Sistem Monitoring Kualitas Madu

Teknologi IoT dan Machine Learning untuk Analisis Kualitas Madu Real-time

Tentang Sistem

Sistem Monitoring Kualitas Madu adalah platform IoT yang menggunakan teknologi sensor canggih dan algoritma K-Nearest Neighbors (K-NN) untuk menganalisis kualitas madu secara real-time.

Fitur Utama:
  • Monitoring real-time 6 parameter kualitas
  • Klasifikasi otomatis menggunakan algoritma K-NN
  • Dashboard web responsif
  • Visualisasi data dengan grafik interaktif
  • Export data ke format CSV
  • Riwayat data lengkap dengan filter

Teknologi Yang Digunakan

Hardware:
  • ESP32 Microcontroller
  • Sensor DHT22 (Suhu & Kelembapan)
  • Sensor MQ135 (Gas)
  • Sensor pH
  • Sensor TDS (Total Dissolved Solids)
  • Sensor LDR (Intensitas Cahaya)
Software:
  • Firebase Realtime Database
  • HTML5, CSS3, JavaScript
  • Bootstrap Framework
  • Chart.js untuk visualisasi
  • Arduino IDE untuk ESP32

Algoritma K-Nearest Neighbors (K-NN)

Cara Kerja K-NN dalam Sistem:
  1. Data Training: Sistem menggunakan 100 data sampel kualitas madu dengan 6 parameter sensor
  2. Normalisasi: Semua parameter dinormalisasi ke rentang 0-1 untuk perhitungan yang akurat
  3. Perhitungan Jarak: Menggunakan jarak Euclidean untuk mengukur kedekatan data input dengan data training
  4. Pemilihan K Tetangga: Memilih 5 tetangga terdekat (K=5)
  5. Voting: Klasifikasi ditentukan berdasarkan mayoritas label dari 5 tetangga terdekat
  6. Tingkat Keyakinan: Dihitung dari proporsi voting mayoritas
Keunggulan K-NN:
  • Sederhana dan mudah diimplementasikan
  • Tidak memerlukan training model yang kompleks
  • Adaptif terhadap data baru
  • Memberikan tingkat keyakinan pada setiap prediksi
  • Efektif untuk dataset multi-dimensi
Parameter K-NN
K Value5
Training Data100 samples
Parameters6 sensors
Classes5 quality levels
Distance MetricEuclidean

Parameter Kualitas Madu

Parameter yang Dimonitor:
Parameter Range Ideal Satuan
Suhu 20 - 30 °C
Kelembapan 40 - 60 %
pH 3.4 - 6.1 pH
TDS 750 - 1500 ppm
Gas 0 - 1000 ppm
Cahaya 500 - 2000 lux
Klasifikasi Kualitas:
Kualitas Sangat Baik Semua parameter dalam rentang optimal
Kualitas Baik Sebagian besar parameter dalam rentang baik
Kualitas Sedang Parameter dalam rentang acceptable
Kualitas Buruk Beberapa parameter di luar rentang normal
Kualitas Sangat Buruk Mayoritas parameter di luar rentang

Teknologi

Framework & Library:
  • HTML5
  • CSS3
  • JavaScript ES6+
  • Bootstrap 5.3
  • Chart.js 4.4
  • Firebase
  • ESP32 Arduino

Tentang Project

Project ini dikembangkan untuk monitoring kualitas madu menggunakan teknologi IoT dan Machine Learning.

Fitur Khusus:
  • Real-time monitoring dengan ESP32
  • Algoritma K-NN untuk klasifikasi otomatis
  • Dashboard web responsif
  • Data historis dan analisis trend
  • Export data untuk analisis lanjutan
Dikembangkan tahun 2025
Open Source Project