SISTEM SORTIR IKAN BANDENG BERDASARKAN AROMA BERBASIS ELECTRONIC NOSE DAN EXTREME LEARNING MACHINE

Saputra, Alif Zakariya Agus (2020) SISTEM SORTIR IKAN BANDENG BERDASARKAN AROMA BERBASIS ELECTRONIC NOSE DAN EXTREME LEARNING MACHINE. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

[img] Text
0918040013 - Alif Zakariya Agus Saputra - Sistem Sortir Ikan Bandeng Berdasarkan Aroma Berbasis i Electronic Nose _i dan i Extreme Learning Machine _i .pdf
Restricted to Repository staff only

Download (5MB)

Abstract

Ikan bandeng telah lama menjadi bagian dari usaha masyarakat Kabupaten Gresik, bahkan terdapat tradisi untuk melakukan pelelangan ikan bandeng pada acara “Pasar Bandeng” setiap tahunnya. Selain itu, disekitar daerah Lumpur Gresik terdapat sebuah tempat untuk melakukan pelelangan ikan atau juga sering disebut sebagai gadukan. Gadukan merupakan tempat para nelayan menurunkan dan menjual hasil tangkapan nya, pada gadukan tersebut terdapat permasalahan di tingkat kesegaran ikan. Tingkat kesegaran ikan hingga kini masih ditentukan dengan cara tradisional yaitu secara organoleptik atau mencium aroma bau ikan saja. Tujuan dari penelitian ini adalah mampu mengidentifikasi tingkat kesegaran ikan bandeng berdasarkan aroma menggunakan sensor gas, kemudian diterapkan pada sistem sortir. Penelitian ini menggunakan sensor gas MiCS 5524 sebagai pendeteksi kadar gas NH3, sensor gas MQ-136 sebagai pendeteksi kadar gas H2S, dan sensor gas HCHO sebagai pendeteksi kadar gas HCHO dengan mikrokontroller ESP32, dan pengiriman informasi melalui website, dengan aktuator berupa motor dc dan servo. Dengan disertai penambahan metode extreme learning machine sebagai pengambil keputusan klasifikasi tingkat kesegaran ikan. Dari hasil pengujian penggunaan metode memiliki nilai Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) tidak lebih dari 4.2 dan 1,7. Sedangkan untuk pengujian sistem yang sudah terintegrasi mendapatkan nilai keberhasilan sebesar 98% dari 20 kali percobaan pada kondisi ikan segar, 99,2% dari 20 kali percobaan pada kondisi ikan setengah segar, dan 99,9% dari 20 kali percobaan pada kondisi ikan busuk.

Item Type: Thesis (Diploma)
Additional Information: NO. INVENTARIS : 6760/TO-18/2022 LOKASI TA : 461
Uncontrolled Keywords: Identifikasi, Aroma, Kesegaran ikan, Extreme learning machine.
Subjects: TO - Teknik Otomasi > Prototype
Divisions: Jurusan Teknik Kelistrikan Kapal > D4 Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 12 Jan 2023 01:58
Last Modified: 12 Jan 2023 01:58
URI: http://repository.ppns.ac.id/id/eprint/4728

Actions (login required)

View Item View Item