DESTI, RABERSYAH (2014) IDENTIFIKASI JENIS BUBUK KOPI MENGGUNAKAN ELECTRONIC NOSE DENGAN METODE PEMBELAJARAN BACKPROPAGATION. Diploma thesis, Universitas Andalas.
Text (Skripsi Full Text)
201502021823nd_skripsi_0910452041.pdf - Published Version Restricted to Repository staff only Download (1MB) |
Abstract
Perkembangan teknologi memungkinkan penciptaan sebuah sistem dengan cara kerja menyerupai hidung, yaitu electronic nose (e-nose). E-nose dapat dimanfaatkan dalam berbagai bidang aplikasi, salah satunya untuk membedakan jenis kopi. Terdapat dua jenis utama kopi, yaitu kopi arabika (Coffea Arabica) dan kopi robusta (Coffea Robusta). Kopi memiliki karakteristik yang berbeda dan unik untuk masing – masing jenisnya. Karakteristik kopi dapat ditentukan berdasarkan kandungan gas pada kopi menggunakan e-nose. Perangkat ini terdiri dari 5 unit sensor gas yaitu TGS 2610, TGS 2611, TGS 2602, TGS 2620 dan TGS 822. Pola data diperoleh dari perubahan resistansi masing – masing sensor apabila mendeteksi aroma kopi yang mengakibatkan perubahan tegangan. Pola data tersebut akan diolah menggunakan jaringan saraf tiruan (JST) backpropagation. Arsitektur backpropagation yang digunakan dibentuk dari 5 node input, 6 node hidden dan 2 node output. Hasil output backpropagation yang diharapkan dapat membedakan kopi arabika dan robusta serta mampu mengenali keadaan udara bebas (tanpa kopi). Hasil pengujian memperlihatkan JST backpropagation mampu melakukan identifikasi dengan tingkat keberhasilan 40 % untuk arabika, 100 % untuk robusta dan 100 % untuk udara bebas (tanpa kopi). Kata kunci : electronic nose, kopi, jaringan saraf tiruan, backpropagation
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
Divisions: | Fakultas Teknologi Informasi > Sistem Komputer |
Depositing User: | Mr Dian Niko Putra |
Date Deposited: | 23 Jun 2016 07:13 |
Last Modified: | 23 Jun 2016 07:13 |
URI: | http://scholar.unand.ac.id/id/eprint/11296 |
Actions (login required)
View Item |