Klasifikasi Aroma Tembakau Menggunakan Learning Vector Quantization

Abstract

Aroma tembakau ditentukan oleh kandungan gas-gas atau jumlah campuran bahan organik yang mudah menguap dan tidak mudah menguap. Proses penentuan sebelumnya telah di lakukan dengan metode analistis konvensional,yang melibatkan kombinasi antara manusia dan instrumentasi sekala besar. Metode ini sangat mahal dalam kaitannya dengan waktu dan tenaga kerja, karena membutuhkan peralatan yang sangat komplek dan tingkat ketelitian dari analisa yang di lakukan oleh ahli tembakau pada saat tertentu, karena indra penciuman ahli tembakau menjadi sangat rendah pada saat tertentu. karena indra penciuman manusia sangat tergantung pada kelembaban, suhu dan kondisi fisik. Oleh sebab itu di buatlah alat yang dapat mendekati dari hasil penciuman para ahli tembakau. Dengan mengalirkan gas yang di hasilkan tembakau ke sensor untuk dideteksi dan di lakukan proses sinyal analog menjadi sinyal digital (ADC). Setelah proses ADC, data akan di kirim ke pc melalui komunikasi serial untuk di lakukan proses pelatihan neural network menggunakan learning vector quantization untuk menentukan bobot dari jaringan neural network kemudian hasil dari pelatihan digunakan untuk klasifikasi tembakau yang diterima dan ditolak. Dari hasil pengujian sistem ini dapat mengidentifikasi tembakau yang diterima dan tembakau yang ditolak dengan tingkat ke akuratan 93,3%.