Sistem Deteksi Kandungan Formalin Menggunakan Electronic Nose

  • Aris Wahyu Hidayat
  • M. Khoirul Hasin
  • Perwi Darmajanti
Keywords: formalin, electronic nose, K-Nearest Neighbor, StandardScaler, Principal Component Analysis

Abstract

Penggunaan formalin pada makanan yang mudah busuk dan memiliki waktu penyimpanan terbatas kini kian merebak. Formalin tersebut tidak akan hilang meski makanan sudah dicuci, hal ini sangat merugikan konsumen. Diperlukan instrumen untuk mendeteksi formalin agar menciptakan kesehatan pangan. Dengan menggunakan sistem electronic nose yang prinsip kerjanya sama seperti hidung manusia diharapkan dapat menjadi alternatif instrumen untuk mendeteksi formalin. Pada tugas akhir ini dikembangkan sistem electronic nose yang mampu mendeteksi formalin dengan metode K-Nearest Neighbor dengan standarisasi StandardScaler dan Principal Component Analysis, yang memiliki tiga sensor gas yakni MQ-2, MQ-4, dan MQ-138 yang mampu merekam bau dari sampel makanan dengan Arduino Mega 2560 sesuai dengan konsentrasi gasnya. Data sinyal diproses menggunakan Python melalui library sckit-learn, yang akhirnya dilakukan klasifikasi menggunakan metode K-Nearest Neighbor dengan standarisasi StandardScaler dan Principal Component Analysis sebagai penentu bahwa sampel makanan tersebut mengandung formalin atau tidak. User interface pada sistem dibangun menggunakan PyQt5 dan menampilkan hasil keputusannya pada LCD yang ditanamkan dialat. Hasil pengujian metode KNN menggunakan standarisasi StandardScaler dan PCA didapatkan akurasi sebesar 95,83% untuk K=20. Sampel tahu, bakso, dan mie dengan kadar formalin 0%, 10%, 20% dan 40% sepenuhnya dapat diklasifikasikan dengan tepat menggunakan metode KNN.

Published
2022-01-19