KARAKTERISTIK DERET SENSOR GAS MOS DALAM IDENTIFIKASI PATCHOULI ALCOHOL PADA MINYAK NILAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
DOI:
https://doi.org/10.21776/ub.jkptb.2019.007.02.5Keywords:
akurasi, Jaringan Syaraf Tiruan, Minyak nilam, sensitivitas, sensor gas MOSAbstract
Penentuan kualitas minyak nilam menggunakan metode Gas Chromatography and Mass Spektrometry (GC-MS) secara laboratorium tidak memungkinkan dilakukan oleh Usaha Mikro, Kecil, dan Menengah (UMKM). Untuk itu, perlu ada suatu alat dan analisis yang dapat mengidentifikasi minyak nilam yang lebih sederhana dan murah yaitu menggunakan alat ukur aroma dan volatil berbasis sensor gas. Penelitian ini menggunakan jenis sensor gas Metal Oxide Semiconductor (MOS) yang terdiri dari 9 deret sensor gas MOS (TGS-2600, TGS-2602, TGS-2620, MQ-3, MQ-135, MQ-137, F-AQ1, F-SB30, dan FIS-12A) dan sistem akuisisi data. Penelitian ini bertujuan untuk (1) mengetahui respon sensitifitas individu sensor gas terhadap konsentrasi patchouli alcohol pada minyak nilam, (2) mengetahui tingkat keberhasilan sensor gas dengan perbedaan modulasi pada sensor gas dalam mengklasifikasi konsentrasi patchouli alcohol pada minyak nilam menggunakan metode jaringan syaraf tiruan backpropagation. Luaran sensor MOS dinyatakan dengan Sensitivitas, yaitu perbandingan antara resistansi saat pengukuran udara kering dengan resistansi saat pengukuran minyak nilam. Hasil penelitian menunjukkan sensor TGS-2602 memberikan respon sensitifitas paling tinggi. Modulasi terbaik selama pengukuran yaitu pada frekuensi 0,25Hz duty cycle 75% dengan 9 neuron hidden layer menghasilkan akurasi pelatihan 98,6% dan akurasi pengujian 81,9%. Rata-rata akurasi sistem identifikasi ini adalah 90,3%.References
Bulan, R., et al. 2000. Isolasi, Identifikasi dan Sintesis Turunan Patchouli Alkohol dari Minyak Nilam. Tesis. FMIPA UGM, Yogyakarta.
Delgado, R. D. 2002. Tin Oxide Gas Sensors: An Electrochemical Approach. Thesis. Universitat De Barcelona, Barcelona.
Figaro USA. 2015. Product Information. (On-line). http://www.figarosensor.com diakses 24 Juli 2018.
Hayani, E. 2005. Teknik Analisis Mutu Minyak Nilam. Buletin Teknik Pertanian. Vol.10. Nomor 1.
Jumarwanto, A. 2009. Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Penyakit THT di Rumah Sakit Mardi Rahayu Kudus. Jurnal Teknik Elektro Vol. 1 No.1.
Lutony, T. L., dan Rahmayati Y. 1999. Produksi dan Perdagangan Minyak Atsiri, cetakan ke-4. PT. Penebar Swadaya, Jakarta.
Mangun, S. 2008. Nilam. Cetakan ke III. Penebar Swadaya, Jakarta.
Sasongko, T. B. 2016. Komparasi dan Analisis Kinerja Model Algoritma SVM dan PSO-SVM (Studi Kasus Klasifikasi Jalur Minat SMA). Jurnal Teknik Informatika dan Sistem Informasi, Vol. 2, No. 2.
Shukla, A., et al. 2010. Real Life Application of Soft Computing. CRC Press.
Skapura, D. M. 1996. Building Neural Network. ACM Press, New York.
Sudarto. 2016. Analisis Penanganan Ketidakseimbangan Kelas Dengan Menggunakan Density Based Feature Selection (DBFS) Dan Adaptive Boosting (ADABOOST). Tesis. Universitas Sumatera Utara, Medan.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).