Prediksi Kandungan Polifenol Biji Kakao (Theobroma Cacao L.) Menggunakan Analisis Warna dan Tekstur dengan Pemodelan Artificial Neural Network (ANN)

Yulianto, Agung (2017) Prediksi Kandungan Polifenol Biji Kakao (Theobroma Cacao L.) Menggunakan Analisis Warna dan Tekstur dengan Pemodelan Artificial Neural Network (ANN). Sarjana thesis, Universitas Brawijaya.

Abstract

sepat pada biji kakao yang terfermentasi. Selama ini penentuan kandungan polifenol biji kakao dilakukan secara manual sehingga kurang efisien. Pemanfaatan analisis Citra Digital (Image Analysis) dan Pemodelan Artificial Neural Network (ANN) dapat menjadi solusi alternatif dalam memprediksi kandungan polifenol biji kakao dengan cepat dan akurat. Penelitian ini bertujuan untuk mengetahui hubungan antara indeks warna maupun tekstur terhadap kandungan polifenol biji kakao. Indeks warna dan tekstur yang digunakan dipilih berdasarkan indeks yang terbaik dengan nilai R-squared terbaik yaitu HSL (R2= 0,7234), CMY_Y (R2= 0,9896), CMYK_M (R2= 0,7545) dan Hue Entropy (R2= 0,7487). Dari hasil penelitian dapat diketahui bahwa proses fermentasi dapat menurunkan kandungan polifenol pada biji kakao dengan persamaan yang didapat y = - 1.1615x + 6.3123 nilai R-squared = 0,977. Indeks warna yang terbaik pada penelitian ini yaitu CMY_Y dengan persamaan yang didapat y =-1E- 05x3+ 0.0024x2 -0.1868x+7.7803 nilai R²= 0.9896. Pada tahap pemodelan menggunakan ANN diperoleh nilai MSE secara berturut-turut yaitu pada validasi 10%, hidden layer 2, node layer 20 dan 10, momentum 0,4, learning rate 0,7, diperoleh nilai MSE 0,003 dengan struktur jaringan terdiri dari 4 input, 2 hidden layer, hidden layer 1 terdiri dari 20 node layer, hidden layer 2 terdiri dari 10 node layer, dan 1 output. Pada validasi 15% hidden layer 2, node layer 10 dan 15, momentum 0,6, learning rate 0,6, diperoleh nilai MSE 0,007 dengan struktur jaringan terdiri dari 4 input, 2 hidden layer, hidden layer 1 terdiri dari 10 node layer, hidden layer 2 terdiri dari 5 node layer, dan 1 output dan pada validasi 20% hidden layer 2, node layer 20 dan 5, momentum 0,2, learning rate 0,7, diperoleh nilai MSE 0,008 dengan struktur jaringan terdiri dari 4 input, 2 hidden layer, hidden layer 1 terdiri dari 20 node layer, hidden layer 2 terdiri dari 5 node layer, dan 1 output.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTP/2017/148/051703030
Subjects:	300 Social sciences > 338 Production > 338.1 Agriculture
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	Sugiantoro
Date Deposited:	03 Apr 2017 09:52
Last Modified:	22 Oct 2021 02:58
URI:	http://repository.ub.ac.id/id/eprint/151376

	Text BAB_II.pdf Restricted to Registered users only Download (2MB)
	Text BAB_III.pdf Restricted to Registered users only Download (2MB)
	Text ABSTRAK.pdf Restricted to Registered users only Download (1MB)
	Text BAB_I.pdf Restricted to Registered users only Download (1MB)
	Text BAB_IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB_V.pdf Restricted to Registered users only Download (1MB)
	Text Cover.pdf Restricted to Registered users only Download (1MB)
	Text Daftar_Isi.pdf Restricted to Registered users only Download (1MB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (1MB)

Actions (login required)

View Item