SUSANTO. F01496044. Kalibrasi Pantulan Infra Merah Dekat dengan Jaringan Saraf Tiruan untuk Menduga Konsentrasi Sukrosa dan Asarn Malat Mangga Gedong. Dibawah birnbingan Prof. Dr. Ir. Hadi K. Purwadaria IPrn. dan Dr. Ir. Suroso.
Indonesia merupakan penghasil mangga nomor empat di dunia. Walaupun
produksi buah mangga cukup besar, hanya sebagian kecil saja yang dapat
diekspor. Pada tahun 1994, produksi mangga sebesar 668,048 ton, tetapi hanya
885,131 kg (1.32 %) saja yang dapat diekspor. Hal itu disebabkan varietas yang
ditanam sangat beragam dap mutu buah tidak memenuhi syarat negara pengimpor.
(Satuhu, 1997).
Dalam upaya peningkatan ekspor buah mangga, pemilihan buah mangga
yang selama ini hanya dilakukan secara visual berdasarkan aroma dan
pengalaman (subjektif) perlu diganti dengan metode pengukuran secara
kuantitatif Metode kuantitatif perlu dilakukan untuk mengukur kandungan kimia
buah tanpa merusak buah (non destruktif). Teknologi pantulan cahaya infra merah
dekat dapat diterapkan sebagai metode non destruktif yang sederhana, teliti dan
cepat dalam mengukur kandungan kimia bahan. Akan tetapi, spektrum pantulan
infra merah dekat sulit dianalisis karena merupakan gabungan dari karakteristik
kimia dan fisik buah.
Jaringan saraf tiruan merupakan metode yang cocok untuk menganalisis
spektrum infra merah dekat. Hal ini disebabkan jaringan saraf tiruan dapat
dapat digunakan untuk menduga contoh baru. Akan tetapi, dimensi data pantulan
infra merah dekat yang besar perlu direduksi agar dapat digunakan sebagai input
jaringan saraf tiruan. Salah satu metode reduksi data yang umum digunakan
adalah analisis komponen utama.
Tujuan penelitian ini adalah : 1) mempelajari kelayakan analisis komponen
utama untuk mereduksi data pantulan infra merah dekat mangga Gedong sebagai
input jaringan saraf tiruan, 2) merancang arsitektur jaringan saraf tiruan yang
sesuai untuk menduga konsentrasi sukrosa dan asam malat mangga Gedong, 3)
memvelajari pengaruh umur panen mangga Gedong terhadap performansi
jaringan saraf tiruan dalam menduga kandungan sukrosa dan asam malat mangga
Gedong.
Jaringan saraf tiruan dengan input berupa komponen utama yang diekstrak
dari data pantulan infra merah dekat telah digunakan sebagai metode analisis.
Wang dan Lacey (1999) menggunakan jaringan saraf tiruan untuk
mengklasifikasikan warna biji gandum ke dalam warna merah dan putih
berdasarkan spektrum pantulan infra merah dekat. Analisis komponen utama dan
divergence feature selection digunakan untuk mereduksi data pantulan infra merah dekat sebagai input jaringan saraf tiruan. Dari studi tersebut disimpulkan
bahwa kedua metode tersebut merupakan metode yang efektif untuk mereduksi
data pantulan infra merah dekat sebagai input jaringan saraf tiruan.
Pada penelitian ini, jaringan saraf tiruan dengan tiga lapisan (input,
terselubung dan output) digunakan untuk menganalisis data pantulan infra merah
dekat mangga Gedong pada panjang gelombang 1405-2001 nm dengan selang 4
Log (1IR) dan dihaluskan dengan metode Savistky Golay dengan polinomial orde
lima dan dua puluh titik perataan.
Analisis komponen utama digunakan untuk mereduksi data absorbansi
yang telah dihaluskan sebagai input jaringan saraf tiruan. Sebanyak dua puluh
komponen utama pertama diekstrak dari data absorbansi yang telah dihaluskan.
Beberapa komponen utama pertama digunakan sebagai input jaringan saraf tiruan.
Kandungan sukrosa atau asam malat digunakan sebagai output untuk membangun
jaringan saraf tiruan.
Untuk menduga konsentrasi asam malat, dibangun. model jaringan saraf
tiruan dengan 5, 10, 15, dan 20 komponen utama sebagai input dan divariasikan
dengan 5, 10, 15 dan 20 noda pada lapisan terselubung. Sedangkan untuk
menduga konsentrasi sukrosa digunakan 5, 7, 10 dan 20 komponen sebagai input
dan divariasikan dengan 5, 10, 15 dan 20 noda pada lapisan terselubung. Model
jaringan saraf tiruan kedua dibangun dengan menarnbahkan tiga noda umur panen
mangga Gedong (80, 90, dan 100 hari) ke dalam model pertama baik untuk
penentuan asam malat maupun sukrosa.
Jaringan saraf tiruan dilatih dengan algoritma backp~opagafion dan hngsi
sigmoid digunakan sebagai fungsi transfer. Sebanyak 50 contoh digunakan
sebagai set pelatihan dan 14 contoh digunakan untuk menguji jaringan saraf tiruan
selama pelatihan. Pengujian ini bertujuan untuk mencegah terjadinya oi~erfifting.
Jaringan saraf tiruan yang telah dilatih dengan baik digunakan untuk menduga 16
contoh pada set validasi. Kinerja jaringan diuji dengan set validasi dan pemilihan
model berdasarkan nilai RMSEP. Semakin kecil nilai RMSEP maka kinerja
Pada jaringan saraf tiruan model pertama, konfigurasi 10-20-1 (10
komponen utama sebagai noda input, 20 noda lapisan terselubung dan satu noda
lapisan output) merupakan konfigurasi terbaik untuk menentukan asam malat
dengan RMSEP sebesar 0.1170 % sedangkan untuk sukrosa konfigurasi 5-5-1
merupakan konfigurasi terbaik dengan RMSEP sebesar 0.1578 %.
Pada jaringan saraf tiruan model kedua, konfigurasi 8- 15-1 (5 komponen
utama dan 3 umur panen sebagai input, 15 noda pada lapisan terselubung, dan satu
noda output) merupakan model terbaik dengan RMSEP sebesar 0.0699 %. Untuk
penentuan kandungan sukrosa, konfigurasi 8-10-1 dengan RMSEP sebesar 0.1483
% merupakan model terbaik.
Penambahan umur panen ke dalam komponen utama dapat memperbaiki
performansi jaringan saraf tiruan pada penentuan kandungan asam malat dengan
RMSEP sebelum dan sesudah ditambahkan umur panen berturut-turn adalah :
0.1170 -0.2034 %, 0.0699 - 0.1464 %. Nilai RMSEP terendah didapatkan pada
model jaringan saraf tiruan kedua baik untuk penentuan asam malat maupun
sukrosa.
Untuk mendapatkan model jaringan saraf tiruan yang lebih baik, pengaruh
metode presentasi data, laju pelatihan dan momentum, dan ukuran epoch perlu
diteliti dan diuji terhadap contoh data yang lebih besar. Selain itu untuk
mengembangkan sistem sortasi buah mangga Gedong berdasarkan pantulan
cahaya infra merah dekat, jaringan saraf tiruan juga dapat digunakan untuk
keperluan klasifikasi.
Jaringan saraf tiruan juga dapat dibangun untuk menduga beberapa jenis
komponen utama sebagai input dengan beberapa output. Untuk itu penelitian
lanjut perlu dilakukan. Selain itu perlu dilakukan penelitian lanjut dengan ukuran
sampel yang lebih besar untuk mendapatkan persamaan kalibrasi pada jangkauan
kandungan kimia bahan yang lebih luas.
SUSANTO. F01496044. Kalibrasi Pantulan Infra Merah Dekat dengan Jaringan Saraf Tiruan untuk Menduga Konsentrasi Sukrosa dan Asarn Malat Mangga Gedong. Dibawah birnbingan Prof. Dr. Ir. Hadi K. Purwadaria IPrn. dan Dr. Ir. Suroso.
Indonesia merupakan penghasil mangga nomor empat di dunia. Walaupun
produksi buah mangga cukup besar, hanya sebagian kecil saja yang dapat
diekspor. Pada tahun 1994, produksi mangga sebesar 668,048 ton, tetapi hanya
885,131 kg (1.32 %) saja yang dapat diekspor. Hal itu disebabkan varietas yang
ditanam sangat beragam dap mutu buah tidak memenuhi syarat negara pengimpor.
(Satuhu, 1997).
Dalam upaya peningkatan ekspor buah mangga, pemilihan buah mangga
yang selama ini hanya dilakukan secara visual berdasarkan aroma dan
pengalaman (subjektif) perlu diganti dengan metode pengukuran secara
kuantitatif Metode kuantitatif perlu dilakukan untuk mengukur kandungan kimia
buah tanpa merusak buah (non destruktif). Teknologi pantulan cahaya infra merah
dekat dapat diterapkan sebagai metode non destruktif yang sederhana, teliti dan
cepat dalam mengukur kandungan kimia bahan. Akan tetapi, spektrum pantulan
infra merah dekat sulit dianalisis karena merupakan gabungan dari karakteristik
kimia dan fisik buah.
Jaringan saraf tiruan merupakan metode yang cocok untuk menganalisis
spektrum infra merah dekat. Hal ini disebabkan jaringan saraf tiruan dapat
dapat digunakan untuk menduga contoh baru. Akan tetapi, dimensi data pantulan
infra merah dekat yang besar perlu direduksi agar dapat digunakan sebagai input
jaringan saraf tiruan. Salah satu metode reduksi data yang umum digunakan
adalah analisis komponen utama.
Tujuan penelitian ini adalah : 1) mempelajari kelayakan analisis komponen
utama untuk mereduksi data pantulan infra merah dekat mangga Gedong sebagai
input jaringan saraf tiruan, 2) merancang arsitektur jaringan saraf tiruan yang
sesuai untuk menduga konsentrasi sukrosa dan asam malat mangga Gedong, 3)
memvelajari pengaruh umur panen mangga Gedong terhadap performansi
jaringan saraf tiruan dalam menduga kandungan sukrosa dan asam malat mangga
Gedong.
Jaringan saraf tiruan dengan input berupa komponen utama yang diekstrak
dari data pantulan infra merah dekat telah digunakan sebagai metode analisis.
Wang dan Lacey (1999) menggunakan jaringan saraf tiruan untuk
mengklasifikasikan warna biji gandum ke dalam warna merah dan putih
berdasarkan spektrum pantulan infra merah dekat. Analisis komponen utama dan
divergence feature selection digunakan untuk mereduksi data pantulan infra merah dekat sebagai input jaringan saraf tiruan. Dari studi tersebut disimpulkan
bahwa kedua metode tersebut merupakan metode yang efektif untuk mereduksi
data pantulan infra merah dekat sebagai input jaringan saraf tiruan.
Pada penelitian ini, jaringan saraf tiruan dengan tiga lapisan (input,
terselubung dan output) digunakan untuk menganalisis data pantulan infra merah
dekat mangga Gedong pada panjang gelombang 1405-2001 nm dengan selang 4
Log (1IR) dan dihaluskan dengan metode Savistky Golay dengan polinomial orde
lima dan dua puluh titik perataan.
Analisis komponen utama digunakan untuk mereduksi data absorbansi
yang telah dihaluskan sebagai input jaringan saraf tiruan. Sebanyak dua puluh
komponen utama pertama diekstrak dari data absorbansi yang telah dihaluskan.
Beberapa komponen utama pertama digunakan sebagai input jaringan saraf tiruan.
Kandungan sukrosa atau asam malat digunakan sebagai output untuk membangun
jaringan saraf tiruan.
Untuk menduga konsentrasi asam malat, dibangun. model jaringan saraf
tiruan dengan 5, 10, 15, dan 20 komponen utama sebagai input dan divariasikan
dengan 5, 10, 15 dan 20 noda pada lapisan terselubung. Sedangkan untuk
menduga konsentrasi sukrosa digunakan 5, 7, 10 dan 20 komponen sebagai input
dan divariasikan dengan 5, 10, 15 dan 20 noda pada lapisan terselubung. Model
jaringan saraf tiruan kedua dibangun dengan menarnbahkan tiga noda umur panen
mangga Gedong (80, 90, dan 100 hari) ke dalam model pertama baik untuk
penentuan asam malat maupun sukrosa.
Jaringan saraf tiruan dilatih dengan algoritma backp~opagafion dan hngsi
sigmoid digunakan sebagai fungsi transfer. Sebanyak 50 contoh digunakan
sebagai set pelatihan dan 14 contoh digunakan untuk menguji jaringan saraf tiruan
selama pelatihan. Pengujian ini bertujuan untuk mencegah terjadinya oi~erfifting.
Jaringan saraf tiruan yang telah dilatih dengan baik digunakan untuk menduga 16
contoh pada set validasi. Kinerja jaringan diuji dengan set validasi dan pemilihan
model berdasarkan nilai RMSEP. Semakin kecil nilai RMSEP maka kinerja
Pada jaringan saraf tiruan model pertama, konfigurasi 10-20-1 (10
komponen utama sebagai noda input, 20 noda lapisan terselubung dan satu noda
lapisan output) merupakan konfigurasi terbaik untuk menentukan asam malat
dengan RMSEP sebesar 0.1170 % sedangkan untuk sukrosa konfigurasi 5-5-1
merupakan konfigurasi terbaik dengan RMSEP sebesar 0.1578 %.
Pada jaringan saraf tiruan model kedua, konfigurasi 8- 15-1 (5 komponen
utama dan 3 umur panen sebagai input, 15 noda pada lapisan terselubung, dan satu
noda output) merupakan model terbaik dengan RMSEP sebesar 0.0699 %. Untuk
penentuan kandungan sukrosa, konfigurasi 8-10-1 dengan RMSEP sebesar 0.1483
% merupakan model terbaik.
Penambahan umur panen ke dalam komponen utama dapat memperbaiki
performansi jaringan saraf tiruan pada penentuan kandungan asam malat dengan
RMSEP sebelum dan sesudah ditambahkan umur panen berturut-turn adalah :
0.1170 -0.2034 %, 0.0699 - 0.1464 %. Nilai RMSEP terendah didapatkan pada
model jaringan saraf tiruan kedua baik untuk penentuan asam malat maupun
sukrosa.
Untuk mendapatkan model jaringan saraf tiruan yang lebih baik, pengaruh
metode presentasi data, laju pelatihan dan momentum, dan ukuran epoch perlu
diteliti dan diuji terhadap contoh data yang lebih besar. Selain itu untuk
mengembangkan sistem sortasi buah mangga Gedong berdasarkan pantulan
cahaya infra merah dekat, jaringan saraf tiruan juga dapat digunakan untuk
keperluan klasifikasi.
Jaringan saraf tiruan juga dapat dibangun untuk menduga beberapa jenis
komponen utama sebagai input dengan beberapa output. Untuk itu penelitian
lanjut perlu dilakukan. Selain itu perlu dilakukan penelitian lanjut dengan ukuran
sampel yang lebih besar untuk mendapatkan persamaan kalibrasi pada jangkauan
kandungan kimia bahan yang lebih luas.
