Perpustakaan Digital ITB

Sistem yang dikembangkan pada tugas akhir ini ditujukan untuk mengatasi permasalahan ketidakakuratan klasifikasi penyakit antarknosa pada sistem yang telah dikembangkan sebelumnya. Pengerjaan tugas akhir yang penulis kerjakan difokus dari pengembangan desain dan implementasi subsistem antarmuka pengguna (user interface) serta subsistem gateway. Antarmuka berperan penting dalam memberikan pengalaman pengguna yang intuitif serta menghubungkan subsistem lain melalui fungsi pemrosesan data dan komunikasi dua arah. Tugas akhir ini mencakup perancangan, pengembangan, dan integrasi subsistem pada SBC 1 (Single Board Computer) yang berfungsi sebagai unit pemrosesan utama (gateway) dan dua subsistem antarmuka yaitu onsite dan remote. Subsistem SBC 1 memiliki tanggung jawab dalam berkomunikasi dengan cloud, menerima dan menampilkan data klasifikasi tingkat keparahan penyakit (severity level), serta mengatur penjadwalan monitoring dan streaming kamera dari SBC 2. Salah satu modul yang dikembangkan adalah severity handler, yaitu komponen yang secara khusus bertanggung jawab dalam mengambil data klasifikasi penyakit dari cloud API, menampilkannya dalam bentuk tabel serta gambar, dan menyediakan fungsi filter berdasarkan tanggal, waktu, dan level klasifikasi. Selain itu, ditambahkan penjadwalan yang dirancang untuk mengatur waktu pelaksanaan monitoring kamera secara otomatis. Fungsi ini menggunakan pendekatan berbasis cron untuk membuat, menyimpan, dan menghapus jadwal monitoring sesuai konfigurasi pengguna. Informasi mengenai waktu dan interval monitoring akan ditampilkan langsung pada antarmuka pengguna. Subsistem antarmuka onsite dikembangkan lagi menggunakan PyQt5 dan dirancang melalui Qt Designer, kemudian diintegrasikan langsung ke dalam program Python utama. Antarmuka ini menyediakan akses langsung terhadap fitur-fitur utama seperti navigasi halaman, input waktu, pemilihan tingkat klasifikasi, serta pemantauan live tray cabai melalui video streaming. Salah satu elemen penting pada halaman severity adalah kemampuannya menampilkan gambar tray hasil klasifikasi disertai prediksi tingkat keparahan penyakit dari model machine learning. Di sisi lain, antarmuka remote juga mengalami pengembangan berupa penambahan fitur log severity dan optimalisasi layout agar ramah digunakan di perangkat seluler. Dari sisi hasil implementasi, sistem telah berhasil menampilkan informasi severity log secara lengkap, mengatur jadwal monitoring otomatis, dan menyediakan tampilan video kondisi tray cabai secara langsung. Integrasi antar subsistem berhasil diintegrasikan, termasuk komunikasi antara SBC 1 sebagai gateway dan SBC 2 sebagai penyedia stream video kamera. Fitur-fitur yang ditambahkan berhasil meningkatkan ease of use dan kapabilitas sistem secara umum.