| dc.description.abstract | Kopi merupakan salah satu komoditas unggulan sektor perkebunan di Indonesia. Varietas atau jenis kopi yang banyak dibudidayakan di Indonesia adalah kopi robusta. Kabupaten Probolinggo yang terletak di Provinsi Jawa Timur merupakan salah satu daerah yang membudidayakan jenis kopi robusta. Sebanyak 7 kecamatan di Kabupaten Probolinggo merupakan kawasan agropolitan, dimana 4 kecamatan tersebut berfokus pada budidaya kopi robusta. Aroma kopi dihasilkan oleh senyawa volatil yang terkandung didalamnya. Aroma kopi secara umum dapat diidentifikasi menggunakan indera penciuman manusia. E-Nose atau Electronic Nose merupakan instrument yang bekerja menyerupai hidung manusia. E-nose tersusun atas beberapa sensor gas yang disusun secara Array atau gabungan. Penelitian ini bertujuan untuk melakukan klasifikasi aroma kopi robusta Kabupaten Probolinggo dengan algoritma supervised learning SVM menggunakan software LabView. Kopi yang digunakan berasal dari tiga kebun yakni Kebun Pakuniran, Kebun Tiris, dan Kebun Krucil.
Preparasi sampel dilakukan dengan menimbang sebanyak 3 gram kopi dan diseduh menggunakan air mineral AQUA sebanyak 45 ml pada suhu 92 oC. Pengukuran tegangan dilakukan menggunakan sensor gas jenis MQ. Sensor yang digunakan adalah MQ-136, MQ-135, MQ-3, MQ-6, MQ-7, MQ-8, MQ-9, dan MQ-2. Tegangan yang terukur akan dikonversi menggunakan ADC yakni Arduino Mega 2560 menjadi sinyal digital yang bisa dibaca oleh komputer. Data yang digunakan sebanyak 450 data tegangan, dengan rincian 150 data tegangan uap air dan 300 data tegangan uap kopi. Pengukuran respon sensor terhadap aroma kopi dilakukan sebanyak 25 ulangan pada setiap kebun. Set data yang dihasilkan sebanyak 75. 60 set data digunakan untuk training dan 15 set lainnya digunakan untuk pengujian.
Proses training dilakukan dengan melakukan ekstraksi fitur sehingga akan dihasilkan data fitur. Fitur yang digunakan adalah fitur selisih dan integral.
Ekstraksi fitur dilakukan untuk memunculkan karakteristik dari suatu data. Data fitur yang diperoleh kemudian dilakukan trainin dengan SVM terlebih dahulu dilakukan pelabelan kelas. Label 0 untuk Kebun Pakuniran, 1 untuk Kebun Tiris, dan 2 untuk Kebun Krucil. Pelabelan tersebut dilakukan karena SVM masuk kedalam kelas Supervised Learning. Parameter pada SVM yang dapat dioptimasi antara lain adalah jenis SVM, Jenis kernel, Degree, Gamma, C, Koefisien, dan Nu. Output dari proses training adalah terbentuknya model. Model yang terbentuk akan digunakan untuk proses pengujian. Terdapat dua model yang diperoleh pada proses training, yakni model dari fitur integral dengan akurasi 95% dan model fitur selisih dengan akurasi 73,3%. Perbedaan akurasi tersebut diakibatkan oleh perbedaan dua karakteristik data, sehingga optimasi parameter pada kedua jenis fitur tersebut juga berbeda.
Pengujian program dilakukan dengan menguji model yang telah dibangun dengan data kopi dari Kabupaten Probolinggo. Proses pengujian diawali dengan preparasi sampel yang dilakukan sama dengan pengukuran aroma untuk data training. Pengujian dilakukan secara terintegrasi, sehingga setelah proses pengukuran respon sensor akan muncul hasil analisa. Hasil yang diperoleh adalah kedua model yang dibangun mampu mendeteksi jenis kopi Kabupaten Probolinggo. Hal tersebut dibuktikan dengan nilai akurasi, presisi, recall, dan F1score pengujian 100%.
Pengujian juga dilakukan terhadap kopi X. Hal tersebut dilakukan bertujuan untuk melihat kinerja model apakah dapat mengenali kopi diluar training. Hasil yang diperoleh adalah kopi X diklasifikasikan kedalam label kelas 1 yang merupakan Kebun Tiris. Hal tersebut dikarenakan Kopi X yang digunakan berasal dari Pegunungan Argopuro, sedangkan Kebun tiris juga terletak di daerah Pegunungan Argopuro. Ketinggian suatu tempat akan mempengaruhi hubungan kekerabatan antar spesies sehingga terdapat karakteristik yang sama. Output lain dari penelitian ini adalah menghasilkan executable file atau .exe file yang dapat digunakan oleh peneliti lain tanpa melakukan instalasi LabView terlebih dahulu | en_US |
