Model Pendugaan Nilai Pol dan Brix Nira Tebu untuk Prediksi Rendemen Sementara dengan Sifat Biolistrik dan Jaringan Saraf Tiruan

Widyaningtyas, Shinta (2016) Model Pendugaan Nilai Pol dan Brix Nira Tebu untuk Prediksi Rendemen Sementara dengan Sifat Biolistrik dan Jaringan Saraf Tiruan. Sarjana thesis, Universitas Brawijaya.

Abstract

Gula merupakan komoditas strategis yang berpengaruh terhadap kondisi perekonomian Indonesia. Kekurangan produksi gula nasional menyebabkan impor gula meningkat hampir setiap tahun. Rendemen adalah faktor yang paling berpengaruh terhadap kuantitas gula dari proses produksi. Rendemen tebu dihitung berdasarkan nilai rendemen sementara yang diantaranya dipengaruhi variabel brix dan pol. Penentuan nilai pol dan brix secara konvensional membutuhkan waktu lama dan tingkat ketelitian tinggi. Hal ini memberi peluang perancangan peralatan sederhana untuk menduga nilai brix dan pol dengan pendekatan fisika menggunakan sifat biolistrik tebu. Salah satu pengukuran sifat biolistrik adalah metode dielektrik yang aplikasinya mudah. Jaringan Saraf Tiruan (JST) adalah model matematis yang memiliki kemampuan untuk menghubungkan parameter input dan output. Penelitian ini menduga rendemen sementara melalui dua cara. Cara pertama membangun model topologi jaringan saraf tiruan terbaik untuk menduga nilai pol dan brix selanjutnya digunakan untuk menghitung nilai rendemen sementara. Cara kedua menduga rendemen sementara secara langsung menggunakan JST dengan topologi terbaik prediksi pol dan brix. Hasil penelitian menunjukkan tebu ruas bawah memiliki nilai rendemen, pol dan brix tertinggi dibanding ruas tengah dan atas. Sifat biolistrik induktansi berbanding lurus dengan frekuensi, sedangkan kapasitansi dan resistansi berbanding terbalik dengan frekuensi. Perancangan topologi terbaik menggunakan trial error persentase data pelatihan dan validasi dengan parameter nilai regresi tertinggi, fungsi pembelajaran, dan fungsi aktivasi yang memberikan nilai Mean Square Error (MSE) validasi terendah. Persentase data terpilih 83,33%-16,67%, fungsi pembelajaran trainlm, dan fungsi aktivasi hidden layer logsig dan output layer purelin. Topologi terpilih JST yaitu (3-30-40-2) (3 node input, 30 node hidden layer 1, 40 node hidden layer 2, 2 node output). Learning rate dan momentum terpilih sebesar 0,1 dan 0,9. Topologi JST terbaik memiliki nilai MSE pelatihan 0,0098 dan validasi 0,0099, serta koefisien korelasi pelatihan 0,98398 dan validasi 0,9837. Hasil perhitungan rendemen sementara secara tidak langsung nilai MSE 0,3209, sedangkan perhitungan rendemen secara langsung nilai MSE validasi 0,3065.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTP/2016/169/051604351
Subjects: 300 Social sciences > 338 Production > 338.1 Agriculture
Divisions: Fakultas Teknologi Pertanian > Teknologi Hasil Pertanian
Depositing User: Indah Nurul Afifah
Date Deposited: 02 Jun 2016 10:17
Last Modified: 15 Nov 2021 04:03
URI: http://repository.ub.ac.id/id/eprint/150701
[thumbnail of 2._I.pdf] Text
2._I.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of 3._II.pdf] Text
3._II.pdf
Restricted to Registered users only

Download (2MB)
[thumbnail of 1._COVER_UTAMA.pdf] Text
1._COVER_UTAMA.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of 5._IV.pdf] Text
5._IV.pdf
Restricted to Registered users only

Download (2MB)
[thumbnail of 6._V.pdf] Text
6._V.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of 4._III.pdf] Text
4._III.pdf
Restricted to Registered users only

Download (2MB)
[thumbnail of 8._LAMPIRAN.pdf] Text
8._LAMPIRAN.pdf
Restricted to Registered users only

Download (3MB)
[thumbnail of 7._DAFTAR_PUSTAKA.pdf] Text
7._DAFTAR_PUSTAKA.pdf
Restricted to Registered users only

Download (1MB)

Actions (login required)

View Item View Item