Katalog Produk Inovasi & Prototipe
Dokumentasi instrumen terapan, prototipe sensor buoy, stasiun cuaca mikro, dan perangkat telemetri hasil riset mandiri.
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).
Lihat Rincian Spesifikasi
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.
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.
Maliki-AgriNode: Stasiun Iklim Mikro Lahan Pertanian Presisi
Stasiun cuaca kompak berbasis mikrokontroler berdaya rendah untuk pemantauan kondisi lingkungan tanaman secara terperinci di lahan terbuka maupun rumah kaca.
Lihat Rincian Spesifikasi
EnviroGas E-Nose: Detektor Komposisi Gas Berbahaya Portabel
Alat uji kualitas udara portabel dengan ruang sensor terisolasi dan algoritma kalibrasi dinamis untuk deteksi gas amonia, karbon monoksida, dan senyawa organik volatil (VOC).
Lihat Rincian Spesifikasi
Smart Water Level & Velocity Radar Logger
Instrumen pemantau ketinggian muka air dan laju aliran sungai tanpa sentuh (non-contact) menggunakan radar gelombang mikro untuk sistem deteksi dini luapan air sungai.