Perbandingan Metode Noise Filtering SG, DWT, FFT pada Klasifikasi Kopi Berbasis E-Nose

Abstract

Sinyal Electronic Nose (E-Nose) rentan terhadap noise yang dapat menurunkan akurasi klasifikasi kualitas kopi. Penelitian ini bertujuan membandingkan efektivitas tiga metode noise filtering, yaitu Discrete Wavelet Transform (DWT), Fast Fourier Transform (FFT), dan Savitzky-Golay (SG), dalam klasifikasi lima grade kopi Arabika menggunakan algoritma XGBoost. Berdasarkan hasil evaluasi, metode Savitzky-Golay (SG) terbukti paling stabil dan efektif, mencapai akurasi tertinggi 88,00% pada rasio data 90:10. Metode FFT mencapai akurasi serupa pada rasio 80:20 namun kurang stabil pada rasio lain, sedangkan DWT hanya mencapai maksimal 86,00%. Meskipun data tanpa filtering juga mampu mencapai akurasi 88,00% berkat ketahanan algoritma XGBoost, penggunaan Savitzky-Golay tetap direkomendasikan karena mampu menghasilkan sinyal yang lebih bersih dan mempertahankan fitur karakteristik aroma kopi secara optimal.