@misc{eprints82037,
           month = {September},
           title = {PENGUJIAN TINGKAT KESEGARAN IKAN TONGKOL (EUTHYNNUS
AFFINIS), DENGAN ELECTRONIC NOSE MENGGUNAKAN METODE

JARINGAN SARAF TIRUAN BACKPROPAGATION},
          author = {Wulandari	 W.A. Rossi },
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS PERTANIAN},
            year = {2024},
             url = {http://digilib.unila.ac.id/82037/},
        abstract = {Ikan tongkol (Euthynnus affinis), merupakan salah satu jenis ikan laut yang
populer di Indonesia. Ikan tongkol banyak disukai masyarakat karena memiliki
kandungan gizi yang cukup tinggi, tetapi ikan tongkol merupakan sumber pangan
yang mudah rusak karena sangat cocok untuk pertumbuhan mikroba baik patogen
maupun non-patogen Untuk mendeteksi kesegaran ikan ini diperlukan sebuah
instrumen yang dapat mendeteksi aroma ikan berbasis larik sensor seperti
Electronic Nose dengan metode JST backpropagation yang mampu mendeteksi
aroma seperti layaknya hidung manusia. Penelitian ini menggunakan ikan tongkol
yang didapatkan dari Pasar Gudang Lelang Bandar Lampung dengan jumlah ikan
yang digunakan 25 sampel dengan 15 perlakuan dan ulangan sebanyak 3 kali.
Menggunakan empat jenis sensor yaitu sensor TGS 825, MQ-136, TGS 2602, dan
TGS 813 dengan dengan dua hidden layer node 6-6-1 dan 1 output keluaran
(waktu simpan ikan tongkol). Learning rate 0,001, tipe pelatihan yaitu trainlm
dan jumlah epoch 1000. Proses pelatihan JST menggunakan 27 aktivasi dengan

varian logsig, tansig, purelin. Hasil identifikasi latih terbaik yaitu tansig-tansig-
logsig, dengan nilai RMSE 4,438 dan nilai R2 sebesar 0,9836. Sedangkan hasil
identifikasi uji terbaik yaitu tansig-tansig-logsig dengan nilai RMSE 8,533 dan nilai
R
2 sebesar 0,9401. Persentase ketepatan sensor e-nose dalam memprediksi
kesegaran ikan tongkol sampel pertama sebesar 98,38\%, sampel kedua 99,13\%,
sampel ketiga sebesar 98,25\% serta sampel keempat sebesar 98,37\%.
Kata kunci: Ikan Tongkol, Jaringan Saraf Tiruan, electronic nose, Kesegaran,
Umur Simpan, Backpropagation.
Tuna (Euthynnus affinis), is one of the popular marine fish species in Indonesia.
Tuna is widely favored by the public because it has a fairly high nutritional content,
but tuna is a perishable food source because it is very suitable for the growth of
microbes both pathogenic and non-pathogenic To detect the freshness of this fish,
an instrument is needed that can detect the aroma of fish based on sensor arrays
such as Electronic Nose with JST backpropagation method that is able to detect
aromas like a human nose. This study uses tuna fish obtained from Gudang Lelang
BandarLampung Market with the number of fish used in 25 samples with 15
treatments and replicated 3 times. Using four types of sensors, namely TGS 825,
MQ-136, TGS 2602, and TGS 813 sensors with two hidden layer nodes 6-6-1 and
1 output (tuna shelf time). Learning rate 0.001, training type is trainlm and the
number of epochs is 1000. The JST training process uses 27 activations with

variants of logsig, tansig, purelin. The best training identification results are tansig-
tansig-logsig, with an RMSE value of 4.438 and an R2 value of 0.9836. While the

results of The best identification test is tansig-tansig-logsig with an RMSE value of
8.533 and an R2 value of 0.9401. The percentage of accuracy of the e-nose
sensor in predicting the freshness of the first sample of tuna is 98.38\%, the second
sample is 99.13\%, the third sample is 98.25\% and the fourth sample is 98.37\%.
Keywords: Tuna, Artificial Neural Network, electronic nose, Freshness, Shelf Life,
Backpropagation.}
}