Seleksi dan Klasifikasi Sensor Gas dalam Mendeteksi Cemaran Boraks dan Rhodamin B pada Produk Pangan.
Total View This Week0
Total View This Week0
Institusion
Universitas Brawijaya
Author
Hammam, .
Prof. Dr. Ir. Sumardi Hadi Sumarlan,, MS.
Dr.Agr.Sc. Dimas Firmanda A. R.,, A. R., ST., M.Sc.
Prof. Dr. Ir. Sumardi Hadi Sumarlan,, MS.
Dr.Agr.Sc. Dimas Firmanda A. R.,, A. R., ST., M.Sc.
Subject
Datestamp
2024-03-05 06:26:51
Abstract :
Berdasarkan data Badan Pengawas Obat dan Makanan terjadi banyak kasus keracunan makanan karena kandungan bahan berbahaya yang dilarang, seperti boraks dan rhodamin B. Deteksi produk pangan yang mengandung bahan berbahaya umumnya dilakukan secara konvensional dengan skala laboratorium. Namun terbatasnya peralatan detektor yang siap dioperasikan dapat menimbulkan permasalahan dalam efektivitas dan efisiensi proses pengawasan produk pangan yang beredar di masyarakat. Perkembangan penelitian saat ini mulai banyak mengembangkan instrumen pendeteksi yang berbasis sensor gas. Namun masih relatif sedikit yang meneliti tentang instrumen berbasis sensor gas sebagai detektor boraks dan rhodamin B. Selain itu, dengan banyaknya jenis dan tipe sensor gas, maka perlu adanya kajian tentang seleksi dan pemodelan prediksi pada sensor gas tersebut untuk dapat digunakan dalam mendeteksi senyawa berbahaya tersebut. Dalam penelitian ini, penulis mengkaji tentang seleksi beberapa tipe sensor gas dengan menggunakan Principal Component Analysis (PCA) untuk menentukan sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso dan rhodamin B pada cenil. Pemodelan prediksi juga dilakukan dengan metode klasifikasi k-Nearest Neighbor (kNN), Support Vector Machine (SVM), dan Artificial Neural Network (ANN) untuk memberikan gambaran umum prediksi deteksi jika sensor gas digunakan sebagai instrumen detektor cemaran boraks pada bakso dan rhodamin B pada cenil. Bedasarkan hasil penelitian ini, sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso maupun rhodamin B pada cenil adalah MQ7, serta algoritma terbaik untuk klasifikasi sensor gas dengan kedua sampel tersebut adalah dengan menggunakan SVM. Kemudian parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran boraks pada bakso yaitu dengan nilai C sebesar 96 dan k-folds sebesar 47, dimana dimana akurasi training yang dihasilkan sebesar 86,17% ± 26,99% dan testing sebesar 82,00%. Sedangkan parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran rhodamin B pada cenil yaitu dengan nilai C sebesar 93 dan k-folds sebesar 4, dimana akurasi training yang dihasilkan sebesar 93,42% ± 7,89% dan testing sebesar 94,00%.
Berdasarkan data Badan Pengawas Obat dan Makanan terjadi banyak kasus keracunan makanan karena kandungan bahan berbahaya yang dilarang, seperti boraks dan rhodamin B. Deteksi produk pangan yang mengandung bahan berbahaya umumnya dilakukan secara konvensional dengan skala laboratorium. Namun terbatasnya peralatan detektor yang siap dioperasikan dapat menimbulkan permasalahan dalam efektivitas dan efisiensi proses pengawasan produk pangan yang beredar di masyarakat. Perkembangan penelitian saat ini mulai banyak mengembangkan instrumen pendeteksi yang berbasis sensor gas. Namun masih relatif sedikit yang meneliti tentang instrumen berbasis sensor gas sebagai detektor boraks dan rhodamin B. Selain itu, dengan banyaknya jenis dan tipe sensor gas, maka perlu adanya kajian tentang seleksi dan pemodelan prediksi pada sensor gas tersebut untuk dapat digunakan dalam mendeteksi senyawa berbahaya tersebut. Dalam penelitian ini, penulis mengkaji tentang seleksi beberapa tipe sensor gas dengan menggunakan Principal Component Analysis (PCA) untuk menentukan sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso dan rhodamin B pada cenil. Pemodelan prediksi juga dilakukan dengan metode klasifikasi k-Nearest Neighbor (kNN), Support Vector Machine (SVM), dan Artificial Neural Network (ANN) untuk memberikan gambaran umum prediksi deteksi jika sensor gas digunakan sebagai instrumen detektor cemaran boraks pada bakso dan rhodamin B pada cenil. Bedasarkan hasil penelitian ini, sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso maupun rhodamin B pada cenil adalah MQ7, serta algoritma terbaik untuk klasifikasi sensor gas dengan kedua sampel tersebut adalah dengan menggunakan SVM. Kemudian parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran boraks pada bakso yaitu dengan nilai C sebesar 96 dan k-folds sebesar 47, dimana dimana akurasi training yang dihasilkan sebesar 86,17% ± 26,99% dan testing sebesar 82,00%. Sedangkan parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran rhodamin B pada cenil yaitu dengan nilai C sebesar 93 dan k-folds sebesar 4, dimana akurasi training yang dihasilkan sebesar 93,42% ± 7,89% dan testing sebesar 94,00%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
