Sistem Cerdas Pendeteksi Kesegaran Ikan Air Laut Menggunakan Electronic Nose

Surya, Robby Irvine (2022) Sistem Cerdas Pendeteksi Kesegaran Ikan Air Laut Menggunakan Electronic Nose. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311840000023-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Keracunan makanan akibat kontaminasi mikrobiologi menyebabkan kematian lebih dari 400.000 orang setiap tahunnya. Proses pertama yang dilakukan oleh quality control sebelum makanan dikonsumsi atau diproses adalah dengan mencium bau produk. Namun, indera manusia sering gagal berfungsi karena alasan mikroba, lingkungan, penyakit, atau alasan lainnya. Pada penelitian sebelumnya, telah dibangun sebuah alat hidung elektronik (electronic nose) untuk mendeteksi kualitas daging ikan dan melakukan klasifikasi pada hasilnya menurut pendapat para ahli. Dalam tugas akhir ini, dibuat alat electronic nose yang digunakan untuk mendeteksi tingkat kesegaran dan melakukan klasifikasi terhadap waktu penyimpanan. Alat electronic nose tersebut menggunakan microcontroller Arduino dan enam sensor gas MQ yang kompatibel untuk mendeteksi aroma yang dikeluarkan oleh daging ikan. Digunakan metode algoritma machine learning random forest, k nearest neighbors, dan naïve bayes untuk melakukan klasifikasi tingkat kesegarannya. Hasil penelitian menunjukkan bahwa kesegaran daging ikan dapat diklasifikasi terhadap waktu penyimpanan dengan tingkat akurasi yang tinggi menggunakan algoritma random forest dan k nearest neighbors dengan parameter default. Tingkat akurasi tertinggi adalah 98.59% menggunakan algoritma k nearest neighbors pada pengujian daging ikan kerapu lumpur yang tidak dicuci, dan tingkat akurasi terendah adalah 65.07% menggunakan algotitma naïve bayes pada pengujian daging ikan kakap putih yang dicuci.
====================================================================================================================================
Food poisoning due to microbiological contamination causes the deaths of more than 400,000 people every year. The first process carried out by quality control before food is consumed or processed is to smell the product. However, the human senses often fail to function due to microbial, environmental, disease or other reasons. In previous studies, an electronic nose has been built to detect the quality of fish meat and classify the results according to the opinion of experts. In this research, an electronic nose is made which is used to detect the level of freshness and classify it based on the storage time. The electronic nose device uses an Arduino microcontroller and six compatible MQ gas sensors to detect the aroma released by the fish meat. Machine learning algorithms are used such as random forest, k nearest neighbors, and naïve bayes to classify the freshness level. The results showed that the freshness of fish meat can be classified based on the storage time with a high degree of accuracy using the random forest and k nearest neighbors algorithm with default parameters. The highest accuracy rate is 98.59% using the k nearest neighbors algorithm on unwashed mud grouper meat, and the lowest accuracy rate is 65.07% using the naïve bayes algorithm on washed white snapper meat.

Item Type:	Thesis (Other)
Additional Information:	RSIf 681.754 Sur s-1 2022
Uncontrolled Keywords:	Electronic Nose, Kesegaran, Ikan Air Laut, Arduino, Sensor Gas, Sistem Cerdas, Electronic Nose, Freshness, Seawater Fish, Arduino, Gas Sensors, Smart System
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1573 Detectors. Sensors
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	22 Apr 2026 08:37
Last Modified:	22 Apr 2026 08:37
URI:	http://repository.its.ac.id/id/eprint/132875

Actions (login required)

View Item