Optimasi Electronic Nose Menggunakan Sensor Subset Selection untuk Deteksi Asap Kebakaran Hutan

Pengembangan sistem deteksi kebakaran hutan telah banyak dilakukan dengan berbagai pendekatan, salah satunya menggunakan electronic nose (e-nose) berbasis larik sensor gas. Namun, penggunaan larik sensor menimbulkan tantangan baru pada sistem, yaitu meningkatnya konsumsi daya, bobot berlebih, redundansi, dan risiko overfitting. Tantangan tersebut dapat diminimalisir dengan mereduksi sensor yang memiliki kontribusi rendah terhadap performa klasifikasi tanpa mengorbankan akurasi sistem. Reduksi sensor pada penelitian ini dilakukan menggunakan metode sensor subset selection dengan konfigurasi baseline yang terdiri atas enam kanal sensor gas (CO, NO₂, MQ7, MQ9, MQ135, dan TGS2600). Proses penelitian meliputi tahapan pra-pemrosesan, ekstraksi ciri, sensor subset selection, serta klasifikasi menggunakan algoritma Random Forest (RF) dan Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa tiga sensor inti, yaitu CO, MQ135, dan TGS2600, secara konsisten memberikan kontribusi signifikan terhadap akurasi sistem. Konfigurasi optimal diperoleh dengan lima sensor (CO, MQ7, MQ9, MQ135, dan TGS2600) yang menjaga keseimbangan antara akurasi (±85%) dan efisiensi sistem. Penerapan metode sensor subset selection ini mampu mengoptimalkan larik sensor gas pada e-nose, sehingga dihasilkan sistem deteksi asap kebakaran hutan yang lebih efisien, portabel, dan adaptif sebagai payload UAV.