Ambarwati, Mei Lusi and Prof. Yusuf Hendrawan,, STP, M.App.Life.Sc, Ph.D and Dr.Ir. Anang Lastriyanto,, M.Si (2022) Klasifikasi Kadar Air Cacing (Eudrilus Eugeniae) dengan Menggunakan Metode Jaringan Syaraf Tiruan. Sarjana thesis, Universitas Brawijaya.
Abstract
Cacing tanah Eudrilus Eugeniae memiliki banyak manfaat dalam bidang kesehatan dan pakan ternak. Untuk memperpanjang umur simpan cacing tanah dilakukan pengeringan. Dalam proses pembuatan cacing kering di UKM belum ada standar kadar air minimal, masih dilakukan perkiraan saja tidak ada indikasi spesifik untuk menentukan tingkat kadar air. Sementara kadar air berpengaruh krusial untuk menentukan aktifitas mikroorganisme penyebab pembusukan. Pengujian kadar air dilakukan dengan memasukkan bahan hasil pengamatan ke dalam oven menggunakan suhu 105oC selama 3 jam (SNI 01-2891, 1992). Pengukuran kadar air tersebut membuat produk tidak dapat diterima dipasaran karena penampakannya yang gosong dan kandungan protein yang rusak. Maka diperlukan metode non destruktif untuk memprediksi kadar air cacing kering agar dapat dijadikan dasar standar operasional pada pembuatan cacing kering skala komersial yang tidak merusak sampel dan dapat menghemat waktu yaitu dengan pengolahan citra digital. Pengolahan citra digital ini memiliki kelebihan yaitu lebih hemat waktu dan dapat meminimalisir kesalahan manusia. Pengolahan citra digital ini dapat diaplikasikan menggunakan metode Jaringan Syaraf Tiruan dengan algoritma Backpropagation. Tujuan penelitian ini yaitu untuk mengetahui hasil analisis sensitivitas JST yang terbaik dalam klasifikasi kadar air cacing kering dan mengetahui tingkat akurasi hasil klasifikasi kadar air cacing kering. Tahapan dalam penelitian ini yaitu persiapan sampel yang terdiri dari klasifikasi wet dengan kadar air cacing diatas 40%, semi dry dengan kadar air antara 40%-12% dan dry dengan kadar air dibawah 12%. Kemudian dilakukan pengolahan citra untuk mendapatkan nilai-nilai ekstraksi fitur yaitu red, green, blue, hue, saturation, value, energy, contrast, correlation dan homogeneity. Hasil ekstraksi fitur ini selanjutnya diseleksi fitur menggunakan software WEKA. Selanjutnya dilakukan analisis sensitivitas dengan variasi fungsi pembelajaran diantaranya (traincgb, traincgf, traincgp, traind, trainda, traingdm, traingdx, trainlm, trainnoss, trainrp, dan trainscg), fungsi aktivasi (logsig, tansig, purelin), hidden layer node (30,40) agar diperoleh nilai MSE validasi terendah. Lalu hasil terbaik dari pemodelan Jaringan Syaraf Tiruan diuji untuk memperoleh nilai akurasi. Pemodelan JST terbaik dalam penelitian ini yaitu struktur 8-40-3 dengan learning rate 0.1, dan epoch 1000 dengan fungsi pembelajaran trainlm dan fungsi aktivasi logsig, logsig, purelin memperoleh nilai MSE validasi terendah yaitu 0.86058 dan MSE training 0.0733, Sedangkan nilai koefisien korelasi (R) trainingnya sebesar 0.95309 dan R validasi sebesar 0.92962. Data uji sejumlah 50 data citra per masing-masing tingkat kadar air diperoleh dry klasifikasi benar sebanyak 12, semidry diperoleh klasifikasi benar sebanyak 34, dan wet diperoleh klasifikasi benar sebanyak 50. Maka diperoleh akurasi uji pada klasifikasi dry sebesar 24%, semidry sebesar 68% dan wet sebesar 100%. Sehingga akurasi uji rata-rata yaitu sebesar 64%.
English Abstract
The Eudrilus Eugeniae earthworm has many benefits in the field of health and animal feed. To extend the shelf life of earthworms carried out drying. In the process of making dried worms in UKM, there is no minimum water content standard, there is still an estimate, there is no specific indication to determine the level of moisture content. Meanwhile, the water content has a crucial effect on determining the activity of microorganisms that cause decay. Water content testing was carried out by putting the observed materials into the oven using a temperature of 105oC for 3 hours (SNI 01-2891, 1992). The measurement of water content makes the product unacceptable in the market because of its burnt appearance and damaged protein content. Therefore, a non-destructive method is needed to predict the moisture content of dried worms so that they can be used as the basis for operational standards in the manufacture of commercial-scale dry worms that do not damage samples and can save time, namely by processing digital images. This digital image processing has the advantage of being more time-saving and can minimize human error. This digital image processing can be applied using the Artificial Neural Network (ANN) method using the Backpropagation algorithm. The purpose of this study was to determine the results of the best ANN sensitivity analysis in the classification of the moisture content of dry worms and to determine the accuracy of the results of the classification of the water content of dry worms. The stages in this study are sample preparation consisting of wet classification with worm moisture content above 40%, semi-dry with water content between 40%-12% and dry with water content below 12%. Then image processing is carried out to obtain feature extraction values, namely red, green, blue, hue, saturation, value, energy, contrast, correlation and homogeneity. The results of the extraction of this feature are then selected using WEKA software. Furthermore, sensitivity analysis was carried out with variations of learning functions including (traincgb, traincgf, traincgp, traind, trainda, traingdm, traingdx, trainlm, trainnoss, trainrp, and trainscg), activation functions (logsig, tansig, purelin), hidden layer node (30.40) to obtain the lowest validation MSE value. Then the best results from Artificial Neural Network modeling are tested to obtain accuracy values. The best JST modeling in this study was the 8-40-3 structure with a learning rate of 0.1, and the epoch 1000 with the trainlm learning function and the logsig activation function, logsig, purelin obtained the lowest validation MSE value of 0.86058 and MSE training 0.0733, Meanwhile, the value of the correlation coefficient (R) is 0.95309 and the validation R is 0.92962. The test data of 50 image data per each water content level obtained 12 correct classifications, semidry obtained 34 correct classifications, and 50 correct classifications were obtained. So the test accuracy was obtained on the dry classification of 24%, semidry by 68% and wet by 100%. So that the average test accuracy is 64%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0522100389 |
| Uncontrolled Keywords: | Cacing Eudrilus Eugeniae, Jaringan Syaraf Tiruan, Pengolahan CitraEudrilus Eugeniae, Artificial Neural Network, Image Processing |
| Subjects: | 600 Technology (Applied sciences) > 630 Agriculture and related technologies |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 31 Jan 2023 01:48 |
| Last Modified: | 31 Jan 2023 01:48 |
| URI: | http://repository.ub.ac.id/id/eprint/197127 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Mei Lusi Ambarwati.pdf Restricted to Registered users only until 31 December 2024. Download (5MB) |
Actions (login required)
 |
View Item |