Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Rancang Bangun Sistem Takaran Otomatis Biji Kopi Blend (Arabika Dan Robusta) Pada Mesin Grinder Kopi Berbasis Load Cell Pada Arduino

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 4 (2025) · pp. 843–850

DOI
10.25126/jtiik.124
ISSN
2528-6579, 2355-7699
Published
2025-08-29
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

Kopi blend adalah seni campuran biji kopi yang berbeda, menciptakan rasa dan karakter yang unik. Tujuan dari pembuatan kopi blend adalah menciptakan blend adalah menghasilkan kopi dengan rasa yang seimbang dan kompleks, menggabungkan berbagai elemen seperti keasaman, kelembutan, dan cita rasa yang unik dari masing-masing biji. Mencampur kopi blend (arabika dan robusta) perlu diperhatikan komposisi atau formula yang sesuai sehingga kualitas seduhan yang diinginkan tersebut dapat terpenuhi. Oleh karena itu, pada penelitian ini dibuat sistem takaran otomatis biji kopi blend pada mesin grinder kopi berdasarkan preferensi pelanggan. Sistem takaran otomatis menggunakan load cell sebagai menimbang atau menakar biji kopi blend (arabika dan robusta) sesuai dengan takaran keinginan pelanggan. Motor servo akan bergerak untuk mengirim biji kopi menuju ke proses penggilingan pada mesin grinder kopi. Sistem ini juga dilengkapi LCD dan push button untuk interaksi sistem dengan pengguna. Sistem ini mendapatkan rata-rata error yaitu 1.42 % pada load cell 1 sedangkan pada load cell 2 memiliki rata-rata error yaitu 2.21 %. Nilai kesalahan error pada penakaran pada biji kopi mendapat 3.7% pada servo 1 dan 5.904% pada servo 2 dengan berat maksimal yang dapat ditampung oleh wadah yaitu 30 gram. Sistem ini dapat menangani takaran biji kopi sesuai dengan permintaan user dengan kesalahan nilai error yang rendah sehingga menghasilkan kopi blend sesuai dengan keinginan. Abstract Coffee blend is the art of mixing different coffee beans to create a unique flavor and character. The goal of creating a coffee blend is to produce coffee with a balanced and complex taste, combining various elements such as acidity, smoothness, and unique flavors from each bean. When mixing coffee blends (Arabica and Robusta), it is important to consider the appropriate composition or formula so that the desired brew quality can be achieved. Therefore, in this study, an automatic coffee blend dosing system was developed for a coffee grinder machine based on customer preferences. The automatic dosing system uses a load cell to weigh or measure coffee beans (Arabica and Robusta) according to the desired proportion set by the customer. A servo motor will move to deliver the coffee beans to the grinding process in the coffee grinder machine. This system is also equipped with an LCD and push button for user interaction with the system. The system has an average error of 1.42% on load cell 1, while load cell 2 has an average error of 2.21%. The error rate in measuring coffee beans is 3.7% on servo 1 and 5.904% on servo 2, with a maximum weight capacity of 30 grams in the container. This system can handle coffee bean measurements according to user requests with a low error rate, resulting in coffee blends that meet user preferences.

English

Kopi blend adalah seni campuran biji kopi yang berbeda, menciptakan rasa dan karakter yang unik. Tujuan dari pembuatan kopi blend adalah menciptakan blend adalah menghasilkan kopi dengan rasa yang seimbang dan kompleks, menggabungkan berbagai elemen seperti keasaman, kelembutan, dan cita rasa yang unik dari masing-masing biji. Mencampur kopi blend (arabika dan robusta) perlu diperhatikan komposisi atau formula yang sesuai sehingga kualitas seduhan yang diinginkan tersebut dapat terpenuhi. Oleh karena itu, pada penelitian ini dibuat sistem takaran otomatis biji kopi blend pada mesin grinder kopi berdasarkan preferensi pelanggan. Sistem takaran otomatis menggunakan load cell sebagai menimbang atau menakar biji kopi blend (arabika dan robusta) sesuai dengan takaran keinginan pelanggan. Motor servo akan bergerak untuk mengirim biji kopi menuju ke proses penggilingan pada mesin grinder kopi. Sistem ini juga dilengkapi LCD dan push button untuk interaksi sistem dengan pengguna. Sistem ini mendapatkan rata-rata error yaitu 1.42 % pada load cell 1 sedangkan pada load cell 2 memiliki rata-rata error yaitu 2.21 %. Nilai kesalahan error pada penakaran pada biji kopi mendapat 3.7% pada servo 1 dan 5.904% pada servo 2 dengan berat maksimal yang dapat ditampung oleh wadah yaitu 30 gram. Sistem ini dapat menangani takaran biji kopi sesuai dengan permintaan user dengan kesalahan nilai error yang rendah sehingga menghasilkan kopi blend sesuai dengan keinginan. Abstract Coffee blend is the art of mixing different coffee beans to create a unique flavor and character. The goal of creating a coffee blend is to produce coffee with a balanced and complex taste, combining various elements such as acidity, smoothness, and unique flavors from each bean. When mixing coffee blends (Arabica and Robusta), it is important to consider the appropriate composition or formula so that the desired brew quality can be achieved. Therefore, in this study, an automatic coffee blend dosing system was developed for a coffee grinder machine based on customer preferences. The automatic dosing system uses a load cell to weigh or measure coffee beans (Arabica and Robusta) according to the desired proportion set by the customer. A servo motor will move to deliver the coffee beans to the grinding process in the coffee grinder machine. This system is also equipped with an LCD and push button for user interaction with the system. The system has an average error of 1.42% on load cell 1, while load cell 2 has an average error of 2.21%. The error rate in measuring coffee beans is 3.7% on servo 1 and 5.904% on servo 2, with a maximum weight capacity of 30 grams in the container. This system can handle coffee bean measurements according to user requests with a low error rate, resulting in coffee blends that meet user preferences.

Keywords

Collaboration network of the authors

29 authors · 70 co-authorship links · 4 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Lambung Mangkurat University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Agung Setia BudiUniversity of Brawijaya5
Hurriyatul FitriyahUniversity of Brawijaya3
Rizal MaulanaUniversity of Brawijaya3
Muhammad AlkaffLambung Mangkurat University1
Yuslena SariLambung Mangkurat University1
Husnul KhatimiLambung Mangkurat University1
Puja DarmawanLambung Mangkurat University1
Muhammad Rheza CaesardiUniversity of Brawijaya1
Mochammad Hannats Hanafi IchsanUniversity of Brawijaya1
Angga Sukma BahariUniversity of Brawijaya1
Mahardeka Tri AnantaUniversity of Brawijaya1
Jeffry Atur FirdausUniversity of Brawijaya1
Sabriansyah Rizqika AkbarUniversity of Brawijaya1
Agung SetiabudiAffiliation unknown1
Fahmi ErzaUniversity of Brawijaya1
Giservin Tifira ZainUniversity of Brawijaya1
Barlian Henryranu PrasetioUniversity of Brawijaya1
Arsal Wildan NaviaddinUniversity of Brawijaya1
Agung Setia BudiAffiliation unknown1
Fauzan Ghozi MubarakAffiliation unknown1
Fauzan Ghozi MubarakUniversity of Brawijaya1
Fauzan Adzima TohariAffiliation unknown1
Nur Hazbiy ShaffanAffiliation unknown1
Fauzan Adzima TohariAffiliation unknown1
Nur Hazbiy ShaffanAffiliation unknown1
Eko SetiawanUniversity of Brawijaya1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Rancang Bangun Sistem Takaran Otomatis Biji Kopi Blend (Arabika Dan Robusta) Pada Mesin Grinder Kopi Berbasis Load Cell Pada Arduino</dc:title>
	<dc:title xml:lang="en">Rancang Bangun Sistem Takaran Otomatis Biji Kopi Blend (Arabika Dan Robusta) Pada Mesin Grinder Kopi Berbasis Load Cell Pada Arduino</dc:title>
	<dc:creator xml:lang="id">Ghifary, Naufal Mohamad</dc:creator>
	<dc:creator xml:lang="id">Primananda , Rakhmadhany </dc:creator>
	<dc:creator xml:lang="id">Setiawan, Eko</dc:creator>
	<dc:creator xml:lang="en">Ghifary, Naufal Mohamad</dc:creator>
	<dc:creator xml:lang="en">Primananda , Rakhmadhany </dc:creator>
	<dc:creator xml:lang="en">Setiawan, Eko</dc:creator>
	<dc:subject xml:lang="id">sensor load cell</dc:subject>
	<dc:subject xml:lang="id">push button</dc:subject>
	<dc:subject xml:lang="id">sistem takaran otomatis</dc:subject>
	<dc:subject xml:lang="id">kopi blend</dc:subject>
	<dc:subject xml:lang="id">grinder kopi</dc:subject>
	<dc:subject xml:lang="en">load cell sensor</dc:subject>
	<dc:subject xml:lang="en">push button</dc:subject>
	<dc:subject xml:lang="en">automatic measurement system</dc:subject>
	<dc:subject xml:lang="en">blend coffee</dc:subject>
	<dc:subject xml:lang="en">coffee grinder </dc:subject>
	<dc:description xml:lang="id">Kopi blend adalah seni campuran biji kopi yang berbeda, menciptakan rasa dan karakter yang unik. Tujuan dari pembuatan kopi blend adalah menciptakan blend adalah menghasilkan kopi dengan rasa yang seimbang dan kompleks, menggabungkan berbagai elemen seperti keasaman, kelembutan, dan cita rasa yang unik dari masing-masing biji. Mencampur kopi blend (arabika dan robusta) perlu diperhatikan komposisi atau formula yang sesuai sehingga kualitas seduhan yang diinginkan tersebut dapat terpenuhi. Oleh karena itu, pada penelitian ini dibuat sistem takaran otomatis biji kopi blend pada mesin grinder kopi berdasarkan preferensi pelanggan. Sistem takaran otomatis menggunakan load cell sebagai menimbang atau menakar biji kopi blend (arabika dan robusta) sesuai dengan takaran keinginan pelanggan. Motor servo akan bergerak untuk mengirim biji kopi menuju ke proses penggilingan pada mesin grinder kopi. Sistem ini juga dilengkapi LCD dan push button untuk interaksi sistem dengan pengguna. Sistem ini mendapatkan rata-rata error yaitu 1.42 % pada load cell 1 sedangkan pada load cell 2 memiliki rata-rata error yaitu 2.21 %. Nilai kesalahan error pada penakaran pada biji kopi mendapat 3.7% pada servo 1 dan 5.904% pada servo 2 dengan berat maksimal yang dapat ditampung oleh wadah yaitu 30 gram. Sistem ini dapat menangani takaran biji kopi sesuai dengan permintaan user dengan kesalahan nilai error yang rendah sehingga menghasilkan kopi blend sesuai dengan keinginan.
 
Abstract
Coffee blend is the art of mixing different coffee beans to create a unique flavor and character. The goal of creating a coffee blend is to produce coffee with a balanced and complex taste, combining various elements such as acidity, smoothness, and unique flavors from each bean. When mixing coffee blends (Arabica and Robusta), it is important to consider the appropriate composition or formula so that the desired brew quality can be achieved. Therefore, in this study, an automatic coffee blend dosing system was developed for a coffee grinder machine based on customer preferences. The automatic dosing system uses a load cell to weigh or measure coffee beans (Arabica and Robusta) according to the desired proportion set by the customer. A servo motor will move to deliver the coffee beans to the grinding process in the coffee grinder machine. This system is also equipped with an LCD and push button for user interaction with the system. The system has an average error of 1.42% on load cell 1, while load cell 2 has an average error of 2.21%. The error rate in measuring coffee beans is 3.7% on servo 1 and 5.904% on servo 2, with a maximum weight capacity of 30 grams in the container. This system can handle coffee bean measurements according to user requests with a low error rate, resulting in coffee blends that meet user preferences.</dc:description>
	<dc:description xml:lang="en">Kopi blend adalah seni campuran biji kopi yang berbeda, menciptakan rasa dan karakter yang unik. Tujuan dari pembuatan kopi blend adalah menciptakan blend adalah menghasilkan kopi dengan rasa yang seimbang dan kompleks, menggabungkan berbagai elemen seperti keasaman, kelembutan, dan cita rasa yang unik dari masing-masing biji. Mencampur kopi blend (arabika dan robusta) perlu diperhatikan komposisi atau formula yang sesuai sehingga kualitas seduhan yang diinginkan tersebut dapat terpenuhi. Oleh karena itu, pada penelitian ini dibuat sistem takaran otomatis biji kopi blend pada mesin grinder kopi berdasarkan preferensi pelanggan. Sistem takaran otomatis menggunakan load cell sebagai menimbang atau menakar biji kopi blend (arabika dan robusta) sesuai dengan takaran keinginan pelanggan. Motor servo akan bergerak untuk mengirim biji kopi menuju ke proses penggilingan pada mesin grinder kopi. Sistem ini juga dilengkapi LCD dan push button untuk interaksi sistem dengan pengguna. Sistem ini mendapatkan rata-rata error yaitu 1.42 % pada load cell 1 sedangkan pada load cell 2 memiliki rata-rata error yaitu 2.21 %. Nilai kesalahan error pada penakaran pada biji kopi mendapat 3.7% pada servo 1 dan 5.904% pada servo 2 dengan berat maksimal yang dapat ditampung oleh wadah yaitu 30 gram. Sistem ini dapat menangani takaran biji kopi sesuai dengan permintaan user dengan kesalahan nilai error yang rendah sehingga menghasilkan kopi blend sesuai dengan keinginan.
 
Abstract
Coffee blend is the art of mixing different coffee beans to create a unique flavor and character. The goal of creating a coffee blend is to produce coffee with a balanced and complex taste, combining various elements such as acidity, smoothness, and unique flavors from each bean. When mixing coffee blends (Arabica and Robusta), it is important to consider the appropriate composition or formula so that the desired brew quality can be achieved. Therefore, in this study, an automatic coffee blend dosing system was developed for a coffee grinder machine based on customer preferences. The automatic dosing system uses a load cell to weigh or measure coffee beans (Arabica and Robusta) according to the desired proportion set by the customer. A servo motor will move to deliver the coffee beans to the grinding process in the coffee grinder machine. This system is also equipped with an LCD and push button for user interaction with the system. The system has an average error of 1.42% on load cell 1, while load cell 2 has an average error of 2.21%. The error rate in measuring coffee beans is 3.7% on servo 1 and 5.904% on servo 2, with a maximum weight capacity of 30 grams in the container. This system can handle coffee bean measurements according to user requests with a low error rate, resulting in coffee blends that meet user preferences.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-08-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9789</dc:identifier>
	<dc:identifier>10.25126/jtiik.124</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 4: Agustus 2025; 843-850</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 4: Agustus 2025; 843-850</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.124</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9789/1468</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Naufal Mohamad Ghifary, Rakhmadhany  Primananda , Eko Setiawan</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>