WINNIE SEPTIANI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
2005
SISTEM INTELIJEN PADA PENILAIAN DAN
PREDIKSI KUALITAS SUSU PASTEURISASI
ABSTRACT
WINNIE SEPTIANI. Intelligent System for Assesment and Prediction of Pasteurized Milk Quality. Under the direction of MARIMIN, SUKARDI and TATIT K BUNASOR.
The aim of this research is developing an intelligent system for assessment and prediction of pasteurized milk quality. The system is implemented by integrated expert systems and Artificial Neural Network (ANN). This system is designed and developed by Matlab 6.5 and called SINKUAL-SP.
The logical strategy model used is “Forward Chaining” and the tracing method used is “Best First Search” method. The method of Certainty Factor (CF) is used for handling uncertainty. Model Based Management system consist of five model : quality of fresh milk model, quality of process model, quality packaging and storage model, statistical process control model and prediction model by neural network.
Multilayer system is used for the neural network architecture with one input layer, one hidden layer dan one output layer. The activation function is Sigmoid Bipolar activation function which gives the best performance network with learning rate 0.005 and momentum 0.9 together with RMSE, MSE and SSE as criterion error. The validation for neural network indicates the conformity between output of neural network and output of goal with value of RMSE 0.009959, MSE 0.00999 and SSE 0.009950.
Decision for acceptance fresh milk and pasteurized of milk is implemented by acceptance grade which gives control quality process is easier than previously system. Based on the grade acceptance, the management of industry can take decision and action allow with a significant output of grade.
In the research implementation stage, the data, gained in the company of “PT. ISAM” in April 2005, brings a significant output of research regarding quality of fresh milk such as the grade B, grade A for quality of process, and grade B for quality packaging and storage. This system gives a suggestion for user to improve the quality of pasteurized milk.
Based on the outputs from the systems used, highly priority strategy quality system reconstruction, with 0.236 as weighting value. The quality improvement system upon the results of research is seemed to be a way of improving the quality of milk in process of pasteurization.
RI NGKASAN
WINNIE SEPTIANI. F351030231. Sistem Intelijen Pada Penilaian dan Prediksi Kualitas Susu Pasteurisasi. Di bawah bimbingan MARIMIN, SUKARDI dan TATIT K BUNASOR.
Susu pasteurisasi merupakan salah satu bentuk produk susu olahan yang memiliki keunggulan dibandingkan dengan produk susu olahan lainnya, yaitu memiliki komposisi gizi dan rasa yang hampir sama dengan susu segar. Komposisi gizi susu terdiri atas berbagai bahan essensial yang dibutuhkan oleh tubuh seperti lemak, protein, karbohidrat serta mineral.
Susu pasteurisasi memerlukan pengendalian kualitas yang sangat ketat dan seksama untuk menjamin komposisi zat gizinya (Varnam, 1994). Adanya suatu sistem pengendalian kualitas yang baik dan terkendali akan menghasilkan produk yang aman dikonsumsi dan dapat memenuhi keinginan konsumen serta meningkatkan kepercayaan konsumenterhadap produk tersebut (Budiarti, 2002).
Pada penelitian ini telah dikembangkan sistem intelijen penilaian dan prediksi kualitas susu pasteurisasi selama proses pengolahan yang memasukkan dua faktor analisis, yaitu analisis fundamental dan analisis teknikal dengan mengintegrasikan sistem pakar dan jaringan syaraf tiruan. Analisis fundamental mengacu pada proses pengendalian kualitas menurut Buffa dan Sarin (1996) yang meliputi pengendalian kualitas bahan baku, proses-proses di titik produksi dan kinerja akhir produk jadi. Sedangkan analisis teknis mengacu pada prediksi keragaman proses suhu dan lama pasteurisasi satu bulan yang akan datang. Penggunaan kedua analisis tersebut dimaksudkan agar sistem dapat menilai dan memprediksikan pola penurunan atau kenaikan kualitas susu pasteurisasi pada saat terjadi perubahan faktor-faktor fundamental dan faktor teknis.
Sistem dirancang dan dikembangkan dengan menggunakan Matlab 6.5 dalam sebuah interface yang mudah dipahami dan diberi nama SINKUAL-SP. Keluaran dari SINKUAL-SP ditampilkan dalam bentuk data kuantitatif dan kualitatif baik dalam bentuk angka maupun dalam bentuk grafik.
Tujuan pengembangan sistem ini adalah untuk membantu para pengambil keputusan di bidang kualitas dalam melakukan penilaian dan prediksi kualitas susu pasteurisasi mulai dari bahan baku sampai dengan pengemasan dan penyimpanan produk jadi. Kecepatan dan ketepatan informasi yang dihasilkan dari sistem ini diharapkan dapat meningkatkan efisiensi dan efektifitas pelaksanaan kegiatan pengendalian kualitas dan juga dapat mempercepat proses pengambilan keputusan bagi pengguna sistem.
Atribut yang digunakan untuk penilaian kualitas bahan baku meliputi : berat jenis dan suhu pada saat diterima, komposisi, kesegaran serta mikrobiologi susu segar sedangkan atribut kualitas proses pengolahan meliputi titik kritis proses, sanitasi (sanitasi pekerja, lingkungan, ruangan dan peralatan) dan karakteristik mutu susu pasteurisasi. Atribut untuk penilaian kualitas pengemasan meliputi : penilaian terhadap ketahanan kebocoran, daya rekat, kebersihan dan kekuatan bahan kemasan sedangkan atribut untuk penilaian kualitas penyimpanan meliputi suhu dan lama penyimpanan.
diperoleh dari hasil pengamatan selama satu bulan di PT. Industri Susu Alam Murni (ISAM) Bandung.
Model strategi penalaran yang digunakan adalah Forward Chaining dan metode pelacakan dan pencarian yang digunakan adalah metode Best First Search. Metode ini merupakan kombinasi dari metode Depth First Search dan metode
Breadth First Search. Untuk menangani ketidakpastian dari strategi penalaran digunakan metode Certainty Factor (CF). Pengembangan Manajemen Basis Data menggunakan software Power Designer Process Analyst-App Modeller for Power Builder versi 6.14. Sistem Manajemen Basis Model SINKUAL-SP memiliki 6 model, yaitu : Model penilaian kualitas bahan baku, model penilaian kualitas proses pengolahan, model penilaian kualitas pengemasan dan penyimpanan, model
Statistical Process Control (SPC) dan model prediksi dengan JST.
Arsitektur JST yang digunakan adalah Multilayer Systems dengan satu lapisan input, satu lapisan hidden dan satu lapisan output. Fungsi aktivasi yang diujicobakan adalah Fungsi aktivasi Sigmoid Bipolar (Tansig), Sigmoid Biner (Logsig) dan Linier. Berdasarkan trial dan error fungsi aktivasi yang memberikan performansi jaringan yang paling baik adalah fungsi aktivasi Sigmoid Bipolar dengan
learning rate 0,005 dan momentum 0,9 dengan nilai RMSE 0,009959, nilai MSE 0,009999 dan nilai SSE 0,009950. Validasi JST menunjukkan kesesuaian antara
output jaringan dengan output target berdasarkan nilai error yang dihasilkan.
Keputusan penerimaan susu segar dan susu pasteurisasi dilakukan dengan pemberian grade penerimaan yang bertujuan untuk mempermudah proses pengendalian kualitas. Dengan adanya grade ini, pihak manajemen dapat mengambil keputusan dan tindakan sesuai dengan grade yang dihasilkan. Hal ini penting sebagai bargaining position perusahaan dengan industri susu olahan lainnya. Pengklasifikasian susu yang diterima dalam grade A dan grade B ditentukan berdasarkan standar mutu nasional dan standar mutu yang digunakan di industri. Susu yang diterima dalam grade A menunjukkan bahwa susu memenuhi semua standar mutu pada tingkat mutu susu yang tinggi sedangkan susu yang diterima dalam grade B menunjukan bahwa susu memenuhi standar mutu akan tetapi berada di bawah standar mutu grade A.
Implementasi sistem dilakukan dengan menggunakan data aktual PT. Industri Susu Alam Murni (ISAM) Bandung pada bulan April 2005. Hasil penilaian SINKUAL-SP menunjukan bahwa kualitas bahan baku diterima dengan grade B, kualitas proses diterima dengan grade A dan kualitas pengemasan serta penyimpanan diterima dengan grade B. Selain itu SINKUAL-SP memberikan saran kepada pengguna untuk melakukan peningkatan kualitas susu pasteurisasi. Secara umum, kualitas susu pasteurisasi mulai dari bahan baku, proses sampai dengan penyimpanan yang dilakukan di PT. ISAM ini telah baik, akan tetapi proses pengendalian dan peningkatan kualitas harus terus dilakukan.
W I NNI E S EP T I ANI
T esis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi T eknologi I ndustri Pertanian
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
2005
SISTEM INTELIJEN PADA PENILAIAN DAN
PREDIKSI KUALITAS SUSU PASTEURISASI
Judul Penelitian
: Sistem I ntelijen Penilaian dan Prediksi Kualitas
Susu Pasteurisasi (Studi Kasus pada PT . I ndustri
Susu Alam Murni Bandung)
Nama
: Winnie Septiani
NRP
: F351030231
Program Studi
: T eknologi I ndustri Pertanian
Menyetujui,
Komisi Pembimbing
Prof.Dr.I r.Marimin,M.Sc
Ketua
Dr.I r.Sukardi,MM Dr.I r.T atit.K.Bunasor,M.Sc
Anggota Anggota
Mengetahui,
Ketua Program Studi Dekan Sekolah Pascasarjana
T eknologi I ndustri Pertanian
Dr.I r.I rawadi Jamaran Prof. Dr. I s. Syafrida Manuwoto, M.Sc
SURAT PERNYATAAN
Saya menyatakan dengan sebenar-benarnya bahwa tesis dengan judul :
“Sistem Intelijen Penilaian dan Prediksi Kualitas Susu Pasteurisasi”
(Studi Kasus pada PT. Industri Susu Alam Murni Bandung)
merupakan gagasan atau hasil penelitian tesis saya sendiri, dengan arahan Komisi
Pembimbing, kecuali yang dengan jelas ditunjukkan rujukannya. Tesis ini belum
pernah diajukan untuk memperoleh gelar atau capaian akademik lainnya pada
program sejenis di perguruan tinggi lain. Semua data dan informasi yang digunakan
telah dinyatakan secara jelas dan dapat diperiksa kebenarannya.
Bogor, November 2005
Yang Membuat Pernyataan
Winnie Septiani
RIWAYAT HIDUP
Penulis, Winnie Septiani dilahirkan di Bandung pada tanggal 12
September 1978 dari ibunda Elly Mulyani dan ayahanda Wawan
Dharmawan sebagai anak pertama dari tiga bersaudara. Penulis
menikah pada tanggal 11 September 2005 dengan kakanda Kukuh
Widyo Utomo.
Pendidikan Formal yang penulis tempuh adalah sebagai berikut :
1. Sekolah Dasar di SDN Babakan Ciparay VII Bandung lulus pada tahun 1990
2. Sekolah Lanjutan Tingkat Pertama di SMPN 21 Bandung lulus pada tahun 1993
3. Sekolah Lanjutan Tingkat Atas di SMAN 4 Bandung lulus pada tahun 1996
4. Pendidikan Sarjana di Institut Teknologi Nasional jurusan Teknik dan
Manajemen Industri lulus pada tahun 2000
Sejak tahun 1999 sampai dengan awal tahun 2001 penulis bekerja sebagai asisten
Lab. Analisis Perancangan Kerja & Ergonomi di Institut Teknologi Nasional
Bandung. Pada bulan April tahun 2001 penulis menjadi staff pengajar tetap di
jurusan Teknik Industri Sekolah Tinggi Teknologi Texmaco Pabuaran Subang dan
menjadi kepala Lab. Analisis Perancangan Kerja dan Lab. Statistika STT Texmaco.
KATA PENGANTAR
Alhamdulillahirobil’alamin, penulis panjatkan puji dan syukur ke hadirat Allah
SWT atas berkat, rahmat serta karunia dan perkenan-Nya yang telah memberikan
kekuatan untuk menyelesaikan penulisan tesis yang berjudul “Sistem Intelijen pada
Penilaian dan Prediksi Kualitas Susu Pasteurisasi (Studi Kasus pada PT. Industri
Susu Alam Murni Bandung)”.
Penelitian ini merupakan penerapan sistem intelijen, khususnya sistem pakar
dan jaringan syaraf tiruan pada penilaian dan prediksi kualitas susu pasteurisasi.
Adapun tujuan penelitian ini adalah merancang sebuah prototipe sistem yang dapat
melakukan penilaian dan prediksi penilaian kualitas susu pasteurisasi selama proses
pengolahan dengan mengintegrasikan sistem pakar dan jaringan syaraf tiruan dan
mengukur kinerja proses yang ada di industri pengolahan susu pasteurisasi
berdasarkan prototipe sistem yang dibangun.
Penelitian ini tidak terlepas dari bantuan berbagai pihak, oleh karena itu
dalam kesempatan ini disampaikan terimakasih kepada :
1. Bapak Prof. Dr. Ir. Marimin, M.Sc , Bapak Dr. Ir. Sukardi, MM dan Ibu Dr. Tatit K.
Bunasor, M.Sc selaku komisi pembimbing. Kepada Bapak dan Ibu tertanam rasa
hormat dan terima kasih sebesar-besarnya atas segala arahan, bimbingan,
saran, motivasi serta ilmu yang sangat berharga dalam penyelesaian tesis ini.
2. Ibu Dr. Ir. Liesbetini Hartoto, MS selaku penguji dalam ujian tesis yang telah
memberikan masukan yang sangat berharga dalam penyelesaian tesis ini.
3. Bapak Dr. Irawadi Djamaran selaku Ketua Program Studi Teknologi Industri
Pertanian.
4. Ibu Dr. Ir. Ani Suryani, DEA atas segala bantuan dan bimbingannya.
5. Bapak, ibu, suami serta seluruh keluarga di Bandung yang telah memberikan
dukungan, do’a dan kasih sayangnya.
6. Ibu Hera, Bapak Widi dan rekan-rekan di PT. Industri Susu Alam Murni (ISAM)
Bandung yang telah memberikan banyak informasi dan bantuan yang sangat
berharga dalam pelaksanaan penelitian.
7. Bapak Dr. Ir. Enang Wasja Adikarta, M.S dari departemen peternakan UNPAD
8. Teh iphov, a hendra, bu Nani, pak Yaoi dan mbak Ami atas segala dukungan,
saran dan bantuannya.
9. Bu Nurul, mbak Nida, mbak Jum, mbak Rency, mas Fuad, Uni, Yongki, mas
Fajar, mbak Nunung, Ratna, Fitri, Dodyk, Elvy, Eva dan seluruh rekan-rekan di
TIP yang tidak dapat disebutkan satu per satu, atas segala kebersamaan,
bantuan dan saran yang telah diberikan.
10. Seluruh rekan-rekan di Balitsa Cikole yang telah banyak membantu kelancaran
penelitian.
11. Seluruh pihak yang telah membantu dalam penyelesaian tesis ini yang tidak
dapat disebutkan satu per satu, terimakasih atas bantuan dan kerja samanya.
Akhir kata dengan segala kekurangan yang ada, penulis sangat terbuka atas
berbagai tanggapan dan kritik yang membangun terhadap isi dari laporan tesis ini
dan berharap semoga tesis ini dapat bermanfaat bagi semua pihak terutama bagi
pihak perusahaan.
Bogor, November 2005
DAFTAR ISI
Hal
DAFTAR ISI ………. i
DAFTAR TABEL ……… iv
DAFTAR GAMBAR ……… vi
DAFTAR LAMPIRAN ………. viii
1 PENDAHULUAN ……….. 1
1.1 Latar Belakang ……… 1
1.2 Tujuan Penelitian ……… 4
1.3 Ruang Lingkup Penelitian ………. 4
1.4 Output dan Manfaat Penelitian ……… 5
2 TINJAUAN PUSTAKA ……….... 6
2.1 Kualitas ……….… 2.2 Susu ……….………..….. 2.2.1 Komposisi Susu ………. 2.2.2 Susu Pasteurisasi ………..………. 2.3 Kecerdasan Buatan ……… 2.4 Sistem Pakar …...………..……… 2.4.1 Elemen-elemen Dalam Sistem Pakar ……… 2.4.2 Karakteristik Sistem Pakar …………..……… 2.4.3 Aktivitas Dasar Sistem Pakar ……….……… 2.5 Jaringan Syaraf Tiruan ………...…… 2.5.1 Dasar Biologis ... ……… 2.5.2 Dasar-dasar komputasi Neural Network ……… 2.5.3 Paradigma Belajar ……… 2.5.4 Backpropagation ………. 2.6 Model Integrasi Sistem Pakar dan Jaringan Syaraf Tiruan ……… 2.7 Run Chart dan Control Chart ……….. 2.8 Metode Pembobotan Entropy ………. 2.9 Analytical Hierarchy Process (AHP) ………..………. 2.9.1 Prinsip-prinsip Pokok Analytical Hierarchy Process (AHP) … 2.9.2 Keunggulan dan Kelemahan Analytical Hierarchy Process (AHP) ………...………... 2.10 Penelitian Terdahulu ……… 6 7 7 8 8 9 9 11 12 13 13 14 16 17 18 19 20 20 20 21 22 3 METODOLOGI PENELITIAN ………..……… 25
3.1 Kerangka Pemikiran ………..……… 3.2 Tahapan Penelitian ……… 3.2.1 Tahapan Persiapan ………. 3.2.2 Pembangunan Model Konseptual ……….. 3.2.3 Verifikasi dan Validasi Sistem ………. 3.2.4 Implementasi Sistem ...………. 3.2.5 Rumusan Strategi Peningkatan Kualitas Susu Pasteurisasi..
3.3 Tata Cara Penelitian ……… ………..
3.3.1 Sumber Data ……… ……….
3.3.2 Pengumpulan Data, Informasi dan Pengetahuan ... 3.3.3 Analisis Data ………..
3.3.4 Penerapan Sistem Pakar dan Jaringan Syaraf Tiruan ………
30 30 31 32 33
4 ATRIBUT KUALITAS SUSU PASTEURISASI ………. 4.1 Pengumpulan Data ……….
4.1.1 Data Tingkat Kepentingan Spesifikasi Kualitas Susu ……….
4.1.2 Data Keragaman Proses ……… ….
4.1.3 Pengendalian Kualitas yang Berlaku di Perusahaan ... 4.3 Analisis Data ………
4.3.1 Analisis Data Tingkat Kepentingan ……… 4.3.2 Analisis Data Keragaman Proses ……….. 4.4 Atribut Sistem Penilaian dan Prediksi Kualitas Susu Pasteurisasi . 4.4.1 Analisis Fundamental ……….. 4.4.2 Analisis Teknis ……….
36 36 36 39 46 48 48 56 57 59 66
5 MODEL KONSEPTUAL ……….. 5.1 Konfigurasi Model ……….. 5.2 Desain Basis Data ……….. 5.3 Kerangka Model ……… ………. 5.3.1 Sistem Pengolahan Terpusat ………. 5.3.2 Sistem Manajemen Basis Data ………. 5.3.3 Sistem Manajemen Basis Pengetahuan ……….. 5.3.4 Sistem Pakar ………. 5.3.5 Sistem Manajemen Basis Model ……… 5.3.6 Sistem Manajemen Basis Dialog ………
68 68 72 74 74 74 75 76 78 79
6 RANCANG BANGUN SISTEM ……….. 6.1 Definisi Kebutuhan Sistem ……… 6.1.1 Tujuan Pengembangan Sistem ……… ……….. 6.1.2 Spesifikasi Pemakai Sistem ……… 6.1.3 Kebutuhan Pemakai... 6.1.4 Spesifikasi Fungsi dari Sistem ………
6.2 Desain Sistem ……… ..………..
6.2.1 Desain Input ……… ...………
6.2.2 Desain Proses ………. ..
6.2.3 Desain Output ………
6.3 Implementasi Sistem ………..……… 6.4 Integrasi dan Pengujian Sistem ……… 6.5 Pemakaian dan Pemeliharaan ………. 6.5.1 Pemakaian Sistem ……… 6.5.2 Pemeliharaan Sistem ………..
80 80 80 80 80 81 81 82 83 95 96 99 100 100 107
7 IMPLEMENTASI DAN ANALISIS .……….. 7.1 Implementasi Sistem …… ………….……….……….. 7.1.1 Input Sistem ………...………
7.1.2 Output Sistem ………
7.2 Analisis Keluaran Sistem ………..
8 RUMUSAN STRATEGI PENINGKATAN KUALITASSUSU PASTEURISASI ……… ……… 8.1 Penetapan Elemen-elemen Strategi Peningkatan Kualitas ..…….. 8.2 Penyusunan Hirarki Struktur Keputusan ………. 8.3 Penentuan Bobot dan Konsistensi Rasio ……… 8.4 Penetapan Prioritas Strategi Peningkatan Kualitas Susu ....………
122 122 125 127 129
9 KESIMPULAN DAN SARAN ………. 7.1 Kesimpulan……….……….. 7.2 Saran ………
134 134 135
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR TABEL
Hal
Tabel 1 Perkembangan Konsumsi Susu di Indonesia Thn 1996 – 2002 ….. . 1
2 Perkembangan Produksi Susu di Indonesia Thn 1996 – 2002 ……. 1
3 Perbandingan Komposisi Susu Segar dan Susu Sapi ………... …… 2
4 Komposisi Kimia Susu Pasteurisasi ……… ... 8
5 Permasalahan yang Ditangani Sistem Pakar ………... 13
6 Biological Neural Network vs Artificial Neural Network ……… .. 13
7 Kemampuan Dua Pendekatan Paradigma Belajar dalam Beberapa Algoritma Belajar ...………. 17
8 Perbandingan Beberapa Penelitian Mengenai Kualitas dan Sistem Intelijen yang Telah Dilakukan dan Penelitian yang akan Dilakukan
saat ini ……… 24
9 Batas Maksimum Cemaran Mikroba dalam Susu ……….. 28
10 Tingkat Kepentingan Atribut Syarat Mutu Fisik dan Kimia Susu
Segar ……… ….. . 36
11 Tingkat Kepentingan Atribut Syarat Mikrobiologi Susu Segar …….. 37
12 Tingkat Kepentingan Atribut Karakteristik Mutu Susu
Pasteurisasi………. 38
13 Tingkat Kepentingan Atribut Titik Kritis Pengolahan Susu
Pasteurisasi ……….. 38
14 Tingkat Kepentingan Atribut Sanitasi Sarana Pengolahan Susu
Pasteurisasi ……….. 38
15 Tingkat Kepentingan Atribut Penyimpanan dan Pengemasan Susu
Pasteurisasi ……… 39
16 Perhitungan Data Suhu Pasteurisasi untuk Pembuatan Peta
Kontrol ………. 40
17 Perhitungan Data Lama Pasteurisasi untuk Pembuatan Peta
Kontrol ………. 44
18 Hubungan antara Kadar Lemak dengan Total Padatan dalam Susu 49
19 Perbandingan Beberapa Pendapat Pakar Mengenai Syarat Mutu
Susu Segar pada Pemeriksaan Berat Jenis dan Suhu Susu ……… 60
20 Perbandingan Beberapa Pendapat Pakar Mengenai Syarat Mutu Susu Segar pada Pemeriksaan Komposisi Susu ………
60
21 Perbandingan Beberapa Pendapat Pakar Mengenai Pemeriksaan Kesegaran Susu Segar ………
61
22 Perbandingan Beberapa Pendapat Pakar Mengenai Syarat Mutu Susu Segar pada Pemeriksaan Mikrobiologis ………
62
23 Perbandingan Beberapa Pendapat Pakar Mengenai Karakteristik Mutu Susu Pasteurisasi ………
64
24 Suhu dan Waktu pada Proses Pasteurisasi Susu ……….. 66
25 Perbandingan Suhu dan Lama Pasteurisasi Beberapa Industri dan
Literatur dengan Metode HTST ……….. 67
26 Interpretasi Nilai Certainty Factor (CF) ... 78
28 Perbandingan Tiga Kriteria Error pada Tiga Fungsi Aktivasi ………. 87
29 Hasil Training JST dengan Fungsi Aktivasi Sigmoid Bipolar
(Tansig) ... 88
30 Hasil Training JST dengan Fungsi Aktivasi Sigmoid Biner (Logsig) . 88
31 Hasil Training JST dengan Fungsi Aktivasi Linear (range -1 s.d 1) .. 89
32 Hasil Training JST dengan Fungsi Aktivasi Linear (range -inf s.d +inf) …...
89
33 Struktur JST yang Digunakan pada Penelitian ini ……… 91
34 Pengelompokkan Rule untuk Penilaian dan Prediksi Kualitas Susu
Pasteurisasi ……… ……… … 92
35 Kualifikasi Penilaian Kualitas Bahan baku (Fresh milk) ………. 94
36 Kualifikasi Penilaian Kualitas Proses Pengolahan ……….. 94
37 Kualifikasi Penilaian Kualitas Pengemasan dan Penyimpanan ……. 94
38 Hasil Perhitungan Absolute Percentage Error (APE) ... 100
39 Lembar Pemeriksaan Pengujian Laboratorium Susu Segar ……….. 110
40 Input dan Output Sistem untuk Penilaian Kualitas Berat Jenis dan
Suhu Susu Segar ……… ... 113
41 Input dan Output Sistem untuk Penilaian Kualitas Kesegaran Susu Segar ……… ...
114
42 Input dan Output Sistem untuk Penilaian Kualitas Komposisi Susu Segar ……… ...
114
43 Input dan Output Sistem untuk Penilaian Kualitas Mikrobiologi Susu Segar ……… ...
114
44 Input dan Output Penilaian Karakteristik Mutu Susu Pasteurisasi .... 115
45 Input dan Output Hasil Prediksi JST terhadap Penilaian Titik Kritis
Proses ... 117
46 I nput dan Output Sistem untuk Penilaian Kualitas Program Sanitasi 118
47 I nput dan Output Sistem untuk Penilaian Kualitas Pengemasan
Produk Jadi ... 119
48 Input dan Output Sistem untukPenilaian Kualitas Penyimpanan
Produk Jadi …... .………. 120
49 Bobot dan Prioritas Faktor Strategi Peningkatan Kualitas Susu
Pasteurisasi ……… 127
50 Bobot dan Prioritas Aktor Strategi Peningkatan Kualitas Susu
Pasteurisasi ……… 128
51 Bobot dan Prioritas Tujuan Strategi Peningkatan Kualitas Susu
Pasteurisasi ……… 128
52 Bobot dan Prioritas Strategi Peningkatan Kualitas Susu
Pasteurisasi ……… 129
53 Penjabaran Perencanaan Peningkatan Kualitas Susu Pasteurisasi
DAFTAR GAMBAR
Hal
Gambar 1 Manfaat Perbaikan Kualitas ……… 6
2 Elemen-elemen dalam Sistem Pakar ……… 10
3 Prototyping ……….. 12
4 Biological Neural Network vs Artificial Neural Network ……… … 14
5 Struktur Jaringan Syaraf Tiruan ………... 15
6 Model Integrasi Sistem Pakar dan Jaringan Syaraf Tiruan …………. 18
7 Perspektif Kualitas Susu Pasteurisasi ……… 26
8 Bagan Alir Tahapan Penelitian ……… ………. 28
9 Proses Akuisisi Pengetahuan ……….. 34
10 Peta Kontrol R untuk Data Suhu Pasteurisasi ……….. 41
11 Peta Kontrol untuk Data Suhu Pasteurisasi Berdasarkan Rataan Sampel ... 42
12 Peta Kontrol Gabungan untuk Data Suhu Pasteurisasi ………. 43
13 Peta Kontrol R untuk Data Lama Pasteurisasi ……….. 45
14 Peta Kontrol
X
untuk Data Lama Pasteurisasi Berdasarkan Rataan Sampel ... 4615 Pengendalian Kualitas yang Berlaku di Perusahaan saat ini……….. 47
16 Atribut Sistem Penilaian dan Prediksi Kualitas Susu Pasteurisasi yang Dibangun ………... 58
17 Proses Pengolahan Susu Pasteurisasi ……….. 63
18 Konfigurasi Model Aplikasi Program SINKUAL-SP ……….. 68
19 Kerangka Model SINKUAL-SP ………. 69
20 Diagram Alir Deskriptif Pemodelan SINKUAL-SP ………. 70
21 DFD level O SINKUAL-SP ……… 72
22 DFD Level 1 SINKUAL-SP ……… 73
23 Contoh Beberapa Pertanyaan yang Diajukan pada saat Wawancara 76 24 Tahap Pembentukan Sistem Pakar ………. 77
25 Range untuk Nilai Certainty Factor (CF) ………...………. 78
26 Bagan Alir Desain Proses dengan Mengintegrasikan Sistem Pakar dan Jaringan Syaraf Tiruan ……….. 83 27 Fungsi Aktivasi ……… 84
28 Struktur Jaringan Syaraf Tiruan ... 89
29 Batas Keragaman Proses Hasil Prediksi JST ……… 95
30 Kualifikasi Hasil Prediksi dan Penilaian Kualitas Susu Pasteurisasi. 96 31 Tampilan Penentuan Folder untuk masuk ke dalam Sistem ……….. 101
32 Tampilan Utama Sistem Penilaian dan Prediksi Kualitas Susu Pasteurisasi ………. 101
33 Tampilan Fasilitas Identitas untuk Penilaian Kualitas Bahan baku … 102 34 Tampilan Penilaian Kualitas Bahan baku ………... 103
35 Tampilan Penilaian Kualitas Proses Susu Pasteurisasi ………. 104
36 Tampilan Performansi Error dalam JST ………. 105
37 Tampilan JST untuk Training Regresi ……… 105
39 Tampilan Kualitas Pengemasan dan penyimpanan ………. 106
40 T ampilan Program Utama Sistem I ntelijen Penilaian dan Prediksi
Kualitas Susu Pasteurisasi ………. 108
41 T ampilan Hasil Penilaian Kualitas Bahan baku Berdasarkan Data
Aktual ... 115
42 Tampilan Bagan Kendali Shewhart untuk Suhu Pasteurisasi
Berdasarkan Hasil Prediksi JST ……….. 117
43 Tampilan Hasil Penilaian Kualitas Proses Berdasarkan Data Aktual 119
44 Tampilan Hasil Penilaian Kualitas Pengemasan dan Penyimpanan
Produk Jadi Berdasarkan Data Aktual ……….... 120
45 Diagram sebab Akibat Penurunan Kualitas Susu Pasteurisasi …….. 122
DAFTAR LAMPIRAN
Hal
1 Cara Memperoleh dan Mengolah Data Penelitian ……… ……... 139
2 Kuesioner Penilaian Tingkat Kepentingan Atribut Kualitas Susu Pasteurisasi ……… ……… 142
3 Kuesioner Strategi Peningkatan Kualitas Susu Pasteurisasi …... 155
4 Tahapan Entropy ……….. 162
5 Rekapitulasi Data Kuesioner dan Perhitungan Entropy ……….. 164
6 Syarat Mutu Susu Segar ……… .. 167
7 Syarat Mutu Susu Pasteurisasi ……… ... 171
8 Pengujian Kualitas Susu Segar ...………. .. 174
9 Penggambaran Batas-batas Nilai Atribut ……….. 178
10 Strategi Penalaran Rule Sistem Pakar ………. 181
11 Strategi Pelacakan Rule Sistem Pakar ….………. 183
12 Faktor Kepastian (Certainty Factor) ……… …... 189
13 Kaidah if-then Faktor Fundamental ……… …… 206
14 Perhitungan Kuantitatif Kaidah if-then Faktor Fundamental ……….. 212
15 Konfigurasi Sistem Intelijen Penilaian dan Prediksi Kualitas Susu Pasteurisasi ……… 218 16 Listing Program pada Faktor Fundamental ………. 219
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Susu merupakan salah satu bahan pangan yang memiliki kandungan gizi
yang tinggi. Kandungan gizi susu terdiri atas berbagai bahan-bahan essensial yang
dibutuhkan oleh tubuh, seperti lemak, protein, karbohidrat, vitamin serta mineral.
Menurut Direktorat Jenderal Peternakan (2003), konsumsi susu nasional
Indonesia mengalami penurunan mulai tahun 1998 sampai dengan tahun 2000
yang disebabkan oleh tingginya harga dan rendahnya daya beli masyarakat. Akan
tetapi, konsumsi susu nasional Indonesia mengalami kenaikan kembali pada tahun
2001 sebesar 24,93% dan tahun 2002 sebesar 26,23% seperti yang diperlihatkan
pada Tabel 1.
Tabel 1. Perkembangan Konsumsi Susu di Indonesia Tahun 1996-2002 (Direktorat Jenderal Peternakan, 2003)
Tahun Konsumsi (Kg) Pertumbuhan (%)
1996 906.500 -
1997 1.353.900 49,35 1998 1.125.400 -16.88 1999 1.050.000 -6,70 2000 838.400 -20,15 2001 1.047.400 24,93 2002 1.322.100 26,23
Peningkatan konsumsi susu seperti yang diperlihatkan pada Tabel 1 masih
belum sebanding dengan peningkatan produksi susu di Indonesia seperti yang
diperlihatkan pada Tabel 2. Peningkatan produksi susu di Indonesia belum
mencukupi kebutuhan konsumsi susu di Indonesia setiap tahunnya sehingga
Indonesia masih harus mengimport .
Tabel 2. Perkembangan Produksi Susu di Indonesia Tahun 1996-2002 (Direktorat Jenderal Peternakan , 2003)
Tahun Produksi (Kg) Pertumbuhan (%)
1996 426.700 - 1997 433.400 1,57 1998 441.200 1,80 1999 423.700 -4,00 2000 375.400 -11,40
2001 436.000 16,14
Salah satu jenis susu olahan yang sudah lama diproduksi oleh industri
pengolahan susu di Indonesia adalah susu pasteurisasi. Akan tetapi konsumsi
masyarakat akan susu pasteurisasi di Indonesia masih sangat kecil dibandingkan
produk susu olahan lainnya. Persentase konsumsi susu olahan dari konsumsi susu
secara keseluruhan di Indonesia adalah 80% susu bubuk kering, 10% susu kental
manis, 10% susu pasteurisasi dan sterilisasi (Tjokronegoro, 2001).
Rendahnya konsumsi masyarakat akan susu pasteurisasi menurut
Tjokronegoro (2001) disebabkan oleh berbagai hal, seperti daya tahan susu
pasteurisasi yang singkat, harga yang relatif mahal, penanganan yang susah dan
persepsi sebagian masyarakat bahwa susu pasteurisasi kurang aman untuk
dikonsumsi.
Susu pasteurisasi memiliki keunggulan dalam komposisi gizi dan rasanya
yang hampir sama dengan susu segar. Perbandingan komposisi susu segar dan
susu pasteurisasi dapat dilihat pada Tabel 3.
Tabel 3. Perbandingan Komposisi Susu Segar dan Susu Pasteurisasi (Henderson, 1971)
Komposisi Susu Segar Susu Pasteurisasi
Protein Lemak Laktosa
Mineral Air
3,5% 3,7% 4,9% 0,70% 87,20%
2,73 – 2.90% 3,0 – 3,4% 3,7 – 4,80% 0,16 – 0,18% 87,31 – 88,61%
PT. Industri Susu Alam Murni (ISAM) Bandung merupakan salah satu
perusahaan yang mengolah susu pasteurisasi. Semakin ketatnya persaingan dan
tingginya permintaan konsumen menuntut perusahaan untuk senantiasa
menghasilkan susu pasteurisasi yang berkualitas baik. Adanya suatu sistem
pengendalian kualitas yang baik dan terkendali akan menghasilkan produk yang
aman dikonsumsi dan dapat memenuhi keinginan konsumen serta meningkatkan
kepercayaan konsumenterhadap produk tersebut (Budiarti, 2002).
Pengendalian kualitas susu yang dilakukan saat ini oleh perusahaan meliputi
pengendalian kualitas bahan baku, kualitas proses, kualitas produk jadi dan kualitas
bahan pengemas. Pengendalian dan pengujian kualitas dilakukan dengan
menentukan sifat-sifat fisikawi, kimiawi dan mikrobiolgis susu. Sampel susu diambil
dan dianalisis di Laboratorium oleh petugas Lab sesuai dengan standar metode
penolakkan susu segar yang diterima dari suplier dan susu pasteurisasi yang
dihasilkan tergantung kepada seorang Kepala Bagian Quality Control. Pada saat tertentu hal ini menimbulkan kendala dalam pengambilan keputusan sehingga
mempengaruhi ketepatan dan kecepatan keputusan penilaian kualitas susu
pasteurisasi yang dihasilkan.
Banyaknya faktor yang mempengaruhi kualitas susu pasteurisasi seperti,
bahan baku, metode proses yang digunakan, akurasi pengukuran pada mesin
pasteurisasi, kompetensi dan tingkat kesadaran sumber daya manusia serta
lingkungan, menyebabkan permasalahan sistem penilaian susu pasteurisasi menjadi
kompleks. Pengambilan keputusan dalam memecahkan permasalahan yang bersifat
demikian menuntut kemampuan untuk mengintegrasikan berbagai disiplin ilmu.
Dalam hal ini diperlukan suatu sistem yang mampu mempercepat dan
mempermudah proses penilaian kualitas susu pasteurisasi sehingga dapat
meningkatkan efisiensi dan efektifitas pelaksanaan kegiatan pengendalian kualitas
susu pasteurisasi.
Beberapa penelitian mengenai kualitas susu yang telah dilakukan, lebih
banyak menggunakan pendekatan statistik dan bersifat parsial. Erwina (1987)
mengidentifikasi faktor dan parameter pengendalian kualitas pada industri susu
segar dengan mengaplikasikan teknik pengendalian kualitas. Karya (2001) membuat
analisis statistika pengendalian mutu terhadap parameter mutu susu pasteurisasi.
Sedangkan Budiarti (2002) melakukan pengkajian persepsi dan ekspektasi
konsumen serta bobot kepentingan dimensi kualitas susu pasteurisasi. Menurut
Mitra (1993), pendekatan statistik dalam pengendalian kualitas dapat mencegah
penyimpangan proses. Akan tetapi, menurut Kolarik (1995) pendekatan statistik
belum dapat menganalisis kegagalan mutu secara menyeluruh atau masih terbatas
pada analisis dan evaluasi bagian produksi. Keberhasilan kualitas yang dilakukan
tergantung dari kemampuan personil yang melakukan analisis.
Beberapa metode yang dapat digunakan untuk memecahkan permasalahan
kompleks adalah sistem pakar dan jaringan syaraf tiruan (JST). Menurut Marimin
(2005) sistem pakar atau sistem berbasis pengetahuan merupakan salah satu
bagian dari kecerdasan buatan yang memungkinkan komputer dapat berpikir dan
mengambil kesimpulan dari sekumpulan aturan (aturan biasa dan aturan meta).
mempunyai kelebihan untuk belajar melalui proses latihan (training) untuk mengenali pola tersembunyi dan tidak diperlukannya asumsi tentang struktur data, distribusi
data, independensi data atau hubungan data. Selain itu, menurut Tedesco (1992)
JST juga memiliki kemampuan untuk mengabaikan data yang tidak signifikan dan
menekankan pada data yang paling penting.
Integrasi sistem pakar dan jaringan syaraf tiruan diharapkan memiliki
kemampuan kombinasi untuk menyediakan konsultasi pakar dan meningkatkan
pengalaman itu sendiri dari waktu ke waktu berdasarkan proses belajar. Dengan
sistem ini, perbaikan dan kontrol kualitas dapat dilakukan secara berkesinambungan
(continuous improvement).
Pada penelitian ini dikembangkan sistem intelijen untuk penilaian dan
prediksi kualitas susu pasteurisasi selama proses pengolahan dengan
mengintegrasikan sistem pakar dan jaringan syaraf tiruan yang memasukkan dua
faktor analisis kualitas yaitu analisis fundamental dan analisis teknis. Analisis
fundamental mengacu pada proses pengendalian kualitas menurut Buffa dan Sarin
(1996) yang meliputi pengendalian kualitas bahan baku, proses-proses di titik
produksi dan kinerja akhir produk jadi. Sedangkan analisis teknis mengacu pada
prediksi keragaman proses suhu dan lama pasteurisasi satu bulan yang akan
datang. Penggunaan kedua analisis tersebut dimaksudkan agar sistem dapat
menilai dan memprediksikan pola penurunan atau kenaikan kualitas susu
pasteurisasi pada saat terjadi perubahan faktor-faktor fundamental dan faktor teknis.
1.2 Tujuan Penelitian
Penelitian ini bertujuan untuk :
1. Merancang prototipe sistem penilaian dan prediksi penilaian kualitas susu
pasteurisasi selama proses pengolahan dengan mengintegrasikan sistem pakar
dan jaringan syaraf tiruan.
2. Mengukur kinerja proses di industri pengolahan susu pasteurisasi berdasarkan
prototipe sistem yang dibangun.
Kecepatan dan ketepatan informasi yang dihasilkan dari sistem ini
diharapkan dapat meningkatkan efisiensi dan efektifitas pelaksanaan kegiatan
pengendalian kualitas dan juga dapat mempercepat proses pengambilan keputusan
1.3 Ruang Lingkup Penelitian
Ruang lingkup penelitian ini berkaitan dengan kualitas susu pasteurisasi
dimulai dari penilaian kualitas bahan baku sampai dengan kualitas pengemasan dan
penyimpanan. Jenis produk yang diamati adalah susu pasteurisasi jenis plain
dengan bahan baku utama susu segar reguler.
Penilaian dan prediksi kualitas selama proses pengolahan dilakukan
berdasarkan analisis fundamental dan analisis teknis. Analisis fundamental
merupakan studi mengenai kualitas susu pasteurisasi selama proses pengolahan
yang meliputi kualitas bahan baku, kualitas proses serta kualitas pengemasan dan
penyimpanan produk jadi yang dikembangkan dengan menggunakan sistem pakar.
Sedangkan analisis teknis memfokuskan pada prediksi pola keragaman proses
suhu dan lama pasteurisasi satu bulan yang akan datang yang dikembangkan
dengan menggunakan jaringan syaraf tiruan.
1.4 Output dan Manfaat Penelitian
Output yang diharapkan dari penelitian ini adalah
1. Prototipe sistem yang dapat melakukan prediksi keragaman proses dan
penilaian kualitas susu pasteurisasi selama proses pengolahan secara bertahap
mulai dari penilaian kualitas bahan baku, proses serta pengemasan dan
penyimpanan produk jadi.
2. Gambaran kinerja proses berdasarkan output sistem dan rumusan penetapan strategi peningkatan kualitas susu pasteurisasi sesuai dengan output sistem yang diperoleh.
Manfaat dari kajian ini untuk membantu pihak pengguna atau pihak
perusahaan dalam melakukan penilaian dan prediksi atribut kualitas susu
pasteurisasi mulai dari bahan baku sampai dengan pengemasan dan penyimpanan
produk jadi. Output dari sistem akan digunakan sebagai dasar dalam pengambilan keputusan untuk menentukan program perbaikan kualitas susu pasteurisasi di masa
Peningkatan daya saing
Pengurangan produk cacat
Peningkatan harga
Peningkatan jumlah produk
yang dijual
Penurunan Biaya Operasi
Meningkatkan pendapatan
Peningkatan laba PENINGKATAN
KUALITAS
BAB 2
TINJAUAN PUSTAKA
2.1 Kualitas
Dalam ISO 9001: 2000 kualitas didefinisikan sebagai gabungan antara tiga
parameter yaitu kualitas desain, kualitas konformansi dan kualitas kegunaan.
Kualitas desain merupakan perluasan refleksi desain sebuah produk atau
pelayanan untuk memenuhi kepuasan konsumen. Kualitas konformansi adalah
perluasan konformansi produk atau pelayanan terhadap desain standar. Kualitas
penggunaan adalah perluasan tuntutan untuk menjamin kontinuitas penggunaan
dari produk atau pelayanan (Hoyle, 1999).
Kualitas adalah kecocokan untuk digunakan, yang mengandung arti bahwa
produk dapat memenuhi kebutuhan dan kepuasan, serta memberi jaminan
kepercayaan pada konsumen akan konsistensi kualitas (Juran, 1979). Upaya ke
arah perbaikan kualitas harus terus dilakukan untuk meningkatkan kepuasan
pelanggan karena akan berdampak positif pada pendapatan perusahaan. Manfaat
perbaikan kualitas itu sendiri menurut Paal (1993) dapat dilihat pada Gambar 1.
Gambar 1. Manfaat Perbaikan Kualitas (Paal,1993)
Sistem pengendalian kualitas merupakan suatu sistem yang efektif untuk
memadukan usaha-usaha pengembangan kualitas, pemeliharaan kualitas dan
perbaikan kualitas dalam berbagai kelompok organisasi, sehingga dapat
menempatkan pemasaran, rekayasa, produksi dan jasa pada tingkat paling
1991). Beberapa keuntungan dari penggunaan sistem pengendalian kualitas dalam
jangka panjang menurut Mitra (1993) adalah sebagai berikut :
1. Perbaikan pada kualitas produk dan pelayanan.
2. Evaluasi kontinyu terhadap sistem untuk memenuhi perubahan keinginan
konsumen.
3. Meningkatkan produktifitas perusahaan.
4. Menurunkan biaya dalam jangka panjang.
5. Bersamaan dengan peningkatan produktivitas terjadi penurunan lead time
produksi ataupun assembly.
6. Memelihara kondisi lingkungan yang mendukung untuk mencapai tujuan
continuous improvement pada kualitas dan produktivitas.
2.2 Susu
Berdasarkan Departemen Pertanian (2000), susu segar adalah susu murni
cairan yang berasal dari ambing ternak perah yang sehat dan bersih, yang diperoleh
dengan cara pemerahan yang baik, tidak mengandung residu, belum mendapat
perlakukan apapun seperti pemanasan, irradiasi atau perlakuan fisik lainnya kecuali
proses pendinginan, kandungan alaminya tidak dikurangi atau ditambah sesuatu
apapun seperti penambahan air atau bahan makanan lain.
Pertumbuhan mikroba pada susu dapat menimbulkan perubahan
karakteristik susu, misalnya pembentukkan asam, pembentukan gas, proteolisis,
pelendiran, perubahan lemak, produk alkali serta perubahan cita rasa dan warna
(Rahman et al., 1992).
2.2.1 Komposisi Susu
Menurut Henderson (1971), semua jenis susu mengandung komposisi yang
sama tetapi jumlahnya bervariasi tergantung dari spesies, faktor genetik dan kondisi
lingkungan seperti iklim, pakan, cara pemerahan dan masa laktasi. Menurut Cross
(1988), komposisi umum susu yang banyak ditemukan adalah protein, lemak,
karbohidrat dan mineral yang terkumpul dalam abu. Komposisi kimia susu sapi dari
Tabel 4. Komposisi Kimia Susu Sapi
Komposisi Menurut Blane (1981)
Menurut Ressang dan Nasution (1986)
Menurut Varnam (1994)
Protein 3,3 3,2 3,4
Karbohidrat 4,7 4,6 4,8
Mineral 0,7 0,85 0,7
Lemak 3,8 3,45 3,7
Air 87,5 87,9 87,4
Total Padatan 12,5 12,1 12,6
2.2.2 Susu Pasteurisasi
Menurut Fardiaz (1992), susu pasteurisasi adalah produk olahan susu yang
diperoleh dengan proses pasteurisasi pada suhu minimal 62,80C selama 30 menit
untuk proses LTLT (Low Temperature Long Time) atau pada suhu 750C selama 15 detik untuk proses HTST (High Temperature Short Time). Tujuan pasteurisasi adalah untuk menginaktifkan sel-sel vegetatif bakteri patogen, bakteri pembusuk
dan bakteri pembentuk toksin pada pemanasan minimum sehingga tidak terjadi
kerusakan gizi susu serta faktor-faktor yang mempengaruhi mutu pangan seperti
warna, tekstur dan cita rasa (Hoobs dan Robert, 1987; Fardiaz, 1992).
Menurut Sudarwanti (2000), ciri-ciri susu pasteurisasi antara lain adalah suhu
pemanasan di bawah titik didih, kuman patogen mati, jumlah kuman dikurangi,
enzim inaktif, nilai gizi hampir sama dengan susu segar, spora tetap hidup dan daya
simpan dalam suhu dingin maksimum tujuh hari. Menurut Eckles (1951) semua
peralatan untuk pasteurisasi susu harus bersih dan bersanitasi tinggi.
Menurut Fardiaz (1992), lama susu pasteurisasi berada di pasaran sekitar 6
– 7 hari setelah itu ditarik kembali. Susu pasteurisasi yang kondisinya masih baik
dapat diolah kembali menjadi produk susu olahan lainnya dan jika susu pasteurisasi
rusak akan dibuang.
2.3 Kecerdasan Buatan
Menurut Oxman (1985), kecerdasan buatan merupakan istilah umum untuk
sistem berbasis komputer yang melaksanakan tugas-tugas yang umumnya
membutuhkan kecerdasan manusia.
Sistem kecerdasan buatan tidak dapat menggantikan peran manusia, tetapi
mampu memberikan kelebihan kepada penggunanya. Hal ini disebabkan karena
memberikan nasehat dan konsultasi kepada pengguna. Selain itu, sistem
kecerdasan buatan juga memberikan kelebihan ekonomis karena menghemat waktu
para ahli yang umumnya sangat terbatas (Rauch-Hindin, 1988).
Kecerdasan buatan dibagi menjadi tiga bidang penelitian yang secara relatif
berdiri sendiri, yaitu :
1. Pengembangan program-program yang menggunakan pengetahuan simbolik
untuk mensimulasi perilaku seorang ahli, yang disebut dengan sistem ahli.
2. Pengembangan robot-robot, yaitu pengembangan program-program yang
akan memungkinkan robot-robot mengamati perubahan-perubahan yang
terjadi pada saat mereka bergerak dalam suatu lingkungan.
3. Pengembangan program-program komputer yang dapat membaca, berbicara
dan mengerti bahasa yang digunakan manusia sehari-hari.
2.4 Sistem Pakar
Beberapa definisi sistem pakar adalah sebagai berikut :
♣ Sistem pakar adalah program komputer yang mencoba meniru tingkah laku dari
seorang pakar yang mempunyai kepakaran tertentu dalam melakukan tugas
tertentu (Medsker & Liebowitz, 1993).
♣ Sistem pakar adalah suatu aplikasi komputer yang digunakan untuk
memecahkan masalah yang kompleks dengan menggunakan kepakaran
seseorang dalam bidangnya (Rolson & David, 1998).
2.4.1 Elemen-elemen dalam Sistem Pakar
Pembangunan sistem pakar sering disebut knowledge engineering, merupakan suatu proses yang melibatkan interaksi antara knowledge enginee r-orang yang membangun sistem pakar dan pakar-r-orang yang memiliki kepakaran
dalam suatu lingkup permasalahan. Elemen-elemen yang terlibat dalam
pembangunan sistem pakar saling berinteraksi satu sama lain, hal ini ditunjukkan
Gambar 2. Elemen-elemen Dalam Sistem Pakar (Waterman, 1986)
Dalam sistem pakar terdapat beberapa elemen yang saling berinteraksi satu
sama lain, yaitu sebagai berikut :
• Domain Expert
Domain expert adalah sumber pengetahuan yang mampu memberikan alternatif pemecahan masalah pada suatu bidang tertentu. Domain expert dapat dibentuk dari pengetahuan pakar secara langsung-hasil wawancara dengan pakar
ataupun observasi bagaimana suatu masalah dipecahkan oleh pakar-atau dapat
diperoleh secara tidak langsung, yaitu melalui buku dan artikel dalam jurnal.
• Knowledge Engineer
Knowledge engineer adalah seseorang yang memiliki latar belakang ilmu komputer dan intelijensia buatan yang mengetahui bagaimana membangun
suatu sistem pakar. Knowledge engineer inilah yang menginventarisasikan dan mengorganisasikan semua pengetahuan yang berkaitan dengan pemecahan
masalah, baik secara langsung melalui wawancara atau observasi maupun tidak
langsung melalui buku dan artikel. Seringkali knowledge engineer membantu
programmer dalam pengkodean dan pemrograman sistem pakar itu sendiri.
• Expert System Building Tool
• User (pengguna)
Pengertian user secara sempit adalah orang yang menggunakan sistem pakar yang sudah dikembangkan atau end user, tetapi sebenarnya secara umum pengertian user juga mengacu kepada semua pengguna sistem pakar baik itu seorang knowledge engineer yang memperbaiki arsitektur sistem pakar, domain expert yang memberikan tambahan pengetahuan ataupun staf yang menambahkan data pada sistem pakar.
2.4.2 Karakteristik Sistem Pakar
Ada beberapa karakteristik dasar yang harus dimiliki sistem pakar, yaitu :
1. Kepakaran
Sistem pakar harus memiliki performansi yang baik yang menyamai seorang
pakar dalam memecahkan permasalahan yang ditanganinya. Performansi itu
sendiri meliputi kehandalan dan kecepatan sistem pakar dalam memberikan
solusi atau rekomendasi.
2. Representasi Simbolik
Dalam menyelesaikan suatu permasalahan seorang pakar biasanya tidak terlalu
banyak mendasarkan logika pemecahan masalah pada perhitungan matematis.
Hal ini tidak berarti bahwa pakar tidak melakukan perhitungan matematis tetapi
fokus utama pada bagaimana memanipulasi simbol-simbol yang
merepresentasikan konsep permasalahan.
3. Kedalaman
Sistem pakar harus memiliki suatu kedalaman pemecahan masalah yang berarti
bahwa sistem tersebut harus dapat bekerja secara efektif dalam suatu domain
tertentu yang cukup sempit dengan suatu tingkat pemecahan masalah yang
cukup kompleks.
4. Kemampuan Penjelasan
Sistem pakar memiliki kemampuan untuk menjelaskan tentang bagaimana
sistem tersebut beroperasi dan juga memiliki pengetahuan mengenai struktur
yang menyederhanakan proses logis dalam pemecahan masalah.
2.4.3 Aktivitas Dasar Sistem Pakar
Pengembangan dan pembangunan sistem pakar terdiri dari lima aktivitas
1. Identifikasi, merupakan identifikasi yang dilakukan oleh pakar dan knowledge engineer mengenai hal-hal yang penting dalam pengembangan sistem pakar. 2. Konseptualisasi, merupakan tahap pengembangan konsep pemecahan
masalah. Proses yang dilakukan pada tahap ini adalah ekstraksi pengetahuan
pakar.
3. Formalisasi, merupakan tahap pembangunan basis pengetahuan berdasarkan
model konseptual yang telah dikembangkan pada tahap konseptualisasi.
4. Implementasi, merupakan pembangunan prototype sistem pakar berdasarkan formalisasi pengetahuan yang telah dilakukan sebelumnya. Pembangunan
prototype sistem pakar ditunjukkan pada Gambar 3.
5. Pengujian, merupakan evaluasi terhadap sistem pakar itu sendiri, apakah
sistem pakar sesuai dengan tujuan penelitian dan berfungsi seperti tujuan yang
[image:31.612.90.516.339.574.2]telah didefinisikan di awal pengembangan.
Gambar 3. Prototyping dalam Sistem Pakar (Turban, 1995)
Sistem pakar dibangun dengan sistematika pengembangan yang
memberikan acuan kepada pengembang atau pembuat.
Permasalahan-permasalahan yang dapat ditangani oleh sistem pakar disajikan pada Tabel 5.
Tabel 5. Permasalahan yang Ditangani Sistem Pakar (Waterman, 1986)
Kategori Masalah yang Ditangani
Interpretasi Prediksi Diagnosis Desain Perencanaan Monitor Debugging Perbaikan Instruksi Kontrol
Menyimpulkan deskripsi situasi dari observasi
Menyimpulkan kemungkinan konsekuensi dari situasi tertentu Menyimpulkan tidak berfungsinya suatu sistem observasi Konfigurasi objek pada batasan tertentu
Membuat rencana untuk mencapai tujuan Membandingkan observasi dengan rencana Menyarankan perbaikan pada kegagalan observasi Menjalankan rencana sarana perbaikan
Diagnosa, menghilangkan kesalahan dan perbaikan prestasi Interpretasi, prediksi, perbaikan dan monitor keadaan sistem
2.5 Jaringan Syaraf Tiruan
2.5.1 Dasar Biologis
Jaringan syaraf tiruan memiliki prinsip kerja yang analog dengan jaringan
syaraf biologis, menerima input berupa impuls yang diterima oleh dendrit dari neuron lain. Kerja sistem jaringan syaraf biologis kemudian digunakan sebagai acuan untuk
mengembangkan jaringan syaraf tiruan dalam menyelesaikan permasalahan
kompleks dan non linear yang sulit diselesaikan dengan model matematis. Tabel 6 menunjukkan perbedaan antara biological neural network (jaringan syaraf biologis) dan artificial neural network (jaringan syaraf tiruan).
Tabel 6. Biological Neural Network vs Artificial Neural Network (Medsker dan Liebowitz, 1994)
Biologis Artificial
Soma Node Dendrit Input Axon Output Synapse Weight
Kecepatan rendah Kecepatan tinggi
Neuron banyak (109) Neuron beberapa (±100)
Tabel di atas menunjukkan perbedaan terminologis antara jaringan syaraf
biologis dan jaringan syaraf tiruan. Soma merupakan ujung-ujung syaraf yang oleh ANN disebut node, menyatakan banyaknya faktor yang akan dianalisis, dendrites
axon (output) badan sel yang lain. Output yang dibawa oleh axon dihantarkan dengan bobot tertentu oleh synapse, dimana dalam ANN bobot ini menentukan kualitas jaringan yang dibangun (Hebb, 1990). Gambar 4. menunjukan perbandingan antara biological neural network (jaringan syaraf biologis)dan artificial neural network (jaringan syaraf tiruan).
Gambar 4. Biological Neural Network vs Artificial Neural Network (Medsker dan Liebowitz, 1994)
2.5.2
2.5.3 Dasar-dasar Komputasi Jaringan Syaraf Tiruan
Dasar-dasar komputasi jaringan syaraf tiruan menurut Fauset dan Laurene
(1994) mulai dari jaringan, input, hidden layer, output, bobot, fungsi penjumlahan sampai dengan fungsi aktivasi dijelaskan sebagai berikut:
1. Jaringan
Sebuah JST terdiri dari kumpulan neuron-neuron yang terhubung, yang sering dikelompokkan dalam lapisan-lapisan (layers). Pada umumnya tidak ada asumsi yang spesifik mengenai arsitektur jaringan. Bermacam-macam topologi jaringan
syaraf merupakan pokok persoalan dari penelitian dan pengembangan JST.
Dalam hal ini, struktur JST diperlihatkan pada Gambar 6.
Input 4
Input
Input 2
Input 3
- bobot + bobot
Summation and transfer
Out put
(axon) Nucleu
Cell
Axon
Dua struktur dasar tersebut adalah sebagai berikut :
a. Struktur dua lapisan : input dan output
b. Struktur tiga lapisan : input, intermediate (disebut juga hidden) dan output
Gambar 5. Struktur Jaringan Syaraf Tiruan (Fauset dan Laurene, 1994) 2. Input
Jaringan dapat dirancang untuk menerima sekumpulan nilai input yang berupa nilai biner atau kontinyu. Jadi apabila terdapat masalah yang bersifat kualitatif
dan berupa grafik, maka informasi tersebut harus diproses terlebih dahulu untuk
menghasilkan suatu nilai numerik yang ekivalen sebelum dapat diinterpretasikan
oleh JST.
3. Output
Tujuan dari sebuah jaringan adalah untuk menghitung nilai output sebagai solusi dari masalah. Dalam tipe JST supervised, output awal dari jaringan biasanya tidak tepat dan jaringan harus disesuaikan sampai didapatkan output yang benar.
4. Hidden layer
Dalam arsitektur banyak lapisan (multi-layered), hidden layers tidak berinteraksi secara langsung dengan dunia luar tetapi menambah tingkat kompleksitas agar
JST dapat beroperasi dalam masalah yang lebih menarik. Hidden layer
menambah sebuah representasi internal dari suatu masalah, yang dapat
menjadikan jaringan memiliki kemampuan untuk berurusan secara robust
dengan masalah yang bersifat kompleks dan non linear. 5. Bobot (weight)
Weight atau bobot dalam JST mengungkapkan kekuatan relatif (atau nilai matematis) dari berbagai koneksi yang mentransfer data dari layer ke layer. Dengan kata lain, bobot mengungkapkan kepentingan relatif dari setiap input ke
In
fo
rm
a
ti
o
n f
lo
w
fo
rw
a
rd
o
sc
illa
to
ry
A. Associat ive
dalam elemen proses(neuron). Bobot sangat penting untuk JST, karena dengan bobot ini jaringan disesuaikan secara berulang untuk menghasilkan output yang diinginkan.
6. Fungsi Penjumlahan
Summation function menghitung rata-rata bobot dari suatu elemen input. Sebuah
summation input (Xj) dengan bobotnya (Wij) dan menjumlahkannya untuk
weighted sum (Si). Formula untuk N dengan elemen input adalah :
j N
j ij
i
W
X
S
*
1
∑
=
=
Dengan demikian neurodes dalam sebuah neural network memiliki kebutuhan pemrosesan yang sangat sederhana. Intinya, mereka harus memantau sinyal
yang datang dari neurodes lain, menghitung weighted sum dan kemudian menentukan sinyal yang cocok untuk dikirimkan ke neurodes lainnya.
7. Fungsi Transfer/Aktivasi
Fungsi transfer yang dipakai dalam metoda belajar backpropagation harus memiliki sifat kontinyu dan dapat diturunkan. Pemakaian fungsi transfer
tergantung dari aplikasi yang dirancang, hal yang penting adalah fungsi transfer
tersebut mudah dihitung turunannya untuk dapat mengimplementasikan
algoritma backpropagation ini.
2.5.4 Paradigma Belajar
Ada dua pendekatan dasar paradigma belajar dalam JST, yaitu supervised learning dan unsupervised learning.
1. Supervised Learning
Dalam pendekatan supervised learning kita menggunakan sekumpulan input
dimana output yang sesuai telah diketahui. Perbedaan antar output aktual dan
output yang diinginkan digunakan untuk mengkalkulasi koreksi pada bobot jaringan syaraf (disebut learning with a teacher).
2. Unsupervised Learning
kategori final untuk memberikan arti dan menentukan kegunaan dari output yang dihasilkan. Contoh dari tipe belajar ini adalah ART dan Kohonen self-organizing feature maps.
Pertimbangan penting dalam JST adalah penggunaan algoritma yang sesuai
untuk belajar. Kemampuan dua pendekatan paradigma belajar dalam beberapa
algoritma belajar yang dibandingkan berdasarkan lamanya waktu training dan waktu eksekusi diperlihatkan pada Tabel 7.
Tabel 7. Kemampuan dua Pendekatan Paradigma Belajar dalam Beberapa Algoritma Belajar (Neuro Dimension Inc., 2001)
Algoritma Belajar
Paradigma
Belajar Waktu Training
Waktu Eksekusi Backpropagation Supervised Lambat Cepat
ART2 Unsupervised Cepat Cepat
Kohonen Unsupervised Medium Cepat
Hopfield Supervised Cepat Medium
Boltzmann Supervised Lambat Lambat
2.5.5 Backpropagation
Menurut Fauset & Laurene (1994), backpropagation adalah metoda turunan gradien (gradient descent method) untuk meminimalkan total squared error dari
output yang dikeluarkan oleh jaringan. Menurut Kusumadewi (2004), fungsi kinerja yang sering digunakan untuk backpropagation adalah mean square error (mse), fungsi ini akan mengambil rata-rata kuadrat error.
Karakteristik dari jaringan backpropagation (jaringan multilayer dan
feedforward yang dilatih oleh backpropagation) ini adalah dapat digunakan untuk menyelesaikan masalah dalam bermacam-macam area. Aplikasi yang
menggunakan jaringan backpropagation dapat ditemukan dalam banyak bidang untuk masalah yang melibatkan pemetaan suatu input tertentu terhadap output yang tertentu pula (supervised learning).
2.6 Model Integrasi Sistem Pakar dan Jaringan Syaraf Tiruan
Ada beberapa teknik untuk mengintegrasikan sistem pakar dan jaringan
model transformasi, model Loose Coupling, model Tightly Coupling, model Full Integration. Gambar 6. menunjukkan model integrasi sistem pakar dan jaringan syaraf tiruan.
• Model Stand Alone
Model ini mengkombinasikan sistem pakar (ES) dan jaringan syaraf (NN) tetapi
keduanya tidak saling berinteraksi. Keduanya menggunakan komponen software
yang berbeda. Tujuan dikembangkannya model ini adalah untuk
membandingkan kemampuan performansi antara sistem pakar dan jaringan
syaraf. Kelemahan model ini adalah keduanya tidak saling men-support satu dengan yang lainnya untuk menutupi kelemahannya masing-masing.
• Model Transformasi
Model ini sama dengan model stand-alone, yang membedakan adalah adanya transformasi dari suatu sistem ke sistem lain. Ada dua bentuk model
transformasi : sistem pakar ditransformasikan ke jaringan syaraf dan jaringan
syaraf ditransformasikan ke sistem pakar.
• Model Loose Coupling
Model ini merupakan bentuk nyata pertama dari integrasi sistem pakar dan
sistem jaringan syaraf tiruan. Aplikasi ini dipecah ke dalam secara terpisah
menjadi komponen jaringan syaraf dan sistem pakar yang berkomunikasi lewat
data file. Berbagai variasi model ini adalah preprocessors, postprocessors,
coprocessors dan user interface. Sebagai contoh dalam model preprocessing, jaringan syaraf bertindak sebagai front end yang mengkondisikan data-data yang sesuai untuk dimasukkan ke dalam sistem pakar. Model postprocessing adalah kebalikan dari preprocessing.
• Model Tightly Coupling
Perbedaan model ini dengan model loosely coupling tidak jelas. Keduanya
memakai komponen independent. Pada Model ini komunikasi data
menggunakan struktur data memory-resident, jadi lebih dari sekedar file data eksternal. Hal ini meningkatkan kemampuan interaktif dari model sebagai
tambahan untuk meningkatkan performansinya.
• Model Full Integration
Dalam model ini, sistem pakar dan jaringan syaraf terbentuk dalam satu sistem
sebagai bobot hubungan. Model ini membagi struktur data dan representasi
knowledge. Dengan demikian komponen dari sistem ini berkomunikasi sebagai konsekuensi yang alami dari suatu integrasi.
Gambar 6. Model Integrasi Sistem Pakar dan Jaringan Syaraf Tiruan (Rolston dan David, 1988)
2.7 Run Chart dan Control Chart
Run Chart (trend chart) digunakan untuk mengidentifikasi kecenderungan (trend) yang terjadi dengan jalan menggambarkan atau memetakan data selama periode waktu tertentu. Kecenderungan (trend) tersebut sangat berguna dalam memisahkan sebab dari gejala variasi. Dalam setiap proses selalu ada dua jenis
variasi, yaitu variasi yang tidak terelakkan yang timbul dalam kondisi normal dan
variasi yang disebabkan oleh suatu masalah (abnormal).
Control Chart berguna untuk menganalisis proses dengan tujuan memperbaikinya secara terus menerus. Grafik ini mendeteksi penyimpangan
abnormal dengan bantuan grafik garis. Grafik ini berbeda dengan garis standar
dengan adanya garis kendali batas (limit) di tengah, atas dan bawah (Tjiptono, 2000).
2.8 Metode Pembobotan Entropy
Entropy
merupakan suatu istilah dalam hukum termodinamika yang
menunjukan ukuran ketidakpastian dari suatu sistem. Pada saat ini
entropy
tidak hanya digunakan dalam ilmu termodinamika tetapi
entropy
juga dapat
ES
NN
F ullES
NN
T ight
ES
NN
L oose
ES
NN
S t and alone
ES
NN
diterapkan pada bidang lainnya. Dalam penelitian ini
entropy
digunakan
sebagai metode pembobotan.
Menurut Pomerol (1990) konsep utama dari penggunaan entropy sebagai metode pembobotan adalah pengukuran suatu kriteria j melalui suatu fungsi tertentu
sesuai dengan kuantitas informasi yang diberikan. Penilaian bobot kriteria j
dilakukan melalui pengukuran dispersi aj. Dalam hal ini kriteria yang terpenting
adalah kriteria yang paling kuat dalam mendeskriminasikan setiap nilai pada
aksi-aksi aj tersebut.
2.9 Analytical Hierarchy Process (AHP)
AHP dikembangkan oleh Prof. Thomas L. Saaty, seorang Guru Besar
Matematika dari University of Pittsburgh pada tahun 1970. Metoda ini merupakan
alat bantu sistem pendukung keputusan yang dinilai luas untuk penyelesaian
problem keputusan multikriteria. Metode ini mensintesis perbandingan ‘judgement’ pengambil keputusan yang berpasangan pada setiap level hirarki keputusan yang berpasangan pada setiap level hirarki keputusan. Caranya dengan menetapkan bobot prioritas relatif setiap elemen keputusan, dimana bobot ini merepresentasikan
intensitas preferensi atas suatu keputusan (Saaty, 1993).
2.9.1 Prinsip Pokok Analytical Hierarchy Process (AHP)
Prinsip pokok AHP adalah prinsip berpikir analitis. Pengambilan keputusan
dalam metodologi AHP didasarkan pada tiga prinsip pokok, yaitu :
1. Penyusunan Hirarki
Penyusunan hirarki permasalahan merupakan langkah untuk mendefinisikan
masalah yang kompleks ke dalam sub sistem, elemen, sub elemen dan
seterusnya sehingga menjadi lebih jelas dan detail. Hirarki keputusan disusun
berdasarkan pandangan pihak-pihak yang memiliki keahlian (expert) dan pengetahuan di bidang yang bersangkutan.
2. Penentuan Prioritas
Prioritas dari elemen-elemen kriteria dapat dipandang sebagai bobot atau
kontribusi elemen tersebut terhadap tujuan pengambilan keputusan. Prioritas ini
kepentingan terhadap keputusan tersebut, baik secara langsung (diskusi,
wawancara) maupun tidak langsung (kuesioner).
3. Konsistensi Logis
Konsistensi jawaban responden dalam menentukan prioritas elemen merupakan
prinsip pokok yang akan menentukan validitas data dan hasil pengambilan
keputusan. Menurut Saaty, hasil penilaian yang dapat diterima adalah yang
mempunyai rasio konsistensi lebih kecil atau sama dengan 10%. Jika lebih besar
dari itu berarti penilaian yang telah dilakukan ada yang random dengan demikian
perlu diperbaiki.
2.9.2 Keunggulan dan Kelemahan Analytical Hierarchy Process (AHP)
AHP sangat berguna dalam masalah-masalah kompleks yang tidak
terstruktur, tidak memiliki data tertulis yang cukup, seperti permasalahan :
penentuan alternatif, penyusunan prioritas, pemecahan konflik, pemilihan kebijakan,
pengalokasian sumber, penentuan kebutuhan dan juga pengukuran performansi.
Menurut Ciptomulyono (2001) kelebihan AHP, antara lain :
1. Mampu membahas permasalahan kompleks dan tak terstruktur secara detail.
2. Memadukan intuisi, pikiran, perasaan dan penginderaan dalam menganalisis
pengambilan keputusan.
3. Memiliki kemampuan melakukan sintesa pemikiran berbagai sudut pandang
responden.
4. Memperhitungkan konsistensi dari penilaian yang telah dilakukan dalam
memperbandingkan faktor-faktor untuk memvalidasi keputusan.
5. Kemudahan dalam pengukuran elemennya.
6. Memungkinkan untuk melakukan perencanaan ke depan (forward) atau sebaliknya, menjabarkan masa depan yang ingin dicapai ke masa kini
(backward).
Selain keunggulan, AHP juga mempunyai kelemahan, yaitu :
1. Dalam penerapannya, harus melibatkan orang-orang yang memiliki
pengetahuan yang cukup tentang permasalahan dan tentang metode AHP itu
2. Untuk melakukan perbaikan keputusan walaupun kecil maka harus dimulai lagi
dari tahap awal dan memakan waktu yang relatif lama.
3. AHP tidak dapat diterapkan pada suatu perbedaan sudut pandang yang sangat
tajam atau ekstrim di kalangan responden. Penyatuan pandangan, misalnya
dengan metode Delhi dapat dilakukan sebelum AHP.
2.10 Penelitian Terdahulu
Beberapa penelitian yang mengenai kualitas susu dan pengembangan
sistem pakar dan jaringan syaraf tiruan adalah sebagai berikut :
Erwina (1987), mengidentifikasi faktor dan parameter dalam pengendalian
mutu pada industri susu segar di tingkat peternak, koperasi dan industri pengolahan
susu (IPS), serta mengaplikasikan teknik pengendalian mutu dalam penentuan
standar dan analisis biaya dan margin tata niaga. Parameter utama yang digunakan
adalah mutu kadar lemak dan non lemak.
Permadi (1995), mengembangkan perangkat lunak untuk kegiatan
pengendalian mutu minuman ringan yang diberi nama Quality Information System
(QIS). Sistem ini pada dasarnya merupakan penyimpanan dan pengolahan data
yang disimpan secara elektronik. Informasi yang disajikan bisa dalam bentuk angka
maupun grafis. Beberapa keuntungan yang diperoleh dari penggunaan sistem ini
adalah mudah dioperasikan dan menarik. Pengembangan sistem ini dilakukan
dengan teknik perancangan secara terstruktur. Alat perancangan yang dipakai
dalam rancang bangun sistem yaitu Hirarchy Chart, Diagram Arus Data, Diagram Alir, Diagram Warnier-Orr dan Kamus Elemen data. Rancangan sistem ini terdiri
atas enam subsistem bahan baku, proses, pemeriksaan alat, mikrobiologi, produk
jadi dan eksternal serta terbagi dalam 20 modul.
Ratnawati (1996), merancang suatu sistem pakar yang dapat digunakan
dalam menentukan status keamanan pangan masa sekarang, jangka pendek dan
jangka panjang suatu Rumah Tangga pedesaan berdasarkan konsep yang
dikemukakan oleh Taylor dan Philips 1992.
Hartimin (1997), merancang model
