Kopi merupakan salah satu hasil perkebunan yang ada di Indonesia yang memiliki nilai jual yang sangat tinggi. Secara umum jenis kopi yang terdapat di Indonesia adalah kopi robusta dan arabica, selain itu juga terdapat kopi liberica, dan hibrida. Dengan adanya perkembangan teknologi pada saat ini memungkinkan untuk membangun suatu sistem yang dapat bekerja menyerupai indera penciuman manusia. Salah satunya yaitu sensor electronic nose. Perancangan sistem klasifikasi dan pengenalan kualitas kopi bubuk ini menggunakan metode berbasis ANN atau lebih dikenal dengan metode jaringan syaraf tiruan, yang diharapkan mampu meningkatkan akurasi dalam mengelompokkan jenis kopi berdasarakan aroma kopi. Tujuan yang ingin dicapai pada penelitian ini adalah dapat mempermudah untuk mengenali dan mengklasifikasikan kopi bubuk dengan menggunakan e-nose, tidak lagi bergantung pada indera penciuman manusia yang biasanya tidak stabil serta tidak bisa secara kontinu menghasilkan ukuran yang tetap. Arsitektur yang dibangun menggunakan 3 buah layer dengan 3 input berupa hasil pembacaan gas elektronik nose. Sedangkan output target merupakan kombinasi dari biner angka 0 dan 1. Jaringan syaraf tiruan yang dipakai dalam penelitian ini mampu mengenali nilai kopi arabika, robusta dan liberika dengan dengan menggunakan iterasi maksimal sebesar 5000, hasil output menunjukan bahwa JST backpropagation mampu mengenali jenis kopi dengan tingkat keberhasilan 73.3%. Kata kunci: Artificial Neural Network(ANN), Elektonic Nose, Kopi.

Coffee is one of the results of existing plantations in Indonesia which has a very high value. In general the kinds of coffee in Indonesia is robusta and arabica, in addition there are also coffee liberica, and hybrid. With the development of technology at this time makes it possible to build a system that can work closely resembles the human sense of smell. One of them, namely sensors, electronic nose. The design of the classification system and the introduction of quality of ground coffee using the method-based ANN or better known as the method of neural networks, which are expected to increase accuracy in categorizing the type of investigation by coffee coffee aroma . The objectives to be achieved in this research was able to make it easier to recognize and classifssy the ground coffee by using the e-nose, no longer dependent on the human sense of smell is usually not stable and can not be continuously generate a fixed size. Architecture that is built using 3 layer with 3 inputs in the form of electronic gas reading of the results of the nose. While the output of the target is a combination of the binary digits 0 and 1. Neural network used in the study were able to recognize the value of coffee Arabica, robusta and liberika by using a maximum of5000 iterations, the output indicates that the JST backpropagation is able to recognize the type of coffee with the success rate of 73.3%. Key words: Artificial Neural Network (ANN), Elektonic Nose, coffee.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal