Optimasi Jarak dan Kecepatan Rol pada Penggilingan Padi (Rice Milling Unit) Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika

Abstract

Keberhasilan proses penggilingan padi dapat dilihat dari dua parameter, yaitu efisiensi pengupasan dan persentase beras patah. Efisiensi pengupasan menggambarkan banyaknya gabah yang berhasil dikupas. Sedangkan persentase beras patah, menggambarkan banyaknya beras patah yang terjadi selama proses penggilingan. Penggilingan bertujuan untuk mengupas gabah sebanyak mungkin dan mengurangi beras patah sekecil mungkin. Untuk mencapai tujuan tersebut maka perlu dilakukan optimasi dengan menggunakan program jaringan syaraf tiruan dan genetika algoritma. Jaringan syaraf tiruan merupakan suatu metode pemprograman, dimana algoritmanya mampu mempelajari pola pasangan input dan output yang dimasukkan ke program (training). Untuk selanjutnya melalui tahap validasi, dapat dilakukan pendugaan nilai output dengan memasukkan nilai inputnya saja. Sedangkan untuk mencari parameter input yang paling optimal sehingga didapatkan kombinasi efisiensi pengupasan dan persentase beras patah yang paling baik, digunakan genetika algoritma. Parameter-parameter input yang akan dioptimasi yaitu kadar air gabah kering giling (GKG), jarak antar rol dan kecepatan putar rol utama pada penggilingan padi (RMU). Untuk mendapatkan data parameter-parameter input tersebut, terlebih dahulu dilakukan penggilingan gabah dengan RMU tipe rubber roll dengan sekali lintasan. Sedangkan varietas gabah yang digunakan dalam penelitian ini hanya satu jenis, yaitu padi varietas ciherang. Penelitian ini, hanya dilakukan sampai pemutuan beras pecah kulit. Setelah didapatkan data dari proses penggilingan dengan RMU, data dimasukkan ke dalam program jaringan syaraf tiruan untuk mencari hubungan antara parameter hasil giling dengan parameter hasil pendugaan dengan JST. Keberhasilan proses training JST dapat dilihat dari besarnya nilai standard error of calibration (SEC). Sedangkan tingkat keberhasilan untuk proses validasi, dapat dilihat dari besarnya nilai standard error of prediction (SEP) dan coefficient of variation (CV). Dari hasil pemprograman dengan JST didapatkan hasil pendugaan yang terbaik, dimana untuk efisiensi pengupasan didapatkan nilai SEC 1.21, SEP 1.36, dan CV 1.46%. Sedangkan untuk persentase beras patah didapatkan nilai SEC 0.88, SEP 1.75, dan CV 23.57%.