Pengembangan Prototype E-Nose dengan Metode Neural Networks Menggunakan Labview dan Aplikasinya untuk Klasifikasi Aroma Kopi Robusta Kabupaten Probolinggo

Abstract

Kabupaten Probolinggo merupakan salah satu kabupaten yang memiliki komoditas produksi kopi tinggi. Tempat ditanamnya kopi sangat mempengaruhi rasa dan aroma pada kandungan kopi sehingga setiap daerah memiliki karakteristik kopi yang khas. Perbedaan aroma kopi dapat diidentifikasi dengan indra penciuman manusia, namun dikarenakan sangat bersifat subjektif dan memiliki kemampuan terbatas sehingga dibutuhkan alat yang dapat digunakan untuk membedakan aroma kopi dengan akurat. Aroma kopi dapat dibedakan dengan bantuan E-Nose. E-Nose adalah serangkaian sensor gas yang memiliki kemampuan mendeteksi perubahan aroma dengan memberikan respon berupa perubahan tegangan. Klasifikasi respon sensor pada kopi dapat dilakukan secara mudah dan cepat dengan menggunakan algoritma matematika, salah satunya yaitu Neural networks. Neural networks merupakan sistem informasi yang mampu mengidentifikasi pola dengan cara menstimulasikan proses pembelajaran berdasarkan kerja sel syaraf biologi. Algoritma neural networks dalam implementasinya membutuhkan suatu software, salah satunya yaitu LabVIEW. LabVIEW adalah software laboratory yang menggunakan virtual instrument dengan bahasa pemrograman berbasis diagram blok atau grafik sehingga dapat digunakan untuk akuisisi data. Preparasi sampel dilakukan dengan memanaskan dua erlenmeyer yang berisi 45 mL air merek Aqua bersuhu 92oC dan seduhan 3 gram bubuk kopi ukuran 50-60 mesh. Bubuk kopi diseduh menggunakan 45 mL air merek Aqua bersuhu 92oC. Data yang diambil dari pengukuran ini sebanyak 450 data dengan rincian 150 data respon uap air dan 300 data respon uap aroma kopi. Pengukuran dilakukan 25 pengulangan untuk setiap kebun. Set data yang digunakan terdiri dari 60 set data training dan 15 set data pengujian. Data training pada program training neural networks terlebih dahulu dilakukan pelabelan dan ektraksi fitur. Pelabelan dilakukan ke dalam 3 kelas yaitu kelas 0 untuk kebun Pakuniran, kelas 1 untuk kebun Tiris, dan kelas 2 untuk Kebun Krucil. Ektraksi fitur dilakukan dengan dua parameter fitur yaitu fitur integral dan fitur selisih. Proses ekstraksi fitur integral dilakukan dengan menghitung luas bawah seluruh grafik respon sensor sedangkan proses ekstraksi fitur selisih dilakukan dengan menghitung selisih antara data puncak tertinggi pada uap kopi dan data terendah uap air. Data fitur dilakukan proses training data pada program. Parameter neural networks yang dapat dioptimasi saat training meliputi jumlah hidden layer, fungsi aktivasi, dan cost function. Training data dilakukan berulang dengan menggunakan parameter fitur yang berbeda sehingga output training menghasilkan dua model dengan akurasi 80% untuk fitur selisih dan akurasi 90% untuk fitur integral. Model dilakukan proses pengujian guna mengetahui kinerja algoritma neural networks dalam mengklasifikasikan data ke kelas kebun target. Proses klasifikasi kopi robusta Kabupaten Probolinggo dilakukan secara terintegasi sehingga dari proses pengukuran kopi dapat langsung terklasifikasi ke kebun targetnya. Pengujian juga dilakukan pada kopi yang berasal dari kopi luar range data training, yang disebut sebagai kopi X. Tujuan pengujian terhadap kopi X ini yaitu untuk mengetahui kemampuan program yang telah dibuat dalam mengklasifikasi kopi yang berasal dari luar range kebun data training. Program telah berhasil mengklasifikasikan kopi X ke kebun Tiris. Hasil dari pengujian yaitu program dapat mengklasifikasikan kopi sesuai dengan kelas kebun target yaitu kebun Pakuniran, kebun Krucil, dan kebun Tiris. Program juga mampu mengklasifikasi kopi yang berasal dari kopi luar range data training yaitu ke kebun Tiris. Hasil tersebut dapat disimpulkan bahwa program mampu mengklasifikasikan kopi dengan baik dan benar. Program yang telah dilakukan pengujian selanjutnya dikonversi ke format exe file untuk memudahkan peneliti lain dalam mengklasifikasi kopi tanpa menggunakan LabVIEW