Rancang Bangun Sistem IoT Monitoring Kadar Gula pada Minuman
DOI:
https://doi.org/10.59395/n2zyht45Keywords:
Internet of Things, Brix, Decision Tree, estimasi gula, klasifikasi risikoAbstract
Konsumsi minuman tinggi gula sulit dipantau secara objektif, khususnya pada minuman racikan yang tidak mencantumkan informasi kandungan gula secara lengkap. Penelitian ini bertujuan mengembangkan BrixCare, sistem pemantauan berbasis Internet of Things yang menerima data derajat Brix, mencatat riwayat konsumsi, menghitung estimasi gula berbasis Brix, dan mengklasifikasikan risiko konsumsi secara kontekstual. Penelitian menggunakan pendekatan Research and Development dengan metode pengembangan perangkat lunak Prototype. Sistem mengintegrasikan Message Queuing Telemetry Transport, backend Flask, basis data MySQL, model Decision Tree, dan dashboard web. Pengujian meliputi penerimaan data, penanganan pesan duplikat, pengujian fungsional, pengukuran latensi dan jitter, serta evaluasi model menggunakan pembagian data secara stratified. Hasil menunjukkan ingestion data valid sebesar 100% dan packet loss 0% pada 30 paket komunikasi. Rata-rata latensi round-trip adalah 65,85 ms, sedangkan rata-rata latensi steady-state setelah fase warm-up adalah 49,96 ms. Model Decision Tree menghasilkan akurasi 99,40% dan macro F1-score 98,67% pada 500 data uji. Hasil tersebut menunjukkan keberhasilan integrasi perangkat lunak dan konsistensi model terhadap dataset sintetis, tetapi belum membuktikan generalisasi terhadap perilaku konsumsi nyata atau validitas klinis.
Downloads
References
[1] R. J. P. R. Gani, R. Rahmah, N. N. Aliyati, J. S. Tusi, and P. Sasmito, “Konsumsi gula pasir dan konsumsi serat terhadap kejadian Diabetes Melitus,” Holistik J. Kesehat., vol. 17, no. 3, pp. 246–252, 2023, doi: 10.33024/hjk.v17i3.10289.
[2] A. B. Yamantri and A. A. Rifa’i, “Penerapan Algoritma C4.5 Untuk Prediksi Faktor Risiko Obesitas Pada Penduduk Dewasa,” J. Komput. Antart., vol. 2, no. 3, pp. 118–125, 2024, doi: 10.70052/jka.v2i3.341.
[3] H. Hamidatun, T. Haniza, and S. Pujilestari, “Karakterisasi fisikokimia dan organoleptik minuman sari tempe dengan penambahan jeruk nipis,” J. Teknol. Pangan dan Kesehat., vol. 5, no. 2, pp. 61–65, 2023, doi: 10.36441/jtepakes.v5i2.1884.
[4] S. R. Sjarif et al., “Proses Kristalisasi pada Produk Gula Cair Nira Aren: Additional Glucose and the Effect of Brix Degree to Inhibit the Crystallization Process in Liquid Sugar Products,” J. Penelit. Teknol. Ind., vol. 13, no. 1, pp. 27–36, 2021.
[5] S. A. Jaywant, H. Singh, and K. M. Arif, “Sensors and Instruments for Brix Measurement: A Review,” Sensors, vol. 22, no. 6, p. 2290, 2022, doi: 10.3390/s22062290.
[6] N. Nurussakinah and M. Faisal, “Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree,” J. Informatika, vol. 10, no. 2, pp. 143–149, 2023, doi: 10.31294/inf.v10i2.15989.
[7] H. H. Alshammari, “The internet of things healthcare monitoring system based on MQTT protocol,” Alexandria Eng. J., vol. 69, pp. 275–287, 2023, doi: 10.1016/j.aej.2023.01.065.
[8] A. P. Renold and K. V. Ranjith Kumar, “Design of Internet of Things enabled personalized healthcare device for vital signs monitoring,” Assistive Technol., vol. 14, no. 5, 2022, doi: 10.3233/AIS-220098.
[9] H. Z. Tayyibah, T. Tuloh, K. Nisa, G. Setyowisnu, R. R. Al-Hakim, and E. R. C. Putri, “Sistem Pendukung Keputusan untuk Klasifikasi Risiko Diabetes Menggunakan Algoritma Decision Tree,” J. Kolaborasi Riset Sarjana, vol. 2, no. 3, pp. 9–19, 2025.
[10] A. S. Biyantoro and B. Prasetyo, “Penerapan Decision Tree untuk Klasifikasi Status Kesehatan dengan perbandingan KNN dan Naive Bayes,” IJIRSE, vol. 4, no. 1, pp. 47–55, 2024, doi: 10.57152/ijirse.v4i1.1342.
[11] Eviyanti, Fauziah, M. K. Aulia, and F. Zikri, “Model Klasifikasi Penyakit Diabetes Menggunakan Metode Decision Tree,” J. Kesehat., Teknol., dan Sains, vol. 3, no. 2, 2024.
[12] H. Liu, S. Hu, Y. Meng, J. Chen, Z. Li, J. Li, and Y. Zhang, “Online measurement of syrup brix with microwave open coaxial resonator sensor,” J. Food Eng., vol. 322, p. 110975, 2022, doi: 10.1016/j.jfoodeng.2022.110975.
[13] S. Ulinuha, T. Wahyu Utami, P. Rismawati Arum, and D. Purwanto, “Comparison of Holt-Winters Exponential Smoothing (HWES) and Singular Spectrum Analysis (SSA) Methods in Forecasting the Number of Passengers at PT KAI in Indonesia,” J. Data Insights, vol. 2, no. 2, pp. 44–60, 2024, doi: 10.26714/jodi.v2i2.654.
[14] A. N. P. Haryadi, W. Setiawan, and D. A. Fatah, “Penerapan Data Mining untuk Klasifikasi Penyakit Diabetes Menggunakan Metode Decision Tree,” J. Nas. Komput. Teknol. Inf., vol. 7, no. 6, 2024.
[15] G. Gunadi, “Pengembangan Sistem Digital Mapping untuk Pemeliharaan dan Pemanenan Kelapa Sawit Berbasis Teknologi Geospasial dan Metode Agile,” INTECH, vol. 6, no. 1, pp. 48–57, 2025, doi: 10.54895/intech.v6i1.3021.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Sarosa Castrena Abadi, Dzulhaqqi Nur Fadhilah, Nur Wisma Nugraha
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.