Analisis Profil Senyawa Heterocyclic Sebagai Variabel Penentu Kualitas Kopi Menggunakan Machine Learning Berbasis E-Nose

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan kualitas kopi robusta dari Desa Sidomulyo, Jember, menggunakan sistem electronic nose (e-nose) dan algoritma machine learning. Aroma kopi dianalisis berdasarkan senyawa heterocyclic seperti pyridine, furfural, dan furfuryl alcohol yang berkontribusi pada aroma bitter, caramel, dan almond. Sistem e-nose yang digunakan terdiri dari lima sensor (MQ-3, MQ-4, MQ-7, MQ-8, dan MQ-135) yang dipilih karena sensitivitasnya terhadap senyawa volatil organik.