J-Eltrik
Vol 1, No 2 (2019): Jurnal Eltrik Vol 1, No. 2, November 2019

Desain Sistem Pengenalan Dan Klasifikasi Kopi Bubuk Bermerek Dengan Menggunakan Electronic Nose Berbasis Artifical Neural Network (ANN)

Ulfa, Maria (Program Studi Teknik Elektro, Fakultas Teknik, Universitas Trunojoyo, Jalan Raya Telang Bangkalan, Jawa Timur, Indonesia 69162)
Haryanto, Haryanto (Program Studi Teknik Elektro, Fakultas Teknik, Universitas Trunojoyo, Jalan Raya Telang Bangkalan, Jawa Timur, Indonesia 69162)
Wibisono, Kunto Aji (Program Studi Teknik Elektro, Fakultas Teknik, Universitas Trunojoyo, Jalan Raya Telang Bangkalan, Jawa Timur, Indonesia 69162)



Article Info

Publish Date
22 Nov 2019

Abstract

Kopi merupakan salah satu hasil perkebunan yang ada di Indonesia yang memiliki nilai jual yang sangat tinggi. Secara umum jenis kopi yang terdapat di Indonesia adalah kopi robusta dan arabica, selain itu juga terdapat kopi liberica, dan hibrida. Dengan adanya perkembangan teknologi pada saat ini memungkinkan untuk membangun suatu sistem yang dapat bekerja menyerupai indera penciuman manusia. Salah satunya yaitu sensor electronic nose. Perancangan sistem klasifikasi dan pengenalan kualitas kopi bubuk ini menggunakan metode berbasis ANN atau lebih dikenal dengan metode jaringan syaraf tiruan, yang diharapkan mampu meningkatkan akurasi dalam mengelompokkan jenis kopi berdasarakan aroma kopi. Tujuan yang ingin dicapai pada penelitian ini adalah dapat mempermudah untuk mengenali dan mengklasifikasikan kopi bubuk dengan menggunakan e-nose, tidak lagi bergantung pada indera penciuman manusia yang biasanya tidak stabil serta tidak bisa secara kontinu menghasilkan ukuran yang tetap. Arsitektur yang dibangun menggunakan 3 buah layer dengan 3 input berupa hasil pembacaan gas elektronik nose. Sedangkan output target merupakan kombinasi dari biner angka 0 dan 1. Jaringan syaraf tiruan yang dipakai dalam penelitian ini mampu mengenali nilai kopi arabika, robusta dan liberika dengan dengan menggunakan iterasi maksimal sebesar 5000, hasil output menunjukan bahwa JST backpropagation mampu mengenali jenis kopi dengan tingkat keberhasilan 73.3%.

Copyrights © 2019






Journal Info

Abbrev

je

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Description

J-Eltrik merupakan jurnal Teknik Elektro yang terbit secara berkala dua kali dalam setahun. Diterbitkan oleh Prodi Teknik Elektro, Fakultas Teknik dan Ilmu Kelautan, Universitas Hang Tuah Surabaya. Scope J-Eltrik tentang hasi riset dibidang Elektronika, Listrik (Elektro), Telekomunikasi, Komputer, ...