IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA

Transkripsi

1 IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA Scent Identification with Electronic Nose Method on Arabica And Coffee Blending using Pattern Recognition System Surya Abdul Muttalib 1, Joko Nugroho W,K. 2, Nursigit Bintoro 2, Sri Rahayoe 2 1 Program Studi Teknik Pertanian, Fakultas Teknologi Pangan dan Agroindustri Universitas Mataram 2 Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Gadjah Mada surya_muttalib@yahoo.com ABSTRACT Aim of this study was to determine value of Arabica and coffee blending using Neural Network pattern recognition systems based on Electronic Nose scent readings. The architecture was built using 4 pieces hidden layer with 4 neurons input in the form of Electronic Nose gas readings. While for output (target) was the value of blending coffee with three neurons which are a combination of binary digits 0 and 1. Artificial Neural Networks developed in this research can be used in recognizing the value of Arabica and coffee blending with an accuracy of 75. Key Word: Electronic Nose, Pattern Recognition Systems, Neural Network. ABSTRAK Penelitian ini bertujuan untuk menentukan nilai blending kopi Arabika dan menggunakan system pengenalan pola Jaringan Syaraf Tiruan berdasarkan aroma hasil pembacaan Electronic Nose. Arsitektur yang dibangun menggunakan 4 buah hiden layer dengan 4 buah neuron input berupa hasil pembacaan gas Electronic Nose. Sedangkan untuk out put (target) merupakan nilai blending kopi dengan tiga buah neuron yang merupakan kombinasi biner angka 0 dan 1. Jaringan Syaraf Tiruan yang dikembangkan dalam penelitian ini mampu digunakan dalam mengenali nilai blending kopi Arabika dan dengan ketepatan 75. Kata kunci : Electronic Nose, Sistem Pengenalan Pola, Jaringan Syaraf Tiruan. PENDAHULUAN Kopi menjadi salah satu dari lima komoditas utama perdagangan dunia (Taylor, 2005). Nestle (2004) menyatakan bahwa kopi menjadi komoditas pertanian utama kedua di dunia. Selain itu, kopi memiliki peranan vital dalam memberikan tambahan devisa bagi negara pengekspornya. Secara umum ada dua jenis kopi yang budidayakan di Indonesia yaitu kopi dan Arabika. Kopi Arabika memiliki mutu cita rasa lebih baik dibandingkan kopi (Siswoputranto, 1993), sehingga jika kedua jenis kopi ini dipadukan dimungkinkan akan menghasilkan kualitas flavor yang baik dengan cita rasa tinggi dan warna yang kuat. Penelitian Bicchi et al., (1995) menyatakan bahwa campuran kopi arabika dan robusta dapat meningkatkan nilai ekstraksi dan menyaring rasa masam pada kopi robusta, sedangkan dengan melebihkan persentasi jumlah kopi arabika dapat memperjelas rasa pahit dan secara umum meningkatkan aroma yang dihasilkan. Evaluasi organoleptik produksi kopi pabrikan biasanya secara tradisional bergantung pada indera manusia. Namun, indera manusia biasanya tidak stabil, tergantung kondisi fisik atau mental yang bersangkutan pada saat itu, dan hanya ukuran kualitatif yang bisa ditetapkan. Untuk 73

2 memungkinkan evaluasi rasa produksi kopi dengan kehandalan tinggi yang kontinu, sistem sensor elektronik yang menghasilkan pengukuran obyektif bisa digunakan (Gopel et all., 1989). Salah satu alat yang bisa digunakan adalah Electronic Nose (Hidung Elektronik) untuk identifikasi aroma. Dengan penggunaan alat tersebut didapatkan hasil evaluasi kualitas kopi yang lebih valid. Artificial Neural Network (ANN) atau yang lebih dikenal dengan Jaringan Syaraf Tiruan (JST) telah muncul sebagai alat yang menarik untuk pemodelan proses yang kompleks. Kekuatan dari JST adalah struktur yang umum dan memiliki kemampuan untuk mempelajari dari data historikalnya (Desai et al., 2008). Sehingga dalam penelitian ini pengujian analisis blending kopi Arabika dan menggunakan sistem pengenalan pola Jaringan Syaraf Tiruan. Adapun tujuan dari penelitian ini mengetahui pengaruh perbedaan lama waktu penyangraian kopi terhadap kadar air kopi Arabika dan dan mengklasifikasikan blending kopi Arabika dan berdasarkan kualitas aroma dan kadar air kopi dan Arabika menggunakan metode pengenalan pola Jaringan Syaraf Tiruan (JST) METODOLOGI PENELITIAN Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Oktober 2011 Sampai bulan Januari Tahun 2012 di Laboratorium Rekayasa Pengolahan Hasil Pertanian, Laboratorium Teknik Pangan dan Pasca Panen Fakultas Teknologi Pertanian Universitas Gadjah Mada. Alat Dan Bahan Bahan yang dipakai dalam penelitian ini adalah biji Kopi dan Arabika kualitas A yang telah diproses dengan pengolahan cara kering dari Pengolahan Kopi Rakyar di Kecamatan Candi Roto, Temanggung, Jawa Tengah. Dalam penelitian ini, peralatan yang dipakai sebagai berikut: Alat Roasting kopi Merk Reksa, thermokopel, themodigital, Elektronik Nose (hidung elektronik), dengan 4 buah sensor (, TGS825, TGS826, TGS2602), Komputer (Notebook), oven pengering, erlenmeyer, timbangan digital, stopwatch, blender, alat tulis. Analisis jaringan syaraf tiruan menggunakan program matlab 2010a. Prosedur Percobaan Rancangan percobaan Pada penelitian ini dilakukan penyangraian Kopi Arabika dan dengan Suhu penyangraian 220ºC dengan lama penyangraian 20 menit, 30 menit, 40 menit, 50 menit, dan 60 menit baru dilakukan proses Blending Kopi Arabika dan dari hasil penyangraian yang optimal. Persentase Blending Kopi Arabika dan yang digunakan yaitu: A : Arabika 100% : 0% B : Arabika 75% : 25% C : Arabika 50% : 50% D : Arabika 25% : 75% E : Arabika 0% : 100% 74

3 Tahapan Penelitian Adapun bagan alir penelitian sebagai berikut: Biji Arabika Biji Sortasi Sortasi T=220 C; Penyangraian Penyangraian T=220 C; Kopi sangrai Arabika optimum Kopi sangrai optimum Blending Perbandingan Kopi Arabika dan : 0%:100%, 25%:75%, 50%;50%, 25%:75%, 100%:0% Pengujian Aroma dan Kadar Air Analisis JST Selesai Gambar 1. Bagan alir penelitian HASIL DAN PEMBAHASAN Penentuan Kualitas (Grade) Kopi Blending Arabika dengan Dalam penentuan grade kopi blending menggunakan jaringan syaraf tiruan ini, data yang digunakan adalah data 4 buah sensor aroma Electronic nose. Ada dua buah arsitektur yang dibangun dalam menentukan grade kopi blending Arabika dan yaitu 1) arsitektur penentuan kelas (kelompok) blending Arabika dan, dan 2) arsitektur penentuan nilai blending suatu sampel berdasarkan input sensor aroma Electronic Nose. Penentuan kelas blending kopi Arabika Dan Tujuan dari analisis ini adalah untuk mengelompokkan atau menentukan kelas kopi blending Arabika dengan sesuai dengan perlakuan blending yang diberikan. Penentuan grade kopi blending dalam penelitian ini menggunakan metode pelatihan tak terawasi. Pelatihan metode tak terawasi merupakan pelatihan yang dilakukan tanpa 75

4 menentukan nilai target out put dari arsitektur yang dibuat. Arsitektur JST Blending Data input Hiden layer Σ1 Out Put Σ2 Σ3 Σ4 Grade Kopi Blending Σn Gambar 2. Arsitektur kopi blending Arabika dan Data yang dimasukkan berupa 21 buah data pembacaan nilai voltase sensor aroma Electronic nose dari 5 perlakuan blending kopi blending Arabika dengan yang telah dilakukan. Setelah semua data dimasukkan kemudian dilakukan proses training dan validasi. Dari hasil pelatihan di atas didapatkan goal tercapai pada epoch ke-8960 dengan nilai R sebesar 0,991. Seperti yang terlihat pada Gambar 3. b... Gambar 4. Hasil pengujian JST kopi blending Arabika dengan Hasil penentuan kualitas kopi blending Arabika dengan sesuai dengan Gambar 4. Berdasarkan hasil analisa di atas dapat dilihat bahwa pada saat validasi data dari 21 satu data dimasukkan semuanya dapat ditentukan dengan tepat oleh JST yang dibangun. Penentuan Nilai Blending Kopi Arabika dan Arsitektur yang dibangun dalam penelitian ini bertujuan untuk dapat menentukan nilai blending sampel yang diidentifikasi menggunakan E-nose. Out put yang dihasilkan berupa nilai blending sampel. Adapun arsitektur yang dibangun sebagai berikut: Arsitektur JST 1 Data input Hiden layer Out Put (blending) Σ1 Σ2 Σ3 1 Gambar 3. Pencapain goal proses training kopi blending Arabika dengan Σ4 Σn 2 3 Setelah dilakukan proses training dan validasi selanjutnya dilakukan proses pengujian. Hasil pengujian 21 data yang dimasukkan dapat dilihat bahwa JST mampu menentukan kualitas grade kopi blending berdasarkan nilai input aroma. Hal ini dapat dilihat pada Gambar 4. Gambar 5. Arsitektur kopi blending Arabika dan b 76

5 Data yang dimasukkan berupa 21 buah data pembacaan nilai voltase sensor aroma Electronic nose dari 5 perlakuan blending kopi blending Arabika dengan yang telah dilakukan. Setelah semua data dimasukkan kemudian dilakukan proses training dan validasi. Dari hasil pelatihan di atas didapatkan goal tercapai pada epoch ke-8960 dengan nilai R sebesar 0,991. Seperti yang terlihat pada Gambar 6. Hasil penentuan kualitas kopi blending Arabika dengan sesuai dengan Gambar 4. Berdasarkan hasil analisa di atas dapat dilihat bahwa pada saat validasi data dari 21 satu data dimasukkan semuanya dapat ditentukan dengan tepat oleh JST yang dibangun. Penentuan Nilai Blending Kopi Arabika dan Arsitektur yang dibangun dalam penelitian ini bertujuan untuk dapat menentukan nilai blending sampel yang diidentifikasi menggunakan E-nose. Out put yang dihasilkan berupa nilai blending sampel. Adapun arsitektur yang dibangun sebagai berikut: Arsitektur JST 1 Data input Hiden layer Out Put (blending) Σ1 Σ2 Σ3 1 Gambar 6. Pencapain goal proses training kopi blending Arabika dengan Σ4 2 3 Setelah dilakukan proses training dan validasi selanjutnya dilakukan proses pengujian. Hasil pengujian 21 data yang dimasukkan dapat dilihat bahwa JST mampu menentukan kualitas grade kopi blending berdasarkan nilai input aroma. Hal ini dapat dilihat pada Gambar 7. Gambar 7. Hasil pengujian JST kopi blending Arabika dengan Gambar 8. Arsitektur penentuan nilai blending kopi Arabika dan Pada desain arsitektur yang dibangun, input yang diberikan merupakan 70 data hasil pembacaan sensor dari E-nose dengan 50 (70%) buah data sebagai training dan 20 data (30%) sebagai pengujian. data pengujian merupakan ulangan ketiga dari perlakuan blending. Arsitektur yang dibangun menggunakan 4 buah hiden layer dengan 4 buah neuron input berupa hasil pembacaan gas E-nose sedangkan untuk out put (target) merupakan nilai blending kopi dengan tiga buah neuron yang merupakan kombinasi biner angka 0 dan 1. Penentuan nilai target dari arsitektur JST yang dibangun dapat dilihat pada Tabel 1. Σn b 77

6 Tabel 1. Nilai target aritektur JST penentuan nilai kopi blending Arabika dan Persentase Blending Nilai Blending Target (out put JST) Arabika : = 100% : 0% Arabika : = 75% : 25% Arabika : = 50% : 50% Arabika : = 25% : 75% Arabika : = 0% : 100% Gambar 9. Proses training penentuan nilai blending kopi Arabika dan Dari hasil training didapatkan bahwa goal tercapai pada epoch ke 1576 dengan nilai R sebesar 0,980. Hal ini dapat dilihat pada Gambar 9. Setelah didapatkan training terbaik selanjutnya dilakukan prosses validasi untuk menilai ketepatan arsitektur yang dibangun. Perintah yang digunakan yaitu y=sim(net,b); Dari hasil validasi data didapatkan JST mampu dengan tepat menentukan nilai blending kopi blending Arabika dan dengan nilai ketepatan 100% sesuai dengan target pelatihan yang diberikan. Setelah itu dilakukan pengujian dengan memasukkan data baru berupa data 20 data pengujian yang mana data tersebut merupakan data ulangan ketiga dari perlakuan blending yang diberikan. Dari hasil pengujian menunjukkan bahwa JST mampu menentukan dengan tepat 15 data pengujian dan 5 buah data yang kurang tepat atau nilai kebenarannya sebesar 75%. KESIMPULAN Adapun kesimpulan yang dapat diambil dalam penelitian ini yaitu persentase Blending kopi Arabika dan Arabika 75% : 25% memiliki aroma yang sama dengan 100% Arabika dengan grade 1, sehingga penggunaan 25% cukup baik dalam mensubstitusi penggunaan kopi Arabika dan Jaringan Syaraf Tiruan yang dikembangkan dalam penelitian ini mampu digunakan dalam mengenali nilai blending kopi Arabika dan dengan ketepatan 75. DAFTAR PUSTAKA Bicchi CP, Binello AE, Pellegrino GM, Vanni AC Coffee chemestry. J. Agric Food Chem 43: Gopel,W., Hesse,J., Zemel,J.N Sensors : A Comprehensive Survey, VCH Verlagsgessellschaft Kusumoputro B dan Jatmiko, W Pengembangan Sistem Penciuman Elektronik Dengan 16 Buah Sensor Kuarsa Dan Algoritma Neural Propagasi Balik Untuk Pengenalan Aroma Campuran. Makara, sains, vol. 6, no. 3, desember Fakultas Ilmu Komputer, Universitas Indonesia, Depok, diakses pada tanggal 25 Desember 2010 pukul 9.25 AM. http//repository.ui.ac.id Nestle, S.A Face Of Cofee. Nestle. A Review On The Competitivn Siswoputranto, P.S Kopi Internasional dan Indonesia. Kanasius. Jakarta. 78