Grup Riset Aktif Maliki Smart Sensor & IoT : UIN Maulana Malik Ibrahim Malang
Smart Sensor Engineering Workbench
Grup Riset Rekayasa IoT & Sistem Sensor Cerdas

Smart Sensor Maliki

6
Produk Inovasi & Prototipe
8
Publikasi Scopus & SINTA
3
Paten & Hak Cipta Terdaftar
5
Pembantu Riset & Staf Teknis
Warta & Dokumentasi

Berita Riset & Kegiatan Terkini

Dokumentasi pengujian lapangan, agenda workshop, capaian inovasi, dan aktivitas laboratorium.

Lihat Semua Berita (4)
Pilar Teknologi & Rekayasa

Fokus Riset & Pengembangan Sensor Cerdas

Program penelitian mengintegrasikan rekayasa sensor perangkat keras, pemrosesan sinyal di sisi tepi (edge processing), dan platform digital analitik guna menghasilkan solusi teknologi terukur.

Smart Sensor Cerdas untuk Pangan

Pengembangan Smart Sensor Cerdas untuk identifikasi makanan halal dan bergizi melalui integrasi sensor kimia, biosensor, serta algoritma kecerdasan buatan guna mendukung jaminan mutu, keamanan, dan keberlanjutan pangan

Environmental & Water Quality Sensing

Rancang bangun pelampung telemetri (sensor buoy) untuk pemantauan parameter vital air (pH, DO, TDS, suhu) di tambak perikanan dan daerah aliran sungai.

Gas Sensing & Air Quality Index

Rangkaian sensor gas elektrokimia dengan kompensasi termal adaptif guna mendeteksi polutan udara dan gas berbahaya secara presisi.

Ultra-Low Power Edge Telemetry

Desain arsitektur node nirkabel hemat daya berbasis LoRaWAN dan pemanenan energi surya untuk operasional kontinu di lokasi terpencil.

Hilirisasi Riset

Produk Inovasi & Prototipe Teruji

Purwarupa perangkat cerdas yang siap diimplementasikan untuk pemantauan lapangan.

Lihat Semua Produk (6)
Hardware & IoT Prototipe Teruji

Smart Electronic Nose System Berbasis Raspberry Pi

Sistem Electronic Nose (E-Nose) berbasis Raspberry Pi 4 Model B yang terintegrasi dengan deret sensor gas (sensor array) dan ADC ADS1115 (16-bit). Perangkat ini dirancang untuk mendeteksi dan mengidentifikasi Volatile Organic Compounds (VOCs) atau aroma sampel secara real-time menggunakan algoritma kecerdasan buatan/Machine Learning (Random Forest).

Hardware, AI & IoT Prototipe Teruji

MALIKI NOSE GEN 8

Perkembangan pesat kecerdasan buatan telah mendorong pemanfaatan machine learning sebagai instrumen penting dalam berbagai bidang, termasuk industri pangan. Penelitian ini berangkat dari persoalan identifikasi varietas kopi Arabika dan Robusta yang selama ini masih banyak bergantung pada pengujian sensorik manual oleh panelis. Metode konvensional tersebut bersifat subjektif dan rentan terhadap inkonsistensi akibat kondisi fisik maupun kelelahan penguji, sehingga sulit diandalkan untuk kebutuhan standardisasi mutu kopi secara cepat, akurat, dan objektif — terlebih Indonesia sebagai produsen kopi terbesar keempat di dunia perlu menjaga keaslian varietasnya di tengah pertumbuhan tren konsumsi global. Untuk menjawab tantangan tersebut, penelitian ini mengembangkan electronic nose (e-nose) generasi ke-8 berbasis Raspberry Pi yang mengintegrasikan larik sensor gas semikonduktor oksida logam (MOS) — meliputi seri MQ dan TGS — dengan modul ADC ADS1115 untuk menangkap "sidik jari aroma" kopi secara digital. Data aroma yang terekam kemudian diklasifikasikan menggunakan algoritma Random Forest, sebuah metode supervised learning berbasis ensemble bagging yang membangun banyak pohon keputusan secara independen dan menentukan hasil akhir melalui mekanisme majority voting, sehingga menghasilkan prediksi yang lebih stabil, akurat, dan minim overfitting dibanding pendekatan tunggal. Kebaruan utama penelitian ini terletak pada perancangan sistem e-nose yang bersifat standalone, di mana seluruh proses akuisisi data hingga klasifikasi dijalankan langsung oleh Raspberry Pi tanpa bergantung pada komputer eksternal — berbeda dari penelitian electronic nose sebelumnya yang umumnya masih menggunakan mikrokontroler berdaya rendah atau metode Artificial Neural Network (ANN) yang lebih berisiko overfitting. Dengan kemampuan pemrosesan mandiri ini, diharapkan dapat dihasilkan perangkat portabel yang lebih presisi dalam menangkap perbedaan halus profil aroma kopi serta mampu memberikan hasil klasifikasi secara langsung di lapangan, sehingga dapat menjadi standar baru yang lebih saintifik dan terukur dalam identifikasi varietas kopi bagi industri.

Hardware, IoT, dan AI Paten Terdaftar

Maliki_Nose Gen 7

Maliki_Nose merupakan perangkat keras dan perangkat lunak untuk akuisisi, pengolahan, dan analisis data Electronic Nose (E-Nose) yang dikembangkan oleh Grup Riset Maliki Smart Sensor, Program Studi Fisika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Maulana Malik Ibrahim Malang (UIN Malang). Produk ini merupakan salah satu hasil pengembangan teknologi dari kegiatan riset yang telah dimulai sejak tahun 2012, dengan fokus utama pada pengembangan sensor cerdas untuk aplikasi pangan dan kesehatan. Maliki_Nose dikembangkan untuk mengintegrasikan seluruh tahapan pengukuran dan analisis sinyal sensor gas dalam satu sistem yang lebih praktis, sistematis, dan mudah digunakan. Aplikasi ini menyediakan alur pengolahan data mulai dari pembacaan data raw E-Nose, pengaturan sensor dan fase pengukuran, ekstraksi berbagai fitur, analisis deskriptif, Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), hingga penerapan machine learning untuk kebutuhan klasifikasi, klusterisasi, dan regresi. Maliki_Nose dilengkapi dengan berbagai metode analisis dan algoritma machine learning, antara lain K-Nearest Neighbors (KNN), Gaussian Naive Bayes, Logistic Regression, Support Vector Machine (SVM), LDA Classifier, Partial Least Squares Discriminant Analysis (PLS-DA), Decision Tree, Random Forest, serta K-Means untuk analisis klusterisasi. Hasil pengolahan dan pemodelan dapat dievaluasi menggunakan berbagai metrik kinerja dan disajikan dalam bentuk laporan akhir berbasis PDF, sehingga mendukung dokumentasi dan pelaporan hasil penelitian secara sistematis. Salah satu keunggulan Maliki_Nose adalah kemampuannya dalam menyimpan dan memuat model machine learning yang telah dilatih. Dengan fitur tersebut, model yang telah dikembangkan dapat digunakan kembali untuk melakukan prediksi terhadap data E-Nose baru. Sistem juga menyimpan konfigurasi sensor, fitur yang digunakan, preprocessor, parameter model, serta protokol pengukuran, sehingga proses pengukuran dan prediksi dapat dilakukan secara lebih konsisten dan terdokumentasi. Pengembangan Maliki_Nose merupakan bagian dari perjalanan riset Grup Riset Maliki Smart Sensor dalam mengembangkan teknologi smart sensing, array sensor gas, E-Nose, E-Tongue, instrumentasi, Internet of Things (IoT), dan pengolahan data berbasis kecerdasan buatan. Dalam perkembangannya, riset kelompok ini diarahkan terutama pada pemanfaatan teknologi sensor cerdas untuk identifikasi, autentikasi, klasifikasi, dan karakterisasi produk pangan serta aplikasi kesehatan, termasuk analisis karakteristik aroma dan respons sensor terhadap berbagai objek. Dengan menggabungkan teknologi array sensor gas, sistem instrumentasi, pengolahan sinyal, chemometrics, dan machine learning, Maliki_Nose dirancang sebagai platform yang tidak hanya mendukung kegiatan penelitian, tetapi juga dapat dimanfaatkan untuk pendidikan, praktikum, pengembangan teknologi sensor gas, pengembangan prototype, serta pengembangan aplikasi identifikasi dan klasifikasi berbasis aroma. Produk ini menjadi salah satu bentuk hilirisasi hasil riset Grup Riset Maliki Smart Sensor Fisika UIN Malang dalam pengembangan teknologi sensor cerdas yang terintegrasi.

Luaran Akademik

Publikasi Ilmiah Terindeks

Hasil riset dipublikasikan pada jurnal internasional bereputasi dan prosiding terindeks.

Lihat Semua Publikasi (8)
Scopus Q1 Tahun 2026

Classification of cooking oil aroma with high performance using chemometric and E-nose methods

Penulis: Imam Tazi
Measurement: Food
Scopus Q3 Tahun 2026

Integrated Electronic Nose and FTIR Spectroscopy Combined with PCA for Freshness Classification of Clarias Gariepinus during Storage

Penulis: Imam Tazi
Multidisciplinary Science Journal
Scopus Q2 Tahun 2026

Prism-Coupled SPR Sensors for Rapid Halal and Label-Free Identification of Gelatin from Multiple Animal Sources

Penulis: Imam tazi
Journal of Multidisciplinary Applied Natural Science
Platform Digital Riset

Aplikasi Pengolahan Data & Telemetri

Aplikasi analitik web yang dikembangkan untuk mendukung pengolahan data sensor, ekstraksi fitur electronic nose, dan pemantauan sensor kontinu.

Siap Digunakan

Maliki Processing

Maliki Processing digunakan untuk ekstraksi fitur, analisis multivariat, machine learning, serta pemrosesan data electronic nose dalam satu alur kerja.

data.smartsensormaliki.net Buka Aplikasi
Siap Digunakan

Maliki Nose

Tim Sensor Prodi Fisika Universitas Islam Maulana Malik Ibrahim Malang

log.smartsensormaliki.net Buka Aplikasi
Tim Peneliti

Kolaborasi Dosen Periset & Pembantu Riset

Aktivitas penelitian dilakukan secara berkesinambungan oleh para dosen periset dan didukung oleh para pembantu riset serta staf teknis yang fokus pada perancangan sirkuit, firmware mikrokontroler, node telemetri nirkabel, serta analisis data saintifik.