TUGAS AKHIR
IMPLEMENTASI SENSOR GAS MQ-136 DAN MQ-137 UNTUK MENDETEKSI KESEGARAN DAGING SAPI
MENGGUNAKAN METODE NEURAL NETWORK
Disusun Guna Memenuhi Syarat Untuk Memperoleh Gelar Sarjana Strata Satu (S-1)
Diusulkan Oleh:
ACHMAD MAULANA HAKIMUDDIN NIM. 142355201015
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
UNIVERSITAS DARUL ‘ULUM JOMBANG
2020
i
Daging didefinisikan sebagai semua jaringan hewan dan semua hasil pengolahan jaringan-jaringan tersebut sesuai untuk dimakan serta tidak menimbulkan gangguan kesehatan bagi yang mengkonsumsinya. Meski dengan adanya berbagai ragam jenis daging, produk utama penjualan komoditi peternakan adalah daging sapi potong. Bahan olahan makanan dari daging sapi haruslah dipilih yang berkualitas baik. Kualitas daging sapi bergantung dengan tingkat kesegaran daging sapi tersebut. Tingkat kesegaran daging sapi ditentukan dari warna, tekstur, rasa dan aroma. Penelitian ini merancang suatu sistem untuk menentukan tingkat kesegaran daging sapi dengan menggunakan neural network.
Sistem ini memanfaatkan electronic nose dengan menggunakan sensor gas dengan jenis MQ-136 dan MQ-137. Sensor MQ-136 untuk mendeteksi gas hidrogen sulfida sedangkan MQ-137 untuk mendeteksi gas amonia. Data sensor diproses ke mikrokontroler dan mikrokontoler mengirimkan data sensor ke PC yang telah terprogram neural network. Hasil percobaan menunjukkan tingkat keberhasilan 70% dari 3 kali pengujian daging sapi segar dan tingkat keberhasilan terbaik 100% dari 3 kali pengujian daging busuk. Pada sistem ini diharapkan dapat menggantikan indra penciuman manusia dan membantu manusia untuk mendapatkan daging sapi yang segar dan layak konsumsi.
Kata kunci: daging sapi, kesegaran daging, sensor, electronic nose, neural network
iv
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
LEMBAR PENGESAHAN ... iii
ABSTRAK ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... vi
DAFTAR GAMBAR ... vii
DAFTAR TABEL ... ix
DAFTAR SOURCE CODE ... x
BAB I PENDAHULUAN 1.1. Latar Belakang ... 1
1.2. Perumusan Masalah ... 2
1.3. Tujuan Penelitian ... 2
1.4. Batasan Masalah ... 3
1.5. Manfaat Penelitian ... 3
1.6. Sistematika Penulisan ... 4
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu ... 9
2.2. Dasar Teori ... 11
2.2.1. Kesegaran Daging ... 11
2.2.2. Electronic Nose ... 11
2.2.3. Sensor Gas Semukonduktor ... 12
2.2.4. Sensor MQ-136 dan MQ-137 ... 12
2.2.5. Ardiuno Uno ... 13
2.2.6. Neural Network ... 14
2.2.7. Multilayer Perceptron ... 14
2.2.8. Algoritma Backpropagation ... 15
2.2.9. Fungsi Aktivasi ... 16
2.2.10. Spyder IDE ... 16
2.2.11. Microsoft Excel ... 17
vi
3.1. Blok Sistem ... 18 3.2. Perancangan Hardware ... 20 3.3. Perancangan Software ... 21 BAB IV PENGUJIAN DAN ANALISA
4.1. Pengujian Sensor MQ-136 dan MQ-137 ... 24 4.2. Pengujian Program Neural network ... 33 4.3. Pengujian Model... 38 BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan ... 51 5.2. Saran ... 51 DAFTAR PUSTAKA
LAMPIRAN
vii
PENDAHULUAN
Pada bab ini akan menjelaskan mengenai latar belakang masalah,
perumusan masalah, batasan masalah, tujuan tugas akhir dan manfaat tugas akhir.
1.1 Latar Belakang
Daging didefinisikan sebagai semua jaringan hewan dan semua hasil pengolahan jaringan-jaringan tersebut sesuai untuk dimakan serta tidak menimbulkan gangguan kesehatan bagi yang mengkonsumsinya. Organ- organ misalnya hati, ginjal, otak, paru-paru, jantung, limpa, pankreas, dan jaringan otot termasuk dalam definisi ini. Secara umum daging mengandung sekitar 75% air, dengan kisaran 68-80%, protein sekitar 19% (16- 22%), mineral 1% serta lemak sekitar 2.5% (1.5-13.0%).[1]
Daging merupakan salah satu komoditi peternakan yang menjadi andalan sumber protein hewani dan sangat menunjang untuk memenuhi kebutuhan dasar bahan pangan di Indonesia. Daging terbagi ke dalam dua jenis, yaitu daging ternak besar seperti sapi dan kerbau, maupun daging ternak kecil seperti domba,kambing, dan babi. Meski dengan adanya berbagai ragam jenis daging, produk utama penjualan komoditi peternakan adalah daging sapi potong.[2]
Untuk menjadi bahan olahan makanan daging sapi haruslah dipilih yang berkualitas baik. Kualitas daging sapi ini bergantung dengan tingkat kesegaran daging tersebut. Tingkat kesegaran daging sapi sendiri ditentukan dari warna, tekstur, rasa da aroma.
1
Pada saat ini untuk menentukan kesegaran dari sebuah daging masih digunakan cara biasa. Dengan memanfaatkan indra penciuman dan penglihatan kesegaran daging sapi dapat ditentukan. Terdapat juga cara yag lebih modern yaitu dengan deteksi secara kimiawi. Akan tetapi cara tersebut hanya bias dilakukan di laboratorium kimia dan gizi. Selain itu cara ini akan memakan waktu yang lama dan daging yang dideteksi akan mengalami kerusakan atau destruksi yang disebabkan oleh bahan kimia.
Oleh karena itu sudah semestinya dibangun suatu sistem yang dapat mendeteksi kesegaran daging sapi dengan cepat dan bersifat tidak destruktif.
Dengan memanfaatkan aroma dari pembusukan daging sapi,
digunakan sebuah electronic nose untuk dapat mendeteksi tingkat kesegaran daging sapi. Electronic nose sendiriterdiri dari dua buah sensor gas yang akan mendeteksi bau yang dikeluarkan oleh daging.
Berdasarkan latar belakang masalah yang telah uraikan di atas, hal ini mendorong peneliti untuk melakukan penelitian tugas akhir dengan judul
“Implementasi Sensor Gas MQ-136 dan MQ-137 Untuk Mendeteksi Kesegaran Daging Sapi Menggunkan Metode Neural network” .
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah dikemukakan sebelumnya maka dapat dirumuskan beberapa masalah antara lain :
a. Bagaimana sensor gas dapat mengenali kesegaran suatu daging.
b. Bagaimana proses pengolahan data dari tegangan dari sensor.
c. Bagaimana mengimplementasikan metode neural network untuk identifikasi tingkat kesegaran daging sapi.
1.3 Tujuan Penelitian
Penelitian pada tugas akhir ini memiliki tujuan sebagai berikut :
a. Mampu menggunakan sensor gas MQ-136 dan MQ-137 sebagai alat untuk mengidentifikasi tingkat kesegaran daging.
b. Mampu mendeskrpsikan data dari masing-masing sensor yang ditampilkan pada aplikasi Arduino
c. Mampu menerapkan metode neural network untuk mengenali tingkat kesegaran daging.
d. Mampu melakukan pengenalan terhadap tingkat kesegaran daging secara cepat, dan bersifat non-destruktif yang diimplementasikan dalam sebuah aplikasi.
1.4 Batasan Masalah
Dalam penulisan sebuah tugas akhir ini diperlukakan sebuah batasan masalah, agar masalah yang akan ditinjau tidak meluas serta sesuai dengan maksud dan tujuan yang ingin dicapai, maka penulis memberikan batasan masalah sebagai berikut :
a. Daging yang diuji merupakan daging sapi.
b. Parameter yang akan digunakan untuk menentukan tingkat kesegaran daging adalah gas H2S dan NH3 yang dihasilkan oleh daging.
c. Proses pengelolaan data tegangan sensor gas menggunkan mikrokontroller Arduino.
d. Implementasi neural network menggunakan aplikasi Spyder.
1.5 Manfaat Penelitian
Penelitian ini diharapkan dapat memeberikan manfaat bagi pembaca maupun penulis. Adapun manfaat dari perencanaan dan pembuatan TugasAkhir ini adalah sebagai berikut:
a. Mengetahui dan merancang alat pendeteksi kualitas daging sapi berdasar bau berbasis arduino uno.
b. Mengetahui pengaplikasian sensor gas MQ-136 dan MQ-137 pada alat pendeteksi kualitas daging sapi.
1.6 Sistematika Penulisan
Berikut ini sistematika penulisan Tugas Akhir dengan judul
“Implementasi Sensor Gas MQ-136 dan MQ-137 Untuk Mendeteksi Kesegaran Daging Sapi Menggunkan Metode Neural network”, yang
memuat hal-hal sebagai berikut:
a) Bagian Awal
Bagian ini terdiri atas : Halaman Judul, Halaman Persetujuan, Kata Pengantar, Daftar Isi, Daftar Tabel, Daftar Gambar, Daftar Lampiran.
Judul; Jumlah kata maksimal 20 kata, menggambarkan isi artikel dengan cermat dan ringkas, mengandung kata kunci yang akan diindekskan.
Abstrak; Jumlah kata antara 150 sampai dengan 250 kata. Dapat berdiri
sendiri jika dipisahkan dari makalahnya. Sehingga unsur harus lengkap:
tujuan penelitian, lingkup, metode ringkas dan hasil penelitian atau perencanaan. Mengandung semua kata kunci yang akan diindekskan.
Tidak mencantumkan tabel, ilustrasi, rujukan, singkatan dan akronim yang tidak dijelaskan. Pada bagian akhir abstrak terdapat Kata kunci dengan maksimum 5 kata kunci.
b) Bagian Pokok
Bagian Pokok Tugas Akhir ditulis dengan mengikuti sistematika sebagai berikut:
I. BAB I PENDAHULUAN
Bagian Pendahuluan ini menguraikan tentang:
1.1. Latar Belakang.
Latar belakang menyajikan konteks penelitian, untuk apa penelitian ini dilakukan, dan hal apa yang mengarahkan penelitian ini. Latar belakang memuat berbagai teori utama yang relevan dan baru (recent) serta dipadukan dengan studi awal dan/atau penelitian terdahulu yang memuat, menjelaskan dan menjabarkan kaitan/hubungan/pengaruh antara variabel-variabel yang akan diteliti sehingga mengerucut pada suatu persoalan unik dan kompleks. Lazimnya bagian ini diawali dengan menguraikan kesenjangan, teoritik maupun praktis, antara harapan dan kenyataan.
1.2. Perumusan masalah.
Pada bagian ini memuat; Rumusan masalah merupakan inti yang dipertanyakan pada uraian latar belakang. Permasalahan yang akan
diselesaikan, dirumuskan secara jelas dan fokus dalam bentuk kalimat tanya.
1.3. Tujuan Penelitian
Pada bagian ini memuat uraian; Tujuan dilakukannya penelitian yang ingin dicapai dan dinyatakan secara singkat dan jelas sesuai dengan permasalahan yang telah dirumuskan. Tujuan penelitian dapat berfungsi untuk menjajaki, menguraikan, menjelaskan, membuktikan, atau menerapkan suatu konsep/gejala, atau membuat suatu prototip.
1.4. Batasan Masalah
Pada bagian ini memuat uraian; Batasan pembahasan yang akan dibahas agar lebih fokus pada inti permasalahan dan tidak menyimpang dari permasalahan.
1.5. Manfaat Penelitian
Pada bagian ini memuat uraian; Manfaat/kegunaan khusus yang diharapkan dari hasil penelitian ini untuk pengembangan ilmu pengetahuan dan kemaslahatan kehidupan sehari-hari.
II. BAB II TINJAUAN PUSTAKA
Bagian ini menguraikan tentang:
1. Tinjauan Pustaka
Pada bagian ini membahas teori dan temuan penelitian terdahulu yang relevan serta mutakhir bersumber dari berbagai referensi yang dijadikan dasar melakukan penelitian. Tinjauan pustaka merupakan rangkuman singkat yang komprehensif tentang semua materi terkait yang terdapat di dalam berbagai referensi.
2. Dasar Teori
Pada bagian ini memuat dasar teori merupakan landasan teori yang diambil/dipilih berdasarkan kajian pustaka yang melatar belakangi permasalahan penelitian yang akan dilakukan. Dasar teori akan digunakan sebagai pedoman untuk merumuskan hipotesis dan merancang/mendesain penelitian
III. BAB III METODE PENELITIAN/PERENCANAAN
Pada Bab ini diuraikan desain, metode atau pendekatan yang akan digunakan dalam menjawab permasalahan penelitian / studi untuk mencapai tujuan penelitian, serta tahapan penelitian secara rinci, singkat dan jelas. Uraian dapat meliputi parameter penelitian, model yang digunakan, rancangan peneli-tian, teknik / metoda perolehan dan analisis data, langkah penelitian, teknik observasi (bila dilakukan). Bab ini bisa dilengkapi dengan gambar diagram alir tentang langkah penelitian atau gambar lain yang diperlukan untuk memperjelas metode penelitian / studi tersebut.
IV. BAB IV PENGUJIAN DAN ANALISA
Pada Bab ini dituliskan laporan rinci pelaksanaan kegiatan dalam mencapai hasil-hasil penelitian/kajiannya/perencanaan/perancangan/studi perbandingan/studi kelayakan. Tugas Akhir dapat berupa penelitian, perencanaan, perancangan, studi perbandingan, studi kasus atau hasil studi kelayakan, maka susunan laporan ini isinya dapat berbeda-beda. Tugas Akhir yang berupa perencanaan, bab ini berisi berbagai perhitungan perencanaan dan tampilan hasil perencanaannya, sedangkan untuk
kegiatan ilmiah yang lain isi bab ini tentu berbeda. Selanjutnya ditampilkan analisis keterkaitan antara kajian-kajian teori dengan fakta- fakta empirik yang telah diperoleh dalam upaya pengambilan kesimpulan.
Tulisan dalam bab ini setidak-tidaknya memberikan jawaban atas pertanyaan: (a) seberapa tingkat kebenaran ilmiah dari pemecahan masalah yang telah dihasilkan dan (b) hal-hal spesifik apa yang penting untuk menjadi perhatian dari hal yang dipermasalahkan.
V. BAB V KESIMPULAN DAN SARAN
Kesimpulan dan saran terdiri atas dua subbab, yaitu kesimpulan dan saran. Kesimpulan merupakan uraian jawaban dari rumusan masalah yang dituliskan dari atau berdasar pada diskusi hasil kajian. Untuk itu, disarankan agar pernyataan-pernyataan kesimpulan ditulis dalam rangkaian kalimatkalimat deklaratif yang tidak terlalu panjang, ringkas tetapi padat isi. Setiap saran yang ditulis setidak-tidaknya harus mengungkapkan: (a) kepada siapa saran itu diberikan, (b) apa saran yang diberikan dan (c) mengapa saran tersebut diberikan. Saran harus berdasarkan hasil kajian yang telah dilakukan.
c) Bagian Akhir
Bagian akhir Tugas Akhir adalah daftar pustaka dan dapat ditambahkan lampiran bila diperlukan. Lampiran dapat terdiri atas data atau keterangan lain yang berfungsi untuk melengkapi uraian yang disajikan dalam bagian utama Tugas Akhir.
TINJAUAN PUSTAKA
Pada bab ini, akan menjelaskan mengenai penelitian sebelumnya dan dasar teori yang digunakan sebagai bahan penunjang dalam penyusunan tugas akhir ini
2.1. Penelitian Terdahulu
Menurut Adam, Agustiawan dan Marzuarman pada tahun 2019 penelitian mereka yang berjudul “Implementasi Neural network Untuk Menentukan Tingkat Kesegaran Daging Ikan Tongkol” bahwa sensor array dengan menggunakan sensor gas MQ-3, MQ-4 dan MQ-135 dapat menentukan kesegaran daging ikan.
Sistem ini didesain menggunakan sensor gas array yang masing- masing memiliki sepesifikasi dan jenis berbeda. Sinyal sensor gas masuk menuju mikrokontroler, dan mikrokontoler akan mengirim data array sensor menuju mini PC yang telah terprogram algoritma neural network. Hasil percobaan menunjukkan tingkat keberhasilan 80% dari 15 kali pengujian.[3]
Penelitian selanjutnya adalah penelitian yang dilakukan oleh Hamdan Bagus Firmasyah, Dahnial Syauqi an Mochammad Hanntas Hanafi Ichsan pada tahun 2019 dengan judul “Implementasi Sistem Penentuan Kesegaran Daging Sapi Lokal Berdasarkan Warna dan Kadar Amonia Dengan Metode Jaringan Saraf Tiruan Berbasis Embedded System”.
Proses penentuan kesegaran daging segar diperoleh berdasarkan nilai sensor warna TCS3200 dan sensor gas MQ-135. Selanjutnya meneruskan
9
nilai pembacaan sensor dari Arduino menuju proses neural network.
Program yang digunakan menggunakan bahasa pemrograman Python. Hasil Akurasi dari pengujian yang dilakukan diperoleh sistem penentuan kesegaran daging sapi berdasarkan warna dan kadar amonia pada daging sapi lokal dengan metode jaringan syaraf tiruan yang diuji dengan jumlah data latih sebanyak 81 data dan data uji sebanyak 27 data adalah senilai 92,5
%.[4]
Sedangkan peninjauan pustaka dengan sumber yang lain dengan metode penelitian yang berbeda pula, yaitu penelitian yang dilakukan oleh Nadya, Ayu dan Nafiasari pada tahun 2018 dengan penelitian yang berjudul
“Penganalisis Kesegaran Daging Sapi Dan Daging Babi Berdasarkan Klasifikasi Warna Dan Kelembaban”.
Pada penelitian ini digunakan sensor warna TCS3200 dan sensor kelembaban YL-96. Nilai array sesor dikirim dari Arduino Uno meuju LCD dengan metode yang digunakan adalah Scoring System. . Sistem ini dirancang untuk dapat membedakan antara daging sapi dan daging babi.
Penelitian ini melibatkan pengambilan data pada daging sapi maupun daging babi sebanyak 420 data. Data-data tersebut menunjukkan bahwa sistem ini memiliki akurasi sebesar 79%, 80%, 80%, 83%, 77%, dan 81% dalam mengidentifikasi daging sapi segar, daging babi segar, daging sapi kurang segar, daging babi kurang segar, daging sapi tidak segar, dan daging babi tidak segar secara berurutan.[5]
Dari jurnal-jurnal yang penulis kaji, dapat disimpulkan bahwa semua sensor yang digunakan dalam penelitian-penelitian tersebut dapat digunakan
untuk mengidentifikasi daging. Baik dari jenis sensor gas, sensor warna maupun sensor kelembaban. Untuk itu penulis memilih menggunakan sensor dari jenis gas.
2.2. Dasar Teori
2.2.1. Kesegaran Daging
Daging segar adalah daging yang belum diolah dan atau tidak ditambahkan dengan bahan apapun. Daging segar dingin adalah daging yang mengalami proses pendinginan setelah penyembelihan sehingga temperatur bagian dalam daging antara 0 ℃ dan 4 ℃. Daging beku adalah daging segar yang sudah mengalami proses pembekuan di dalam blast freezer dengan temperatur internal minimum - 18 ℃.[6]
Kesegaran daging dipengaruhi oleh warna, tekstur, rasa dan aroma.
Aroma atau bau dari daging dari reaksi kimia yang berasal dari daging itu sendiri. Begitu pula pembusukan pada daging yang disebabkan perubahan reaksi kimia yang terjadi. Perubahan reaksi kimia tersebut berasal dari aktivitas mikroorganisme yang terjadi pada daging. Sehingga dari pembusukan pada daging mengakibatkan beberapa perubahan antara lain perubahan warna, terbentuknya lendir dan terbentunya gas.
2.2.2. Electronic nose
Electronic nose atau penciuman elektronik adalah alat yang digunakan untuk menirukan prinsip kerja indra penciuman manusia.
Elektronic nose terdiri dari rancangan elektronika sensor gas. Terdapat
komponen utama pada electronic nose yaitu sistem perasa atau sensing system dan sistem pengenalan pola atau pattern recognition system.
Sistem perasa dapat terdiri atas array atau deret dari beberapa elemen sensor yang berbeda, dimana setiap elemen akan mengenali sifat yang berbeda dari bahan kimia yang diuji. Sensor yang dipaparkan uap kimiawi atau gas akan menghasilkan sebuah karakteristik atau sebuah ciri khas.
Sistem pengenalan pola dapat mengenali karakteristik atau pola dari sistem perasa. Array atau deret yang telah didapat akan dikenali polanya. Dari hal tersebut kumpulan pola dari berbagai karakteristik gas bisa dikenali oleh sensor gas.[7]
2.2.3. Sensor Gas Semikonduktor
Berdasarkan jenis bahan atau material pembuatannya sensor gas dapat dibedakan menjadi beberapa jenis diantaranya adalah conducting polymer (CP), quartz crystal microbalances (QCM) dan metal oxide semiconductor (MOS).
MOS menjadi jenis sensor gas yang sering digunakan untuk membangun rancangan electronic nose. Hal ini didasarkan pada keuntungan yang dimiliki sensor jenis ini diantara tingginya tingkat sensitivitas sensor, ukurannya yang kecil dan konstruksi yang sederhana.
2.2.4. Sensor MQ-136 dan MQ-137
Sensor MQ-136 dan MQ-137 merupakan sensor gas berjenis MOS.
Elemen utama dari kedua sensor tersebut berupa berupa SnO2 atau timah dioksida, yang memiliki tingkat penghantar listrik atau konduktivitas yang rendah pada udara bersih. Namun ketika sensor terpapar oleh gas yang
terdeteksi maka nilai konduktivitas sensor akan meningkat sebanding dengan konsentrasi gas di udara. Bentuk fisik dari kedua sensor akan ditunkukkan pada gambar 2.1.
Gambar 2.1 Bentuk fisik sensor MQ-136 dan MQ-137
Kedua buah sensor MQ ini memiliki prinsip kerja dan karakteristik yang sama. Akan tetapi keduanya akan mendeteksi gas yang berbeda.
Sensor MQ-136 dikhususkan untuk mendeteksi konsentrasi gas H2S atau hydrogen sulfida pada udara. Sedangkan untuk sensor MQ137 dikhususkan untuk mendeteksi keberadaan gas NH3 atau amonia di udara[8].
2.2.5. Arduino Uno
Arduino Uno adalah sebuah mikrokontroller yang berbasis pada ATmega328P. Arduino Uno memiliki 14 buah pin digital input/output dimana 6 buah pin dapat digunakan sebagai output PWM, kemudian 6 buah pin input analog, sebuah kristal kuarsa dengan frekuensi 16 MHz, memiliki port USB, sebuah power jack, header ICSP dan sebuah tombol reset [9]. Bentuk fisik dari arduino akan ditunjukkan pada gambar 2.2
Gambar 2.2 Bentuk fisik dari Arduino Uno
Arduino dilengkapi dengan port USB yang digunakan untuk menyalakan mikrokontoller ini. Meskipun Arduino juga bisa dinyalakan dengan menggunakan batrei maupun sebuah adaptor. Pada Arduino Uno dilengkapi juga dengan sebuah tombol reset untuk memulai ulang sebuah program Arduino. Arduino memiliki sebuah aplikasi pemrograman tersendiri yaitu Arduino Software(IDE) dengan bahasa pemrograman C++.
Dengan pemrograman C++ akan memudahkan pengguna Arduino sebab sudah banyak refensi maupun buku panduan dalam pemrograman C++.
2.2.6. Neural network
Neural network merupakan salah satu machine learning classifiers atau model yang sangat powerfull. Neural network hampir selalu “cocok”
dengan dengan berbagai permasalahan machine learning. Sehingga Neural network dapat menjadi hypotheses untuk berbagai persoalan riil. Ide dari neural network adalah bagaimana menirukan cara kerja otak manusia. [10]
2.2.7. Multilayer Perceptron
Multilayer perceptron atau yang sering disingkat MLP adalah arsitektur yang digunakan pada neural network. Arsitektur ini difungsikan untuk memetakan sekumpulan data input menuju ke sekumpulan output yang sesuai. Multilayer perceptron terdiri atas beberapa lapisan. atau layer dari neuron dimana setiap neuron dari layer sebelumnya akan saling berhubungan dengan neuron pada layer selanjutnya. Ilustrasi seperti gambar 2.3
Gambar 2.3 Ilustrasi Multilayer Perceptron
Multilayer perceptron menggunakan teknik pembelajaran terawasi atau supervised learning berupa backpropagation untuk melakukan training atau pelatihan. Dalam multilayer perceptron setiap layer dapat memiliki jumlah neuron yang berbeda, dan juga memiliki fungsi aktivasi yang berbeda.
2.2.8. Algoritma Backpropagation
Tujuan dari pengembangan model neural network adalah untuk mencari sebuah himpunan optimal dari parameter weight dan bias sehingga fungsi dari neural network dapat mendekati atau mewakili
perilaku dari permasalahan yang aslinya. Hal ini dapat dilakukan melalui proses yang disebut sebagai training. Pada algoritma backpropagation sekumpulan data training disediakan untuk neural network. Data training adalah berupa pasangan dari input dari neural network dan target atau output yang diinginkan dari neural network.
Tahapan dalam algoritma backpropagation yaitu melakukan forward propagation, dimana sinyal yang terdapat pada layer input diteruskan sampai menuju ke layer output. Proses ini diawali dengan menginisialisasi nilai weight dan bias pada setiap neuron. Umumnya pemilihan nilai weight dan bias ini adalah berupa nilai acak antara 0 sampai 1. Kemudian nilai n akan dimasukkan menuju ke fungsi aktivasi yang menghasilkan output dari neuron. Tahap terakhir dalam algoritma backpropagation adalah melakukan update nilai weight dan bias.
2.2.9. Fungsi Aktivasi
Neural network memiliki sejumlah fungsi aktivasi yang kerap digunakan diantaranya adalah fungsi aktivasi hardlimit, linear, Log- sigmoid dan Tan-sigmoid TF. Pemilihan jenis fungsi aktivasi bergantung pada jenis permasalahan yang akan neuron coba untuk selesaikan. Hard- limit mempunyai karakteristik yaitu hanya mempunyai dua buah nilai output yaitu 0 dan 1. Jika input yang masuk ke transfer function bernilai kurang dari 0 maka output akan bernilai 0 sedangkan jika input bernilai lebih dari atau sama dengan nol maka output akan bernilai 1.
Fungsi aktivasi linear memiliki karakteristik yaitu input yang masuk ke fungsi ini akan sama dengan output fugsi aktivasi ini. Log-
sigmoid memiliki karakteristik yaitu dapat menerima input yang dapat bernilai dari -∞ hingga +∞ dan menyusutkan nilai tersebut sebagai output dengan rentang nilai antara 0 dan 1. Log-sigmoid umumnya digunakan dalam multilayer networks yang dilatih dengan menggunakan algoritma backpropagation, dikarenakan fungsi mempunyai turunan yang unik.
2.2.10. Spyder IDE
Spyder adalah aplikasi pemrograman berbasis ilmiah yang ditulis dalam bahasa pemrograman Python. Aplikasi ini banyak digunakan oleh para ilmuwan, insinyur, dan analis data. Aplikasi ini menawarkan kombinasi unik dari fungsionalitas pengeditan, analisis, debugging, dan profil lanjutan dari alat pengembangan komprehensif dengan eksplorasi data, eksekusi interaktif, inspeksi mendalam, dan kemampuan visualisasi yang indah dari paket ilmiah. [11]
2.2.11. Microsoft Excel
Microsoft Excel adalah sebuah program aplikasi spreadsheet yang dikembangkan oleh Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS X. Microsoft Excel dapat digunakan untuk mengorganisir, menghitung, menyediakan maupun menganalisa data-data dan mempresentasikannya ke dalam grafik atau diagram.[12]
METODOLOGI PENELITIAN
Pada bab ini akan dijelaskan dalam tiga bagian yaitu blok sistem, perancangan hardware dan juga software. Pada blok sistem dijelaskan alur kerja dari electronic nose. Pada hardware dimulai dengan perancangan modul electronic nose dimana dua buah sensor gas dikoneksikan dengan mikrokontoller Arduino Uno dengan menggunkana kabel jumper, kemudian dilanjutkan dengan perakitan Selanjutnya perancangan hardware dilanjutkan dengan perakitan ruang sensor atau ruang uji. Perancangan software meliputi pemrograman mikrokontroller Arduino dan pemrograman neural network.
3.1. Blok Sistem
Rancangan pada sistem ini dapat dibagi ke dalam dua buah bagian utama yaitu hardware dan juga software. Sistem hardware terdiri atas modul electronic nose, mikrokontroller Arduino Uno, USB, dan konstruksi ruang sensor. Untuk sistem software terdiri atas program pembacaan nilai electronic nose Arduino , Microsoft Excel dan program neural network menggunakan aplikasi pemrograman Spyder. Cara kerja dari sistem ditunjukkan pada gambar 3.1.
18
Gambar 3.1. Diagram blok dari sistem
Electronic nose terdiri atas array dari dua buah sensor gas yang berbeda yaitu MQ-136 dan MQ-137. Dua buah sensor gas tersebut akan dipaparkan terhadap aroma yang dikeluarkan oleh daging yang diuji. Sensor gas kemudian akan merespon aroma dari daging dengan menghasilkan nilai tegangan yang berbeda-beda bergantung terhadap tingkat kesegaran daging yang diuji. Nilai tegangan dari kedua buah sensor dalam electronic nose akan dibaca melalui mikrokontroller Arduino. Data berupa tegangan dari dua buah sensor selanjutnya akan disimpan dengan Microsoft Excel.
Selanjutnya data akan diimport pada aplikasi pemrograman Spyder. Setelah data masuk maka data akan menuju proses pendeteksian dengan neural network.
3.1 Perancangan Hardware
Pada perancangan electronic nose digunakan dua buah array atau deret dari sensor gas tipe MOS. Gambar 3.2 akan menunjukkan skema dari rangkaian electroic nose.
Gambar 3.2 Skema electronic nose
Dimana dua buah sensor gas dihubungkan dengan board Arduino.
Kemudian dilanjutkan dengan pembangunan modul electronic nose berdasar skema yang telah dirancang. Dimana modul electronic nose dihubugkan dengan board Arduino dengan menggunakan kabel jumper.
Keterangan gambar rangkaian electronic nose:
a) Kabel jumper hitam menghubungkan kaki GND dari setiap komponen ( MQ – 136 dan MQ – 137 ) ke pin GND (ground) pada Arduino Uno b) Kabel jumper biru menghubungkan kaki AOUT MQ – 136 ke pin A0 c) Kabel jumper kuning menghubungkan kaki AOUT MQ – 137 ke pin A1 d) Kabel jumper merah menghbungkan kaki VCC dari setiap komponen (
MQ – 136 dan MQ – 137 ) ke pin 5V
Setelahnya dibuatlah ruang sensor atau ruang uji untuk pendeteksian daging. Ruang uji ini berbentuk balok dengan bahan material pembuatannya adalah kaca acrilyc. Ditambahkan kipas sebagai alat bantu pembersihan udara pada ruang uji setelah digunakan. Juga ditambahkan silica gel untuk membantu kipas dalam menetralkan zat-zat kimia yang ada di udara, selain itu silica gel juga berfungsi untuk menekan pertumbuhan jamur pada ruang uji.
3.2 Perancangan Software
Perancangan electronic nose tidak hanya berfokus pada perancangan hardware saja. electronic nose yang dirancang juga akan dihubungkan dengan aplikasi Arduino untuk mengambil informasi berupa tegangan dari kedua buah sensor gas. Proses ini melibatkan pemrograman mikrokontroller pada Arduino. Hal yang pertama dilakukan adalah menginisialisasi variabel sensor gas. Maka digunakan sintaks sebagai berikut.
Source code 3.1 Inisialisasi sensor:
int rMQ_136 = analogRead(A0);
int rMQ_137 = analogRead(A1);
Karena nilai output dari sensor gas berupa nilai digital, maka harus diubah menjad-pi nilai analog. Untuk mengubahnya diperlukan nilai tegangan referensi yang umumnya bernilai sebesar 5 v. Selanjutnya digunakan sintaks berikut.
Source code 3.2 Konversi nilai sensor ke analog:
float MQ_136 = rMQ_136 * (5.00/1023.00);
float MQ_137 = rMQ_137* (5.00/1023.00);
Selanjutnya menampilkan nilai pembacaan dari sensor yang telah diubah ke niali analog. Sintaks yang digunakan adalah sebagai berikut:
Source code 3.3 Print nilai sensor:
Serial.print(MQ_136);
Serial.print(MQ_137 );
Serial.println('#');
Data yang diterima pada software Arduino akan ditampilkan dengan fitur serial monitor yang ada pada aplikasi Arduino. Data pada serial monitor selanjutnnya diterima oleh Microsoft Excel yang kemudian data tersebut disimpan dengan menggunakan format comma separated value (CSV) .
Tahap senjutnya adalah perancangan neural network, arsitektur yang digunakan pada rancangan ini ditunjukkan pada gambar 3.3.
Gambar 3.3 Arsitektur neural network
Hal ini dibuat dengan aplikasi pemrograman Spyder. Proses inisialisai neural network yang dilakukan dengan script 3.4.
Source code 3.4 Inisialissi neural network:
from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential()
Selanjutnya adalah mengimport data yang telah disimpan di folder komputer untuk ditampilkan ke Spyder. Setelah data berhasil diimport dilanjutkan dengan menjalankan program dengan menekan tombol run, saat berjalan proses training dan testing neural network akan dilakukan oleh program. Pada proses tersebut dikenal dengan istilah learning. Hasil dari learning ini disimpan sebagi model yang digunakan untuk proses deteksi kesegaran daging.
