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

https://doi.org/10.22146/juliet.v5i1.87379

Abelta Mika Setiarini(1), Budi Sumanto(2*)

(1) Departemen Teknik Elektro dan Informatika, Universitas Gadjah Mada
(2) Departemen Teknik Elektro dan Informatika, Universitas Gadjah Mada
(*) Corresponding Author

Abstract


Sektor pertanian menjadi pilar utama untuk keberlangsungan hidup manusia. Di antara hasil pertanian yang sering dikonsumsi adalah sayuran sawi hijau. Namun, aroma sawi hijau organik dan yang mengandung residu pestisida seringkali sulit dibedakan. Pengecekan kualitas mutu bahan makanan juga memerlukan biaya yang tinggi. Untuk mengatasi masalah ini, dikembangkanlah instrumen electronic nose. Electronic nose memiliki permasalahan sensor drift, yang dapat diatasi melalui teknik prapemrosesan data seperti manipulasi baseline. Terdapat lima metode manipulasi baseline yaitu difference, relative difference, fractional difference, log difference, dan normalization. Manipulasi baseline dan ekstraksi fitur menggunakan metode statistic dan fast fourier transform diterapkan pada hasil data akuisisi. Principal component analysis digunakan untuk melihat persebaran data yang telah diproses. Metode manipulasi baseline terbaik ditentukan berdasarkan nilai persen variansi pada PC 1 sebagai indicator utama. Hasil analisis menunjukkan nilai total PC mencapai 87,37% dengan nilai PC 1 dan PC 2 masing-masing adalah 79,02% dan 8,35%. Berdasarkan hasil analisis tersebut diperoleh bahwa metode manipulasi baseline terbaik adalah relative difference dan fractional diffenrence. Kedua metode manipulasi baseline tersebut efektif dalam meningkatkan tingkat diskriminasi data pada instrumen electronic nose. Dengan demikian, instrumen ini dapat membantu dalam penentuan kualitas dan diskriminasi jenis sayuran sawi hijau berdasarkan aroma yang dimiliki.


Full Text:

PDF


References

A. Sitompul, B. H. Iswanto, and W. Indrasari, “Analisis Cluster Bahan Herbal Berdasarkan Fitur Respon E-Nose,” vol. IX, no. Cx, pp. 141–146, 2020.

M. Taştan and H. Gökozan, “Real-time monitoring of indoor air quality with internet of things-based e-nose,” Appl. Sci., vol. 9, no. 16, 2019.

D. Karakaya, O. Ulucan, and M. Turkan, “Electronic Nose and Its Applications : A Survey,” vol. 17, no. April, pp. 179–209, 2020.

Y. I. Tanu Wijaya, S. Humaira, and B. Sumanto, “Optimization of Green Tea Qualification Model Based on Feature Selection Using K-Nearest Neighbor Method with Electronic Nose,” Proc. - 2022 8th Int. Conf. Sci. Technol. ICST 2022, vol. 1, pp. 1–6, 2022.

I. O. P. C. Series and M. Science, “Classification based on K-Nearest Neighbor and Logistic Regression method of coffee using Electronic Nose Classification based on K-Nearest Neighbor and Logistic Regression method of coffee using Electronic Nose,” 2021.

D. K. Agustika and D. K. Triyana, “Metode Manipulasi Baseline untuk Mengatasi Sensor Drift pada Sensor Gas untuk Uji Diskriminasi Jamu,” 2016.

J. Yan, F. Tian, Q. He, and Y. Shen, “Feature Extraction from Sensor Data for Detection of Wound Pathogen Based on Electronic Nose,” vol. 24, no. 2, pp. 57–73, 2012.

D. Lelono and K. Triyana, “Suhu Pemanas Sampel Optimal Untuk Klasifikasi Teh Hitam Menggunakan Electronic Nose,” IJEIS (Indonesian J. Electron. Instrum. Syst., vol. 9, no. 1, p. 45, 2019.

B. Sumanto, D. R. Java, W. Wijaya, and J. Hendry, “Seleksi Fitur Terhadap Performa Kinerja Sistem E-Nose untuk Klasifikasi Aroma Kopi Gayo,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 429–438, 2022.

E. S. A. Nugraha, N. D. Resty, Y. I. T. Wijaya, and B. Sumanto, “Electronic Nose to Classify Tobacco Origin using a Naive Bayes Method based on Feature Selection,” ICCoSITE 2023 - Int. Conf. Comput. Sci. Inf. Technol. Eng. Digit. Transform. Strateg. Facing VUCA TUNA Era, pp. 267–272, 2023.

D. T. Kusuma, “Fast Fourier Transform (FFT) Dalam Transformasi Sinyal Frekuensi Suara Sebagai Upaya Perolehan Average Energy (AE) Musik,” vol. 14, no. 1, pp. 28–35, 2021.

J. Asharf, N. Moustafa, H. Khurshid, E. Debie, W. Haider, and A. Wahab, “A review of intrusion detection systems using machine and deep learning in internet of things: Challenges, solutions and future directions,” Electron., vol. 9, no. 7, 2020.

I. A. Sabilla, D. P. Purbawa, R. Sarno, A. Al Fauzi, D. R. Wijaya, and R. Gunawan, “Men and Women Classification at Night through the Armpit Sweat Odor using Electronic Nose,” Proc. - 2021 IEEE Asia Pacific Conf. Wirel. Mobile, APWiMob 2021, pp. 121–127, 2021.

A. A. NUGROHO, W. WIJAYA, J. HENDRY, and B. SUMANTO, “Seleksi Fitur Aroma Teh Kombucha menggunakan ANN untuk Optimasi Kinerja Sistem E-nose,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 2, p. 334, 2022.

Y. Tang, K. Xu, B. Zhao, and M. Zhang, “A novel electronic nose for the detection and classification of pesticide residue on apples,” pp. 20874–20883, 2021.

D. K. Agustika and K. Triyana, “Application of principal component analysis and discrete wavelet transform in electronic nose for herbal drinks classification,” AIP Conf. Proc., vol. 1755, no. July 2016, pp. 1–7, 2016.



DOI: https://doi.org/10.22146/juliet.v5i1.87379

Article Metrics

Abstract views : 6037 | views : 5493

Refbacks

  • There are currently no refbacks.


SINTA 4 accredited based on Decree of the Minister of Research, Technology and Higher Education, Republic of Indonesia Number 225/E/KPT/2022, Vol. 2 No. 1 (2020) - Vol. 6 No. 1 (2025)

e-ISSN: 2746-2536