Kurnia, AdityanCandra (2016) Pemodelan Jaringan Saraf Tiruan Backpropagation Sifat Biolistrik Untuk Prediksi Tingkat Kemurnian Madu. Sarjana thesis, Universitas Brawijaya.
Abstract
Madu merupakan bahan pemanis alami yang dapat langsung digunakan tanpa harus diolah dan mengandung bahan gizi esensial. Harga madu yang relatif mahal dibanding gula pasir (sukrosa), menyebabkan pemalsuan madu dengan larutan gula pasir. Pemalsuan ini membuat konsumen dirugikan. Penetuan kemurnian madu secara konvensional dilakukan melalui metode uji larut, uji keruh, uji pemanasan, uji rembesan, uji segi enam, uji ikan mentah, dan uji bawang tidak memberikan hasil aktual kemurnian madu, sedang uji dengan Kromatografi Cair Kinerja Tinggi (KCKT) memerlukan perangkat laboratorium canggih dan mahal. Hal ini memberi peluang teknik pengukuran dengan metode dielektrik. Setiap bahan memiliki sifat listrik berbeda sesuai komposisinya. Sifat listrik bahan dapat dilihat dengan mengukur induktansi (L), kapasitansi (C), dan resistansi (R) menggunakan LCR meter yang dirangkai dengan plat kapasitor. SNI madu mempersyaratkan kadar air maksimum madu 22%, gula reduksi minimum 65%, dan sukrosa maksimum madu 5%. Penelitian ini bertujuan untuk memprediksi kandungan kadar air, gula reduksi, dan sukrosa pada madu murni dan madu palsu dengan campuran sirup gula menggunakan pemodelan Jaringan Saraf Tiruan (JST) sifat biolistrik madu. Hasil prediksi digunakan untuk menentukan penyimpangan ekstrem nilai kadar air, gula reduksi, dan sukrosa madu yang tidak sesuai dengan SNI. Madu diukur dengan frekuensi 100, 120, 1000, dan 10000Hz dengan proporsi madu dan sirup gula yang digunakan yaitu 100%:0%; 85%:15%; 70%:30%; 55%:45%; 40%:60%; 25%:75%; dan 10%:90%. Hasil penelitian menunjukkan nilai (L) meningkat seiring peningkatan frekuensi pengukuran, sedang nilai (C) dan (R) menurun ketika frekuensi pengukuran dinaikkan. Penambahan sirup gula pada madu untuk nilai (L) tidak memberikan pengaruh nyata, sedangkan nilai pada (C) dan nilai (R) menurun seiring penambahan sirup gula. Topologi JST terbaik adalah 3-30-40-3 (3 node input, 30 node hidden layer 1, 40 node hidden layer 2, dan 3 node output) dengan fungsi aktivasi tansig untuk hidden layer 1 dan 2, tansig untuk output layer, fungsi pembelajaran trainlm, dengan 0,1 learning rate dan 0,9 momentum; goal 0,01. Topologi JST terbaik memberikan nilai MSE training 0,00987 dan MSE validasi 0,0297 dengan koefisien korelasi pelatihan 0,99161 dan validasi 0,9698. Hasil tersebut mendukung teknik pengukuran dengan metode dielektrik untuk prediksi kandungan kadar air, gula pereduksi, dan sukrosa madu.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2016/614/051611634 |
| Subjects: | 300 Social sciences > 338 Production > 338.1 Agriculture |
| Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
| Depositing User: | Nur Cholis |
| Date Deposited: | 31 Oct 2016 08:41 |
| Last Modified: | 25 Oct 2021 01:48 |
| URI: | http://repository.ub.ac.id/id/eprint/151201 |
Preview |
Text
4._BAB_II.pdf Download (2MB) | Preview |
Preview |
Text
5._BAB_III.pdf Download (2MB) | Preview |
Preview |
Text
9._[Lengkap]_Lampiran.pdf Download (4MB) | Preview |
Preview |
Text
7._BAB_V.pdf Download (1MB) | Preview |
Preview |
Text
8._[Lengkap]_Daftar_Pustaka.pdf Download (2MB) | Preview |
Preview |
Text
6._BAB_IV.pdf Download (2MB) | Preview |
Preview |
Text
2._[Lengkap]_Daftar_Isi.pdf Download (2MB) | Preview |
Preview |
Text
1._[Cover].pdf Download (1MB) | Preview |
Preview |
Text
3._BAB_I.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |