Pengembangan Model Jaringan Syaraf Tiruan untuk Penentuan Kandungan Kimia Biji Kopi Beras Arabika dengan NIRS
View/ Open
Date
2019Author
Aditama, Hafiz Fajrin
Budiastra, I Wayan
Widodo, Slamet
Metadata
Show full item recordAbstract
Salah satu faktor penting untuk peningkatan ekspor kopi adalah kualitas mutu biji kopi yang salah satunya ditentukan oleh kandungan kimia biji kopi. Penentuan kandungan kimia kopi ditentukan melalui analisa laboratorium kimia. Seiring perkembangan teknologi metode Near Infrared Spectroscopy atau NIRS hadir sebagai salah satu metode analisis non-destruktif yang dapat digunakan untuk menganalisis kandungan kimia biji kopi dengan lebih cepat dan akurat. Penelitian tentang pendugaan kandungan kimia biji kopi beras arabika specialty Gayo dan Java preanger dengan menggunakan model kalibrasi Partial Least Square (PLS) telah dilakukan. Sistem-sitem kompleks non-linier pada jaringan syaraf tiruan (JST) dipercaya dapat memberikan hasil pendugaan kandungan kimia biji kopi beras arabika dengan lebih akurat. Secara umum tujuan penelitian ini adalah pengembangan model JST untuk penentuan kandungan kimia biji kopi beras arabika dengan NIRS. Secara khusus penelitian ini bertujuan untuk menentukan metode pengolahan data dan mengembangkan model JST terbaik untuk memprediksi kandungan kimia biji kopi beras arabika dan melakukan validasi terhadap model yang dikembangkan tersebut.
Data input yang digunakan adalah data principal component (PC) spektra yang terlebih dahulu telah dilakukan pre-treatment data menggunakan multiplicative scatter correction (MSC), Normalisasi (N-1,1), dan turunan pertama Savitzky-Golay (dg1). Model JST menggunakan Multilayer Perceptron (MLP) feed forward neural network dengan algoritma pelatihan dasar Levenberg-Marquard. Ketelitian model dikaji dengan melakukan validasi berdasarkan nilai koefisien korelasi (r), standar error of calibration set (SEC), standar error of prediction set (SEP), dan coefficient of variation (CV), Ratio of performance to deviation (RPD), dan konsistensi.
Penggunaan 10 jumlah neuron pada hidden layer sudah cukup untuk memprediksi kandungan kimia yang akan di analisa. Pada kopi java preanger kadar air dapat diprediksi dengan 5 PC dan pre-treatment kombinasi normalisasi dan dg1 (r = 0.94; CV = 0.82%; RPD = 2.99), kandungan karbohidrat diprediksi dengan 2 PC dan pre-treatment kombinasi MSC dan dg1 (r = 0.98; CV = 0.49; RPD = 4.88), lemak diprediksi dengan 2 PC dan pre-treatment kombinasi normalisasi dan dg1 (r = 0.99; CV = 1.18%; RPD = 5.91), protein diprediksi dengan 5 PC dan pre-treatment kombinasi MSC dan dg1 (r = 0.98; CV = 0.73%; RPD = 5.45), kafein diprediksi dengan 8 PC dan pre-treatment kombinasi MSC dan dg1 (r = 0.97; CV = 0.93%; RPD = 4.35). Pada kopi gayo kadar air diprediksi dengan 8 PC dan pre-treatment normalisasi (r = 0.96; CV = 1.77%; RPD = 3.79), karbohidrat diprediksi dengan 8 PC dan pre-treatment MSC (r = 0.99; CV = 0.24%; RPD = 10.73), lemak diprediksi dengan 8 PC dan pre-treatment kombinasi normalisasi+dg1 (r = 0.99; CV = 0.81%; RPD = 9.67), protein diprediksi dengan 5 PC dan pre-treatment kombinasi MSC dan dg1 (r = 0.99; CV = 0.84%; RPD = 7.08), kafein diprediksi dengan 8 PC dan pre-treatment kombinasi normalisasi dan dg1 (r = 0.98; CV = 2.15%; RPD = 4.44). Penggunaan metode JST dalam pengembangan model
penentuan kandungan kimia biji kopi beras arabika dapat meningkatkan akurasi prediksi dibandingkan penggunaan metode PLS dan MLR.
Collections
- MT - Agriculture Technology [2208]