Clustering dengan Algoritma Genetika untuk sistem pengenalan pola keluaran multisensor penciuman pada pengidentifikasian aroma kopi

TRIANTORO, Bimo, Drs. Retantyo Wardoyo, MSc.,Ph.D

2004 | Tesis | S2 Ilmu Komputer

Metode GA K-means semi supervised telah digunakan untuk mendiskriminasi aroma dua kelas kopi bijian dan dua kelas kopi kemasan dengan larikan enam sensor gas semikonduktor Figaro. Fitur pola aroma adalah selisih respon dua sensor berurutan. Cacah analit yang akan dikelompokkan adalah 120, dimana masing-masing kelas memiliki 30 anggota disertai label. Cluster yang sesuai didapatkan berdasarkan jarak Euclidian antara titik data dengan prototipe pusat cluster. Dengan inferensi induksi, di masa mendatang pola aroma kopi yang tidak dikenal akan dapat diidentifikasi. Fitur ini membuat metode ini dapat menjadi sistem pengenalan pola untuk hidung elektronik. Berdasarkan instabilitas respon sensor gas semikonduktor terhadap faktor eksternal seperti kelembaban dan suhu, masukan untuk sistem yang diajukan di sini menunjukkan respon yang terdistribusi normal, di mana nilai rata-rata digunakan sebagai basis pengelompokkan maupun identifikasi. Sistem ini juga menyediakan estimasi pola kritis yang mungkin dihasilkan enam sensor saling bebas ini ketika diaplikasikan pada pengukuran instan. Pola kritis, yang mungkin adalah pola paling berbeda dengan pola rata-rata dicari menggunakan GA PARC (pattern recognition) yang dimodifikasi, di mana indeks ketakmiripan ditunjukkan oleh koefisien korelasi

The semi supervised genetic algorithm (GA) K-means clustering methods were used for the aroma discrimination of two ground and two instant coffe classes using an array of six Figaro semiconductor gas sensors. Aroma pattern features are the difference between responses of two consecutive sensors. The number of analytes to be clustered were 120, in which each class has 30 members with labels. Appropriate clusters are found by the Euclidian distance between data points and cluster center prototypes. By using the induction inference, future data points representing pattern of the unknown coffe aroma could then be identified. This feature makes the proposed method be a pattern recognition system for electronic nose (e-nose). Due to the response unstability of semiconductor gas sensors with external factors such as humidity and temperature, the input of this system denotes a normal distribution of response, in which the mean value is used as the basis for both grouping and identification. This system also provides the estimation of critical pattern that may be yielded by these mutually six independent sensors while applied in an instant measurement. The critical pattern, that is likely the most different one from the mean pattern is searched, also by using the GA method, where dissimilarity index is performed by the correlation coefficient.

Kata Kunci : Komputer,Sistem Penciuman,Sensor Gas Semikonduktor, Semisupervised GA K-means, coffee, semiconductor gas sensors array, induction inference, critical pattern