KLASIFIKASI KOPI ROBUSTA INDONESIA BERDASARKAN LETAK GEOGRAFIS INDONESIA MENGGUNAKAN ELECTRONIC NOSE DENGAN METODE RANDOM FOREST

PUTRI MAULIDIA S, Dr. Danang Lelono, S.Si., M.T.

2020 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Identifikasi produk kopi robusta berdasarkan asal geografis menjadi hal yang sangat penting, karena label daerah suatu produk akan menambah akuisisi nilainya. Kopi robusta memiliki berbagai jenis berdasarkan letak geografisnya seperti Kopi Robusta Aceh, Dampit, Sidikalang, Lampung, dan Toraja. Penelitian sebelumnya sudah melakukan klasifikasi jenis kopi robusta dan arabica dengan metode support vector machine, akan tetapi performa metode random forest untuk klasifikasi jenis kopi robusta belum pernah dilakukan sebelumnya. Maka dari itu perlu dilakukan analisis hal tersebut. Pengambil sampel dilakukan dengan menggunakan e-nose dengan cara mendeteksi aroma. Bentuk keluarannya berupa respon sensor. Hasil respon sensor kemudian dilakukan analisis dengan menggunakan pengenalan pola Random Forest. Untuk menghasilkan akurasi yang optimal, dilakukan tuning parameter dengan mengubah nilai mtry (variabel prediktor) dan ntree (jumlah pohon penyusun hutan). Pemodelan random forest yang sudah dibuat kemudian dibandingkan kinerja nya denga support vector machine. Hasil penelitian menunjukkan bahwa peforma metode random forest untuk klasifikasi jenis kopi robusta lebih unggul dibandingkan dengan menggunakan metode support vector machine dengan melihat nilai F1-scorenya pada masing-masing kelasnya yaitu Aceh1 unggul 2,06% , Aceh2 unggul 2,13%, Dampit1 unggul 6,56%, Dampit2 unggul 4,43%, Toraja1 unggul 6,57%, dan Toraja2 unggul 52,55%

Identification of robusta coffe product based on geographic location became important thing, because regional label of a product can add value precision. Robusta coffee has some varians based on geographic lovation such as Aceh, Dampit, Lampung, Sidikalang, Toraja, etc.Previous study has classified Robusta and Arabica coffee types with support vector machine, but the performance of the random forets for classifying varians robusta coffee has never been done before. Therefore, it’s necessary to analyze this. Sampling using e-nose by detecting the scent. The output is sensor response. Then, Results of sensor respone are analyzed using random forest as pattern recognition. To produce optima accuracy, tuning parameter by changing value of mtry (predivtor variable) and ntree (number of trees make up the forest). Random forest modeling that has been made then compares its performance with support vector machine. The results showed that the performance of random forest method for classifying varians robsuta coffee was superior compared to using support vector machine by looking F1-scores in each classes. Aceh1 was superior 2,06%, Aceh2 was superior 2,13%, Dampit1 was superior 26,56%, Dampit2 was superior 24,43%, Toraja1 was superior 26,57%, and Toraja2 was superior 252,55%.

Kata Kunci : Kopi Robusta, Electronic Nose, Random Forest, mtry, ntree