Jumlah Halaman : 108 Sinopsis : Buku ini membahas secara mendalam penerapan teknologi electronic nose (E-Nose) dalam menganalisis kualitas dan kesegaran daging sapi dengan bantuan metode machine learning, khususnya algoritma K-Nearest Neighbor (KNN). Dalam era di mana keamanan dan kualitas pangan menjadi isu penting, teknologi E-Nose hadir sebagai solusi inovatif yang mampu menggantikan metode konvensional yang seringkali bersifat subjektif. E-Nose merupakan alat berbasis sensor yang dirancang untuk meniru sistem penciuman manusia. Alat ini bekerja dengan mendeteksi senyawa volatil (volatile organic compounds) yang dilepaskan oleh daging sapi dalam berbagai kondisi kesegaran. Setiap sensor dalam perangkat ini memiliki sensitivitas terhadap jenis gas tertentu yang menandai proses pembusukan, seperti amonia, hidrogen sulfida, metana, dan etanol. Data dari sensor-sensor ini kemudian diolah menggunakan teknik KNN untuk mengklasifikasikan tingkat kesegaran daging, mulai dari segar, agak segar, hingga tidak segar. Buku ini disusun secara sistematis dalam empat bab utama. Bab pertama mengulas pentingnya kualitas daging sapi dan peran E-Nose dalam mendeteksinya. Dijelaskan bahwa kesegaran daging dapat dikenali melalui karakteristik warna, aroma, tekstur, dan rasa. E-Nose memfasilitasi deteksi aroma secara objektif dan real-time, sehingga cocok untuk digunakan dalam industri pangan. Bab kedua memperkenalkan pendekatan K-Nearest Neighbor, algoritma yang digunakan untuk klasifikasi berdasarkan kedekatan data. Dalam konteks ini, data sensor dari E-Nose dikonversi menjadi vektor numerik yang dihitung jaraknya terhadap data pelatihan. Kelas kesegaran dari daging ditentukan berdasarkan mayoritas dari k-tetangga terdekat. Bab ketiga membahas tahap implementasi teknologi secara teknis dan aplikatif. Penulis menjelaskan pengumpulan data dari sampel daging yang disimpan dalam tiga kategori kondisi: penjagaan ketat (dibekukan), penjagaan sederhana (fluktuatif), dan tanpa penjagaan (suhu ruang). Data dikumpulkan selama 17 hingga 30 hari, lalu dianalisis menggunakan Python dan pustaka scikit-learn. Model KNN dilatih dengan data yang telah dinormalisasi dan menghasilkan akurasi klasifikasi hingga 91,67%. Pengujian pada data daging dari berbagai supermarket menunjukkan variasi kesegaran yang dapat dideteksi secara objektif. Bab keempat mengulas perbandingan pola dari lima sensor utama (S1, S2, S4, S8, dan S9) dalam mendeteksi kualitas daging. Sensor-sensor ini menunjukkan tren nilai yang berbeda tergantung kondisi penyimpanan, yang menjadi dasar klasifikasi dengan KNN. Sensor S9, misalnya, konsisten mencatat nilai tinggi dalam semua kondisi, menunjukkan sensitivitas tinggi terhadap senyawa busuk. Dengan pendekatan ilmiah dan teknis, buku ini menunjukkan potensi besar E-Nose dan algoritma KNN dalam mendukung keamanan pangan. Teknologi ini dapat menjadi alat praktis dan efisien bagi industri makanan, laboratorium, hingga otoritas pengawasan mutu produk hewani.
