Pengenalan pola respon Array Sensor Gas dengan menggunakan Metode Principal Component Analysis (PCA) dan Cluster Analysis (CA): Studi kasus pada Daging Sapi dan Daging Babi

ABSTRAK

Terdapat beberapa proses uji untuk produk daging agar standar untuk dikonsumsi. Salah satunya melalui evaluasi organoleptic yaitu berdasarkan organ indera manusia seperti tampilan daging, warna, tekstur, bau, dan rasa. Penelitian ini bertujuan untuk mengklasifikasi sampel daging sapi dan daging babi melalui pendeteksian aroma daging. Untuk mengetahui pola respon array sensor gas terhadap sampel digunakan metode Principal Component Analysis (PCA), dan metode Cluster Analysis (CA). Berdasarkan tujuan tersebut, diharapkan hidung elektronik dapat digunakan sebagai salah satu instrumen untuk evaluasi organoleptic pada daging.

Daging yang digunakan adalah daging sapi dan daging babi standar konsumsi. Daging sapi dan babi seberat 1 ons kemudian digiling menggunakan blender. Dilakukan pengujian dengan menggunakan sistem hardware hidung elektronik. Data yang didapat kemudian diolah dengan integral numerik trapezoid dan dianalisis dengan metode statistik multivariat PCA dan CA.

Data yang telah diolah menghasilkan score plot yang menunjukkan klaster daging sapi dan babi. Pada loading plot menunjukkan bahwa hampir semua sensor memiliki kontribusi dalam pengambilan data. Selain itu, diketahui nilai proporsi pada PC1 yaitu 0,934 dan pada PC2 yaitu 0,049. Sehingga untuk kumulatif 2 PC terbesar pertama yaitu PC1 dan PC2 mencapai 98.3%. Hal ini berarti bahwa hanya dengan data 2 dimensi, bisa mewakili data 9 dimensi dengan penyederhanaan menggunakan PCA. Dengan menggunakan metode statistik multivariat CA didapatkan 2 klaster yaitu klaster daging sapi dan klaster daging babi dengan jarak antar klaster bernilai 2.48.

ABSTRACT

There were several processes in order to test standard meat products. One of them through organoleptic evaluation, that was based on human sensory organs such as meat appearance, color, texture, smell, and taste. This research aims to classify the samples of beef and pork through detection the meat’s odor. The second objective is to determine the pattern of response array of gas sensor to the sample using Principal Component Analysis (PCA), and Cluster Analysis (CA). Based on these objectives, the expected electronic nose can be used as an instrument for the organoleptic evaluation of meat.

The sample were beef and pork in standard product. Beef and pork were weighing 1 ounce then ground using a blender. Testing was done by using an electronic nose. Preprocessing data was used integral numeric trapezoidal method. The alalysis of classification was used multivariate statistical method PCA and CA.

The final data would processed to produce a score plot that shows clusters of beef and pork. At the loading plots showed that almost all of the sensors have contributed in data retrieval. After that, it would be known the value of the proportion of the PC1 and on PC2 ie 0.934 0.049. So as cumulative of first biggest 2 PC, from PC1 and PC2 reaches 98.3%. This means, there are two-dimensional data, the data could represent a simplification 9 dimensions by using PCA. By using multivariate statistical CA methods, it obtained two clusters namely cluster beef and pork cluster with distances between clusters worth 2:48.