Artikel Ilmiah : A1C019024 a.n. ISNA AULIA SYAHDIAR
| NIM | A1C019024 |
|---|---|
| Namamhs | ISNA AULIA SYAHDIAR |
| Judul Artikel | Uji Performansi Portable Spectrometer Sensor AS7263 untuk Deteksi Kemurnian Gula Kelapa Kristal dengan Metode Machine Learning |
| Abstrak (Bhs. Indonesia) | Gula kelapa kristal mempunyai nilai ekonomi dan peluang pasar yang tinggi, hal ini mendorong adanya pemalsuan pencampuran gula pasir ke dalam gula kelapa kristal. Salah satu indikator tidak terpenuhinya permintaan gula kelapa kristal karena kualitas produk belum memenuhi standar kemurnian sehingga diperlukan proses kontrol untuk menjamin kualitas internal produk. Penelitian ini ditujukan untuk mendeteksi kemurnian gula kelapa kristal menggunakan portable spectrometer sensor AS7263. Penelitian menggunakan metode eksperimental meliputi pembuatan sampel gula kelapa kristal enam perlakuan, pengambilan data oleh sensor AS7263 berupa gula kelapa kristal murni dan gula kelapa kristal tercampur gula pasir dengan persentase 1%, 2%, 3%, 4%, dan 5%. Analisis penelitian dengan membandingkan dua metode yaitu Artificial Neural Network (ANN) dengan variasi neuron hidden layer dan Support Vector Machine (SVM) dengan variasi kernel fungsi dalam software MATLAB 2016b. Metode evaluasi confusion matrix penelitian menggunakan perhitungan accuracy, misclassification error, precision, recall, dan F1 score. Hasil penelitian menunjukkan metode ANN dan SVM dapat menggambarkan pengklasifikasian kemurnian gula kelapa kristal di Desa Gandatapa, Kecamatan Sumbang, Banyumas. Kedua metode ini mampu memprediksi kelas dengan tingkat akurasi pengujian yaitu sebesar 91,07% untuk klasifikasi kemurnian dan 61,90% untuk klasifikasi persentase pencampuran gula pasir. Metode paling optimal pada pengujian performansi portable spectrometer adalah ANN dengan dua hidden layer. Hal itu terlihat pada nilai F1 score ANN dalam klasifikasi kemurnian gula kelapa kristal sebesar 65,11% lebih tinggi dari F1 score SVM sebesar 63,42% sedangkan pada klasifikasi tingkat pencampuran gula pasir dalam gula kelapa kristal, F1 score ANN sebesar 62,38% lebih tinggi dari F1 score SVM yaitu 61,49%. |
| Abtrak (Bhs. Inggris) | Crystal coconut sugar has a high economic value and market opportunity, this encourages the falsification of mixing granulated sugar into crystal coconut sugar. One indicator of unfulfilled demand for crystalline coconut sugar is that the quality of the product does not meet purity standards, so a control process is needed to ensure the internal quality of the product. This study aimed to detect the purity of crystalline coconut sugar using a portable spectrometer sensor AS7263. The research used experimental methods including the manufacture of six crystal coconut sugar samples, data collection by AS7263 sensors in the form of pure crystal coconut sugar and crystal coconut sugar mixed with granulated sugar with a percentage of 1%, 2%, 3%, 4%, and 5%. Research analysis by comparing two methods, namely Artificial Neural Network (ANN) with a variety of hidden layer neurons and Support Vector Machine (SVM) with a variety of kernel functions in MATLAB 2016b software. The research confusion matrix evaluation method uses the calculation of accuracy, misclassification error, precision, recall, and F1 score. The results showed that ANN and SVM methods can describe the classification of crystal coconut sugar purity in Gandatapa Village, Sumbang District, Banyumas. Both methods are able to predict classes with a test accuracy rate of 91.07% for purity classification and 61.90% for sugar mixing percentage classification. The most optimal method in portable spectrometer performance testing is ANN with two hidden layers. It can be seen in the F1 score of ANN in the classification of crystal coconut sugar purity of 65.11% higher than the F1 score of SVM of 63.42% while in the classification of the level of mixing of granulated sugar in crystal coconut sugar, the F1 score of ANN is 62.38% higher than the F1 score of SVM which is 61.49%. |
| Kata kunci | Gula Kelapa Kristal, Artificial Neural Network, Support Vector Machine, Confusion Matrix |
| Pembimbing 1 | Susanto Budi Sulistyo, S.TP., M.Si., Ph.D. |
| Pembimbing 2 | Purwoko Hari Kuncoro, S.TP., M.Agr., Ph.D. |
| Pembimbing 3 | |
| Tahun | 2023 |
| Jumlah Halaman | 14 |
| Tgl. Entri | 2023-11-22 12:54:04.369588 |