Adaptasi Sensor Drift pada Electronic Nose untuk Klasifikasi Kopi Campuran Pinang Menggunakan Deep Learning (Constrastive Edge-Labeling Graph Neural Network)
Tahun 2026 · Penulis: Cyatria Wichaksana Ristanto
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Klasifikasi varietas kopi yang dicampur bubuk pinang menggunakan teknologi Electronic Nose sering terkendala oleh fenomena sensor drift yang mengubah distribusi data akibat penuaan sensor dan kompleksitas aroma. Penelitian ini bertujuan mengatasi degradasi performa tersebut menggunakan arsitektur Contrastive Edge-Labeling Graph Neural Network (CEGNN). Metode ini mengintegrasikan Squeeze-and-Excitation Block untuk filtrasi noise adaptif pada sinyal mentah dan menerapkan strategi Few-Shot Learning untuk melakukan adaptasi domain secara efisien dengan memanfaatkan sampel referensi yang terbatas. Evaluasi kronologis menunjukkan bahwa CEGNN mampu mempertahankan rerata akurasi 54,58% dengan standar deviasi 13,90%, secara signifikan mengungguli model GNN baseline yang hanya mencapai 39,58%. Dengan peningkatan kinerja sebesar 15,00% dan laju degradasi performa yang lebih landai, pendekatan ini terbukti efektif dalam memitigasi efek drift serta menjaga stabilitas klasifikasi aroma kopi dalam jangka panjang.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,849
Tahun 2026 · Penulis: Riki Yudi Prayitno Faizal Tanjung
Implementasi Yolov8-seg Berbasis SAHI Untuk Instance Segmentation Cacat Biji Kopi Berdasarkan Standar SCA
Kualitas fisik biji kopi hijau merupakan penentu utama mutu produk pada segmen specialty coffee. Keberadaan cacat fisik berpotensi menurunkan nilai ekonomi komoditas secara signifikan. Penelitian terdahulu berbasis computer vision umumnya menggunakan object de
- Cosine 0,843
Tahun 2025 · Penulis: R. Fasich Aulia Pratama Iman
Perbandingan Metode Noise Filtering SG, DWT, FFT pada Klasifikasi Kopi Berbasis E-Nose
Sinyal Electronic Nose (E-Nose) rentan terhadap noise yang dapat menurunkan akurasi klasifikasi kualitas kopi. Penelitian ini bertujuan membandingkan efektivitas tiga metode noise filtering, yaitu Discrete Wavelet Transform (DWT), Fast Fourier Transform (FFT),
- Cosine 0,836
Tahun 2025 · Penulis: Firliya Nanda Iqtisadi Walmalia
Implementasi E-Nose Untuk Menentukan Level Roasting Biji Kopi Arabika (Coffea arabica L.) Dan Kopi Robusta (Coffea canephora)
Penyangraian merupakan salah satu proses penting dalam menentukan kualitas akhir biji kopi. Penyangraian mempengaruhi karakteristik aroma dan rasa kopi yang dihasilkan. Proses penyangraian diklasifikasikan menjadi tiga tingkat sangrai, yaitu light roast, mediu