PREDIKSI NILAI PH LARUTAN BERDASARKAN ANALISIS POLA RGB MENGGUNAKAN JST BACKPROPAGATION

Aisyah Safitri, - (2025) PREDIKSI NILAI PH LARUTAN BERDASARKAN ANALISIS POLA RGB MENGGUNAKAN JST BACKPROPAGATION. FAKULTAS PERTANIAN, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - AISYAH SAFITRI.pdf Download (420Kb) | Preview
	File PDF 2. SKRIPSI FULL - AISYAH SAFITRI.pdf Restricted to Hanya staf Download (3691Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI FULL TANPA BAB PEMBAHASAN - AISYAH SAFITRI.pdf Download (3213Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pengukuran tingkat keasaman dan kebasaan secara akurat sangat penting dalam berbagai bidang seperti kimia, pertanian, dan pemantauan lingkungan. Metode konvensional seperti pH meter dan indikator warna seringkali memiliki keterbatasan dalam hal efisiensi, biaya, serta risiko kontaminasi. Penelitian ini mengusulkan metode baru untuk memprediksi nilai pH larutan berdasarkan analisis pola warna RGB dari citra digital yang dikombinasikan dengan data intensitas cahaya, menggunakan Jaringan Saraf Tiruan (JST) dengan algoritma backpropagation. Sampel larutan asam (H2SO4) dan basa (NaOH) disiapkan baik dengan maupun tanpa indikator pH, dan citra diambil dalam kondisi pencahayaan serta latar belakang yang bervariasi. Nilai RGB dan intensitas cahaya digunakan sebagai input JST dengan arsitektur 4-4-4-1. Data dilatih dan diuji menggunakan program Python sederhana dengan 27 kombinasi fungsi aktivasi. Hasil menunjukkan adanya korelasi yang kuat antara pola RGB dan nilai pH. Model JST terbaik diperoleh pada kondisi latar belakang putih dengan indikator pH, menggunakan kombinasi fungsi aktivasi linear-tanh-sigmoid, yang menghasilkan akurasi tertinggi R2 = 0,890 dan RMSE terendah 1,540. Metode ini terbukti efisien, non-invasif, dan berbiaya rendah, serta menjanjikan sebagai alternatif pemantauan pH di berbagai sektor tanpa memerlukan peralatan laboratorium yang kompleks. Kata kunci : pH, RGB, citra digital, intensitas cahaya, jaringan saraf tiruan, backpropagation, prediksi Accurate measurement of acidity and alkalinity is essential across diverse disciplines such as chemistry, agriculture, and environmental monitoring. Traditional methods, including pH meters and color indicators, often suffer from drawbacks related to efficiency, cost, and contamination risk. This study proposes a novel method for predicting solution pH using RGB color pattern analysis from digital images combined with light intensity data, processed through an Artificial Neural Network (ANN) employing the backpropagation algorithm. Acidic (H2SO4) and basic (NaOH) solution samples were prepared both with and without pH indicators, and images were captured under varied lighting and background conditions. RGB values and light intensity were used as ANN inputs, structured in a 4-4-4-1 architecture. The data was trained and tested using a simple Python program with 27 activation function combinations. Results indicate a strong correlation between RGB patterns and pH values. The optimal ANN model was obtained under white background conditions with a pH indicator, using a linear- tanh-sigmoid activation function, yielding the highest accuracy R2 = 0.890 and lowest RMSE 1.540. This method is demonstrated to be efficient, non-invasive, and low-cost, presenting a promising alternative for pH monitoring in various sectors without the need for complex laboratory equipment. Keywords : pH, RGB, digital image, light intensity, artificial neural network, backpropagation, prediction

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 630 Pertanian dan teknologi yang berkaitan
Program Studi:	FAKULTAS PERTANIAN (FP) & PASCASERJANA > Prodi S1 Teknik Pertanian
Pengguna Deposit:	UPT . Ery Elyasari
Date Deposited:	27 Oct 2025 01:52
Terakhir diubah:	27 Oct 2025 01:53
URI:	http://digilib.unila.ac.id/id/eprint/91965

Actions (login required)

Lihat Karya Akhir