PENGEMBANGAN LARIK SENSOR LIDAH ELEKTRONIK BERBASIS MEMBRAN SELEKTIF ION UNTUK IDENTIFIKASI DAUN GANJA

EKA NOVIRA ANDRIANI, Ahmad Ashari, Drs., M.Kom, Dr.techn; Kuwat Triyana, Drs.,M.Si, Ph.D

2017 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Penelitian ini dilatar belakangi oleh persoalan untuk mengidentifikasi ganja masih melibatkan manusia dan hewan terlatih, dimana pada keduanya memiliki beberapa kelemahan diantaranya subyektifas, kelelahan dan lain sebagainya. Sedangkan hal lain yang terdapat pada ganja adalah rasa yang khas pada ganja tersebut maka diperlukan sebuah instrumen berbasis sensor rasa atau e-tongue sebagai instrumen alternatif yang dapat digunakan sebagai pendamping untuk mengidentifikasi ganja. Penelitian ini difokuskan pada pengembangan larik sensor rasa yang diharapkan dapat digunakan untuk mengidentifikasi ganja. Hasil penelitian menunjukkan bahwa sensor lidah elektronik dapat membedakan rasa ganja dengan tembakau dan teh dengan baik. Eigenvalue kedua komponen utama mewakili 77% dan 22,6% dari seluruh variabilitas. Jika diakumulasikan kedua komponen utama menyatakan 99,6% dari total variabilitas. Sensor yang memiliki kontribusi besar dalam penentuan plot data sampel, sensor-13 (TOMA+DDC (40:60)), sensor-14 (TOMA+DDC (30:70) dan sensor-1 (TOMA 3%) memiliki korelasi yang kuat pada persebaran varian data sampel.

This research was motivated by the cannabis identification issues that still involves humans and trained animals. Both of them have some disadvantages such as subjectivy, fatigue and others. In other case, cannabis have a unique taste. Based on that fact, an instrument based on sensor taste or electronic tongue can be used to cannabis classification and identification. This study focuses on developent of array sensors for electronic tongue that can be use for cannabis classification. The result of this study shows that taste sensor of electronic tongue can differentiates taste of cannabis, tobacco, and tea very well. The eigenvalue from principle component analysis represent 77% and 22.6% from all variabilities. Based the accumulation from that result is, sensor taste based on lipid TOMA and lipid DDC, 99.6% can differenriates taste of cannabis, tobacco, and tea. Some sensors that have the biggest contribution for classification taste of cannabis is sensor 13 (TOMA+DDC (40:60)), sensor-14 (TOMA+DDC (30:70) and sensor-1 (TOMA 3%). Those sensors have the strongest correlation of the variant sample data’s distribution.

Kata Kunci : Lipid, Polimer, TOMA, DDC, PCA