KLASIFIKASI JENIS HERBAL BERBASIS ELECTRONIC NOSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN)

Bagi masyarakat Indonesia minuman herbal seperti jamu memang sejak dulu menjadirnsenjata andalan masyarakat untuk melawan penyakit. Bahan dasar herbal yang dipercaya memberikan banyak manfaat bagi kesehatan, termasuk menjaga kekebalan tubuh yang dimaksudrnadalah yang paling populalr dengan rempah bahan dasar seperti jahe, kunyit, temulawak, kencur,rndan cengkeh. Jenis bahan dasar obat herbal yang beragam dengan aroma yang miriprnmenjadikan tantangan tersendiri bagi produsen jamu tradisional, karena akan berpengaruh pada nilai keekonomisan dan produksinya di pasaran. Sedangkan untuk indra penciuman manusia sendiri tidak mampu mengenali setiap bahan dasar obat herbal disebabkan aroma yangrnditimbulkan sangat identik, sehingga pada permasalahan tersebut timbul inisiatif tersendirirnuntuk membuat suatu alat untuk mengklasifikasikan jenis bahan dasar jamu berbasis ElectronicrnNose (E-Nose) dengan cara mengimplementasi algoritma Alrtificial Neural Network (ANN) yangrnberfungsi sebagai pengelompokan dari bahan dasar jamu herbal. Cara kerja dari sistem ini yaiturnmelalui deteksi aroma yang dilakukan ketiga sensor yaitu sensor mq136 deteksi kandunganrnmetana CH4, sensor tgs813 deteksi kandungan propana C3H8, dan tgs2611 deteksi kandunganrnetanol/etil C2H5OH dengan respon e-nose direct (secara langsung). Dari data hasil responrnsensor tersebut kemudian diolah melalui mikrokontroler atmega 16 yang sudah terdapatrnparameter ANN di dalamnya dengan pengambilan data sebanyak sepuluh kali pada setiap bahanrnherbal yang telah disebutkan dan mendapatkan hasil sebanyak 50 data latih dengan bobot 5,2.rnKemudian untuk mendapatkan hasil akurasi maka dilakukan testing dengan data uji sebanyak 50rnsehingga mendapatkan hasil akurasi sebanyak; jahe 60%, kunyit 60%, temulawak 70%, kencurrn60%, dan cengkeh 90%. Dari hasil pengujian tersebut cukup malksimal dan klalsifikasi yang baik,rnakan tetapi pengaruh dari lingkungan luar dan kadar gas yang terdapat pada objek yang bersifatrnbasah lebih cepat memudar dibandingkan objek yang bersifat kering seperti cengkeh oleh karenarnitu semakin banyak data yang digunakan pada data training maka semakin baik pula hasil yangrndidapatkan. Hal ini disebabkan adanya pola pembelajaran pada sistem.