Abstrak
Minyak nabati merupakan produk perasan dari tumbuh-tumbuhan dan sering kali digunakan sebagai
bahan utama dalam mengolah panganan. Masing-masing tumbuhan yang digunakan sebagai sumber
diperahnya minyak ini menghasilkan minyak nabati yang berbeda dalam hal kandungan gizi. Minyak
yang memiliki manfaat kesehatan yang tinggi untuk tubuh biasanya dijual dengan harga yang tinggi
pula di pasaran. Kemiripan karakteristik minyak dari segi fisiknya membuat sebagian produsen dengan
sengaja menjual minyak nabati yang tidak sesuai dengan sumber tumbuhan aslinya. Untuk
meminimalisir kejadian tersebut, pada penelitian ini dibuat sebuah sistem untuk membedakan minyak
nabati berdasarkan tumbuhannya secara langsung dan cepat. Parameter RGB serta kekeruhan digunakan
sebagai fitur dalam klasifikasi. Data RGB diakusisi oleh sensor warna TCS34725, sedangkan data
kekeruhan akan didapatkan oleh sensor cahaya LDR. Metode pengklasifikasiannya sendiri
menggunakan algoritma K-NN(K-Nearest Neighbour). Metode K-NN menggunakan data latih sebagai
training sistem klasifikasi untuk dihitung jaraknya dengan data uji yang merupakan data baru yang
dimasukkan ke dalam sistem. Kemudian hasil perhitungan jarak akan diurutkan dari yang terdekat dan
hasilnya akan ditentukan berdasarkan kelas terbanyak yang terpilih dalam voting sebanyak K.
Berdasarkan uji akurasi terhadap metode klasifikasi, didapatkan keakurasian sebesar 87,5% untuk K=3
dan K=5. Lalu kecepatan rata-rata komputasi dari pengklasifikasiannya adalah 103,6 ms.
Kata kunci: Minyak Nabati, Sensor TCS34725, Arduino Uno, K-Nearest Neighbour
Abstract
Vegetable oil is one of a product from plants and is often used as the main ingredient in food processing.
Each plant that is used as a source of this oil produces different vegetable oils in terms of nutritional
content. Oils that have high health benefits for the body are usually sold at high prices in the market.
The similarity of the characteristics of the oil in terms of its physical make some producers deliberately
sell vegetable oil that is not in accordance with the original plant source. To minimize this incident, in
this study a system was created to distinguish vegetable oils based on plants directly and quickly. RGB
parameters as well as turbidity are used as features in the classification. RGB data is acquired by the
TCS34725 color sensor, while the turbidity data will be obtained by the LDR light sensor. The
classification method itself uses the K-NN (K-Nearest Neighbor) algorithm. The K-NN method uses
training data as a classification system training to calculate the distance from the test data which is the
new data that is entered into the system. Then the results of the distance calculation will be sorted from
the closest and the results will be determined based on the most selected class in the voting as many as
K. Based on the accuracy test of the classification method, an accuracy of 87.5% was obtained from
K=3 and K=5. Then the average computational speed of the classification is 103.6 ms.
Keywords: Vegetable Oil, Sensor TCS34725, Arduino Uno, K-Nearest Neighbour
minyak sawit, minyak kanola, dan minyak zaitun karoten dalam minyak dan warna kehijauan
(Tazi, 2016). akibat adanya pigmen klorofil (Suparno, 2013).
Minyak nabati cocok digunakan sebagai Selain itu minyak yang telah diproses biasanya
bahan olahan makanan karena memiliki berbagai memiliki cloud point atau titik kabut. Titik kabut
macam gizi yang terkandung di dalamnya. yang dimiliki oleh masing-masing jenis minyak
Namun terdapat aturan pemanasan pada tiap cenderung berbeda karena wax yang terkandung
masing-masing minyak nabati agar gizi yang ada berbeda pula intensitas ppmnya (Gunstone,
di dalam minyak tidak lantas hilang atau 2011). Pengamatan konvensional dengan
teroksidasi (Marlina, 2017). Karena memiliki melihat langsung lewat mata masih dinilai
manfaat yang tinggi terhadap kesehatan, minyak kurang efektif karena masing-masing minyak
nabati yang biasanya dijual di pasaran memiliki nabati memiliki warna pigmen yang mirip antara
harga yang tinggi pula. Minyak kelapa satu dan yang lainnya sehingga hanya para ahli
mengandung vitamin A, D, E, dan K yang saja yang dapat menentukan serta biasanya uji di
berkhasiat untuk metabolisme tubuh serta laboratorium akan memakan waktu yang lama.
kandungan asam lemak yang tinggi (Putri, Banyak sumber telah melakukan
2019). Minyak zaitun kaya akan kandungan pengklasifikasian terhadap minyak, baik dari
vitamin E, senyawa fenol, dan estrogen nabati segi mutu maupun jenisnya. Salah satunya
yang sangat penting untuk kesehatan dan penelitian yang dilakukan sebelumnya oleh
bermanfaat pula sebagai penyembuh luka (Orey, (Putri, 2018) yang menggunakan metode
2008). Minyak jagung dalam pengonsumsiannya klasifikasi K-NN (K-Nearest Neighbor) untuk
dapat bermanfaat untuk menurunkan kolesterol memenuhi fungsi sistem pengklasifikasian
dan serangan jantung koroner karena kaya akan kualitas minyak yang telah digunakan beberapa
asam linoleat dan asam linolenat (Dwiputra, kali untuk menggoreng. Penelitian ini
2015). Minyak kanola pun memiliki manfaat menggunakan kamera dari raspberry pi untuk
untuk kesehatan jantung karena memiliki mendapatkan nilai warna RGB serta sensor
kandungan minyak tak jenuh tunggal dan ganda cahaya LDR untuk mengetahui nilai kekeruhan
(Nainggolan, 2015). dari minyak. Akurasi yang ditunjukkan dari
Terkadang terdapat beberapa produsen sistem pengklasifikasian mencapai angka
yang sengaja memanfaatkan kemiripan fisik dari sebesar hingga 73,33%..
minyak dengan menjual minyak nabati tidak Oleh karena itu berdasarkan kebutuhan
sesuai dengan sumber tumbuhan aslinya. yang telah dikumpulkan, dibuat sebuah sistem
Minyak kanola dan minyak zaitun merupakan yang dapat mengidentifikasi minyak nabati dari
minyak nabati yang kerap dipalsukan (Tazi, segi warna RGB dan kekeruhan menggunakan
2016). Terlebih praktik penipuan tersebut dapat metode klasifikasi K-NN. Warna RGB akan
sering terjadi dengan masih banyaknya diakusisi oleh sensor warna TCS34725,
pedagang yang menjual minyak secara eceran sedangkan kekeruhan dari minyak akan
tanpa menyertakan keterangan minyak tersebut diidentifikasi oleh sensor cahaya LDR.
diperoleh dari tumbuhan mana. Salah satunya
yang terjadi di wilayah Kramat Jati, Jakarta 2. METODE PENELITIAN
Timur dan Srengseng, Jakarta Barat pada tahun Penelitian dilakukan dengan melakukan
2015, di mana terdapat praktik penjualan minyak studi literatur terlebih dahulu untuk
zaitun yang ternyata isi dari produknya bukan mengumpulkan acuan agar penelitian dapat
merupakan minyak zaitun (Liputan6, 2015). dipertanggungjawabkan. Kemudian dilakukan
Padahal masing-masing minyak nabati memiliki analisis kebutuhan sistem untuk mengetahui
cara pengolahan yang berbeda untuk komponen apa saja yang dibutuhkan untuk
menghindari masakan menjadi berbau membangun sistem klasifikasi minyak nabati.
menyengat. Gizi dalam minyak nabati tertentu Setelah diketahui bahwa dibutuhkan komponen
akan berubah menjadi tidak baik bagi tubuh jika seperti sensor warna dan sensor cahaya untuk
melewati suhu pemanasan yang disarankan mendapatkan data dari sample serta penampil
akibat teroksidasi (Marlina, 2017). berupa LCD, sistem dirancang dan
Pada dasarnya, minyak atau lemak diimplementasikan ke dalam bentuk alat yang
murni berwarna bening. Namun seringkali utuh. Terakhir dilakukan pengujian terhadap
dijumpai pigmen pada minyak yang bisa jadi sistem untuk mendapatkan hasil keakurasian
terbawa dari bahan mentahnya. Contohnya serta kesimpulan.
warna kekuningan atau oranye akibat pigmen
3. PERANCANGAN DAN
IMPLEMENTASI
Dalam merancang sebuah sistem, diperlukan
alur dari rancangan yang akan menggerakkan
sistem agar dapat terpenuhi kebutuhan untuk
mengklasifikasi minyak nabati. Paada Gambar 1
digambarkan alur bekerja dari sistem serta
komponennya.
Gambar 4 Perancangan Perangkat Keras
arduino. Selisih waktu dari dimulai dan Fatimah, Warni. (2014). Pemanfaatan Minyak
selesainya fungsi klasifikasi akan diperlihatkan Jelantah dan Ampas Segar Kelapa Sawit
setelah hasil klasifikasi ditampilkan. Tujuan dari pada Pembuatan Biodiesel melalui Proses
pengujian ini adalah untuk mengetahui nilai Transesterifikasi In Situ. Politeknik
kecepatan dari proses metode K-NN dalam Negeri Sriwijaya.
mengklasifikasi minyak nabati. Dari setiap data
Gunstone, F. (2011). Vegetable Oils in Food
yang dimasukkan ke dalam sistem, akan dilihat
Technology: Composition, Properties and
masing-masing berapa waktu yang dibutuhkan
Uses. Germany: Wiley.
dalam mengklasifikasikannya. Dari sepuluh kali
menggunakan sistem, didapatkan rata-rata Liputan6. (2015). Polisi Terus Kembangkan
kecepatan komputasi 103,6 ms. Kasus Air Zamzam dan Minyak Zaitun
Palsu.
5. KESIMPULAN https://www.liputan6.com/news/read/220
7125/polisi-terus-kembangkan-kasus-air-
Setelah mengetahui hasil dari proses
zamzam-dan-minyak-zaitun-palsu
perancangan hingga pengujian, maka dapat
ditarik kesimpulan atas kinerja beserta akurasi Marlina, L., Ramdan, I. (2017). Identifikasi
yang telah ditunjukkan oleh tiap komponen serta Kadar Asam Lemak Bebas pada Berbagai
proses klasifikasi yang sudah dijalankan. Jenis Minyak Goreng Nabati. 11(1), 53-
Pengujian dilakukan menggunakan empat 59.
macam minyak nabati, yaitu minyak zaitun,
Milanez, K., Pontes, M. (2014). Classification of
minyak kelapa, minyak jagung, dan minyak
Edible Vegetable Oil using Digital Image
kanola. Keempat subjek itu dimasukkan ke
and Pattern Recognition Techniques, 113,
dalam ruang pengujian di dalam sistem, di mana
10-16.
sensor warna dipasang pada bagian atas dan
sensor cahaya dipasang pada bagian bawah. Nainggolan, R. (2015). Penentuan Kualitas
Dari pengujian sensor warna TCS34725 Minyak Kanola (Canola Oil). Repositori
yang digunakan untuk membaca nilai warna Institusi Universitas Sumatera Utara (RI-
merah, hijau, dan biru pada minyak nabati, USU).
didapatkan akurasi R = 87,935%, G = Putri, L., Utaminingrum, F., & Tibyani, T.
70,5075%, dan B = 85,3375%. Sedangkan (2018). Klasifikasi Minyak Goreng
pada sensor cahaya LDR yang digunakan Berdasarkan Frekuensi Penggorengan
untuk memperoleh data nilai kekeruhan dari Menggunakan Metode K-Nearest
minyak nabati, diperoleh nilai akurasi Neighbor Berbasis Raspberry Pi. Jurnal
sebesar 96,9827%. Pengembangan Teknologi Informasi Dan
Sistem dengan klasifikasi menggunakan Ilmu Komputer, 3(2), 1208-1214.
metode K-NN teruji dapat berfungsi dengan baik Putri, T. (2019). Keampuhan Air dan Minyak
saat digunakan untuk menentukan hasil dari data Kelapa bagi Kesehatan. Yogyakarta:
uji. Pengujian yang dilakukan dengan Laksana.
menggunakan sejumlah 16 data latih dan 8 data
uji menghasilkan tingkat akurasi dari voting K= Suparno, O., Kartika, I. A., & Muslich. (2013).
3 dan K = 5 sebesar 87,5%. Sains dan Teknologi Proses Produksi
Rata-rata waktu komputasi yang Minyak atau Lemak dan Kulit Samoa
dibutuhkan oleh sistem untuk melakukan (Chamois Leather). PT Penerbit IPB
klasifikasi terhadap data yang dimasukkan ke Press.
dalam sistem adalah 103,6 ms dari seluruh data Tazi, I., Suyono. (2016). Otentikasi dan
yang digunakan dalam pengujian waktu Klasifikasi Berbagai Minyak Nabati dan
komputasi. Hewani Berbasis Penginderaan Hidung
Elektronik menggunakan Metode Linear
6. DAFTAR PUSTAKA Discriminant Analysis (LDA).
Dwiputra, Denny dkk. (2015). Minyak Jagung
Alternatif Pengganti Minyak yang Sehat.
Jurnal Aplikasi Teknologi Pangan, 4(2),
5-6.