<![CDATA[Perkembangan sistem berbasis machine learning mendorong pemanfaatan sensor dengan keluaran frekuensi pada sistem electronic nose (e-nose) sebagai sumber data untuk proses identifikasi dan klasifikasi senyawa volatil. Namun, proses validasi model machine learning masih memerlukan pengulangan pengukuran sensor secara langsung dengan kondisi eksperimen yang terkontrol sehingga kurang efisien. Salah satu pendekatan untuk mengatasi permasalahan tersebut adalah merekonstruksi data frekuensi hasil pengukuran sensor menjadi sinyal frekuensi analog sehingga proses validasi dapat dilakukan tanpa pengukuran ulang. Penelitian ini bertujuan mengembangkan sistem programmable frequency generator berbasis metode Direct Digital Synthesis (DDS) AD9851 dan mikrokontroler STM32 yang mampu membangkitkan sinyal frekuensi secara terprogram dari dataset hasil pengukuran sensor. Data yang digunakan merupakan data frekuensi hasil pengukuran sensor QCM terhadap aroma kopi Robusta Dampit saat dipanggang pada suhu 200 °C. Data frekuensi dikirim dari PC melalui Graphical User Interface (GUI) ke mikrokontroler untuk diproses, kemudian diteruskan ke modul DDS guna menghasilkan sinyal analog sesuai frekuensi yang ingin dibangkitkan. Hasil pengujian menunjukkan bahwa sistem mampu membangkitkan frekuensi secara berurutan sesuai urutan data pada file CSV dengan rata-rata error sebesar 0,34% pada rentang frekuensi 1–10 MHz dan 0,22% pada pengujian rekonstruksi dataset frekuensi sensor. Secara keseluruhan, sistem yang dikembangkan mampu merekonstruksi data frekuensi dengan tingkat kesesuaian yang cukup baik terhadap data masukan. Kata Kunci ̶ direct digital synthesis, programmable frequency generator, rekonstruksi sinyal ]]>
