Implementasi Metode Machine Learning Untuk Klasifikasi Aroma Parfum Berbasis Arduino

Abstract

Klasifikasi aroma parfum merupakan tantangan dalam bidang sensorik dan elektronik yang memiliki aplikasi luas di industri parfum, keamanan, dan kesehatan. Penelitian ini mengembangkan sistem berbasis Arduino menggunakan enam sensor gas MQ untuk mendeteksi dan mengklasifikasikan sepuluh jenis parfum berbeda. Metode machine learning, khususnya Random Forest dan Support Vector Machine (SVM), digunakan untuk membangun model klasifikasi. Data dikumpulkan dalam bentuk time series, yang kemudian diekstraksi fiturnya menggunakan teknik statistik dan transformasi sinyal seperti Fast Fourier Transform (FFT). Hasil evaluasi menunjukkan bahwa metode Random Forest memiliki akurasi sebesar 92,5%, sementara SVM mencapai 90,3%. Penelitian ini menunjukkan bahwa pendekatan machine learning dapat meningkatkan akurasi dan efisiensi klasifikasi aroma parfum, sehingga dapat diterapkan dalam berbagai industri terkait. Untuk penelitian selanjutnya, disarankan eksplorasi deep learning dan penggunaan sensor tambahan untuk meningkatkan keakuratan deteksi aroma.
Kata kunci:  Klasifikasi Aroma Parfum, Machine Learning, Sensor Gas MQ, Random Forest dan SVM.