Identifikasi Jenis Kopi Menggunakan Sensor E-Nose Dengan Metode Pembelajaran Jaringan Syaraf Tiruan Backpropagation

Novita, Dwi Dian; Sesunan, Akhmad Bangsawan; Telaumbanua, Mareli; Triyono, Sugeng; Saputra, Tri Wahyu

doi:10.29303/jrpb.v9i2.241

Cited by 5 publications

(4 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pengubahan nilai atau sering disebut dengan kalibrasi karena meningkatkan nilai akurasi dengan nilai pembacaan yang sebenarnya berdasarkan nilai ADC. Terlebih pada sensor analog, akan lebih sulit dalam mencocokkan fitur-fitur yang diekstraksi dari berbagai sensor yang berbeda (Novita et al, 2021). Model matematis juga digunakan untuk memprediksi nilai observasi yang tidak diukur secara langsung dengan instrumen yang tersedia.…”

Section: Pendahuluanunclassified

Rapid Measurement System Hasil Fermentasi Pupuk Organik Padat (Pop) Berbasis NPK Sensor Dan Model Regresi Linier

Saputra,

Wijayanto,

Regar

et al. 2023

j. teknol. pertan. n.a.

View full text Add to dashboard Cite

Kualitas pupuk organik padat (POP) perlu diperhatikan agar efektif saat diaplikasikan dengan indikator utama berupa unsur N (Nitrogen), P (Fosfor), K (Kalium), dan C-Organik. Tujuan penelitian ini adalah mengembangkan sistem pengukuran pada indikator kualitas pupuk organik padat (POP) sehingga dapat memudahkan analisis kandungan pupuk dan meringankan faktor tenaga maupun biaya. Penelitian ini dimulai dengan membuat pupuk organik dari bahan limbah bekas maggot dan bekas pupa Black Soldier Fly (BSF) yang dibagi menjadi 5 variasi dan penggunaan dekomposer Trichoderma sp. dan EM4 yang dibagi menjadi 2 variasi. Selanjutnya, mengukur nilai N, P, K menggunakan NPK Sensor dan analisis laboratorium. Data hasil laboratorium akan dianalisis menggunakan Analysis of Variance (ANOVA) dan Duncan Multiple Range Test (DMRT). Hasil pembacaan sensor akan dibandingkan dengan hasil laboratorium dan dibuat model regresi untuk membuat persamaan matematis. Tingkat akurasi model regresi diuji dengan koefisien determinasi (R 2 ) dan Mean Percentage Error (MAPE). Hasil penelitian menunjukkan adanya perbedaan yang signifikan pada kandungan pupuk dan hasil terbaik pada bahan dasar bekas pupa dengan dekomposer terbaik menggunakan Trichoderma sp. Kombinasi bahan bekas maggot tidak meningkatkan kualitas namun dapat menjadi alternatif untuk pemanfaatan limbah BSF. Persamaan matematis mampu memprediksi nilai kadar N, P, K, dan C organik dengan keakurasian di atas 70%. Hal ini menunjukkan NPK sensor dapat menjadi alternatif dalam mengukur kandungan pupuk secara mudah, cepat, dan akurat.

show abstract

Section: Pendahuluanunclassified

Rapid Measurement System Hasil Fermentasi Pupuk Organik Padat (Pop) Berbasis NPK Sensor Dan Model Regresi Linier

Saputra,

Wijayanto,

Regar

et al. 2023

j. teknol. pertan. n.a.

View full text Add to dashboard Cite

show abstract

“…Untuk proses evaluasi dengan confusion matrix maka akan diperoleh nilai precision, recall, dan accuracy yang didapat dari rumus: Sedangkan pada tahap ini juga menerapkan cross validation yang merupakan sebuah procedure acak yang membagi nilai atau kumpulan data menjadi K yang terputus-putus dengan ukuran yang kira-kira sama, dan setiap lipatan digunakan secara bergantian untuk menguji model yang diinduksi dari lipatan K-1 lainnya oleh x algoritma klasifikasi. Pada Gambar 2 merupakan gambaran proses terjadinya cross validation [10], [11], [14], [17], [20], [21]. Perolehan hasil diatas dapat dipastikan kembali dengan mencari nilai rata-rata dari masing-masing skor pada performa diatas yang dapat dilihat pada Tabel 4 dibawah ini.…”

Section: Model and Scoreunclassified

Analisis Performa Algoritma Stochastic Gradient Descent (SGD) Dalam Mengklasifikasi Tahu Berformalin

Admojo¹,

Sulistya

2022

ijodas

View full text Add to dashboard Cite

Tahu berformalin adalah salah satu jenis makanan yang sering mengandung bahan-bahan kimia yang dapat mengawetkan daripada tahu tanpa formalin. Pada tahu berformalin dapat memberikan tekstur lebih kenyal dan berwarna putih bersih. Penelitian ini bertujuan untuk mengklasifikasikan tahu berformalin dan tahu tidak berformalin. Pada paper ini menggunakan algoritma Stochastic Gradient Descent atau dalam penerapannya lebih dikenal dengan SGD Classifier yang merupakan bagian dari algoritma machine learning untuk klasifikasi, regresi maupun jaringan syaraf tiruan serta algoritma ini sangat efisien pada dataset berskala besar. Penelitian ini mencoba menerapkan algoritma SGD pada dataset tahu berformalin dengan jumlah dataset yakni 11000 yang dimana 5500 data tahu berformalin dan 5500 data tahu tidak berformalin. Setelah dilakukan beberapa tahapan dalam pengujian dengan algoritma SGD maka diperolah hasil akurasi, presisi, recall, f1-score pada model yang masing-masing 82.6% untuk akurasi, 81.7% untuk presisi, 84.1% untuk recall, 83.5% untuk f1-score dan dilakukan pengujian menggunakan 10 data yang tidak termasuk dalam data latih memperoleh performansi rata-rata akurasi sebesar 70%, presisi 71%, recall 70% dan f1-score 70%.

show abstract

“…Algoritma Artificial Neural Network (ANN) merupakan model penalaran yang didasarkan pada otak manusia [11]- [13]. ANN terdiri dari sejumlah prosesor sangat sederhana dan saling berhubungan yang disebut neuron.…”

Section: B Artificial Neural Network (Ann)unclassified

Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network

Pradana¹,

Alghifari

Juna

et al. 2022

ijodas

View full text Add to dashboard Cite

Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit jantung. Penyakit jantung adalah sebuah kondisi yang menyebabkan jantung tidak dapat melaksanakan tugasnya dengan baik. Artificial Neural Network (ANN) merupakan model penalaran yang didasarkan pada otak manusia. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-score) metode ANN dengan 304 data pasien penyakit jantung yang diperoleh dari pusat dataset Kaggle. Hasil dari pengukuran performa diperoleh nilai akurasi 73,77%, presisi 80,43%, recall 84,09% dan f1-score sebesar 82,22%

show abstract

Identifikasi Jenis Kopi Menggunakan Sensor E-Nose Dengan Metode Pembelajaran Jaringan Syaraf Tiruan Backpropagation

Cited by 5 publications

References 9 publications

Rapid Measurement System Hasil Fermentasi Pupuk Organik Padat (Pop) Berbasis NPK Sensor Dan Model Regresi Linier

Rapid Measurement System Hasil Fermentasi Pupuk Organik Padat (Pop) Berbasis NPK Sensor Dan Model Regresi Linier

Analisis Performa Algoritma Stochastic Gradient Descent (SGD) Dalam Mengklasifikasi Tahu Berformalin

Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network

Contact Info

Product

Resources

About