Aplikasi Electronic Nose Berbasis Sensor MQ-2 dan MQ-9 dalam Deteksi Adulterasi Daging Babi pada Produk Bakso Sapi
Tahun 2026 · Penulis: Riski Intania
Faculty of Agricultural Technology, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10056
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Aplikasi Electronic Nose Berbasis Sensor MQ-2 dan MQ-9 dalam Deteksi Adulterasi Daging Babi pada Produk Bakso Sapi
Perzinahan bakso sapi dengan daging babi adalah masalah serius di Indonesia. Sebagian besar penduduk adalah Muslim, memenuhi standar makanan yang tidak salah adalah persyaratan dasar yang harus dijamin. Praktek ini didorong oleh alasan ekonomi dan keinginan untuk meningkatkan rasa, namun secara langsung berdampak hak dan kesehatan konsumen Muslim. Dalam penelitian ini, sebuah sistem elektronik (E-Nose) dikembangkan berdasarkan sensor MQ-2 dan MQ-9 dan dioptimalkan menggunakan pembelajaran yang diawasi, seperti Dukungan Mesin Vektor (SVM), Jaringan Konvolutional (CNN), dan Bidictional Long Short-Term Memory Convolutional Neural Networks (BiLSTM-CNN), sebagai pengujian cepat dan non-destructive metode untuk mendeteksi pesi babi dewasa dalam bakso daging. Tujuh varian sampel bakso daging sapi dengan kandungan daging babi 0% (kontrol negatif), 7%, 15%, 22%, 30%, 37,5%, dan 75% (kontrol positif) dievaluasi dalam desain eksperimental satu faktor dengan tiga replika. Detection dilakukan pada 70 °C menggunakan E-hidung melalui prosedur pembersih-pengasingan-pengosongan-pengosongan, dan data keluaran diproses melalui interloop, normalisasi, statistik fitur ekstraksi, dan klasifikasi menggunakan Python 3 berbasis Google Colab. MQ-2 dan MQ-9 pola sinyal digital menunjukkan kurva respon konsisten selama fase penginderaan, dengan konsentrasi gas (ppm) meningkat tajam, menunjukkan kinerja sensor optimal. Ketiga model mencapai 100% akurasi untuk sampel A1, A2, A3, A5, dan A6. Namun, untuk sampel A4 (15% daging babi), keakuratan SVM dan CNN menurun menjadi 99,5%, sedangkan BiLSTM-CNN konsisten mempertahankan 100% akurasi. Hasil ini menunjukkan bahwa e-hidung, berdasarkan MQ-2 dan MQ-9 sensor yang dioptimasi dengan pengawasan belajar, adalah perangkat yang mampu cepat dan akurat mendeteksi perzinaan bahkan pada tingkat rendah (7%).
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,898
Tahun 2026 · Penulis: Emah Nada Ardiyani
Deteksi Adulterasi Daging Babi pada Kornet Sapi Menggunakan Electronic Nose Berbasis Sensor MQ2 dan MQ9
Kasus-kasus perzinahan daging babi dalam produk daging yang diproses meningkat, khususnya pada daging sapi yang dikobarkan, yang sulit diidentifikasi secara visual dan mungkin melanggar persyaratan halal. Penelitian ini bertujuan untuk menganalisis pola sinyal
- Cosine 0,872
Tahun 2026 · Penulis: Deshita Ayu Lahiyyatul Aqliyah
Deteksi Adulterasi Daging Babi Pada Patty Sapi Menggunakan Electronic nose Berbasis Sensor MQ5 dan MQ6
Permintaan produk-produk halal di Indonesia belum sepenuhnya dipenuhi oleh jaminan sertifikasi halal untuk produk daging yang diproses. Kasus perzinaan babi masih ditemukan dalam produk seperti daging daging, tanpa konsumen diberitahu, sehingga menyebabkan ker
- Cosine 0,845
Tahun 2026 · Penulis: Meia Roza Maharani
Aplikasi Electronic Nose Berbasis Sensor MQ2 dan MQ9 dalam Deteksi Adulterasi Daging Babi pada Bakso Ayam
Bakso adalah produk makanan daging yang diproses yang sering kali dan mudah dicemari dengan daging babi untuk meningkatkan rasa produk. Penelitian ini bertujuan untuk mengembangkan sistem deteksi cepat berdasarkan hidung elektronik menggunakan sensor MQ2 dan M