Seleksi dan Klasifikasi Sensor Gas dalam Mendeteksi Cemaran Boraks dan Rhodamin B pada Produk Pangan.

Hammam, . and Prof. Dr. Ir. Sumardi Hadi Sumarlan,, MS. and Dr.Agr.Sc. Dimas Firmanda A. R.,, A. R., ST., M.Sc. (2024) Seleksi dan Klasifikasi Sensor Gas dalam Mendeteksi Cemaran Boraks dan Rhodamin B pada Produk Pangan. Magister thesis, Universitas Brawijaya.

Abstract

Berdasarkan data Badan Pengawas Obat dan Makanan terjadi banyak kasus keracunan makanan karena kandungan bahan berbahaya yang dilarang, seperti boraks dan rhodamin B. Deteksi produk pangan yang mengandung bahan berbahaya umumnya dilakukan secara konvensional dengan skala laboratorium. Namun terbatasnya peralatan detektor yang siap dioperasikan dapat menimbulkan permasalahan dalam efektivitas dan efisiensi proses pengawasan produk pangan yang beredar di masyarakat. Perkembangan penelitian saat ini mulai banyak mengembangkan instrumen pendeteksi yang berbasis sensor gas. Namun masih relatif sedikit yang meneliti tentang instrumen berbasis sensor gas sebagai detektor boraks dan rhodamin B. Selain itu, dengan banyaknya jenis dan tipe sensor gas, maka perlu adanya kajian tentang seleksi dan pemodelan prediksi pada sensor gas tersebut untuk dapat digunakan dalam mendeteksi senyawa berbahaya tersebut. Dalam penelitian ini, penulis mengkaji tentang seleksi beberapa tipe sensor gas dengan menggunakan Principal Component Analysis (PCA) untuk menentukan sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso dan rhodamin B pada cenil. Pemodelan prediksi juga dilakukan dengan metode klasifikasi k-Nearest Neighbor (kNN), Support Vector Machine (SVM), dan Artificial Neural Network (ANN) untuk memberikan gambaran umum prediksi deteksi jika sensor gas digunakan sebagai instrumen detektor cemaran boraks pada bakso dan rhodamin B pada cenil. Bedasarkan hasil penelitian ini, sensor gas terbaik dalam mendeteksi cemaran boraks pada bakso maupun rhodamin B pada cenil adalah MQ7, serta algoritma terbaik untuk klasifikasi sensor gas dengan kedua sampel tersebut adalah dengan menggunakan SVM. Kemudian parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran boraks pada bakso yaitu dengan nilai C sebesar 96 dan k-folds sebesar 47, dimana dimana akurasi training yang dihasilkan sebesar 86,17% ± 26,99% dan testing sebesar 82,00%. Sedangkan parameter model klasifikasi optimal sensor gas MQ7 dalam mendeteksi cemaran rhodamin B pada cenil yaitu dengan nilai C sebesar 93 dan k-folds sebesar 4, dimana akurasi training yang dihasilkan sebesar 93,42% ± 7,89% dan testing sebesar 94,00%.

English Abstract

Based on data from the Food and Drug Authority, there are many cases of food poisoning due to the content of prohibited dangerous ingredients, such as borax and rhodamine B. Detection of food products containing dangerous ingredients is generally carried out conventionally on a laboratory scale. However, the limited detector equipment that is ready to operate can cause problems in the effectiveness and efficiency of monitoring food products circulating in the community. Research developments are currently starting to develop detection instruments based on gas sensors. However, relatively few still research gas sensor-based instruments such as borax and rhodamine B detectors. In addition, with the many types and types of gas sensors, it is necessary to conduct studies on the selection and predictive modeling of these gas sensors so that they can be used to detect these dangerous compounds. In this research, the author examines the selection of several types of gas sensors using Principal Component Analysis (PCA) to determine the best gas sensor for detecting borax contamination in meatballs and rhodamine B in cenil. Predictive modeling was also carried out using the k-Nearest Neighbor (kNN), Support Vector Machine (SVM), and Artificial Neural Network (ANN) classification methods to provide a general description of detection predictions if the gas sensor is used as a detector instrument for borax contamination in meatballs and rhodamine B in cenil. Based on the results of this research, the best gas sensor for detecting borax contamination in meatballs and rhodamine B in cenil is MQ7, and the best algorithm for classifying gas sensors with these two samples is using SVM. Then the optimal classification model parameters for the MQ7 gas sensor in detecting borax contamination in meatballs are with a C value of 96 and k-folds of 47, where the resulting training accuracy is 86.17% ± 26.99% and testing is 82.00%. Meanwhile, the optimal classification model parameters for the MQ7 gas sensor in detecting rhodamine B contamination in cenil are with a C value of 93 and k-folds of 4, where the resulting training accuracy is 93.42% ± 7.89% and testing is 94.00%

Item Type:	Thesis (Magister)
Identification Number:	042410
Uncontrolled Keywords:	Boraks, Klasifikasi, Rhodamin B, Seleksi, Sensor Gas.
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	Unnamed user with username nova
Date Deposited:	05 Mar 2024 06:26
Last Modified:	05 Mar 2024 06:26
URI:	http://repository.ub.ac.id/id/eprint/216878

Text (DALAM MASA EMBARGO) Hammam.pdf Restricted to Registered users only Download (19MB)

Actions (login required)

View Item