Analisis Cluster Bahan Herbal Berdasarkan Fitur Respon E-Nose

Abstract

Electronic nose (e-nose) merupakan alat yang tersusun atas berbagai sensor kimia elektronik dengan sensitivitas parsial dan sistem pengenalan pola yang tepat serta mampu mengenali bau yang sederhana maupun kompleks. Dalam perkembangannya, e-nose berfungsi menggantikan keterbatasan hidung manusia dalam mengenali aroma terentu secara cepat dan tepat. Namun, e-nose yang terdiri dari sejumlah larik sensor menghasilkan data yang sangat besar sehingga membutuhkan metode ekstraksi fitur yang tepat dalam mengenali pola dari respons e-nose. Data respon e-nose terhadap lima bahan herbal yang terdiri dari jahe (ZO), kencur (KG), kunyit (CL), lengkuas (LG), dan temulawak (CX) telah dianalisis dalam penelitian ini. Dua metode ekstraksi fitur, yaitu relative amplitude (RA) dan surface (S) digunakan untuk mendapatkan fitur terbaik untuk clustering data respon e-nose kelima bahan herbal tersebut. Pada proses analisis data, metode cluster analysis yaitu k-means clustering digunakan untuk clustering dataset respons yang diekstraksi menggunakan metode RA, dan S. Dua kriteria eksternal validasi cluster yaitu entropy dan purity digunakan dalam mengukur kualitas cluster yang dihasilkan. Nilai entrophy minimum pada penelitian ini adalah 0,53 diperoleh pada fitur RA dan purity maksimum adalah 0,83 yang diperoleh pada fitur RA. Dari hasil tersebut, fitur yang lebih efektif dalam menghasilkan solusi cluster terbaik untuk membedakan kelima bahan herbal adalah fitur RA. Kata-kata kunci: electronic nose, bahan herbal, ekstraksi fitur, cluster analysis.

Komparasi Metode Manipulasi Baseline untuk Uji Diskriminasi Keberadaan Residu Pestisida pada Sayuran Sawi Hijau Berbasis Electronic Nose

“…Salah satu cara untuk membedakan sayuran sawi hijau organik dan yang mengandung pestisida adalah dengan mengidentifikasi baunya. Namun, untuk membedakan aroma sayuran organik dan yang mengandung residu pestisida sulit bagi orang awam, serta memerlukan analisis yang mahal [1]. Oleh karena itu, diperlukan suatu teknologi yang mampu mengidentifikasi sayuran, khususnya sawi hijau, berdasarkan baunya agar dapat dibedakan sawi hijau organik dan mengandung pestisida.…”

“…Electronic nose diperkenalkan pada Tahun 1982 oleh Persaud dan Dodd [1]. Electronic nose adalah sebuah instrumen yang dirancang menggunakan deret sensor gas untuk mendeteksi dan mengenali aroma.…”

“…Setiap aroma E-ISSN: 2746-2536 memiliki pola unik dan pola inilah yang menjadi kunci untuk algoritma machine learning dapat mengenali aroma tersebut [5]. Instrumen ini telah berhasil mengidentifikasi berbagai objek seperti bahan dan minuman herbal, infeksi luka, teh hitam, dan lain-lain [1], [6]- [8].…”

“…Contoh derau tambahan yaitu pergerakan acak partikel dalam komponen sensor, derau elektronik (gangguan listrik), beberapa sensor gas yang berinteraksi atau berdekatan satu sama lain, dan lainlain. Hasil manipulasi baseline difference diperoleh dari (1).…”