Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Teknotan: Jurnal Industri Teknologi Pertanian Advance Sustainable Science, Engineering and Technology (ASSET)
Himawan, Harki
Unknown Affiliation
Chemistry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Studi Miniatur Uv/Vis/Nir Spektrometer untuk Proses Kuantifikasi Mutu Biji Kopi dengan Protokol Cupping Test Iqbal, Zaqlul; Al Riza, Dimas Firmanda; Sutan, Sandra Malin; Nauri, Afid Rahman; Rhamadan, Ilham; Fausi, Ria Risti; Himawan, Harki
Teknotan: Jurnal Industri Teknologi Pertanian Vol 18, No 1 (2024): TEKNOTAN, April 2024
Publisher : Fakultas Teknologi Industri Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/jt.vol18n1.1

Abstract

Penelitian ini menitikberatkan pada eksplorasi kemampuan spektroskopi UV/Vis/NIR untuk memprediksi parameter cupping test kualitas kopi sangrai. Sampel kopi Arabika disangrai pada suhu 198°C selama 6 menit (Light to Medium), 10 menit (Medium) dan 14 menit (Medium to Dark). Sebanyak 1 kg biji kopi disiapkan untuk tingkat waktu sangrai yang kemudian menghasilkan 20 kelompok sampel untuk menit ke-6 dan masing-masing 25 kelompok sampel pada menit ke-10 dan ke-14. Selanjutnya, dilakukan evaluasi cupping test pada kelompok sampel. Secara simultan pada kelompok sampel yang sama, dilakukan akuisisi data spektra menggunakan instrumen portable Vernier Go Direct SpectroVis Plus dan sensor MEMS (micro-electromechanical system) C12880MA. Dari hasil tersebut, menghasilkan 70 total data cupping test dan spektra yang kemudian digunakan sebagai input pembentukan model kalibrasi (prediksi). Partial Least Square Regression (PLSR) digunakan untuk membentuk model dengan Venetian blinds cross-validation 10-folds sebagai validasi internal. Hasil menunjukkan Vernier Go Direct SpectroVis Plus memiliki sensitifitas lebih baik dalam menangkap informasi yang ada pada biji kopi sangrai dan mampu memprediksi beberapa parameter cupping test yaitu Body (R2 C = 0.726, R2 CV = 0.613), Balance (R2 C = 0.738, R2 CV = 0.603) dan Overall (R2 C = 0.755, R2 CV = 0.628). Sedangkan untuk sensor MEMS C12880MA, nilai prediksi tertinggi didapat pada parameter Acidity dengan nilai R2 C dan R2 CV sebesar 0.546 dan 0.500. Berdasarkan nilai VIP Score, kontribusi terbesar dalam pembentukan model berada di rentang 760-780nm, 808-830 nm dan 843-873 nm untuk Vernier Go Direct SpectroVis Plus serta 565-637 nm dan 705-737 nm untuk MEMS C12880MA.
Prediction of Soil Nutrients from Different Soil Textures using Portable Spectrometer and Machine Learning Himawan, Harki; Nainggolan, Rut Juniar; Rakhmadi, Handono; Djoyowasito, Gunomo; Ubaidillah; Nopriani, Lenny Sri; Al Riza, Dimas Firmanda
Advance Sustainable Science Engineering and Technology Vol. 8 No. 1 (2026): November - January
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v8i1.2166

Abstract

Soil nutrients, such as nitrogen, phosphorus, and potassium, are critical for plant growth and agricultural productivity. Conventional laboratory methods for measuring these nutrients are accurate but often time-consuming, costly, and environmentally taxing. This study explores the potential of portable visible-near infrared (Vis-NIR) spectrometer combined with machine learning algorithms as a rapid, cost-effective, and eco-friendly alternative for soil nutrient analysis. Soil samples of clay, clay loam, and sandy clay were collected and analyzed using artificial neural network (ANN) approach to predict soil nutrients. A total of 81 reflectance spectra data from each soil type were acquired using an AS7265x sensor and processed to develop a predictive model for nutrient content. ANN models demonstrated high accuracy, with R² values exceeding 0.8 in each type of soil texture. This study emphasizes the potential of portable Vis-NIR spectrometer and machine learning integration to revolutionize soil nutrient analysis, offering significant improvements in agricultural efficiency and sustainability.
Co-Authors Dimas Firmanda Al Riza Fausi, Ria Risti Gunomo Djoyowasito Nainggolan, Rut Juniar Nauri, Afid Rahman Rakhmadi, Handono Rhamadan, Ilham Sandra Sandra Ubaidillah Zaqlul Iqbal