A. S. Seferagi´c et al., "Survey on Wireless Technology Trade-Offs for the Industrial Internet of Things," Sensors 2020, Vol. 20, Page 488, vol. 20, no. 2, p. 488, Jan. 2020, doi: 10.3390/S20020488.
V. S. Thomas, S. Darvesh, C. MacKnight, and K. Rockwood, "Estimating the Prevalence of Dementia in Elderly People: A Comparison of the Canadian Study of Health and Aging and National Population Health Survey Approaches," Int Psychogeriatr, vol. 13, no. S1, pp. 169–175, 2001, doi: 10.1017/S1041610202008116.
S. Majumder, T. Mondal, and M. J. Deen, "Wearable Sensors for Remote Health Monitoring," Sensors (Basel), vol. 17, no. 1, Jan. 2017, doi: 10.3390/S17010130
