The Method of Baseline Manipulation to Overcome the Sensor Drift on Gas Sensor Test for Herbal Drinks Discrimination

Abstract

AbstrakSistem Sensor gas banyak digunakan untuk pendeteksian aroma. Permasalahan utama dalam sistem ini adalah adanya sensor drift yang membuat buruknya reprodusibilitas sensor. Reprodusibilitas sensor dapat ditingkatkan dengan menerapkan seleksi ciri pada respon luaran sensor dan manipulasi baseline. Penelitian ini difokuskan untuk menenentukan metode yang dapat mengurangi adanya sensor dift dengan tahapan manipulasi baseline dan memilih jenis manipulasi baseline yang optimal saat sistem sensor gas mendeteksi tiga jenis jamu yang berbeda. Data yang telah diseleksi ciri kemudian diterapkan tiga jenis manipulasi baseline yang berbeda (diferensial, relatif dan fraksional) dan dimasukkan ke sistem pengenalan pola Principal Component Analysis (PCA). Dari hasil analisis PCA manipulasi baseline yang meberikan hasil optimal adalah diferensial dengan nilai PC1 82,71%. Hal ini menunjukkan manipulasi baseline diferensial efektif dalam mereduksi terjadinya sensor drift.Kata kunci: electronic nose, sensor gas, manipulasi baseline, seleksi ciri AbstractGas sensor system is widely used for the detection of aroma. The main problem in this system is the sensor drift that makes poor reproducibility of the sensor. The reproducibility of the sensor can be improved by applying the feature selection of the sensor's output response and baseline manipulation. This research focused on determining methods that can reduce the dift sensor of gas sensor by using basaeline manipulation and selecting the optimal type of baseline manipulation when gas sensor system detects three different types of herbal drinks. The data that have been feature selected were then applied to three different types of baseline manipulation (differential, relative and fractional)

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

“…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].…”

“…Sensor drift dapat disebabkan oleh penuaan sensor dan paparan senyawa sulfur atau asam yang dapat mengakibatkan perubahan karakteristik sensor. Penanganan sensor drift dapat dilakukan dengan memaksimalkan prapemrosesan data, termasuk manipulasi baseline [6]. Dengan cara ini, kinerja klasifikasi electronic nose dapat ditingkatkan.…”

“…Penelitian sebelumnya telah membandingkan tiga diantaranya, yaitu difference, relative difference, dan fractional difference. Dari ketiga metode tersebut, manipulasi baseline difference memberikan hasil paling optimal [6]. Dengan penambahan perbandingan metode manipulasi baseline yang lain tentunya terdapat kemungkinan bahwa kesimpulan atau metode manipulasi baseline yang paling optimal menjadi berbeda.…”

“…2) Relative Difference: Manipulasi baseline relative difference digunakan untuk mengurangi atau menghilangkan kesalahan multiplikatif yang dapat disebabkan oleh penuaan sensor [6]. Metode ini juga dapat membantu memberikan kompensasi pengaruh suhu pada sensor [7].…”

“…Principal component analysis (PCA) bekerja dengan mentransformasikan data ke dalam koordinat baru agar lebih mudah diinterpretasikan. Hasil kovarian dari PCA dapat mengidentifikasi adanya noise pada data [6]. Hasil PCA tanpa manipulasi baseline dapat dilihat pada Gambar 6.…”