Responsive Banner

Klasifikasi rasa kopi liberika berdasarkan asal geografis berbasis lidah elektronika dengan metode Principle Component Analysis (PCA)

Noor, Marvina Rizqi (2021) Klasifikasi rasa kopi liberika berdasarkan asal geografis berbasis lidah elektronika dengan metode Principle Component Analysis (PCA). Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.

[img]
Preview
Text (Fulltext)
17640049.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (3MB) | Preview

Abstract

INDONESIA :

Pengklasifikasian rasa kopi liberika berdasarkan asal geografisnya dapat dilakukan dengan menggunakan perangkat lidah elektronik berbasis membran lipid. Perangkat lidah elektronik yang digunakan terdiri atas probe sensor dengan 16 membran lipid, interface dan software akuisisi data. Respon array sensor diolah menggunakan analisis multivariat Principle Component Analysis (PCA). Hasil pengolahan data PCA diperoleh nilai proporsi komulatif PC1 dan PC2 sebesar 55,1% yang mewakili kovarian seluruh data. Ketiga larutan kopi terklasifikasi dengan baik pada tiga kelompok yang berbeda. Namun data ini tidak bisa diijadikan acuan data yang benar dikarenakan berdasarkan nilai proporsi komulatif pada PC1 dan PC2 terdapat 44,9% data informasi yang hilang dari pereduksian 16 data variabel menjadi pengelompokan 2 dimensi. Perangkat lidah elektronik ini tidak cukup baik untuk mengklasifikasikan larutan kopi liberika dikarenakan bahan membrannya yang kurang cocok dengan kandungan rasa yang terdapat di dalamnya.

ENGLISH :

Liberica coffee flavor classification based on geographical origin can be done using an electronic tongue device based on lipid membranes. The electronic tongue device used consists of a sensor probe with 16 lipid membranes, an interface and data acquisition software. Sensor array responses were processed using multivariate Principle Component Analysis (PCA) analysis. The result of PCA data processing is that the cumulative proportion of PC1 and PC2 is 55.1% which represents the covariance of all data. The three coffee solutions were well classified into three different groups. However, this data cannot be used as the correct data reference because based on the cumulative proportion value on PC1 and PC2 there are 44.9% missing information data from reducing 16 variable data into 2 dimensional groupings. This electronic tongue device is not good enough to classify liberica coffee solutions because the membrane material is not suitable for the taste content contained in it.

ARABIC :

: يمكن تصنيف نكهة قهوة Liberika على أساس الأصل الجغرافي باستخدام جهاز اللسان الإلكتروني المعتمد على غشاء دهني. يتكون جهاز اللسان الإلكتروني المستخدم من مسبار مستشعر به 16 غشاء دهني وواجهة وبرنامج للحصول على البيانات. تمت معالجة استجابات صفيف أجهزة الاستشعار باستخدام تحليل تحليل مكونات المبدأ متعدد المتغيرات (PCA). نتيجة معالجة بيانات PCA هي أن النسبة التراكمية لكل من PC1 و PC2 هي %55.1 وهو ما يمثل التباين المشترك لجميع البيانات. تم تصنيف حلول القهوة الثلاثة جيدًا إلى ثلاث مجموعات مختلفة. ومع ذلك ، لا يمكن استخدام هذه البيانات كمرجع بيانات صحيح لأنه بناءً على قيمة النسبة التراكمية على PC1 و PC2 ، هناك %44.9 من بيانات المعلومات مفقودة من تقليل 16 بيانات متغيرة إلى مجموعات ثنائية الأبعاد. جهاز اللسان الإلكتروني هذا ليس جيدًا بما يكفي لتصنيف محاليل قهوة Liberica لأن مادة الغشاء غير مناسبة لمحتوى الذوق الموجود بها.

Item Type: Thesis (Undergraduate)
Supervisor: Tazi, Imam and Hastuti, Erna
Contributors:
ContributionNameEmail
UNSPECIFIEDTazi, ImamUNSPECIFIED
UNSPECIFIEDHastuti, ErnaUNSPECIFIED
Keywords: INDONESIA : Kopi Liberika; Lidah Elektronik; Principle Component Analysis (PCA) ENGLISH : Liberica Coffee; Electronic Tongue; Principle Component Analysis (PCA) ARABIC : الكلمات الدالة: قهوة Liberika ، اللسان الإلكتروني ، تحليل المكونات الأساسية (PCA)
Departement: Fakultas Sains dan Teknologi > Jurusan Fisika
Depositing User: Marvina Rizqi Noor
Date Deposited: 03 Jan 2022 11:28
Last Modified: 03 Jan 2022 11:28
URI: http://etheses.uin-malang.ac.id/id/eprint/32946

Downloads

Downloads per month over past year

Actions (login required)

View Item View Item