Rahmawati, Novita (2017) Pembedaan Kulit Rambak Sapi, Kerbau, dan Babi Menggunakan Metode Dielektrik dan Jaringan Syaraf Tiruan (JST). Sarjana thesis, Universitas Brawijaya.
Abstract
Pembedaan rambak sapi, kerbau, dan babi sangat diperlukan bagi konsumen. Selama ini untuk membedakan rambak menggunakan uji organoleptik, metode Spektrofotometri Fourier Transform Infrared (FTIR) dan Polymerase Chain Reaction (PCR) untuk mendeteksi keaslian suatu bahan. Uji organoleptik, metode FTIR dan PCR lebih lama dan lebih mahal. Maka dari itu, ada peluang untuk membedakan rambak babi dari rambak sapi dan kerbau menggunakan metode dielektrik dan jaringan syaraf tiruan (JST). Metode ini lebih cepat untuk meneliti dan harganya lebih murah. Tujuan penelitian ini adalah untuk menentukan hubungan sifat listrik dengan berbagai rambak jenis hewan dan membedakan rambak babi dari rambak sapi dan kerbau menggunakan metode dielektrik dan jaringan syaraf tiruan (JST). Metode dielektrik digunakan untuk menentukan karakteristik biolistrik suatu suatu bahan. Selain itu, dielektrik juga dapat digunakan untuk mendeteksi kemurnian suatu bahan. Sifat listrik bahan tergantung pada bentuk, struktur, dan kondisi internal bahan. Nilai sifat dielektrik diduga dapat membedakan rambak babi dari rambak sapi dan kerbau. Jaringan syaraf tiruan digunakan untuk mengolah data yang sudah dari hasil dielektrik dan akan menghasilkan nilai Mean Square Error (MSE) yang terkecil. Hasil penelitian menunjukkan bahwa hasil analisis uji protein kulit dan krecek kerbau lebih tinggi dari sapi dan babi. Lemak kulit dan krecek rambak babi lebih tinggi dari sapi dan kerbau. Uji kadar air, abu dan karbohidrat kulit dan krecek sapi lebih tinggi dari kerbau dan babi. Nilai biolistrik yaitu kapasitansi, resistansi dan impedansi berbanding terbalik dengan frekuensi. Data biolistrik digunakan untuk input. Data pelatihan dan validasi yaitu 66,67% dan 33,33%. Selain itu, fungsi pembelajaran terbaik kulit dan krecek yaitu traingdm dengan fungsi aktivasi tansig pada hidden layer dan purelin pada output layer. Analisis sensitivitas ANN dengan input sifat biolistrik (kapasitansi, resistansi, induktansi, dan impedansi) dan output jenis rambak didapatkan topologi terbaik dari kulit rambak adalah 4-20-10-1 (4 node input, 20 hidden layer 1, 10 node hidden layer 2, 1 node output) dan menghasilkan nilai MSE pelatihan 1.14E-01 dan validasi 0.2375 serta koefisen korelasi pelatihan dan korelasi sebesar 0.91241 dan 0.80267. Topologi terbaik pada krecek rambak yaitu adalah 4-20-10-1 (4 node input, 20 hidden layer 1, 10 node hidden layer 2, 1 node output) dan menghasilkan nilai MSE pelatihan 0,2419 dan validasi 0,3038 serta koefisien korelasi pelatihan dan korelasi sebesar 0,80143 dan 0,73821.
English Abstract
The difference of cow, buffalo, and pig skin crackers is necessary for consumers to be careful to choose skin crackers. During this time to distinguish rambak using organoleptic test, Fourier Transform Infrared (FTIR) and Polymerase Chain Reaction (PCR) spectrophotometry method to detect the authenticity of a material. Organoleptic tests, FTIR and PCR methods are longer and more expensive. Therefore, there is an opportunity to distinguish skin crackers pig from skin crackers cow and buffalo using dielectric method and neural network (ANN). This method is faster to research and the price is cheaper. The purpose of this study is to determine the relationship of electrical properties with various skin crackers animal species and distinguish skin crackers pig from skin crackers cow and buffalo using dielectric method and neural network (ANN). The dielectric method is used to determine the biological characteristics of a material. In addition, dielectrics can also be used to detect the purity of a material. The electrical properties of the material depend on the shape, structure, and internal conditions of the material. The value of dielectric properties is expected to distinguish rambak pig from rambak cow and buffalo. Artificial neural network is used to process data that has been from the dielectric and will produce the smallest Mean Square Error (MSE). The results showed that the results of the proximity analysis of skin protein values and krecek buffalo higher than cows and pigs. Skin fat and krecek skin crackers pig higher than cows and buffalo. The value of water content, ash and carbohydrate skin and krecek cow is higher than buffalo and pigs. Biolyge values of capacitance, resistance and impedance are inversely proportional to frequency. Biolistrik data is used for artificial neural network input. Training data sharing and validation are 66,67% and 33,33%. In addition, the best learning function and activation function shows the lowest mean square error (MSE) validation value on the skin or krecek skin crackers ie traingdm with tansig activation function on hidden layer and purelin at output layer. ANN sensitivity analysis with biolelectric input (capacitance, resistance, inductance, and impedance) and skin crackers output obtained best topology from skin crackers skin is 4-30-20-1 (4 input nodes, 30 hidden layer 1, 20 hidden layer 2 nodes , 1 output node) and the value of training MSE 0,1012 and validation 0,1658 and correlation coefficient of training and correlation equal to 0,92129 and 0,86731. The best topologies on krecek skin crackers are 4-20-10-1 (4 input nodes, 20 hidden layers 1, 10 hidden layer 2 nodes, 1 output node) and generate MSE value of training 0.2419 and validation 0.3038 and correlation coefficients Training and correlation of 0.80143 and 0.73821.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTP/2017/555/051709404 |
Uncontrolled Keywords: | Backpropagation, Dielektrik, Jaringan Syaraf Tiruan (JST), Rambak |
Subjects: | 600 Technology (Applied sciences) > 641 Food and drink > 641.3 Food > 641.37 Dairy and related products |
Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 12 Oct 2017 04:45 |
Last Modified: | 04 Jan 2022 06:33 |
URI: | http://repository.ub.ac.id/id/eprint/3637 |
Preview |
Text
2. BAB I.pdf.pdf Download (103kB) | Preview |
Preview |
Text
1. Bagian Depan.pdf.pdf Download (462kB) | Preview |
Preview |
Text
3. BAB II.pdf.pdf Download (314kB) | Preview |
Preview |
Text
5. BAB IV.pdf.pdf Download (636kB) | Preview |
Preview |
Text
6. BAB V.pdf.pdf Download (93kB) | Preview |
Preview |
Text
4. BAB III.pdf.pdf Download (249kB) | Preview |
Preview |
Text
7. Daftar Pustaka.pdf.pdf Download (256kB) | Preview |
Actions (login required)
![]() |
View Item |