KLASIFIKASI TINGKAT POPULASI JAMUR TRICHODERMA SP. PADA BAHAN ORGANIK DENGAN E-NOSE MENGGUNAKAN MACHINE LEARNING

MUHAMAD RIZKI, . (2024) KLASIFIKASI TINGKAT POPULASI JAMUR TRICHODERMA SP. PADA BAHAN ORGANIK DENGAN E-NOSE MENGGUNAKAN MACHINE LEARNING. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (3MB)
	Text BAB I.pdf Download (2MB)
	Text BAB II.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text BAB V.pdf Download (713kB)
	Text DAFTAR PUSTAKA.pdf Download (2MB)
	Text Lampiran dan Daftar Riwayat Hidup.pdf Restricted to Repository staff only Download (806kB) | Request a copy

Abstract

Pengendalian hama dan penyakit tanaman melalui pestisida sintetik menimbulkan kekhawatiran terhadap dampak negatifnya bagi kesehatan manusia dan lingkungan. Pengendalian hayati menggunakan biofungisida seperti jamur Trichoderma sp. menawarkan alternatif yang efektif dan ramah lingkungan. Namun, untuk produksi biofungisida yang efektif, diperlukan ketepatan dalam menentukan tingkat populasi jamur Trichoderma sp. Penelitian ini bertujuan mengklasifikasikan tingkat populasi Trichoderma sp. berdasarkan data aroma dari Electronic Nose (E-Nose) pada konsentrasi 104, 105, 106, dan 107 CFU/ml. Eksperimen melibatkan peremajaan sampel jamur Trichoderma sp., diikuti dengan inokulasi pada tiga jenis bahan organik: limbah ampas tebu, gambut, dan dedak. Data sensor gas dikumpulkan menggunakan E-Nose setelah inkubasi selama 7 hari. Ekstraksi fitur dilakukan menggunakan metode nilai rata-rata, nilai maksimum, nilai minimum, dan standar deviasi untuk menemukan metode terbaik dalam mengklasifikasikan tingkat populasi jamur. Model machine learning yang digunakan adalah Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa metode ekstraksi fitur minimum dan standar deviasi paling efektif dalam mengklasifikasikan populasi jamur pada bahan organik. Selain itu, parameter model klasifikasi dengan kernel polynomial dan linear dengan nilai C=1 atau C=10 menunjukkan kinerja optimal dengan akurasi rata-rata mencapai 100%.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr.rer.nat Bambang Heru Iswanto, M.Si 2). Agustin Sri Mulyatni, S.P, M.P
Subjects:	Sains > Fisika
Divisions:	FMIPA > S1 Fisika
Depositing User:	Users 25502 not found.
Date Deposited:	16 Aug 2024 05:30
Last Modified:	16 Aug 2024 05:30
URI:	http://repository.unj.ac.id/id/eprint/50196

Actions (login required)

View Item