Ristianingrum, Wahyu Dwi and Dr.Agr.Sc. Dimas Firmanda Al Riza, ST., M.Sc and Dr. Mochammad Bagus Hermanto, STP., M.Sc (2023) Prediksi Kadar Air Kopi Robusta (Coffea canephora) dan Pembuatan Model Berdasarkan Sifat Biolistrik Menggunakan Metode Artificial Neural Network. Sarjana thesis, Universitas Brawijaya.
Abstract
Kopi menjadi salah satu komoditas unggulan penunjang sektor perekonomian Indonesia. Dalam rangka meningkatkan daya saing kopi tingkat pasar internasional, maka dibutuhkan pengendalian mutu biji kopi. Indikator utama yang mempengaruhi mutu biji kopi yakni kadar air. Pengukuran kadar air biji kopi sangat diperlukan selama proses pengeringan dan sebelum penyimpanan bahkan pengemasan bertujuan untuk mendapatkan biji kopi green bean berkualitas dan tentunya sesuai standar keamanan mutu sebesar 12.5%. Faktanya, metode yang digunakan saat ini masih memiliki beberapa kelemahan Berdasarkan urgensi tersebut maka perlunya metode pengukuran kadar air biji kopi lebih cepat serta memiliki tingkat akurasi yang tinggi melalui metode Artificial Neural Network (ANN). Penelitian ini bertujuan untuk mengidentifikasi dan memodelkan hubungan sifat biolistrik (resistansi, kapasitansi, dan induktansi) terhadap nilai kadar air biji kopi robusta dengan menggunakan ANN. Metode Penelitian dimulai pada tahap pengambilan 10 sampel green bean kopi robusta terdiri dari 8 sampel untuk pengukuran sifat biolistrik dan 2 sampel untuk pengukuran metode gravimetri dengan berat setiap sampel 100 gram. Melalui proses pengeringan menggunakan oven, penimbangan dan pengukuran sifat biolistrik dengan Digital LCR meter APPA 703. Kemudian dilakukan pengambilan data pada aplikasi WinDMM 700 yang telah terintegrasi dengan LCR meter. Selanjutnya, data diolah menggunakan software Python 3.8. Dari hasil penelitian yang telah dilakukan maka diperoleh hubungan parameter sifat biolistrik terhadap nilai kadar air kopi robusta menyatakan bahwa semua parameter sifat biolistrik terdiri dari Induktansi, Kapasitansi serta Resistansi mempunyai korelasi dengan kadar air kopi robusta dikarenakan masing-masing tidak mendekati 0. Selain itu, berdasarkan hasil pengujian model prediksi dengan hyperparamater dan learning rate dapat dilihat hasil training dan validasi yang dilakukan oleh arsitektur TanH maka topologi terbaik pada penelitian ini didapatkan pada All Feature berstruktur 9-10-20-1 (9 input, 10 node hidden layer 1, 20 node hidden layer 2, dan 1 output) dengan input layer yaitu Induktansi (L), Kapasitansi (C) dan Resistansi (R). learning rate 0.005 dan momentum 0.5 serta topologi terbaik memiliki nilai R2 training sebesar 0.96 dan R2 validasi sebesar 0.93. Serta memiliki nilai MSE terendah yaitu sebesar 10.65 dan 19.19.
English Abstract
Coffee is one of the leading commodities supporting the Indonesian economic sector. To increase the competitiveness of coffee at the international market level, it is necessary to control the quality of coffee beans. The main indicator that affects the quality of coffee beans is the moisture content. Measurement of the moisture content of coffee beans is very necessary during the drying process and before storage and even packaging aims to get green beans and of course according to quality safety standards of 12.5%. The method currently used still has some weaknesses. This study aims to identify and model the relationship of bioelectric properties (resistance, capacitance, and inductance) to the moisture content of robusta coffee beans using ANN. The research began at the stage of taking 10 samples of green bean coffee consisting of 8 samples for measuring bioelectrical properties and 2 samples for measuring the gravimetric method with a weight of 100 grams each. Through the drying process using an oven, weighing and measuring bioelectrical properties with the Digital LCR meter APPA 703. Then data is collected on the WinDMM 700 application which has been integrated with the LCR meter. Furthermore, the data is processed using Python 3.8 software. From the results of the research that has been done, it is obtained that the relationship between the parameters of bioelectric properties and the moisture content of Robusta coffee states that all parameters of bioelectric properties consisting of inductance, capacitance, and resistance correlate with the moisture content of robusta coffee because each is not close to 0. In addition, based on the results of testing the prediction model with hyperparameter and learning rate can be seen from the results of training and validation carried out by the TanH architecture, so the best topology in this study was obtained in All Feature with a 9-10-20-1 structure (9 inputs, 10 hidden layer 1 node, 20 nodes hidden layer 2, and 1 output) with input layers namely Inductance (L), Capacitance (C) and Resistance (R). the learning rate is 0.005 and the momentum is 0.5 and the best topology has a training R2 value of 0.96 and a validation R2 of 0.93. As well as having the lowest MSE values of 10.65 and 19.19.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0522100517 |
| Uncontrolled Keywords: | Artificial Neural Network, Biji Kopi Robusta, Digital LCR Meter, Kadar Air, Artificial Neural Network, Robusta Coffee Beans, Digital LCR Meter, Moisture Content. |
| Subjects: | 600 Technology (Applied sciences) > 630 Agriculture and related technologies |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 22 May 2023 03:35 |
| Last Modified: | 22 May 2023 03:35 |
| URI: | http://repository.ub.ac.id/id/eprint/199990 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Wahyu Dwi Ristianingrum.pdf Restricted to Registered users only until 31 December 2024. Download (7MB) |
Actions (login required)
 |
View Item |