Sistem Pemantauan Kadar Alkohol dengan Sensor Gas Berbasis Multi-Layer Perceptron Neural Network

Abstract

Abstrak - Peredaran minuman beralkohol lokal yang belum melalui proses standardisasi kadar alkohol berpotensi menimbulkan risiko kesehatan akibat ketidaksesuaian kadar alkohol yang dikonsumsi. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem pemantauan kadar alkohol berbasis Raspberry Pi 5 menggunakan tiga sensor gas MQ-3 dan metode Neural Network Multi-Layer Perceptron (MLP) untuk meningkatkan akurasi klasifikasi kadar alkohol secara real-time. Data yang diperoleh dari ketiga sensor dikumpulkan melalui proses pengukuran, kemudian dilakukan tahap preprocessing berupa normalisasi menggunakan StandardScaler, MinMaxScaler, dan MaxAbsScaler sebelum digunakan pada proses pelatihan model MLP. Hasil penelitian menunjukkan bahwa ketiga sensor MQ-3 layak digunakan sebagai fitur masukan model. Normalisasi menggunakan StandardScaler memberikan performa terbaik dengan akurasi sebesar 94,59%, lebih tinggi dibandingkan MinMaxScaler sebesar 92,99%, MaxAbsScaler sebesar 72,29%, dan model tanpa normalisasi sebesar 88,22%. Berdasarkan pengujian terhadap 314 data, model menghasilkan nilai precision rata-rata sebesar 0,95, recall sebesar 0,94, dan F1-score sebesar 0,94. Sistem mampu mengklasifikasikan kadar alkohol ke dalam lima kelas, yaitu A, B, C, X, dan none, serta menunjukkan hasil klasifikasi yang konsisten pada seluruh sampel uji. Hasil penelitian menunjukkan bahwa penerapan metode Multi-Layer Perceptron yang dipadukan dengan tiga sensor MQ-3 mampu meningkatkan performa klasifikasi kadar alkohol sehingga sistem dapat digunakan sebagai alternatif pemantauan kadar alkohol secara real-time.