SAPI BERBASIS SENSOR RASA MENGGUNAKAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
HASIL DAN PEMBAHASAN
Hasil Uji Membran Terhadap Rasa Pahit
Respon dari pengukuran untuk rasa pahit diwakili oleh sampel MgCl2 dan di plot pada sebuah grafik potensial listrik Vs log konsentrasi larutan sampel. Grafik dari respon terhadap rasa pahit ini ditunjukkan oleh gambar 1 di bawah ini.
Gambar 1 Plot respon potensial listrik dari larik sensor rasa terhadap MgCl2
Hasil Uji Membran Terhadap Rasa Asam
Respon dari pengukuran untuk rasa asam diwakili oleh sampel asam sitrat dan di plot pada sebuah grafik potensial listrik Vs log konsentrasi larutan sampel. Grafik dari respon terhadap rasa asam ini ditunjukkan oleh gambar 2 di bawah ini.
Palangkaraya, 19-20 Oktober 2012 | 423 Hasil Uji Membran Terhadap Rasa Asin
Respon dari pengukuran untuk rasa asin diwakili oleh sampel NaCl dan di plot pada sebuah grafik potensial listrik Vs log konsentrasi larutan sampel. Grafik dari respon terhadap rasa asin ini ditunjukkan oleh gambar 3 di bawah ini.
Gambar 3 Plot respon potensial listrik dari larik sensor rasa terhadap NaCl
Hasil Uji Membran Terhadap Rasa Umami
Respon dari pengukuran untuk rasa Umami diwakili oleh sampel MSG dan di plot pada sebuah grafik potensial listrik Vs log konsentrasi larutan sampel. Grafik dari respon terhadap rasa umami ini ditunjukkan oleh gambar 4 di bawah ini.
Gambar 4 Plot respon potensial listrik dari larik sensor rasa terhadap MSG
Hasil Uji Membran Terhadap Rasa Manis
Respon dari pengukuran untuk rasa manis diwakili oleh sampel Sukrosa dan di plot pada sebuah grafik potensial listrik Vs log konsentrasi larutan sampel. Grafik dari respon terhadap rasa manis ini ditunjukkan oleh gambar 5 di bawah ini.
Prosiding Simposium Fisika Nasional XXV ISSN 1411-4771
424 | Palangkaraya, 19-20 Oktober 2012
Gambar 5 Plot respon potensial listrik dari larik sensor rasa terhadap Sukrosa
Hasil Uji Larik Sensor Terhadap Daging Babi dan Daging Sapi menggunakan Metode PCA
Pada pengujian terhadap sampel daging Babi dan Sapi, dilakukan pengujian selama 5 menit dengan sampling rate 1 detik sehingga dihasilkan pengukuran sebanyak 300 data. Sensor yang di pakai menggunakan 6 jenis membran yang berbeda dan di tambah 1 buah sensor glukosa, sehingga terdapat sensor secara keseluruhan sebanyak 7 macam. Data yang dihasil adalah data yang membentuk sebuah matrik berukuran 600 x 7 data. Dengan menggunakan metode Principle Component Analysis (PCA) maka didapatkan hasil seperti pada gambar 6 di bawah ini.
Gambar 6 Klasifikasi 2 kelompok data menggunakan metode PCA
Pada pengujian ini juga didapatkan beberapa parameter dari principle component analysis seperti pada tabel di bawah ini :
Vektor Eigen dari PCA
-100 -80 -60 -40 -20 0 20 40 60 80 100 -100 -80 -60 -40 -20 0 20 40 60 80 100 Principle Componen1 = 91,1% P ri n c ip le C o m p o n e n 2 = 4 ,8 2 %
PRINCIPLE COMPONENT ANALYSIS ; DAGING SAPI DAN BABI
Kel.Sapi
Palangkaraya, 19-20 Oktober 2012 | 425 Nilai Eigen dari PCA
Principle komponen nilai_eigen1 = 3,5081 0,12% Ke-7 nilai_eigen2 = 5,9565 0,21% Ke-6 nilai_eigen3 = 17,2745 0,60% Ke-5 nilai_eigen4 = 25,7504 0,89% Ke-4 nilai_eigen5 = 65,0616 2,26% Ke-3 nilai_eigen6 = 138,7618 4,82% Ke-2 nilai_eigen7 = 2625,1 91,1% Ke-1
Respon Potensial Sensor terhadap 5 Rasa
Pada pengujian sensor terhadap sampel MgCl2 , output yang di hasilkan menunjukkan adanya kenaikan potensial listrik dengan meningkatnya konsentrasi pada larutan MgCl2. Grafik yang dihasilkan oleh respon terhadap MgCl2 menunjukkan adanya gradien positif dari grafik, yang berarti bahwa sensor dapat digunakan untuk mensensing rasa pahit yang diwakili oleh MgCl2 meskipun sifat kelinierannya belum begitu baik. Begitu juga dengan pengujian terhadap sampel asam yang di wakili oleh asam sitrat, terhadap rasa asin yang diwakili oleh NaCl, dan terhadap rasa umami yang diwakili oleh MSG. Kesemua sensor menunjukkan adanya respon peningkatan potensial listrik dengan meningkatnya konsentrasi sampel uji.
Khusus untuk pengujian sampel rasa manis, kesemua sensor menunjukkan tidak adanya respon. Hal ini dapat dilihat dari grafik yang cenderung horisontal atau mempunyai gradien hampir nol, atau dengan meningkatnya konsentrasi sampel maka tidak ada peningkatan potensial listrik yang terjadi.
Pembahasan Klasifikasi Daging Babi dan Daging Sapi menggunakan Metode PCA Pada gambar 6 hasil dari klasifikasi daging babi dan daging sapi dengan menggunakan principle component analysis menunjukkan pola klasifikasi yang sangat jelas dan dapat membedakan mana data kelompok daging babi dan mana data kelompok daging sapi. Data klasifikasi tersebut diambil berdasarkan ke-7 nilai eigen yang di hasilkan, dengan mengambil 2 nilai eigen terbesar yaitu nilai eigen ke-6 dan ke-7. Berdasarkan nilai eigen tersebut, maka
Prosiding Simposium Fisika Nasional XXV ISSN 1411-4771
426 | Palangkaraya, 19-20 Oktober 2012
vektor eigen ke-6 dan ke-7 lah yang di pakai sebagai matrik transformasi untuk principle component analysis pada klasifikasi ini.
Berdasarkan vektor eigen-7 akan membentuk priciple component ke-1 atau sebagai sumbu-x, dan berdasarkan vektor eigen-6 akan membentuk component ke-2 atau membentuk sumbu-y. Dari grafik hasil component analysis maka dapat ditunjukkan bahwa berdasarkan sumbu-x atau principle componen analysis ke-1 maka komponen ini mempunyai kontribusi untuk dapat membedakan kedua kelompok data sebanyak 91,1% yang berarti cukup besar dan hanya cukup dilihat berdasarkan komponen principle ke-1 saja sudah cukup untuk membedakan dua kelompok data yang berbeda. Berdasarkan komponen principle ke-2, maka komponen ini mempunyai kontribusi untuk dapat membedakan dua kelompok data sebesar 4,82% yang berarti sangat kurang untuk dapat membedakan dua buah kelompok data. Sedang untuk komponen principle yang lain yaitu komponen ke-3, komponen ke-4, komponen ke-5, komponen ke-6, dan komponen ke-7 mempunyai kontribusi yang jauh lebih kecil, sehingga tidak mampu untuk membedakan dua buah kelompok data.
KESIMPULAN
Berdasarkan hasil dan pembahasan yang telah dilakukan pada penelitian penentuan pola klasifikasi daging babi dan daging sapi berbasis sensor rasa menggunakan metode principle component analysis (PCA), dapat disimpulkan bahwa:
1. Bahan membran dengan bahan aktif dari campuran Lipid Trioktil Methyl Ammonium Klorida (TOMA) dan Dioktyl phosfat (DOP) dapat digunakan sebagai tranduser ataupun sensor rasa dengan sangat baik dan mempunyai kelinieran yang cukup bagus terhadap rasa asam, rasa asin, rasa pahit, dan rasa umami.
2. Bahan membran dengan bahan aktif dari campuran Lipid Trioktil Methyl Ammonium Klorida (TOMA) dan Dioktyl phosfat (DOP) tidak dapat digunakan sebagai tranduser ataupun sensor rasa untuk rasa manis.
3. Untuk mensensing rasa manis dalam penelitian ini maka digunakan sensor glukosa yang dikopel dengan data dari keenam sensor rasa untuk mensensing kedua rasa daging.
4. Pengolahan data dari larik sensor dengan menggunakan metode principle component analysis dapat membedakan dua kelompok data rasa daging Babi dan daging Sapi berdasarkan komponen prinsiple ke-1 sebesar 91,1%.
Palangkaraya, 19-20 Oktober 2012 | 427 DAFTAR PUSTAKA
1. Antonio Riul Jr. a,∗, Humberto C. de Sousa, Wine classification by taste sensors made from ultra-thin films and using neural networks, Sensors and Actuators B 98 (2004) 77– 82
2. Aprilita, N.H., Studi Pengaruh Plasticizer dan Aditif anion Lipofilik Terhadap Karakteristik Elektroda Selektif Ion Ammonium dengan Dibenzil Eter Sebagai Ionofor , Tesis, (2000), Universitas Gadjah Mada, Yogyakarta.
3. A.S. Abdul Rahman, M.M. Sim Yap, A microcontroller-based taste sensing sistem for the verification of Eurycoma longifolia. Sensors and Actuators B 101 (2004) 191–198 4. Habara, M., Ikezaki, H., Taniguchi, A., Toko, K., Improvement of sensitivity to sweet
taste substances using taste sensor with lipid polymer membrans. TIEE Japan 121-E (12), (2001) 641–645, in Japanese.
5. Zhari, I. Norhayati, L. Jaafar, Eurycoma longifolia in Malaysian Herbal Monograph, vol. 1, Malaysian Monograph Committee, National Pharmaceutical Control Bureau, Ministry of Health, Malaysia, 1999, pp. 24–27.
6. Ikezaki, H., Kobayashi, Y., Toukubo, R., Naito, Y., Taniguchi, A., Toko, K., Techniques to control sensitivity and selectivity of multichannel taste sensor using lipid membrans. Tech. Dig. Transducers 99, (1999) 1634–1637.
7. Kadidae, L.O., Sintesis Benzileugenol dan Pemanfaatanya sebagai Komponen Membran Selektif Ion, (2000), Universitas Gadjah Mada, Yogyakarta.
8. Katrien Beullens a,∗, P´eter M´esz´aros a,b, Analysis of tomato taste using two types of electronic tongues, Sensors and Actuators B xxx (2008) xxx–xxx.
9. K. Toko, Electronic tongue, Biosens. Bioelectron. 13 (1998) 701–709. 10.K. Toko, Taste sensor, Sens. Actuators B 64 (2000) 205–215.
11.Nagamori, T. Toko, K. Kikkawa, Y. Watanabe, T. and Endeou, K., ‘Detection of the Suppresion of Saltiness by Umami Subtances Using a Taste Sensor’, Sensors and Materials, (1999) vol. 11, no. 8,475-485.
12.Oohira, K., Toko, K., Theory of electric characteristics of lipid/PVC/DOPP membran in response to taste stimuli. Biophys. Chem. (1999) 2174, 1–7.
13.Oohira, K., Toko, K., Electrical characteristics of lipid/PVC/DOPP membran and PVC/DOPP membran used as transducers in chemical sensors. Sens. Mater. 9, 57–68. 14.Träuble, H., Teubner, M., Woolley, P., Eibl, H., 1972. Electrostatic interactions at
charged lipid membrans. Biophys. Chem.(1997) 4, 319–342.
Prosiding Simposium Fisika Nasional XXV ISSN 1411-4771
428 | Palangkaraya, 19-20 Oktober 2012