Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Putra, Philipus Febriano Kurnia
Unknown Affiliation
Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Fitur pada Klasifikasi Kualitas Teh Putra, Philipus Febriano Kurnia; Tyas, Dyah Aruming; Lelono, Danang
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 15, No 2 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.106253

Abstract

 Indonesia merupakan salah satu produsen terbesar teh hitam dunia, maka kualitas dari minuman teh perlu diperhatikan. PT Pagilaran, salah satu perusahaan di Indonesia dengan salah satu komoditas unggulannya berupa teh, khususnya teh hitam melakukan penilaian 10 tingkatan kualitas teh dengan penilaian manual oleh tenaga ahli yang rentan dengan inkonsistensi. Electronic nose adalah salah satu teknologi  yang berkembang pesat untuk digunakan penilaian kualitas teh. PT Pagilaran dan Fakultas Teknologi Pertanian Universitas Gadjah Mada melakukan pengembangan solusi yang lebih objektif dan konsisten dalam penilaian kualitas teh  dengan electronic nose. Data aroma teh akan diekstrasi dari electronic nose kemudian dianalisis untuk menentukan fitur-fitur yang representatif dalam membedakan 10 kelas kualitas teh. Beberapa penelitian sebelumnya telah menunjukkan potensi penggunaan fitur dari electronic nose untuk mengklasifikasikan kualitas teh, namun sebagian besar hanya mencapai klasifikasi tujuh kelas teh. Penelitian ini melakukan analisis kombinasi fitur yang tepat untuk mengembangkan model klasifikasi kualitas teh menjadi 10 kelas menggunakan data electronic nose. Metode yang digunakan adalah seleksi fitur Recursive Feature Elimination dan Principal Component Analysis serta classifier Support Vecor Machine. Hasil dari penelitian menunjukkan bahwa model klasifikasi dengan nilai akurasi terbaik mencapai 89,85% menggunakan 18 fitur pilihan dari electronic nose.
Co-Authors Dyah Aruming Tyas