[AOAC] Association of Official Analytical Chemists. 2016. Official Methods of Analysis of AOAC International 20th ed. AOAC International.
Gaithersburg MD. USA.
Aditama, H. F. 2019. Pengembangan Model Jaringan Syaraf Tiruan untuk Penentuan Kandungan Kimia Biji Kopi Beras Arabika dengan NIRS.
Skripsi. Institut Pertanian Bogor. Bogor.
Agustina, R., H. Syah dan R. Moulana. 2016. Karakteristik Pengeringan Biji Kopi dengan Pengering Tipe Bak dengan Sumber Panas Tungku Sekam Kopi dan Kolektor Surya. Jurnal Ilmiah Teknologi Pertanian 1: 20-27.
Andrianyta, H dan I. W. Budiastra. 2010. Efektivitas Metode Non-Destruktif NIR-Jaringan Saraf Tiruan dalam Menentukan Komposisi Kimia Jagung.
Skripsi. Departemen Teknik Pertanian IPB. Bogor.
Anwar, B. 2011. Penerapan Algoritma Jaringan Saraf Tiruan Backpropogation dalam Memprediksi Tingkat Suku Bunga Bank. Jurnal SAINTIKOM 10:
111-123.
Asfirmanto, W. A., T. Nurlambang, dan T. Waryono. 2013. Pengaruh Kondisi Fisik dan Budidaya Terhadap Kualitas Kopi di Kintamani dan Gayo.
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia.
Jakarta.
Athfiyah, S. N. 2017. Penentuan Kandungan Kimia Utama Biji Kopi Arabika Bondowoso Secara Nondestruktif dengan Near Infrared Spectroscopy.
Skripsi. Institut Pertanian Bogor. Bogor.
Badieah, R. Gernowo dan B. Surarso. 2016. Metode Jaringan Syaraf Tiruan Untuk Prediksi Performa Mahasiswa Pada Pembelajaran Berbasis Problem Based Learning (PBL). Jurnal Sistem Informasi Bisnis 1: 46-57.
Budiman, H. 2012. Prospek Tinggi Bertanam Kopi. Pustaka Baru Press.
Caporaso, N., M. B. Whitworth, S. Grebby dan I. D. Fisk. 2018 Rapid Prediction of Single Green Coffee Bean Moisture and Lipid Content by Hyperspectral Imaging. Journal of Food Engineering 227:18-29.
Darsiharjo, R. P. dan Jupri. 2015. Evaluasi Kesesuaian Lahan untuk Tanaman Kopi (Coffea arabica) di Desa Sirnajaya. Jurnal Antologi Geografis 3: 1-11.
Davies, A. M. C. 2019. An Introduction to Near Infrared (NIR) Spectroscopy.
IMPublications. Norwich.
Deswari, D., M. T. Hendrick dan M. T. Derisma. 2013. Identifikasi Kematangan Buah Tomat Menggunakan Backpropagation. Teknik Elektro Politeknik Negeri Padang. Padang.
Direktorat Jendral Perkebunan. Outlook Pertanian 2018.
http//:www.kementrianpertanian.go.id/outlook+pertanian+2018.
[diakses pada 04 april 2019]
Dradjat, B., A. Agustian, dan A. Supriatna. 2007. Ekspor dan Daya Saing Kopi Biji Indonesia di Pasar Internasional: Implikasi Strategis Bagi Pengembangan Kopi Biji Organik. Jurnal Pelita Perkebunan 23 : 159-179.
Dunteman, H. G. 1989. Principal Component Analysis. Sage Publition. Newbury Park London New delhi.
Elisa. 2016. Jaringan Saraf Tiruan (Artificial Neural Network). UGM.
Yogyakarta. http//:www.elisa.ugm.ac.id.
[diakses pada 04 April 2019]
Farhaty, N. dan Muchtaridi. 2016. Tinjauan Kimia dan Farmakologi Senyawa Asam Klorogenat Pada Biji Kopi. Farmaka Suplemen 14: 214-227.
Firdaus, J., R. Hasbullah, U. Ahmad, dan R. Suhartanto. 2014. Deteksi Cepat Visibilitas Benih Padi Menggunakan Gelombang Near Infrared dan Model Jaringan Saraf Tiruan. Penelitian Pertanian Tanaman Pangan 33:
77-86. Kebun Campur. Pusat Penelitian Kopi dan Kakao Indonesia. Bogor.
Karlinasari, L., M. Sabed, N. J. Wistara, dan Y. A. Purwanto. 2012. Karakteristik Spektra Absorbansi NIR (Near Infrared) Spektroskopi Kayu Acacia mangium Willd, Pada 3 Umur Berbeda. Jurnal Ilmu Kehutanan 6: 45-52.
Kementrian Pertanian. 2016. Outlook Kopi 2016: Komoditas Pertanian: Subsektor Perkebunan. Jakarta.
Kopidewa. 2017. Sejarah Tanaman Kopi Dunia dari Ethiopia Sampai ke Eropa.
http//: www.kopidewa.com.
[diakses pada 04 april 2019]
Kurniawan, J. R. 2017. Optimasi Metode Bioanalisis Kafein dalam Sampel Darah Orang Jawa dengan Metode Kromatografi Cair Kinerja Tinggi Fase Terbalik. Universitas Sanata Dharma. Jakarta.
Kusumadewi, S. 2003. Artificial Intellegence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta.
Martinez, M. J. dan M. A. Ponce. 2019. Fatique Damage Effect Approach by Artificial Neural Network. International Journal of Fatique.
Mendonca, J. C. F., A. S. Franca, dan L. S. Oliveira. 2007. A Comparative Evaluation of Methodologies for Water Content Determination in Green Coffee. Journal of Food Science 10: 17-25.
Munawar, A. A. dan I. W. Budiastra. 2009. Non-destruktive Inner Quality Prediction in Intact Mango with Near Infrared Reflectance Spectroscopy.
Jurnal Keteknikan Pertanian IPB 1: 21.
Munawar, A. A., Yusmanizar., Hafidh dan Zulfahrizal. 2017. Kajian Teknologi Near Infrared Spectroscopy Sebagai Metode Baru untuk Prediksi Kualitas Madu. Prosiding Seminar Nasional Pascasarjana (SNP). Banda Aceh.
Murkovic, M. dan K. Derler. 2006. Analysis of Amino Acids and Carbohydrates in Green Coffee. Journal of Biochemical and Biophysical Methods 69:
25-32.
Nicolai, B. M., K. Beullens, E. Bobelyn, A. Peirs, W. Saeys, K. I. Theron, dan J.
Lammertyn. 2007. Nondestructive Measurement of Fruit and Vegetable Quality by Means of NIR Spectroscopy. Post Harvest Biology and Technology 19: 171-180.
Panggabean, E. 2011. Buku Pintar Kopi. Agromedia Pustaka. Jakarta.
Purnamasari, M., N. Hanani, dan W. C. Huang. 2014. Analisis Daya Saing Ekspor Kopi Indonesia di Pasar Dunia. AGRISE 14: 58-66.
Pusat Penelitian Kopi dan Kakao. 2016. Pengolahan Kopi.
https//:www.iccri.net.
[Diakses pada 07 Agustus 2019]
PDSIP (Pusat Data Dan Sistem Informasi Pertanian). 2017. Outlook Kopi (Komoditas Pertanian Sub Sektor Perkebunan). Jakarta.
Puspitaningrum, D. 2006. Pengantar Jaringan Saraf Tiruan. Penerbit Andi.
Yogyakarta.
Rahardjo, P. 2012. Panduan Budidaya dan Pengolahan Kopi Arabika dan Robusta.
Penebar Swadaya. Jakarta.
Rindang, A. 2011. Penentuan Gejala Chilling Injury Buah Belimbing (Averrhoa carambola L.) dengan Near InfraRead Spectroscopy. Thesis. Institut Pertanian Bogor. Bogor.
Rodrigo, J., M. C. Sarraguça, A. O. S. S. Rangel, dan J. A. Lopes. 2012.
Evaluation of green coffee beans quality using near infrared spectroscopy : A quantitative approach. Food Chemistry Journal 135:1828–1835.
Rosita, R. 2016. Penetuan Kandungan Kimia Biji Kopi Arabika Gayo Secara Non-Destruktif dengan Near Infrared Spectroscopy. Thesis. Institut Pertanian Bogor. Bogor.
Subandi. 2011. Budidaya Tanaman Perkebunan. Gunung Djati Press. Bandung.
Tabachnick, B. 2001. Using Multivariate Statitics 4th edition. Penerbit Allyn dan Bacon. Boston.
Tim Karya Tani Mandiri. 2010. Pedoman Budidaya Tanaman Kopi. CV. Nuansa Aulia. Bandung.
Umar, H. B. 2009. Principal Component Analysis (PCA) dan Aplikasinya dengan SPSS. Jurnal Kesehatan Masyarakat 3: 97-101.
Widayati, C. S. W. 2009. Komparasi Beberapa Metode Estimasi Kesalahan Pengukuran. Jurnal Penelitian dan Evaluasi Pendidikan 13: 182-197.
William, P. dan K. Norris. 1990. Near Infrared Technology in the Agricultural and Food Industries. American Association of Cereal Chemist, Inc.
Minnesota, USA.
Zulfahrizal, C. Multin, dan A. Munawar. 2014. Prediksi Kadar Air Bubuk Biji Kakao Menggunakan NIRS Dengan Metode PLS. Jurnal Ilmiah Mahasiswa 1: 1037-1045.
LAMPIRAN
Lampiran 1. Diagram alir tahapan persiapan data JST Persiapan NIRS pada sampel
Transformasi Log(1/R) Spektra
reflektan
Spekta absorban Segmentasi spekta absorban
Koreksi MSC
Transpose matriks data koreksi MSC Analisis komponen utama (PCA)
Vektor ciri PC
Perkalian matriks PC dengan matriks spektra absorban
Penggabungan matriks hasil perkalian dengan data destruktif lemak dan KA
Set data JST Pemilihan nilai
maksimal dan minimal pada set data JST
Data maksimal dan minimal
2/3 sebagai data kalibrasi 1/3 sebagai data validasi
Lampiran 2. Diagram alir tahapan pengembangan model kalibrasi JST
Mulai
mengimpor set data input ke software matlab.
membuat variabel jaringan dengan workspace
Memasukan perintah “ ’ pada command window untuk memunculkan
toolbox neural network
Menginisialisasi jaringan dan menentukan Input dan target untuk pelatihan dan pengujian
Melatih jaringan dan menentukan parameter pelatihan
Menguji jaringan
Overfitting, jaringan tidak stabil, error tinggi
Update Parameter
Memilih jaringan terbaik untuk pendugaan kadar air dan lemak kopi Sidikalang dan Lintong
Selesai
Tidak
Ya
Lampiran 3. Bahan dan alat penelitian
Grinder
FT-NIR Spectrometer tipe NIRFlex N-500 (BUCHI Labortechnic, Switzerland)
Biji kopi (96 g) untuk pengukuran reflektan NIRSdan bubuk kopi untuk analisis kimia
Oven
Lampiran 4. Data Kandungan Kimia Kadar Air, Lemak dan Karbohidrat secara Destruktif.
Lampiran 5. Set data input JST kopi Lintong
Data Nilai PC
Data Nilai PC Data Uji
Data Nilai PC Data Uji
Data Nilai PC Data Uji
9 10 11 12 13 14 15
24 1,2255 1,1868 -0,5452 0,7659 -0,4507 -0,0664 -0,5796 27 1,2266 1,1933 -0,5443 0,7531 -0,4560 -0,0519 -0,5675 30 1,2296 1,1855 -0,5451 0,7692 -0,4533 -0,0677 -0,5811 33 1,2447 1,1880 -0,5323 0,7553 -0,4459 -0,0536 -0,5729 36 1,2304 1,1902 -0,5393 0,7569 -0,4409 -0,0640 -0,5816 39 1,2309 1,1890 -0,5502 0,7613 -0,4530 -0,0594 -0,5732 42 1,2286 1,1926 -0,5427 0,7613 -0,4492 -0,0531 -0,5733 45 1,2339 1,1990 -0,5531 0,7562 -0,4483 -0,0526 -0,5740 48 1,2367 1,1936 -0,5473 0,7574 -0,4441 -0,0642 -0,5742 51 1,2363 1,1927 -0,5472 0,7664 -0,4514 -0,0571 -0,5762 54 1,2283 1,1897 -0,5368 0,7641 -0,4510 -0,0531 -0,5719 57 1,2354 1,2001 -0,5508 0,7605 -0,4519 -0,0570 -0,5740 60 1,2258 1,1841 -0,5391 0,7653 -0,4530 -0,0594 -0,5727 63 1,2192 1,1884 -0,5467 0,7656 -0,4526 -0,0593 -0,5757 66 1,2273 1,1933 -0,5345 0,7615 -0,4546 -0,0520 -0,5711 69 1,2327 1,1924 -0,5475 0,7551 -0,4452 -0,0549 -0,5733 72 1,2220 1,1928 -0,5421 0,7654 -0,4443 -0,0704 -0,5789 75 1,2241 1,1879 -0,5454 0,7603 -0,4409 -0,0605 -0,5764 78 1,2288 1,1930 -0,5355 0,7573 -0,4364 -0,0456 -0,5732 81 1,2252 1,1952 -0,5373 0,7568 -0,4443 -0,0693 -0,5812 84 1,2159 1,1945 -0,5465 0,7693 -0,4587 -0,0561 -0,5733 87 1,2271 1,1887 -0,5405 0,7657 -0,4514 -0,0609 -0,5736 90 1,2284 1,1995 -0,5414 0,7454 -0,4468 -0,0437 -0,5707
Lampiran 6. Set data input JST kopi Sidikalang
Data Nilai PC Data Latih
Data Nilai PC Data Latih
Data Nilai PC
Data Nilai PC Data Uji
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 -0,0626 -0,4397 1,0401 0,0521 0,1724 0,4235 0,7258 0,8104 -0,0144 0,3482 -0,5846 -0,1468 -0,4409 -0,8879 -14,3070
0,4570 0,1277 -0,1692 11,3070 -11,8390 0,8896 0,6256 -0,8093 -0,3474 0,4763 -0,2774 0,6727 -0,2529 0,1208 0,2776 -0,7035 0,6296 -0,1599 0,6910 0,1896 -0,2441 -0,4231 0,3010 -0,0323 0,5212 0,3041 -0,2469 0,2572 0,3567 -0,5146 0,0632 0,2217 -0,3764 0,7209 -0,9042 -0,4328 0,4508 0,5430 -10,7710 -0,4263 -15,8920 -20,2010 0,1224 0,3988 -0,7178 0,3736 0,8767 -0,0236 0,4487 -0,0181 -0,4005 -0,1115 -0,8806 0,4559 -0,2689 0,6412 0,5603 0,0764 -0,2108 -0,2141 -0,4473 0,5855 0,2275 -0,3801 -1,3558 0,1157 -0,0595 -0,4700 -0,5799 -10,8160 -0,2930 -0,1425 0,0429 -0,4803 -0,7865 -0,1969 -0,1877 0,5659 -0,0061 -0,3496 0,1060 0,8661 11,3050 -0,2815 -0,1598 -0,9849 0,6701 -0,1363 0,3467 -0,4495
Bobot dari Hidden Layer ke Output
z1 z2 z3 z4 z5 z6 z7
0,9263 -0,3825 0,1536 10.875 0,1123 0,6648 -10.859
61
Lampiran 8. Bobot JST kadar air kopi Sidikalang arsitektur 15-12-1
Bobot dari Input ke Hidden Layer
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 0,1415 0,3720 0,4286 -0,4360 0,1304 -0,2128 -0,1504 0,6535 0,7976 -1,1030 -0,4451 -0,1739 -0,6327 0,3115 -0,5597 -0,1563 -0,0030 0,1068 -0,1882 0,0562 0,2936 0,6252 0,3668 0,7533 -0,1152 0,0668 -0,5827 -0,1680 0,8694 0,5790 -0,3017 0,4884 -0,4998 0,3242 0,6342 -0,5223 0,1823 -0,1937 0,2256 -0,7126 0,4143 0,2108 0,6071 -0,3426 0,1975 -0,4150 -0,2521 -0,0036 0,1029 0,0713 -0,3887 -0,2168 0,4128 -0,8761 -0,7914 -0,2678 0,2179 0,0846 -0,6435 0,4192 0,3717 -0,6130 0,0256 0,3687 -0,0977 -0,4335 0,5418 0,6523 -0,6746 -0,5874 -0,0557 -0,2472 -0,1882 0,2662 0,4383 0,6538 0,1201 0,6525 0,6542 0,0563 -0,4026 0,3761 0,0565 -0,3849 0,1242 0,1839 0,4000 -0,3851 0,5406 -0,5714 -0,4383 0,5736 0,4962 0,6467 0,2970 -0,2422 -0,0490 0,0561 -0,0630 -0,3621 0,5836 0,6985 -0,0826 0,1550 0,6304 0,3397 -0,3700 0,5587 0,0424 -0,5840 0,4596 0,3794 -0,2282 -0,4504 0,4125 -0,4089 0,5812 0,5512 0,4833 -0,0029 -0,3933 -0,0874 0,2313 0,5997 0,3890 -0,0374 0,5151 -0,5543 -0,6352 0,4618 0,2788 -0,4822 -0,4861 -0,3963 0,3298 0,7510 0,3801 -0,1472 -0,5863 -0,5453 -0,1465 -0,1079 -0,4851 0,3464 0,7072 0,1186 -0,4084 -0,0446 0,3881 0,3698 0,4072 -0,6208 0,5860 -0,6043 -0,0290 -0,4321 -0,2232 -0,5483 -0,1965 -0,0150 -0,0899 -0,6418 0,4808 -0,2071 0,4461 -0,1151 0,6782 -0,0312 -0,2973 -0,3695 0,7125 0,1469 -0,0555 0,4261 -0,4250 0,5838 0,1632 -0,6938 -0,1236 -0,5219
Bobot dari Hidden Layer ke Output
z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 z12 -0,2168 0,6625 -0,8953 0,9354 0,2254 0,3143 -0,6157 -0,4324 -0,7945 0,7962 -0,0441 -0,1197
Lampiran 9. Bobot JST lemak kopi Lintong arsitektur 15-12-1
Bobot dari Input ke Hidden Layer
X1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 0,3706 0,8111 0,7073 0,3957 0,1953 0,5612 0,8562 -0,1353 -0,2863 10,4470 -18,8240 -0,0188 -0,5490 0,1047 -0,5227
0,9444 0,3965 0,2453 -0,7871 0,5249 -0,3235 -0,7715 -11,596 0,0130 0,1841 0,2242 -10,5370 -0,4911 0,6369 -0,8086
-0,8995 0,2126 -0,1863 12,0670 -13,7590 -0,1216 0,9994 14,9270 -0,9752 -0,0866 -0,1958 -0,1790 -0,6737 0,0975 -0,0919
12,3770 -0,8455 0,9339 -0,1283 0,5412 0,1827 0,2693 -0,1472 0,2286 -0,1391 -0,2211 -10,6600 0,0079 -11,2950 -0,7170
0,8769 -0,2676 0,3541 -0,9563 0,4063 0,5572 -12,6950 -0,2203 -0,2830 -0,3912 10,4970 0,2908 -0,6115 -0,2109 0,6830
-0,8673 0,3787 -0,2185 -0,0697 -0,5241 0,6555 -12,1550 0,8102 0,4324 -0,0002 0,8894 0,0329 -0,3475 -0,2755 -0,2211
-0,2911 0,4743 0,0125 0,5749 -13,0470 -0,0023 0,1551 -0,3622 -0,2614 -0,7666 -0,4098 0,2213 0,0292 -0,3725 -0,6403
0,4728 0,1862 -0,4640 0,2812 -0,1835 -0,4126 -0,3920 -0,2120 0,1035 0,7096 0,3703 -0,5062 -0,3931 -0,9419 -0,6635
0,5191 -0,0216 0,2075 -0,6953 0,3780 -0,1886 -0,7293 0,5026 0,5043 0,6349 0,2148 0,7808 0,8300 -0,9954 0,1152
0,4085 -0,1173 -13,6150 0,1600 0,2699 -0,4519 14,1830 0,1670 -0,6344 12,4840 0,1467 0,5879 0,0138 0,5264 0,4043
0,0416 0,4012 -0,8168 -0,1681 0,2845 0,2438 0,1442 0,9027 0,5002 -0,9592 0,3136 -0,4795 0,4357 0,1953 0,2165
11,6840 0,7773 -0,6748 -0,4355 -0,9476 -0,2289 0,1026 -0,8432 0,7702 0,2680 0,9948 -0,5238 -0,4667 0,8509 -0,2314 Bobot dari Hidden Layer ke Output
z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 z12 16,3590 -11,5490 15,7620 -0,4323 13,7470 -0,9529 -0,6884 0,6613 0,9918 -10,8710 0,6260 0,9912
Lampiran 10. Bobot JST lemak kopi Sidikalang arsitektur 15-12-1
Bobot dari Input ke Hidden Layer
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 0,0643 -0,4842 0,4423 0,4027 -0,5146 0,5802 -0,4175 -0,1312 -0,1604 -0,6799 -0,3110 0,4297 -0,0472 -0,4847 0,3538 -0,5250 -0,4492 -0,3163 0,0319 0,3811 0,1819 -0,3476 -0,5293 0,9078 0,1408 -0,1042 10,4690 -0,5916 -0,2862 -0,2305 -0,0045 -0,4771 0,3200 -0,3692 -0,7553 0,5202 0,1288 -0,0440 -0,1818 0,6113 -0,1088 0,2194 -0,4120 0,0606 -0,7418 0,2642 0,2271 -0,5717 -0,4583 -0,9624 -0,1510 -0,1066 -0,1431 0,2869 0,2175 -0,6471 -0,1617 -0,4001 0,5894 -0,5093 0,3441 -0,6085 -0,7358 0,6099 0,1014 -0,0625 0,4118 0,5583 0,2380 -0,5773 0,0693 0,2156 0,0295 -0,4134 -0,5538 -0,1395 0,3615 0,4073 -0,6461 -0,5283 0,3876 0,3546 0,4249 -0,1026 -0,2065 -0,2163 -0,5650 -0,5903 0,5454 -0,3292 -0,1032 -0,4932 0,0060 -0,0955 0,7042 -0,8586 0,0152 -0,6316 -0,0127 -0,3093 0,0322 0,7890 0,2253 0,4830 0,0257 0,4577 0,1312 -0,0799 -0,4635 0,2600 -0,3505 -0,8342 0,3569 0,8662 11,3100 -0,2858 0,2270 -0,2184 0,1209 -0,1092 -0,7152 0,0106 0,5025 0,6512 0,2726 -0,2379 -0,9104 -0,1971 -0,2420 -0,4769 -0,4584 0,5263 0,1115 -0,1961 0,0123 0,6426 0,4561 0,2521 0,1086 -0,6088 0,1784 0,6499 -0,4671 -0,6065 0,7756 -0,4150 -0,1558 0,1777 -0,5411 0,6264 0,6902 0,2435 0,2884 0,0287 0,2256 0,5718 -0,6326 -0,0147 0,9251 0,3406 0,1599 0,1356 0,2055 -0,5039 -0,0045 0,2279 0,5093 0,6556 0,0492 -0,2516 0,4288 -0,6073 0,3910 -0,3740 -0,2150 -0,1429 -0,5790 -0,6156 0,4545 0,7076
Bobot dari Hidden Layer ke Output
z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 z12 -0,0531 0,7645 -0,2291 -0,4224 0,1588 -0,0399 0,1141 0,0495 -0,2578 -0,38 -0,1925 0,4334
Lampiran 11. Hasil kalibrasi model JST terbaik kopi Lintong
Data Target Prediksi Selisih Error
KA Lemak KA Lemak KA Lemak
Data Target Prediksi Error
KA Lemak KA Lemak KA Lemak
59 10,4597 16,3500 10,3992 16,5797 0,0605 -0,4556 61 10,5894 17,8000 10,7189 17,6822 -0,1295 0,1421 62 10,5894 17,8000 10,7563 17,3872 -0,1669 0,4016 64 10,7189 15,9500 10,8683 15,9909 -0,1494 -1,0425 65 10,7189 15,9500 10,7005 16,7539 0,0185 0,3767 67 10,6174 17,9000 10,5677 17,6280 0,0498 0,1931 68 10,6174 17,9000 10,7066 17,6210 -0,0892 0,0991 70 10,8297 15,2000 10,9369 15,5490 -0,1072 -0,0201 71 10,8297 15,2000 10,8344 15,6219 -0,0047 0,0391 73 10,8613 16,7000 10,8300 16,4593 0,0313 0,157 74 10,8613 16,7000 10,8321 16,4413 0,0292 0,1335 76 10,5780 16,2500 10,5597 16,5436 0,0184 0,0482 77 10,5780 16,2500 10,5182 15,8888 0,0598 -0,0437 79 10,4264 17,8500 10,5362 17,7523 -0,1098 0,1932 80 10,4264 17,8500 10,5083 17,8094 -0,0819 0,4798 82 10,5000 16,4500 10,5277 17,6618 -0,0277 0,3317 83 10,5000 16,4500 10,4877 17,2327 0,0123 -0,0101 85 10,7155 17,9000 10,6353 17,7399 0,0802 0,2241 86 10,7155 17,9000 10,5588 17,0658 0,1567 0,2086 88 10,7042 16,4000 10,5998 15,9758 0,1044 -0,5712 89 10,7042 16,4000 10,5628 16,3316 0,1414 -1,2622
Lampiran 12. Hasil validasi JST terbaik kopi Lintong
Data Target Prediksi Selisih Error
KA Lemak KA Lemak KA Lemak
Lampiran 13. Hasil kalibrasi JST terbaik kopi Sidikalang
Data Target prediksi Selisih Error
KA Lemak KA Lemak KA Lemak
Data Target prediksi Selisih Error
KA Lemak KA Lemak KA Lemak
59 10,7891 14,0000 10,0956 14,0727 0,6936 -0,0727 61 11,2479 16,8000 10,9077 15,9855 0,3402 0,8145 62 11,2479 16,8000 11,0684 16,2980 0,1794 0,5020 64 11,1426 14,8000 11,0168 14,7037 0,1258 0,0963 65 11,1426 14,8000 10,6785 13,4044 0,4641 1,3956 67 11,3274 16,5000 11,0123 16,5089 0,3150 -0,0089 68 11,3274 16,5000 11,1398 16,4821 0,1875 0,0179 70 11,5698 16,8000 10,8571 16,2103 0,7127 0,5897 71 11,5698 16,8000 10,9253 16,4172 0,6445 0,3828 73 11,1961 14,5000 11,1304 14,4423 0,0658 0,0577 74 11,1961 14,5000 11,1314 14,4728 0,0647 0,0272 76 11,2036 15,4000 11,1492 16,6898 0,0544 -1,2898 77 11,2036 15,4000 11,1493 16,1126 0,0543 -0,7126 79 9,5824 15,2000 9,2954 14,7104 0,2870 0,4896 80 9,5824 15,2000 9,3023 15,8228 0,2801 -0,6228 82 8,9684 15,9000 9,3539 14,5652 -0,3854 1,3348 83 8,9684 15,9000 9,2761 17,1009 -0,3077 -1,2009 85 10,1915 15,5500 10,6508 15,4185 -0,4593 0,1315 86 10,1915 15,5500 11,2707 15,5601 -1,0792 -0,0101 88 10,5806 17,5000 11,0588 18,6011 -0,4782 -1,1011 89 10,5806 17,5000 10,8937 17,3681 -0,3130 0,1319
Lampiran 14. Hasil validasi JST terbaik kopi Sidikalang
Data Target Prediksi Selisih Error
KA Lemak KA Lemak KA Lemak
Lampiran 15. Glosarium JST
Istilah Arti
Arsitektur jaringan Sebuah himpunan masukan, layar tersembunyi dan keluaran Pembobot Nilai matematis dari koneksi, yang mentransfer data dari satu
lapisan ke lapisan lainnya. Bobot ini digunakan untuk mengatur jaringan sehingga jaringan saraf tiruan bias menghasilkan output yang diinginkan sekaligus bertujuan membuat jaringan tersebut belajar.
Data set Sekumpulan data yang akan digunakan dalam proses pembangunan JST
Epochs Jumlah pembelajaran bolak-balik
Fungsi aktivasi Fungsi yang menggambarkan hubungan antara tingkat aktivasi internal (summation function) yang mungkin berbentuk linier atau nonlinier. Beberapa fungsi aktivasi jaringan saraf tiruan diantaranya: hard limit, purelin,dan sigmoid
Goal Nilai error yang akan dicapai pada proses pelatihan jaringan Hidden layer Lapisan yang tidak secara langsung berinteraksidengan dunia
luar. Lapisan inimrmemperluas kemampuan jaringan saraf tiruan dalam menghadapi masalah-masalh yang kompleks
Input Sekumpulan masukan dengan variabel-variabel tertentu
Jaringan Kumpulan neuron yang saling terhubung dan membentuk lapisan
Levenberg-Marquardt
Sebuah algoritma pelatihan JST
Learning rate Disebut juga ratio pembelajaran yaitu hyperparameter yang dapat dikonfigurasi yang digunakan dalam pelatihan jaringan saraf yang memiliki nilai positif kecil, seringkali dalam kisaran antara 0,0 dan 1,0.
Max fail Kesalahan maksimal saat validasi jaringan pada proses pelatihan Min grad Parameter yang menunjukan gradient hasil minimum
Mu_dec Parameter untuk faktor pengurangan pada nilai pembelajaran Mu_inc Parameter untuk faktor pertambahan pada nilai pembelajaran Mu_max Parameter untuk nilai maksimal pembelajaran
Multiplicative Penghamburan cahaya pada bahan yang ditembakan NIRS Neuron atau node Sel saraf tiruan yang merupakan elemen pengolahan jaringan
saraf tiruan. Setiap neuron menerima data input, memroses input tersebut (melakukan sejumlah perkalian dengan melibatkan summation function dan fungsi aktivasi), dan mengirim-kan hasilnya berupa sebuah output.
Offset Nilai diluar data set
Output Solusi atau hasil pemahaman jaringan terhadap data input.
Tansig-tansig Fungsi ini akan membawa nilai input pada output dengan menggunakan rumus hyperbolic tangen sigmoid. Nilai maksimal output dari fungsi ini adalah 1 dan minimal -1
Time Parameter batas waktu pelatihan jaringan