Sholihin Ikhwan Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Theses

Madu merupakan produk yang paling banyak dipalsukan ketiga di dunia. Praktik pemalsuan madu tidak hanya berdampak pada risiko kesehatan, tetapi juga menimbulkan persaingan ekonomi yang tidak sehat serta menghilangkan manfaat alami yang seharusnya diperoleh konsumen. Teknologi Near Infrared Spectroscopy (NIRS) menawarkan solusi deteksi pemalsuan madu yang cepat, tidak merusak, dan tidak memerlukan reagen, namun menghasilkan spektral data yang kompleks sehingga membutuhkan model pembelajaran yang tepat untuk interpretasi yang akurat. Untuk memastikan model bekerja dengan baik, penelitian ini menerapkan evaluasi pembelajaran berupa learning curve dan cross validation serta evaluasi klasifikasi melalui classification report dan confusion matrix. Penelitian ini merancang arsitektur Deep Neural Network (DNN) dan membandingkan performanya dengan metode machine learning meliputi LDA, QDA, MDA, LSVM, dan KNN serta model deep learning lainnya yaitu ResNet dan TabNet. Selain itu, dilakukan pula pendekatan pemrosesan data untuk menentukan strategi yang paling optimal melalui penerapan teknik pra proses seperti SNV, MSC, dan Normalization serta ekstraksi fitur berbasis PCA dan Statistical Features. Hasil penelitian menunjukkan bahwa pada skema klasifikasi dua kelas maupun multi kelas, DNN mampu mengenali data dengan baik dan menunjukkan kemampuan generalisasi yang kuat. Akurasi klasifikasi KNN mencapai 100% dan DNN mencapai 99.94% pada klasifikasi dua kelas. Sementara itu, akurasi klasifikasi KNN dan DNN masing-masing 99.48% dan 99.98% pada klasifikasi multi kelas. Meskipun KNN menunjukkan performa baik pada klasifikasi dua kelas, DNN tetap menjadi metode yang paling unggul terutama pada tugas klasifikasi multi kelas. Kata kunci: pemalsuan madu, NIRS, deep learning, machine learning, DNN 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708119 2026-01-13 19:27:21 2026-01-14 09:17:27 machine generated