RANCANG BANGUN ELECTRONIC NOSE (E-NOSE) UNTUK IDENTIFIKASI KESEGARAN FROZEN FOOD MENGGUNAKANÂ NEURALÂ NETWORK
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Dharma Syahputra, Dian Aryoni
Subject
L Education (General)
Datestamp
2023-07-13 05:45:44
Abstract :
Frozen food termasuk terobosan dalam bidang pangan untuk memasok makanan siap saji dengan daya tahan lama. Olahan makanan beku adalah hasil dari teknologi pengawetan makanan dengan menggunakan penurunan suhu sampai titik beku dan memperlambat proses pembusukan. Saat ini untuk menentukan kesegaran dari frozen food hanya sebatas dari indra penciuman. Frozen food yang dideteksi nantinya adalah frozen food dalam keadaan tidak beku yang artinya frozen food yang telah terpengaruh oleh suhu lingkungan dan keadaan tidak beku. Frozen food dalam keadaan beku tidak dapat dideteksi, karena frozen food yang beku tidak dapat menampilkan gas yang akan dideteksi. Dengan menggunakan frozen food yang tidak beku lama kelamaan akan menimbulkan gas, gas yang dikeluarkan berupa gas ammonia (NH3), hidrogen sulfida (H2S), dan karbon monoksida (CO). Dengan adanya masalah tersebut maka penelitian terkait Electronic Nose (E-Nose) Untuk Identifikasi Kesegaran Frozen Food Menggunakan Neural Network perlu dilakukan sebagai solusi yang diberikan untuk menjawab permasalahan yang ada agar memudahkan dan cepat dalam mengidentifikasi kesegaran frozen food, dengan electronic nose dimana sistem dimasukan ke dalam Arduino sebagai mikroprosesor dan sensor gas sebagai alat pendeteksi kesegaran frozen food dan output yang diperoleh akan menghasilkan kondisi frozen food yang akan ditampilkan yaitu segar atau tidak segar yang di identifikasikan oleh Neural Network. Hasil akurasi dari sistem E?nose dalam mendeteksi tingkat kesegaran pada frozen food memiliki akurasi 100% dalam mendeteksi segar dan 100% dalam mendeteksi tidak segar.
Frozen food termasuk terobosan dalam bidang pangan untuk memasok makanan siap saji dengan daya tahan lama. Olahan makanan beku adalah hasil dari teknologi pengawetan makanan dengan menggunakan penurunan suhu sampai titik beku dan memperlambat proses pembusukan. Saat ini untuk menentukan kesegaran dari frozen food hanya sebatas dari indra penciuman. Frozen food yang dideteksi nantinya adalah frozen food dalam keadaan tidak beku yang artinya frozen food yang telah terpengaruh oleh suhu lingkungan dan keadaan tidak beku. Frozen food dalam keadaan beku tidak dapat dideteksi, karena frozen food yang beku tidak dapat menampilkan gas yang akan dideteksi. Dengan menggunakan frozen food yang tidak beku lama kelamaan akan menimbulkan gas, gas yang dikeluarkan berupa gas ammonia (NH3), hidrogen sulfida (H2S), dan karbon monoksida (CO). Dengan adanya masalah tersebut maka penelitian terkait Electronic Nose (E-Nose) Untuk Identifikasi Kesegaran Frozen Food Menggunakan Neural Network perlu dilakukan sebagai solusi yang diberikan untuk menjawab permasalahan yang ada agar memudahkan dan cepat dalam mengidentifikasi kesegaran frozen food, dengan electronic nose dimana sistem dimasukan ke dalam Arduino sebagai mikroprosesor dan sensor gas sebagai alat pendeteksi kesegaran frozen food dan output yang diperoleh akan menghasilkan kondisi frozen food yang akan ditampilkan yaitu segar atau tidak segar yang di identifikasikan oleh Neural Network. Hasil akurasi dari sistem E?nose dalam mendeteksi tingkat kesegaran pada frozen food memiliki akurasi 100% dalam mendeteksi segar dan 100% dalam mendeteksi tidak segar.
File :
04191015_cover.pdf
04191015_statement_of_authenticity.pdf
04191015_chapter_1.pdf
04191015_chapter_2.pdf
04191015_chapter_3.pdf
04191015_chapter_4.pdf
04191015_conclusions.pdf
04191015_bibliography.pdf
04191015_enclosure.pdf
04191015_presentation.pdf
04191015_Form TA-020.pdf
04191015_publishing_agreement.pdf
04191015_approval_sheet.pdf
04191015_abstract_id.pdf
04191015_abstract_en.pdf
04191015_table_of_content.pdf
04191015_illustrations.pdf
04191015_tables.pdf
04191015_notations.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
