Klasifikasi Kematangan Buah Nanas (Ananas comosus) Berdasarkan Data Hidung Elektronik Multisensor Menggunakan Algoritma Random Forest
Kata Kunci:
Klasifikasi tingkat kematangan, Nanas, Hidung elektronik, Random Forest, Non-destruktifAbstrak
Indonesia merupakan salah satu produsen nanas terbesar di dunia, sehingga penentuan tingkat kematangan buah menjadi hal penting untuk menjaga mutu dan mendukung distribusi pascapanen. Penilaian kematangan secara tradisional yang mengandalkan pengamatan visual dan pengalaman petani sering kali bersifat subjektif dan kurang konsisten. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem hidung elektronik multisensor berbasis sensor gas MQ untuk mendeteksi senyawa volatil yang dilepaskan buah nanas selama proses pematangan, serta mengevaluasi kinerja algoritma Random Forest dalam klasifikasi tingkat kematangan. Sistem terdiri atas chamber sampel dan chamber sensor yang dilengkapi lima sensor gas (MQ-2, MQ-3, MQ-4, MQ-5, dan MQ-135), modul ADS1115, serta mikrokontroler ESP32 untuk akuisisi data. Data hasil pengukuran diekstraksi menjadi beberapa parameter fitur sinyal, kemudian dibagi menjadi 70% data latih dan 30% data uji dari total 40 data sampel. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan nanas ke dalam empat kategori kematangan (mentah, setengah matang, matang, dan terlalu matang) dengan akurasi sebesar 92%, di mana sensor MQ-135 memberikan kontribusi terbesar dalam proses klasifikasi. Temuan ini menunjukkan bahwa kombinasi hidung elektronik multisensor dan Random Forest dapat menjadi metode yang efektif, objektif, dan non-destruktif dalam menentukan tingkat kematangan buah nanas.Referensi
D. Noviandini, H. Hasnah, and R. Hariance, “Faktor-Faktor Yang Mempengaruhi Volume Ekspor Nanas Kaleng Indonesia Ke Amerika,” JOSETA J. Socio-economics Trop. Agric., vol. 5, no. 1, pp. 27–35, 2023, doi: 10.25077/joseta.v5i1.455.
BPS, “Statistik hortikultura 2024,” Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id
Pusat Data dan Informasi Pertanian, Outlook Komoditas Pertanian Subsektor Hortikultura Nanas Indonesia. Jakarta: Jakarta: Pusat Data dan Informasi Pertanian, 2023.
R. April, R. Prastiwi, H. Halin, and S. K. Hildayanti, “Pelatihan Pengolahan Pangan Lokal Berbahan Baku Nanas Program MBKM KKN Tematik Indo Global Mandiri,” J. Pengabdi. Mandiri, vol. 1, no. 2, pp. 291–300, 2023.
I. W. Puguh et al., “Industri Kreatif Pengolahan Buah Nanas Menjadi Varian Keripik Dan Kerupuk Untuk Meningkatkan Perekonomian Masyarakat Di Desa Laeya Kecamatan Laeya Kabupaten Konawe Selatan,” J. Sultra Sains, vol. 5, no. 1, pp. 1–7, 2023, doi: 10.54297/sultrasains.v5i1.430.
M. Mohd Ali, N. Hashim, S. K. Bejo, M. Jahari, and N. A. Shahabudin, “Innovative non-destructive technologies for quality monitoring of pineapples: Recent advances and applications,” Trends Food Sci. Technol., vol. 133, pp. 176–188, Mar. 2023, doi: 10.1016/j.tifs.2023.02.005.
M. R. Arifandi, N. Zahra, and E. Juliastuti, “Rancang Bangun Sistem Penentuan Mutu Buah Lemon Berbasis Pengolahan Citra,” J. Otomasi Kontrol dan Instrumentasi, vol. 13, no. 2, pp. 117–123, 2021, doi: 10.5614/joki.2021.13.2.7.
A. T. Lodong, A. W. Widodo, and M. A. Rahman, “Penentuan Mutu pada Citra Buah Jeruk Keprok menggunakan Metode Local Binary Pattern (LBP),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 4, pp. 1616–1622, 2023.
L. H. Zain, E. Setiawan, and H. Fitriyah, “Sistem Deteksi Kematangan Buah Mangga berdasarkan kandungan Gas NH3, C2H5OH dan VOCs menggunakan metode K-Nearest Neighbor (K-NN),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5(9), no. 9, pp. 3792–3798, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
M. Al-Khalili, P. B. Pathare, S. Rahman, and N. Al-Habsi, “Aroma compounds in food: Analysis, characterization and flavor perception,” Meas. Food, vol. 18, no. March, p. 100220, 2025, doi: 10.1016/j.meafoo.2025.100220.
D. Liandaputra and A. Zahra, “Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Metode Deep Learning,” G-Tech J. Teknol. Terap., vol. 8, no. 2, pp. 1091–1103, 2024, doi: 10.33379/gtech.v8i2.4122.
D. Puspitasari, A. Surtono, S. W. Suciyati, and G. A. Pauzi, “Aplikasi Sensor TGS2620 dan MQ138 untuk Mendeteksi Kematangan Buah Durian Berbasis Raspberry Pi 3B,” J. Teor. dan Apl. Fis., vol. 9, no. 2, p. 167, 2021, doi: 10.23960/jtaf.v9i2.2760.
I. D. A. Adwitya Prawangsa and D. A. A. I. N. Eka Karyawati, “Perbandingan Metode Ensemble Learning Random Forest Dan Adaboost Pada Pengenalan Chord Instrumen Piano Dan Gitar,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 12, no. 4, p. 809, 2024, doi: 10.24843/jlk.2024.v12.i04.p07.
S. Ibrahim and M. Iqbal, “Analisis Metode Support Vector Machine (SVM) Dan,” J. Ris. Sist. Inf. Dan Tek. Inform., vol. 10, pp. 453–467, 2022, [Online]. Available: https://tunasbangsa.ac.id/ejurnal/index.php/jurasik
S. Ramadhani and I. Maratul Khamidah, “Random Forest Analysis In Classifying Orange Quality Data-Suci Ramadhani et.al Random Forest Analysis In Classifying Orange Quality Data,” Inform. dan Sains, vol. 14, no. 02, pp. 178–186, 2024, doi: 10.58471/infosains.v14i02.
Murad, J. Sumarsono, Sukmawaty, A. Aulia, and S. Hidayat, “Detection of Sugar Apple (Annona squamosa L.) Ripeness Based on Physical and Chemical Properties Using the K-Nearest Neighbor (k-NN) and Random Forest Algorithm,” 2023, pp. 4–19. doi: 10.2991/978-94-6463-274-3_2.
T. Sanislav, G. D. Mois, S. Zeadally, S. Folea, T. C. Radoni, and E. A. Al-Suhaimi, “A Comprehensive Review on Sensor-Based Electronic Nose for Food Quality and Safety,” Sensors, vol. 25, no. 14, p. 4437, Jul. 2025, doi: 10.3390/s25144437.
Radi, Barokah, L. F. Zamzami, and A. Setiawan, “Performance Analysis of MOS Sensors on Electronic Nose for Synthetic Flavor Classification,” Proc. Int. Conf. Sustain. Environ. Agric. Tour. (ICOSEAT 2022), vol. 26, pp. 552–558, 2023, doi: 10.2991/978-94-6463-086-2_75.
B. Yanto, J. Jufri, A. Lubis, B. H. Hayadi, and E. Armita, NST, “Klarifikasi Kematangan Buah Nanas Dengan Ruang Warna Hue Saturation Intensity (Hsi),” INOVTEK Polbeng - Seri Inform., vol. 6, no. 1, p. 135, 2021, doi: 10.35314/isi.v6i1.1882.
R. Destriana, D. Nurnaningsih, D. Alamsyah, and A. A. J. Sinlae, “Implementasi Metode Linear Discriminant Analysis (LDA) Pada Klasifikasi Tingkat Kematangan Buah Nanas,” Build. Informatics, Technol. Sci., vol. 3, no. 1, pp. 56–63, 2021, doi: 10.47065/bits.v3i1.1007.
A. Agung, A. Daniswara, I. Kadek, and D. Nuryana, “Data Preprocessing Patterns in the Assessment of Teacher Education Program Students,” J. Informatics Comput. Sci., vol. 05, pp. 97–100, 2023.
M. A. Hasan, R. Sarno, and M. S. H. Ardani, “Improvement of E-Nose Sensor Signal Using MVA, FFT, DWT Methods on Pineapple Fruit Maturity,” in 2022 6th International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), IEEE, Dec. 2022, pp. 766–771. doi: 10.1109/ICITISEE57756.2022.10057787.
Suci Amaliah, M. Nusrang, and A. Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 3, pp. 121–127, 2022, doi: 10.35580/variansiunm31.
H. Afnan Wijaya and N. Cahyono, “Penggunaan Algoritma Cnn Dengan Adam Optimizer Dalam Aplikasi Web Untuk Prediksi Jenis Kelamin Bunga,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 3825–3832, 2025, doi: 10.36040/jati.v9i3.13376.
J. H. Gea, A. R. Himamunanto, and H. Budiati, “Analisis Kinerja Random Forest Dalam Deteksi Gejala Alergi Rongga Mulut Berbasis Warna Gusi,” vol. 5, no. 4, pp. 734–744, 2025, doi: 10.47065/bulletincsr.v5i4.657.
N. Afiyat and M. L. Afif, “Perbandingan Kinerja Sensor MQ-2 dan MQ-6 pada Sistem Deteksi Kebocoran LPG dengan Notifikasi melalui Telegram,” J. Resist. (Rekayasa Sist. Komputer), vol. 7, no. 2, pp. 100–108, 2024, doi: 10.31598/jurnalresistor.v7i2.1591.
J. George, T. T. L. Nguyen, G. Sanewski, C. Hardner, and H. E. Smyth, “Stable isotope dilution assay and HS-SPME-GCMS quantification of key aroma volatiles of Australian pineapple (Ananas comosus) cultivars,” Food Chem., vol. 455, p. 139956, Oct. 2024, doi: 10.1016/j.foodchem.2024.139956.
A. B. S. Umbu, “Analisis Grafik Karakteristik Sensitivitas Sensor MQ-135 untuk Menentukan Persamaan Hubungan antara ppm dan Rs/Ro,” J. Teor. dan Apl. Fis., vol. 11, no. 02, pp. 49–60, 2023.
J. Ma et al., “Characterization of Changes in Ripening Process of Volatile Apple Compounds Based on HS-SPME-GC-MS Analysis,” Agriculture, vol. 14, no. 10, p. 1787, Oct. 2024, doi: 10.3390/agriculture14101787.
D. Vernanda, N. Purnawan, T. Apandi, and Haryati, “Analisis Data Untuk Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Svm,” J. Ilm. Ilmu dan Teknol. Rekayasa, vol. 4, no. September, pp. 8–17, 2022, doi: 10.31962/jiitr.vvii.67.
A. Bakhshipour, “A data fusion approach for nondestructive tracking of the ripening process and quality attributes of green Hayward kiwifruit using artificial olfaction and proximal hyperspectral imaging techniques,” Food Sci. Nutr., vol. 11, no. 10, pp. 6116–6132, Oct. 2023, doi: 10.1002/fsn3.3548.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 