Karakteristik Profil Respon Sensor Gas Array Terhadap Aroma Kopi Robusta Kabupaten Jember Berdasarkan Variasi Kelembaban Pengukuran

Abstract

Kopi (Coffea sp.) merupakan salah satu tanaman yang berperan sebagai komoditas perdagangan unggulan di dunia. Tanaman kopi banyak dibudidayakan di Indonesia, terutama Provinsi Jawa Timur yang menempati urutan kedua daerah terluas area perkebunan kopi yaitu seluas 90 ribu Ha pada tahun 2020. Kabupaten Jember meruapakan salah satu kabupaten di Jawa Timur yang memiliki komoditas unggulan berupa kopi robusta. Perkebunan kopi robusta di Kabupaten Jember tersebar di beberapa dataran tinggi, seperti Kecamatan Garahan, Sidomulyo, Panti, dan Gumitir. Kopi memiliki aroma khas yang berbeda-beda bergantung dari jenis dan asal daerah tanamnya. Aroma kopi dapat dideteksi menggunakan instrumen penciuman buatan yang cara kerjanya meniru indra penciuman manusia, yaitu e nose. E-nose sendiri tersusun dari delapan sensor MQ, yaitu sensor MQ-2, MQ-3, MQ-6, MQ-7, MQ-8, MQ-9, MQ-135, dan MQ-136. Setiap sensor pada e-nose mendeteksi senyawaya volatile dan merespons dengan yang sama, namun memberikan tinggi atau besar respons yang berbeda-beda, sehingga dapat membentuk sebuah pola respon sensor array. Penelitian ini difokuskan pada pengaruh kelembaban selama pengukuran terhadap karakteristik pola respon sensor array dalam mendeteksi aroma Kopi Robusta Garahan, Sidomulyo, Panti, dan Gumitir. Variasi kelembaban yang digunakan adalah 75, 80, 85, dan 90%RH. Instrumen yang digunakan adalah sensor gas array yang terdiri dari delapan jenis sensor MQ, yaitu sensor MQ-2, MQ-3, MQ-6, MQ-7, MQ-8, MQ-9, MQ-135, dan MQ-136 yang disusun secara planar dalam chamber. Sampel aroma kopi dilakukan dengan menyeduh kopi sebanyak 3gram dalam 45 ml air dengan suhu penyeduhan 95℃. Aroma kopi dialirkan kedalam chamber menggunakan pompa dan dideteksi oleh sensor array pada kondisi kelembaban yang divariasikan. Penurunan kelembaban chamber dilakukan dengan memberikan udara panas (dryer) dan peningkatan kelembaban dengan mengalirkan uap air menggunakan humidifier. Setiap sensor pada e-nose mendeteksi senyawa volatile dan merespons dengan pola yang sama, diawali dengan response uap air sebagai base line selanjutnya meresponse uap kopi. Namun setiap sensor memberikan response tegangan yang berbeda, sehingga dapat membentuk pola respons array yang spesifik. Mekanisme pengukuran aroma kopi, didahului dengan adsorpsi gas sebagai donor elektron dan berinteraksi dengan oksigen pada permukaan sensor, berkurangnya oksigen menyebabkan aliran elektron berkurang ditandai dengan menurunnya hambatan sensor, yang selanjutnya terbaca sebagai kenaikan tegangan sensor. Analisis, identifikasi dan klasifikasi kopi Robusta Garahan, Gumitir, Panti, dan Sidomulyo berdasarkan aroma menggunakan metode PCA (Principle Component Analysis), kemudian hasilnya divalidasi dengan confusion matrix, dengan fitur data selisih dan integral. Hasil penelitian menunjukkan bahwa kelembaban mempengaruhi sensitivitas sensor, semakin tinggi kelembaban maka respon sensor dalam mendeteksi aroma Kopi Robusta Garahan, Gumitir, Panti, dan Sidomulyo semakin tinggi. Kelembaban selama pengukuran juga berpengaruh terhadap karakterisitik pola aroma kopi dari kebun yang berbeda. Masing-masing variasi kelembaban 75, 80, 85, dan 90%RH menunjukkan bahwa setiap kebun memiliki pola respon yang berbeda. Klasifikasi aroma kopi dilakukan dengan metode PCA. Hasil analisis PCA dengan menggunakan fitur selisih menghasilkan nilai proporsi kumulatif paling besar yaitu 73,7% pada kelembaban 75%RH. Hasil analisis PCA dengan menggunakan fitur integral menghasilkan nilai proporsi kumulatif pada kelembaban 90%RH yaitu 99,3%. Hasil analisis PCA menggunakan fitur selisih pada kelembaban 75, 80, 85, dan 90%RH tidak dapat menunjukkan pengelompokkan kopi untuk empat kebun yang berbeda, sedangkan dengan menggunakan fitur integral pengelompokkan kopi lebih terlihat. Hasil analisis PCA menggunakan fitur integral menunjukkan bahwa pengelompokkan kopi mulai terlihat ketika kelembaban 85%RH, sedangkan pada kelembaban 80% sampel kopi tidak menunjukkan pengelompokkan yang jelas. Kelembaban 75%RH hanya Kopi Sidomulyo yang terlihat memisah. Berdasarkan hasil analisis PCA menggunakan fitur integral diperoleh kelembaban optimum yaitu pada 90%RH, karena menunjukkan pengelompokkan kopi yang lebih baik dibandingkan dengan variasi kelembaban lainnya. Kebun kopi terpisah menjadi tiga kelompok pada kelembaban 90%RH, yaitu kelompok satu Kopi Sidomulyo, kelompok dua Kopi Garahan, kelompok tiga Kopi Gumitir dan Panti. Hasil analisis PCA dengan fitur integral pada kelembaban optimum divalidasi menggunakan confusion matrix dan menghasilkan akurasi sebesar 83,25%. Hasil analisis PCA menunjukkan bahwa kontribusi terbesar sensor array berdasarkan nilai persentase pada bidang dimensi PC1 yaitu dipengaruhi oleh sensor MQ-2, MQ-3, MQ-6, MQ-8, MQ-9, dan MQ 135. Kontribusi terbesar pada bidang dimensi PC2 dipengaruhi oleh sensor MQ-6, MQ-7, dan MQ-136.