<![CDATA[Klasifikasi jenis teh murni secara manual sering kali memerlukan waktu yang lama dan bergantung pada kemampuan indera manusia, karena kemampuan ketajaman indera penciuman manusia yang berbeda penciuman anggapan tehradap obyek bersifat subyektif dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk merancang sebuah sistem electronic nose berbasis mikrokontroler yang mampu mengklasifikasikan jenis teh murni secara otomatis dan konsisten. Sistem yang dikembangkan terdiri dari perangkat keras, termasuk mikrokontroler dan sejumlah sensor gas untuk mendeteksi senyawa volatil yang menjadi ciri khas setiap jenis teh. Data dari sensor diolah menggunakan algoritma machine learning untuk menghasilkan model klasifikasi yang akurat. Proses pengembangan melibatkan pengumpulan data aroma dari lima jenis teh murni yang diuji dalam berbagai kondisi lingkungan untuk memastikan robustitas sistem. Data yang diperoleh kemudian dianalisis dan diolah menggunakan algoritma supervised learning, yaitu algoritma Decision Tree. Sistem prototipe yang dihasilkan mampu mencapai akurasi klasifikasi sebesar 93,7%, menunjukkan keandalannya dalam mengenali pola aroma khas dari setiap jenis teh. Selain membahas hasil, penelitian ini juga mengidentifikasi tantangan seperti pengaruh variasi suhu dan kelembaban terhadap performa sensor, serta kebutuhan kalibrasi berkala untuk menjaga konsistensi sistem. Dengan hasil yang menjanjikan, sistem ini menawarkan solusi inovatif untuk mendukung industri teh dalam mengotomatisasi proses pengklasifikasian produk secara lebih efisien dan objektif.]]>
Copyrights © 2024
