3 research outputs found
PERENCANAAN MESIN PENGHANCUR LIMBAH KAYU
No full textTujuan dari pembuatan mesin penghancur kayu adalah : 1) Dapat merancang
mesin hammer mill penghancur kayu dengan penggerak motor listrik 2) Dapat
membuat mesin hammer mill penghancur kayu; 3) Dapat memilih peralatan apa saja
yang digunakan dalam pembuatan mesin hammer mill penghancur kayu 4) Salah satu
syarat kelulusan mahasiswa Program Studi Diploma III Teknik Mesin Universitas
Negeri Jakarta
Cara kerja mesin hammer mill penghancur kayu yaitu potongan-potongan
kayu dimasukkan ke saluran masuk akan dihancurkan oleh hammer mill dan melalui
saringan dengan diameter lubang 2 mm akan keluar serbuk kayu, mesin ini digerakan
oleh motor listrik yang tersambung dengan v-belt. Proses pembuatan mesin penghancur limbah kayu dibuat mulai dari proses
pemotongan bahan, pembuatan body mesin, pembuatan corong, pembuatan dudukan
mesin dan saringan. Adanya pembuatan mesin ini diharapkan dapat membantu dalam pengolahan
limbah kayu dalam jumlah yang banyak, serta proses pengerjaan lebih cepat
dibandingkan dengan menggunakan alat bantu perkakas sederhana yang masih
dilakukan secara manual, sehingga akan menjadi lebih efektif dan efisien
Deteksi biji kakao kering dan basah menggunakan Convolutional Neural Network
No full textCocoa is one of Indonesia’s leading export commodities crucial in supporting the national economy. However, a significant challenge in the post-harvest processing of cocoa lies in the drying stage, where uneven drying often leads to inconsistent bean quality. While previous studies have predominantly focused on classifying cocoa beans based on surface defects such as faded, non-faded, fragmented, moldy, and damaged beans, limited research has addressed classification based on moisture levels—specifically distinguishing between dry and wet beans, which is essential for ensuring optimal fermentation, proper storage, and overall product quality. This study presents a classification model based on a Convolutional Neural Network (CNN) employing the You Only Look Once (YOLO) architecture to detect and classify dry and wet cocoa beans by analyzing visual features, particularly color and shape. A dataset of 2,880 labeled images was compiled and used to train and evaluate the model. The proposed system demonstrated strong performance, achieving an accuracy of 99.8%, a precision of 99.15%, and a recall of 99.8%. These results indicate that the model can be a reliable and efficient tool for detecting moisture content in cocoa beans, thereby enhancing quality control, reducing human subjectivity in the inspection process, and supporting automation in the cocoa processing industry to ensure product consistency and added value in the export market
