Model Prediksi Waktu Pengeringan Biji Kopi Berbasis AIoT Pada Mesin Pengering Portabel

Abstract

Proses pengeringan biji kopi merupakan tahapan kritis yang sangat menentukan mutu akhir produk, namun dalam praktiknya masih banyak dilakukan secara konvensional dengan keterbatasan kontrol kondisi lingkungan serta ketidakpastian waktu selesai pengeringan. Penelitian ini mengusulkan sistem pengering biji kopi portabel berbasis Artificial Intelligence of Things (AIoT) yang mampu melakukan pemantauan kondisi pengeringan secara kontinu sekaligus menghasilkan estimasi waktu selesai pengeringan (Estimated Time of Arrival/ETA) secara adaptif berbasis data sensor. Sistem dirancang dengan integrasi sensor suhu, kelembaban relatif, dan berat biji kopi pada beberapa tray, didukung oleh akuisisi data berbasis IoT dan pemrosesan data sekuensial. Pendekatan machine learning diterapkan untuk memprediksi perubahan progres pengeringan (Δp) sebagai target utama model, yang selanjutnya digunakan dalam perhitungan ETA dinamis. Beberapa algoritma dibandingkan, yaitu Random Forest, Artificial Neural Network, Gradient Boosting, Ridge Regression, dan Support Vector Regression, dengan skema validasi Leave One-Session-Out (LOSO). Hasil evaluasi menunjukkan bahwa Random Forest memberikan kinerja paling konsisten dengan nilai MAE sebesar 0,125 dan RMSE sebesar 0,165. Pengujian realtime menunjukkan bahwa model mampu merekonstruksi tren penurunan kelembaban dengan MAE sebesar 1,68%–5,17% RH pada berbagai fase pengeringan. Estimasi waktu selesai menggunakan pendekatan hybrid ETA menghasilkan prediksi sebesar 6 hari 7 jam 48 menit terhadap durasi aktual 5 hari 2 jam 14 menit, dengan error waktu sebesar 29 jam 34 menit (24,2%). Dari sisi sistem, pengujian IoT menunjukkan Delivery Success Rate (DSR) sebesar 100% dengan 4217 data tersimpan tanpa kehilangan dan latensi ±1 detik pada interval pengiriman 2 menit. Hasil ini menunjukkan bahwa integrasi AIoT dan machine learning berpotensi meningkatkan transparansi dan prediktabilitas proses pengeringan biji kopi secara realtime.