Jl. Siliwangi No. 6, Rawa Panjang, Bekasi Timur | [email protected] | (021) 82436886
Skripsi (S1) FID Teknik Informatika (S1) 2026

PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER

Penulis: Tiana Ramdani (Penulis Utama / Mahasiswa) RULLY PRAMUDITA, S.T., M.Kom. (Dosen Pembimbing I)

Logo Bina Insani OPEN ACCESS COVER
UNIVERSITAS BINA INSANI
INSTITUTIONAL REPOSITORY
Skripsi (S1) BEKASI, 2026

PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER

Penulis Utama: Tiana Ramdani
Fakultas: FID
Program Studi: Teknik Informatika (S1)
URI Handle: http://hdl.handle.net/binainsani/36
Tanggal Terbit: 12 September 2026
Abstrak / Ringkasan Karya
Open Access

Tiana Ramdani (2022310058) Pengembangan Timbangan Digital untuk Identifikasi Jenis Buah Menggunakan Algoritma YOLOv8 Berbasis Virtual Private Server PT Interskala Mandiri Indonesia selama ini masih mengandalkan input kode Price Look Up (PLU) melalui keypad pada proses penimbangan digital, yang mana cara tersebut kerap memunculkan kesalahan manusia dan menurunkan efisiensi kerja secara keseluruhan. Berangkat dari permasalahan tersebut, penelitian ini bertujuan merancang timbangan digital berbasis AIoT yang mampu mendeteksi jenis buah secara otomatis dengan memanfaatkan algoritma YOLOv8, sekaligus memusatkan pengelolaan data melalui Virtual Private Server (VPS). Proses penelitian dan pengembangannya mengacu pada model ADDIE. Dari sisi perangkat keras, sistem ini dibangun menggunakan mikrokontroler ESP32 NodeMCU-32S, ESP32-S3 CAM sebagai modul pengambilan gambar, serta load cell yang dikombinasikan dengan modul HX711 untuk menghasilkan pengukuran berat yang presisi. Model YOLOv8 dilatih menggunakan lima kelas buah, yakni apel fuji, jeruk, lemon, pir century, dan buah naga, kemudian dideploy pada backend VPS melalui Flask API. Untuk pencetakan struk, sistem terhubung ke printer termal Bluetooth T3 menggunakan perangkat lunak RawBT, sementara pemantauan monitoring dilakukan lewat dasboard berbasis React.js. Pada tahap pengujian, model YOLOv8 mampu mencapai performa deteksi real-time yang sangat baik, dengan nilai mAP@50 sebesar 99,5%, presisi 99,97%, recall 100%, dan F1-score 100%. Di sisi lain, sensor load cell memberikan tingkat akurasi 99,74% dengan toleransi kesalahan 0,26%. Bila diimplementasikan secara penuh, inovasi AIoT ini diyakini dapat menghapus kebutuhan input PLU secara manual, mengelola penimbangan secara terpusat, dan sekaligus menjadi solusi modernisasi timbangan digital bagi industri ritel.

Generator Sitasi Ilmiah
APA / IEEE / BibTeX
Tiana Ramdani (2026). PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER. Skripsi (S1), FID, Universitas Bina Insani, Bekasi.
Tiana Ramdani, "PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER," Skripsi (S1), Univ. Bina Insani, Bekasi, 2026.
@thesis{submission36,
  author = {Tiana Ramdani},
  title = {PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER},
  school = {Universitas Bina Insani},
  year = {2026}
}
Metadata Lengkap Item
Berkas Naskah Dokumen
  • Cover_Halaman_Judul.pdf
    Cover Page • 245 KB
    Open Access (Publik)
    Unduh
  • Abstrak_Bina_Insani.pdf
    Abstract Page • 180 KB
    Open Access (Publik)
    Unduh
  • Bab_1_Pendahuluan.pdf
    Chapter 1 • 420 KB
    Restricted Hanya pengunggah asli
  • Bab_2_Tinjauan_Pustaka.pdf
    Chapter 2 • 850 KB
    Restricted Hanya pengunggah asli
  • Bab_3_Metodologi_Penelitian.pdf
    Chapter 3 • 610 KB
    Restricted Hanya pengunggah asli
  • Bab_4_Hasil_Dan_Pembahasan.pdf
    Chapter 4 • 1.8 MB
    Restricted Hanya pengunggah asli
  • Bab_5_Kesimpulan_Dan_Saran.pdf
    Chapter 5 • 320 KB
    Restricted Hanya pengunggah asli
Kebijakan Akses Berkas Repository

Sesuai dengan pedoman repository institusi Universitas Bina Insani:

  • Halaman Sampul (Cover) & Abstrak: Dapat diakses dan diunduh secara bebas oleh publik (Open Access).
  • Naskah Bab 1 s.d. Bab 5: Bersifat terbatas (Restricted Access). Hanya pengunggah asli karya dan Staff Perpustakaan yang dapat mengakses berkas naskah ini.
Berkas naskah Bab 1–5 bersifat Restricted Access dan hanya tersedia bagi pengunggah asli atau Staff Perpustakaan.