<![CDATA[Penelitian ini bertujuan mengembangkan sistem deteksi mutu kopi berbasis Electronic Nose (E-Nose) dengan optimasi konfigurasi sensor dan penerapan algoritma kecerdasan buatan (AI). Evaluasi mutu kopi melalui pengujian organoleptik (penilaian sensori) bersifat subyektif, tergantung pada persepsi panelis, serta memakan waktu, yang dapat menghasilkan penilaian yang tidak konsisten. Teknologi sensor elektronik akan digunakan untuk memberikan evaluasi yang lebih objektif dan konsisten. Delapan sensor gas (SP-12A, SP-31, TGS-813, TGS-842, SP-AQ3, TGS-823, ST-31, dan TGS-800) digunakan untuk mendeteksi mutu kopi. Empat algoritma AI, yaitu Random Forest, Neural Network, Decision Tree, dan Naive Bayes, diterapkan untuk menilai akurasi prediksi mutu kopi berdasarkan data sensor. Selain itu, konfigurasi sensor ekonomis seperti seri MQ juga dievaluasi untuk mengatasi keterbatasan biaya dan ketersediaan sensor di pasar lokal. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan akurasi tertinggi, yaitu 99,48% dengan penggunaan semua sensor. Namun, penggunaan sensor TGS secara eksklusif menurunkan akurasi hingga 88,74%. Penelitian ini juga menemukan bahwa kombinasi sensor TGS dan seri MQ memberikan solusi lebih ekonomis dengan performa yang tetap optimal. Optimasi sensor elektronik dan algoritma AI dapat menghasilkan sistem deteksi mutu kopi yang handal dan terjangkau. Penelitian ini memberikan kontribusi signifikan bagi pengembangan teknologi evaluasi mutu pangan yang lebih efisien, khususnya pada industri kopi lokal.]]>
Copyrights © 2022
