Evaluasi Ketahanan Electronic Nose Berbasis MOS terhadap Kontaminasi Silang Senyawa Volatil dalam Identifikasi Kualitas Daging Sapi

Aslikha Amalia; Anisa Esti Rahayu; Ekananda Sulistyo Putra; Ludia Ni’matuzzahroh

doi:10.31004/riggs.v4i4.4307

Authors

Aslikha Amalia Politeknik Perkapalan Negeri Surabaya
Anisa Esti Rahayu Politeknik Perkapalan Negeri Surabaya
Ekananda Sulistyo Putra Politeknik Perkapalan Negeri Surabaya
Ludia Ni’matuzzahroh Politeknik Perkapalan Negeri Surabaya

DOI:

https://doi.org/10.31004/riggs.v4i4.4307

Keywords:

Daging Sapi, Electronic Nose, Ketahanan Sistem, Kontaminasi Silang, Probabilistic Neural Network

Abstract

Keamanan pangan dan kualitas daging adalah faktor penting yang memengaruhi kesehatan pelanggan. Degradasi biologis yang terjadi pada daging sapi selama penyimpanan menghasilkan senyawa volatil organik seperti amonia (NH₃), hidrogen sulfida (H₂S), dan berbagai jenis VOC lainnya, yang dapat digunakan sebagai pengukur tingkat pembusukan. Metode inspeksi konvensional, seperti uji organoleptik, kimiawi, dan mikrobiologi, masih memiliki kekurangan karena bersifat subjektif, destruktif, membutuhkan waktu lama, dan memerlukan fasilitas laboratorium khusus. Elektronik Nose (E-nose) berbasis sensor MOS telah menjadi solusi yang lebih cepat dan non-destruktif. Namun, belum banyak penelitian yang melakukan uji ketahanan E-nose terhadap kontaminasi silang yang berubah-ubah dalam kondisi penyimpanan nyata. Penelitian ini mengevaluasi ketahanan E-nose berbasis sensor MQ-137, MQ-136, dan TGS2602 untuk mengidentifikasi kualitas daging sapi dengan menggunakan algoritma Probabilistic Neural Network (PNN). Pengujian dilakukan pada kondisi terkontrol dan skenario interferensi volatil, dengan jarak antara sampel segar dan busuk 25-100 cm. Model PNN menunjukkan akurasi 100% pada kondisi tanpa gangguan. Namun, pengujian pada kondisi prediksi sampel daging segar dengan jarak interferensi sampel daging busuk ≤50 cm, menyebabkan false positive dan penurunan akurasi menjadi 66,7%, artinya pola aroma sampel segar berubah karena difusi volatil pembusukan. Sebaliknya, prediksi sampel busuk tetap stabil di seluruh jarak pengujian. Hasil ini menunjukkan bahwa distribusi volatil di lingkungan sekitar memiliki pengaruh yang signifikan terhadap keandalan E-nose dan jarak lebih dari 50 cm dapat dijadikan batas operasional untuk menghindari interferensi silang. Temuan ini dapat membantu dalam pengembangan sistem inspeksi mutu daging yang portable, cepat, dan andal untuk aplikasi keamanan pangan.

Downloads

Download data is not yet available.

References

A. A. K. F. C. Dewi, N. L. R. Astitiani, and N. M. M. K. Dewi, ‘Pentingnya Keamanan Pangan Dalam Melindungi Konsumen Dari Berbagai Resiko Kesehatan’, JAKADARA: JURNAL EKONOMIKA, BISNIS, DAN HUMANIORA, vol. 3, no. 1, Apr. 2024, doi: 10.36002/jd.v3i1.2925.

A. N. Damdam, L. O. Ozay, C. K. Ozcan, A. Alzahrani, R. Helabi, and K. N. Salama, ‘IoT-Enabled Electronic Nose System for Beef Quality Monitoring and Spoilage Detection’, Foods, vol. 12, no. 11, p. 2227, May 2023, doi: 10.3390/foods12112227.

S. Sonwal, K. S. Ranjith, S. Han, Y. K. Han, M. H. Oh, and Y. S. Huh, ‘Live-tracking of beef freshness by sub-ppb level ammonia detection using WS2/rGO nanoflakes incorporating edge site-enriched acidic sulfur’, J Mater Chem A Mater, vol. 12, no. 18, pp. 11004–11019, Dec. 2024, doi: 10.1039/d3ta07831k.

X. Wu, X. Liang, Y. Wang, B. Wu, and J. Sun, ‘Non-Destructive Techniques for the Analysis and Evaluation of Meat Quality and Safety: A Review’, Dec. 2022, MDPI. doi: 10.3390/foods11223713.

Lailia Rahmawati, Achmad Maulana Hakimuddin, and Izzatul Umami, ‘Implementasi Sensor Gas MQ-136 Dan MQ-137 Untuk Mendeteksi Kesegaran Daging Sapi Menggunakan Metode Neural Network’, Jurnal Intake : Jurnal Penelitian Ilmu Teknik dan Terapan, vol. 11, no. 2, pp. 71–79, Oct. 2020, doi: 10.48056/jintake.v11i2.130.

H. Anwar, T. Anwar, and S. Murtaza, ‘Review on food quality assessment using machine learning and electronic nose system’, Biosens Bioelectron X, vol. 14, p. 100365, Sep. 2023, doi: 10.1016/j.biosx.2023.100365.

S. Pujilestari and H. Bayuadji, ‘TEKNOLOGI PANGAN CERDAS: OPTIMASI E-NOSE UNTUK DETEKSI MUTU KOPI’, Jurnal Teknologi Pangan dan Kesehatan (The Journal of Food Technology and Health), vol. 4, no. 2, pp. 120–129, Nov. 2022, doi: 10.36441/jtepakes.v4i2.2808.

B. Sumanto, Abelta Mika Setiarini, Alfonzo Aruga Paripurna Barus, Iman Sabarisman, and Muhammad Arrofiq, ‘Pembelajaran Mesin Berbasis E-nose Untuk Klasifikasi Daging Pada Produk Sosis’, JST (Jurnal Sains dan Teknologi), vol. 13, no. 1, pp. 22–32, Apr. 2024, doi: 10.23887/jstundiksha.v13i1.70307.

A. F. Juannata, D. Rahman Wijaya, and W. Wikusna, ‘Electronic Nose and Neural Network Algorithm for Multiclass Classification of Meat Quality’, in 2022 International Conference on Data Science and Its Applications (ICoDSA), IEEE, Jul. 2022, pp. 128–132. doi: 10.1109/ICoDSA55874.2022.9862888.

M. Cai, S. Xu, X. Zhou, and H. Lu, ‘Electronic Nose Humidity Compensation System Based on Rapid Detection’, Sensors, vol. 24, no. 18, Dec. 2024, doi: 10.3390/s24185881.

T. Liu et al., ‘Review on Algorithm Design in Electronic Noses: Challenges, Status, and Trends’, 2023, American Association for the Advancement of Science. doi: 10.34133/icomputing.0012.

S. Bosch et al., ‘Electronic Nose Sensor Drift Affects Diagnostic Reliability and Accuracy of Disease-Specific Algorithms’, Sensors, vol. 22, no. 23, Dec. 2022, doi: 10.3390/s22239246.

Benrad Edwin Simanjuntak and Berman Pandapotan Panjaitan, ‘Identifikasi Daging Segar terhadap Daging Busuk dengan Menggunakan Sensor Polimer Konduktif dan Jaring Saraf Tiruan (JST)’, Elkom: Jurnal Elektronika dan Komputer, vol. 16, no. 2, pp. 451–461, Dec. 2023, doi: 10.51903/elkom.v16i2.1706.

M. Mulyani, ‘Aktivitas Antioksidan pada Sosis Daging Sapi dengan Penambahan Ekstrak Bunga Kecombrang (Etlingera elatior)’, Jurnal Ilmiah Mahasiswa Pertanian, vol. 8, no. 1, pp. 201–206, Apr. 2023, doi: 10.17969/jimfp.v8i1.23031.

N. P. T. A. Rahayu, K. K. Agustina, and I. B. N. Swacita, ‘Pengaruh Lama Peletakan pada Suhu Ruang terhadap Nilai pH dan Total Bakteri Daging Sapi Bali’, Buletin Veteriner Udayana, p. 217, Jan. 2022, doi: 10.24843/bulvet.2022.v14.i03.p04.

A. Azizah and E. Soesetyaningsih, ‘Akurasi Perhitungan Bakteri pada Daging Sapi Menggunakan Metode Hitung Cawan’, BERKALA SAINSTEK, vol. 8, no. 3, p. 75, Aug. 2020, doi: 10.19184/bst.v8i3.16828.

H. Phetsang, W. Panpipat, A. Panya, N. Phonsatta, and M. Chaijan, ‘Occurrence and Development of Off-Odor Compounds in Farmed Hybrid Catfish (Clarias macrocephalus × Clarias gariepinus) Muscle during Refrigerated Storage: Chemical and Volatilomic Analysis’, Foods, vol. 10, no. 8, p. 1841, Aug. 2021, doi: 10.3390/foods10081841.

A. N. Huwaida, Taufik Muhammad Fakih, and Farendina Suarantika, ‘STUDI LITERATUR IDENTIFIKASI SENYAWA VOLATIL YANG TERKANDUNG PADA PRODUK DAGING BABI’, Bandung Conference Series: Pharmacy, pp. 534–538, Sep. 2023, doi: 10.29313/bcsp.v3i2.8952.

Radi, Barokah, L. F. Zamzami, and A. Setiawan, ‘Performance Analysis of MOS Sensors on Electronic Nose for Synthetic Flavor Classification’, 2022. doi: 10.2991/978-94-6463-086-2_75.

A. Kumar, M. Castro, and J.-F. Feller, ‘Review on Sensor Array-Based Analytical Technologies for Quality Control of Food and Beverages’, Sensors, vol. 23, no. 8, p. 4017, Apr. 2023, doi: 10.3390/s23084017.

A. T. John, K. Murugappan, D. R. Nisbet, and A. Tricoli, ‘An Outlook of Recent Advances in Chemiresistive Sensor-Based Electronic Nose Systems for Food Quality and Environmental Monitoring’, Sensors, vol. 21, no. 7, p. 2271, Mar. 2021, doi: 10.3390/s21072271.

F. A. Wenando, Y. Fatma, A. Ulfa, and J. S. Taurin, ‘Aplikasi dan Kerentanan Algoritma Probabilistic Neural Network (PNN): Systematic Literature Review’, Jurnal Computer Science and Information Technology(CoSciTech), vol. 4, no. 2, pp. 491–499, 2023, doi: 10.37859/coscitech.v4i2.5676.

S. J. Siregar, A. I. Lubis, and E. F. Ginting, ‘Penerapan Neural Network Dalam Klasifikasi Citra Permainan Batu Kertas Gunting dengan Probabilistic Neural Network’, Building of Informatics, Technology and Science (BITS), vol. 3, no. 3, pp. 420–425, Dec. 2021, doi: 10.47065/bits.v3i3.1143.

P. D. Inas Azizah, ‘Penerapan Probabilistic Neural Network pada Klasifikasi Berat Bayi Baru Lahir’, Jurnal Riset Statistika, vol. 1, no. 2, pp. 152–159, Feb. 2022, doi: 10.29313/jrs.v1i2.524.

F. K. Alarfaj and N. A. Khan, ‘Enhancing the Performance of SQL Injection Attack Detection through Probabilistic Neural Networks’, Applied Sciences, vol. 13, no. 7, p. 4365, Mar. 2023, doi: 10.3390/app13074365.

S. D. Astuti et al., ‘Gas Array Sensors based on Electronic Nose for Detection of Tuna (Euthynnus Affinis) Contaminated by Pseudomonas Aeruginosa’, J Med Signals Sens, vol. 12, no. 4, pp. 306–316, Oct. 2022, doi: 10.4103/jmss.jmss_139_21.

N. F. Abdi and Sri Rezeki Candra Nursari, ‘Pengujian Black Box pada Website dengan Metode Robustness Testing (Studi Kasus : Eiger Adventure)’, Journal of Informatics and Advanced Computing (JIAC), vol. 3, no. 2, pp. 93–96, Nov. 2022, doi: 10.35814/jiac.v3i2.4410.

Naufal Syafiq Ibrahim, ‘Analisis Diskriminan Linear Robust Dengan Penduga Minimum Covariance Determinant (Studi Kasus: Indeks Kerentanan Pangan Menurut Kabupaten/Kota Di Indonesia Tahun 2023)’, Emerging Statistics and Data Science Journal, vol. 2, no. 2, pp. 264–279, Jun. 2024, doi: 10.20885/esds.vol2.iss.2.art20.