http://repository.ipb.ac.id/handle/123456789/101 2026-09-21T20:50:46Z 2026-09-21T20:50:46Z Latifah, Nita Yulia http://repository.ipb.ac.id/handle/123456789/179976 2026-09-21T06:13:23Z 2026-01-01T00:00:00Z

Formulasi dan Pendugaan Umur Simpan Kopi Premiks Hasil Samping Produksi Espresso Latifah, Nita Yulia Meningkatnya produksi minuman berbasis espresso menghasilkan ampas kopi dalam jumlah besar yang belum dimanfaatkan secara optimal sehingga diperlukan upaya peningkatan nilai tambah melalui pengembangan produk pangan. Penelitian ini bertujuan mengembangkan formulasi kopi premiks berbasis hasil samping produksi espresso serta menduga umur simpannya. Penelitian menggunakan pendekatan desain keteknikan yang meliputi eksplorasi, pendefinisian masalah, ideasi, pengembangan prototipe, dan validasi. Formulasi disusun dalam dua tahap melalui uji kesukaan cupper dan uji hedonik oleh 30 panelis tidak terlatih, kemudian formulasi terbaik dikarakterisasi dan diduga umur simpannya menggunakan metode Accelerated Shelf Life Testing dengan pendekatan kadar air kritis (Labuza). Formulasi terbaik terdiri atas (3,2 g) ampas kopi, (3,0 g) kopi komersial, dan 16 g gula aren semut yang memperoleh nilai penerimaan keseluruhan tertinggi. Produk memiliki kadar air (3,0016%) (basis basah), kadar sari (7,78%), dan Angka Lempeng Total 0 CFU/g. Model isoterm sorpsi air Caurie dipilih sebagai model terbaik dengan nilai Mean Relative Deviation (0,2059) dan koefisien determinasi (0,9381). Penentuan umur simpan menunjukkan produk dapat disimpan selama 382 hari pada suhu 30°C dan kelembapan relatif 73% menggunakan kemasan sachet berbahan laminasi MOPP/VMPET/PE. Hasil penelitian menunjukkan bahwa hasil samping produksi espresso berpotensi dikembangkan menjadi kopi premiks bernilai tambah dengan stabilitas penyimpanan yang baik.

2026-01-01T00:00:00Z Raharjo, Kintan Aqila Fasya http://repository.ipb.ac.id/handle/123456789/179961 2026-09-18T00:08:34Z 2026-01-01T00:00:00Z

Design of Demand Forecasting System for Organic Vegetable Supply Using Statistical, Machine Learning, and Deep Learning Raharjo, Kintan Aqila Fasya Organic vegetable supply planning is affected by demand uncertainty, production lead times, and product perishability. This study aimed to design a demand forecasting system for Think Fresh by comparing statistical, machine learning, and deep learning approaches. Weekly demand data for Caisim, Selada Keriting, Pakcoy, Daun Bawang, and Kailan Baby were analyzed using Naive Forecasting, Moving Average, ETS-Damped, CatBoost, and Neural Network models. Forecast accuracy was evaluated using several error metrics. No single model performed best for all commodities. ETS-Damped produced the best result for Caisim with an MAPE of 17.63%, CatBoost for Selada Keriting and Kailan Baby, and NeuralNetwork for Pakcoy and Daun Bawang. The selected models were integrated into the forecasting system to support data-driven production planning at Think Fresh.

2026-01-01T00:00:00Z ROFIQ, YUSUF ASSARIY http://repository.ipb.ac.id/handle/123456789/179906 2026-09-07T01:48:40Z 2026-01-01T00:00:00Z

Penentuan Dosis Pengaplikasian Bio-OSD Terbaik terhadap Penurunan Total Petroleum Hydrocarbon pada Akar Rhizophora mucronata ROFIQ, YUSUF ASSARIY Tumpahan minyak bumi pada ekosistem mangrove dapat menghambat pertumbuhan tanaman, menurunkan kualitas perairan, dan mengganggu biodegradasi alami. Oil Spill Dispersant (OSD) digunakan untuk mendispersikan minyak menjadi droplet berukuran lebih kecil sehingga lebih mudah didegradasi mikroorganisme. Penelitian ini bertujuan menentukan Dispersant to Oil Ratio (DOR) Bio-OSD terbaik dalam menurunkan Total Petroleum Hydrocarbon (TPH) pada akar Rhizophora mucronata serta mengevaluasi pengaruhnya terhadap kualitas air. Penelitian menggunakan tiga perlakuan DOR, yaitu 0:1, 0,5:1, dan 1:1, pada sistem simulasi mangrove dalam kontainer 40 L berisi tanah, air laut, dan mangrove berumur 18 bulan. Minyak bumi jenis medium ditambahkan sebanyak 1% (v/v), kemudian diaplikasikan Bio-OSD berbasis MES dan DEA dengan perbandingan 7:3. Parameter yang diamati meliputi TPH, COD, DO, pH, dan suhu. TPH dan COD dianalisis menggunakan One-Way ANOVA, sedangkan DO, pH, dan suhu dianalisis secara deskriptif berdasarkan tren perubahan. Hasil menunjukkan bahwa DOR berpengaruh nyata terhadap penurunan TPH dan COD, dengan DOR 0,5:1 memberikan kinerja terbaik. Kondisi DO, pH, dan suhu masih mendukung proses biodegradasi. Dengan demikian, DOR 0,5:1 merupakan perlakuan terbaik untuk meningkatkan efektivitas remediasi minyak bumi pada sistem simulasi mangrove.

2026-01-01T00:00:00Z Muhammad, Adzkia Zavier http://repository.ipb.ac.id/handle/123456789/179901 2026-09-04T07:39:28Z 2026-01-01T00:00:00Z

Process Design and Microbial Growth Modelling of Self-Induced Anaerobic Fermentation for Mixed-Maturity Arabica Coffee Processing Muhammad, Adzkia Zavier Mixed-maturity Arabica coffee cherries constitute a heterogeneous raw material requiring postharvest processing capable of improving process consistency and product quality. This study aimed to develop a self-induced anaerobic fermentation (SIAF) process and model microbial population development during spontaneous and L. plantarum-inoculated solid-state fermentation. Process development followed an iterative approach comprising natural processing, submerged SIAF, and solid-state SIAF. Microbial growth modelling of solid-state SIAF used observations at 0, 12, 24, 36, and 48 h for total plate count (TPC), lactic acid bacteria (LAB), and mold and yeast, supported by pH, titratable acidity, and temperature measurements. Microbial populations were fitted using modified Gompertz and Logistic models. Inoculation was associated with earlier and greater LAB development, reaching 9.00 log CFU/g at 48 h compared with 7.65 log CFU/g under spontaneous fermentation. The modified Gompertz model provided an equal or lower prediction error across all microbial trajectories than the Logistic model. However, sparse sampling, unobserved stationary phases, and population fluctuations limited the reliability of several model parameters. The resulting models provide exploratory reference profiles for fermentation monitoring and future scale-up validation

2026-01-01T00:00:00Z