Aplikasi Electronic Nose Berbasis Sensor MQ2 dan MQ9 dalam Deteksi Adulterasi Daging Babi pada Bakso Ayam
| dc.contributor.author | Meia Roza Maharani | |
| dc.date.accessioned | 2026-07-03T06:28:29Z | |
| dc.date.issued | 2026-06-29 | |
| dc.description | Bakso merupakan produk pangan berbasis daging, yang dalam proses pembuatannya berpotensi dicampur atau adulterasi dengan daging babi. Adulterasi bertujuan untuk meningkatkan cita rasa bakso. Kasus adulterasi bakso dengan daging babi merugikan bagi banyak pihak, khususnya konsumen muslim. Upaya penjaminan kehalalan bakso dan pencegahan kasus dapat dilakukan dengan deteksi adulterasi daging babi pada bakso. Pendeteksian adulterasi dengan menggunakan electronic nose sebagai tahap screening awal sebelum dilakukan analisis lebih lanjut. Penelitian ini bertujuan untuk memgetahui digital signal pattern electronic nose berbasis sensor MQ2 dan MQ9 terhadap variasi tingkat adulterasi daging babi pada bakso ayam, mengetahui kemampuan electronic nose akurasi deteksi adulterasi daging babi pada bakso ayam menggunakan electronic nose berbasis sensor MQ2 dan MQ9 teroptimasi dengan model klasifikasi SVM, BiLSTM-CNN, dan CNN menggunakan kombinasi optimal parameter statistik dan model supervised learning. Penelitian ini dilakukan dengan mendeteksi keberadaan daging babi dalam bakso ayam menggunakan electronic nose dengan metode klasifikasi. Metode klasifikasi yang digunakan meliputi machine learning, deep learning, dan ensemble learning, yaitu model Support Vector Machine (SVM), BiLSTM-CNN-Att, dan CNN. Analisis data dilakukan dengan tahapan, meliputi: kombinasi parameter statistik untuk menentukan kombinasi parameter terbaik, evaluasi kerja menggunakan confusion matrix; evaluasi metrik; dan training and validation loss, serta evaluasi model learning untuk menentukan akurasi prediksi tiap model. Sampel bakso ayam dengan komposisi formulasi daging babi dan daging ayam yang berbeda, yaitu P1 sebagai kontrol positif (100% daging babi), P2 (50% daging babi), P3 (40% daging babi), P4 (30% daging babi), P5 (20% daging babi), P6 (10% daging babi), dan P7 sebagai kontrol negatif (0% daging babi). Data diperoleh melalui hasil sensing menggunakan electronic nose berbasis sensor MQ2 dan MQ9 berdasarkan hasil respon sinyal yang diberikan sampel dan berhasil ditangkap oleh electronic nose. Hasil penelitian menunjukkan akurasi sistem deteksi cepat electronic nose ditentukan oleh kombinasi parameter. Kombinasi parameter yang diuji merupakan kombinasi Mean-STDV, Mean-STDV-Max-Min, Mean-STDV-Max-Min-Skewness-Kurtosis, Max-Min-Skewness-Kurtosis, Mean-STDV-Skewness-Kurtosis, dan Skewness-Kurtosis. Kombinasi Mean-STDV-Max-Min menghasilkan performa terbaik berdasarkan tingkat akurasi yang paling tinggi dari tiap model yang digunakan. Hal ini menunjukkan bahwa parameter statistik tersebut mampu merepresentasikan karakteristik sinyal sensor electronic nose secara lebih komprehensif. Total empat dari lima sampel perlakuan non kontrol yaitu P2; P3; P4; P5, berhasil diklasifikasikan dengan baik oleh tiap model dengan nilai akurasi yang tinggi. Namun, pada sampel P6 menunjukkan penurunan performa pada nilai akurasi prediksi. Penurunan akurasi terjadi karena rendahnya aroma khas dari daging babi yang mampu ditangkap oleh electronic nose, sehingga sinyal sensor menjadi kurang jelas dan cenderung mendekati pola sampel lain, sehingga meningkatkan kemungkinan kesalahan klasifikasi oleh model. Approved by Teddy | |
| dc.description.abstract | Meatballs are a processed meat-based food product that is often and easily adulterated with pork to improve the taste of the product. This research aims to develop a rapid detection system based on an electronic nose using MQ2 and MQ9 sensors to identify pork contamination in chicken meatballs. The samples used consisted of two control samples, namely P1 (100%) and P7 (0%), and treatment samples, namely P2 (50%), P3 (40%), P4 (30%), P5 (20%), and P6 (10%) in various pork formulations. The research methods included preparing meatball samples with varying pork concentrations, acquiring gas signal data using an electronic nose, and extracting statistical features such as mean, standard deviation, skewness, and kurtosis. The obtained data was then analyzed using classification methods, including Support Vector Machine (SVM), Convolutional Neural Network (CNN), and a combination of BiLSTM-CNN with an attention mechanism. Performance evaluation was carried out in several stages, namely confusion matrix (accuracy, precision, recall, and FI score), metric evaluation, training and validation loss, and evaluation of learning models to determine the prediction results of each model. The resulting data was processed using a combination of statistical parameters, namely mean, standard deviation, maximum, minimum, skewness, and kurtosis. The results show that the selection of a combination of statistical parameters can affect the accuracy value of various models. The Mean- STDV-Max-Min combination is the parameter used and successfully classifies samples with high pork concentrations, but there is a decrease in accuracy at low concentrations due to the weak aroma. | |
| dc.description.sponsorship | Universitas Jember, Teknologi Pertanian | |
| dc.identifier.citation | Maharani, M. R., (2026). Aplikasi Electronic Nose Berbasis Sensor MQ2 dan MQ9 dalam Deteksi Adulterasi Daging Babi pada Bakso Ayam. Skripsi. Universitas Jember | |
| dc.identifier.other | 000 | |
| dc.identifier.uri | https://repository.unej.ac.id/handle/123456789/10576 | |
| dc.language.iso | other | |
| dc.publisher | Fakultas Teknologi Pertanian | |
| dc.relation.ispartofseries | Universitas Jember; 1800-2355-2356 | |
| dc.subject | chicken meatballs | |
| dc.subject | electronic nose | |
| dc.subject | pork | |
| dc.subject | classification | |
| dc.subject | MQ | |
| dc.title | Aplikasi Electronic Nose Berbasis Sensor MQ2 dan MQ9 dalam Deteksi Adulterasi Daging Babi pada Bakso Ayam | |
| dc.type | Other |