Pembelajaran Mesin Berbasis E-nose Untuk Klasifikasi Daging Pada Produk Sosis

Abstrak

Makanan cepat saji yang disebut sosis memiliki berbagai jenis rasa berdasarkan jenis daging yang digunakan. Identitas jenis daging sangat penting untuk memastikan kualitas bahan dan kehalalan produk makanan. Tujuan dari penelitian ini adalah untuk mempelajari kinerja hidung elektronik (e-nose) yang terdiri dari enam sensor berbasis metal oxide semiconductor (MOS) terhadap sampel sosis dengan bahan dari daging babi, sapi, dan ayam yang dibuat tanpa campuran bumbu atau rempah. Eksperimen pengukuran dengan e-nose dilakukan pada suhu ruangan sebanyak seratus kali perulangan untuk masing-masing jenis sosis. Metode ekstraksi ciri maksimum, median, skewnes, kurtosis, standar deviasi, dan varians digunakan untuk mengekstraksi hasil respon sinyal e-nose. Analisis yang dilakukan menggunkan principal component analysis (PCA) sebagai metode pengelompokan sedangkan metode klasifikasi menggunakan metode Linear discriminant analysis (LDA), k-nearest neighbor (k-NN), Quadratic Discriminant Analysis (QDA), Logistic Regresi (LR), dan Classification and Regression Trees (CART). Metode LDA memperoleh hasil yang paling akurat yaitu dengan akurasi internal mencapai 100% dan eksternal sebesar 98,3%. Sedangkan pengelompokan dengan PCA mampu memisahkan sosis berdasarkan jenis dagingnya dan juga menunjukkan adanya tumpang tindih data yang mengindikasikan ketiga sampel memiliki kesamaan profil aroma yang sama.