Klasifikasi BAU Dalam Kulkas Menggunakan Sensor SGP-30 Dan Algoritma Random Forest Classifier

Amira Muhammad Salim Banem (Universitas Muhammadiyah Sumatera Utara)
Halim Maulana (Universitas Muhammadiyah Sumatera Utara)

Hello World
Vol. 4 No. 4 (2026): Edisi Januari

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi bau dalam kulkas menggunakan sensor SGP-30 dan algoritma Random Forest Classifier. Sistem ini dirancang untuk mendeteksi dan mengklasifikasikan kondisi bau makanan ke dalam tiga kategori, yaitu Segar, Sedang, dan Busuk, berdasarkan data sensor berupa nilai eCO₂, TVOC, suhu, dan kelembapan. Data yang diperoleh kemudian diproses menggunakan algoritma Random Forest Classifier yang mampu menghasilkan akurasi sebesar 97,78% dalam melakukan klasifikasi bau. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat mengidentifikasi kondisi bau secara akurat dan efektif. Sistem ini berpotensi untuk dikembangkan lebih lanjut dengan memperluas variasi data dan mengeksplorasi algoritma klasifikasi lainnya guna meningkatkan performa sistem.