02208     2200253   4500001002100000005001500021035002000036007000300056008003900059082000900098084002400107100002400131245022800155260003000383300003500413500005700448650003200505650003900537504002900576505014300605520114700748856004101895990001801936INLIS00000000008055120260102102809  a0010-0126000015ta260102                |          | |    a0007  aRTE 0007 GED i 20250 aGede Prananda Putra1 aIdentifikasi kualitas minyak sawit menggunakan sensor gas dan potensiometri dengan metode neural network /cGede Prananda Putra NRP 6022231034; Pembimbing Prof. Dr. Muhammad Rivai, S.T., M.T.; Dr. Rudy Dikairono, S.T., M.T.  aSurabaya :b[s.n.],c2025  axix, 89 hlm. :bilus ;c29 cm.  aTesis (S2) - Departemen Teknik Elektro - FTEIC - ITS 4aAnalog-to-digital converter 4aNeural networks (computer science)  aBibliografi : hlm. 59-63  apangan, minyak goreng sawit, potensiometri, sensor gas, neural network, food, palm cooking oil, potentiometric, gas sensor, neural network  aIndonesia merupakan salah satu negara produsen minyak kelapa sawit terbesar di dunia. Minyak kelapa sawit merupakan komoditas yang digunakan baik dalam produk makanan maupun non-makanan. Salah satu bentuk produk dari minyak sawit dalam bidang pangan adalah minyak goreng sawit, sehingga menjaga kualitas dalam kegiatan produksi maupun rantai pasokan sangat diperlukan. Salah satu faktor yang mempengaruhi kualitas minyak goreng sawit ditentukan oleh tingkat oksidasi. Metode analisis kualitas melalui laboratorium yang memerlukan biaya yang mahal, memakan waktu yang lama, dan memerlukan sampel dalam jumlah besar. Studi ini menawarkan penerapan sistem berbasis sensor potensiometri dan gas yang dilengkapi dengan jaringan saraf tiruan untuk menganalisis kualitas minyak goreng sawit. Percobaan meliputi klasifikasi antar produk minyak goreng sawit dan identifikasi kualitas minyak goreng sawit yang telah terdegradasi. Hasil studi ini menunjukkan bahwa sistem ini mampu mengklasifikasikan antar produk minyak goreng sawit dan mengidentifikasi kualitas minyak goreng yang telah terdegradasi dengan rata-rata akurasi masing-masing 91%, dan 90%  ahttps://repository.its.ac.id/120595/  a3100026000007