WAKTU DAN TEMPAT BAHAN DAN ALAT METODE PENELITIAN

III. METODOLOGI

A. WAKTU DAN TEMPAT

Penelitian ini dilakukan pada bulan April-Juli 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian TPPHP, Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor.

B. BAHAN DAN ALAT

Bahan yang digunakan dalam penelitian ini adalah pisang Raja Bulu yang didapatkan dari kebun petani di Tajur dengan tingkat kematangan dan ukuran yang seragam yakni kematangan penuh. Bahan lain yang digunakan adalah gas etilen dan bahan kimia lainnya yang menunjang analisis. Alat yang digunakan antara lain refrigerator, chamber yang telah dilapisi sterofoam, cosmotector tipe XPO-318 untuk mengukur konsentrasi gas O 2 dan tipe XPO-314 untuk mengukur konsentrasi CO 2 , gas chromatography untuk mengukur kandungan etilen, rheometer tipe CR-300 untuk mengukur kekerasan, refractometer tipe PR-201 untuk mengukur total padatan terlarut, dan timbangan digital untuk mengukur susut bobot dan berat bahan serta komputer.

C. METODE PENELITIAN

Penelitian dilakukan dengan dua tahap utama, yaitu tahap pengambilan data pisang selama penyimpanan dan pemeraman serta tahap pendugaan mutu fisik dan kimia pisang dengan jaringan syaraf tiruan. Skema pelaksanaan penelitian dapat dilihat pada diagram alir yang tersaji pada Gambar 6. Buah yang telah dipanen dengan keadaan ukuran dan tingkat kematangan yang seragam diletakkan pada media berupa karton untuk kemudian diangkut ke Laboratorium TPPHP. Selanjutnya, buah dilepaskan dari tandannya dengan pisau dan tangkai sisiran diberi kertas koran agar buah terhindar dari getah. Buah kemudian dicuci dengan air mengalir, dikering- anginkan dan disortasi sehingga semua buah dianggap seragam. Buah yang telah disortasi kemudian direndam dalam larutan Benomyl 500 mgl selama 30 detik dengan suhu larutan 40 o C. Hal ini dilakukan untuk mencegah buah dari kerusakan akibat adanya cendawan dan mikroorganisme lainnya. Berikut adalah alur pmerosesan pisang yang digunakan untuk penelitian ini. Pemanenan Pengangkutan Pembersihan Sortasi Placement Gambar 5. Alur pisang yang digunakan sebagai bahan dalam penelitian. Pisang Raja Bulu Tingkat kematangan penuh Pengukuran awal terhadap parameter : Berat, kekerasan, TPT, warna buah RGB Pengukuran laju respirasi setiap 24 jam Perlakuan pemeraman dengan konsentrasi etilen 100 ppm pada suhu ruang selama 24 jam Gambar 6. Diagram alir pelaksanaan penelitian Validasi model JST Menentukan hubungan suhu dan RH dengan parameter fisik dan kimia buah pisang menggunakan JST Dibiarkan pada suhu ruang dan dilakukan pengukuran kekerasan, berat, warna dan TPT Pengukuran laju respirasi setiap 3 jam Penyimpanan pada 3 kondisi suhu : 10 o C, 15 o C dan suhu ruang; RH 90-95 selama 5, 10 dan 15 hari Pencelupan dalam benomyl 500 mgl selama 30 detik Pembersihan dan sortasi Pisang yang telah siap diberi perlakuan diukur terlebih dahulu, yang meliputi kekerasan, berat, warna dan total padatan terlarutnya.

1. Penyimpanan Dingin

Tahapan pertama pada pisang adalah dilakukan penyimpanan dengan teknik pendinginan yang mampu memperlambat proses metabolisme pisang seperti respirasi, pematangan, kelayuan dan pembusukan yang bertujuan untuk mempertahankan kesegaran dan memperpanjang masa simpan pisang sebelum pemeraman. Pisang yang telah disortasi dimasukkan ke dalam chamber yang telah diberi sterofoam di dasarnya dengan masing-masing chamber berisi 2 sisir pisang. Pemberian sterofoam di dasar chamber dimaksudkan untuk menjaga kelembaban agar nilai RH terkondisikan pada 90-95. Chamber tersebut kemudian ditempatkan dalam lemari pendingin dengan suhu 10 o C dan 15 o C serta suhu ruang untuk pengontrolan. Lama penyimpanan terdiri dari tiga perlakuan yakni 5, 10, dan 15 hari. Parameter yang diambil selama penyimpanan adalah laju respirasi yang bertujuan untuk melihat pola respirasi pisang selama proses.

2. Pemeraman

Pada tahap ini dilakukan pemeraman yang bertujuan agar diperoleh kematangan pisang yang seragam. Pisang yang telah mendapat perlakuan lama penyimpanan pada suhu 10 o C dan 15 o C disuntikkan gas etilen ke dalam masing-masing chamber dengan konsentrasi 100 ppm. Perlakuan pemeraman ini dilakukan selama 24 jam dengan suhu 24 o C. Proses berikutnya pisang dibiarkan di udara terbuka untuk selanjutnya dilakukan pengamatan parameter mutu selama 5 hari. 3. Pengamatan Parameter yang diamati dalam penelitian terdiri atas parameter fisik dan kimia pisang, antara lain : 1. Kekerasan Pengukuran kekerasan selama penyimpanan dilakukan dengan interval 5 hari dimulai hari ke-0 pada masing-masing suhu dan disesuaikan dengan perlakuannya. Sedangkan pada pemeraman, pengukuran dilakukan setiap 24 jam sekali yang dimulai 24 jam setelah pisang disuntikkan gas etilen. Bagian buah yang diukur kekerasannya adalah pangkal, tengah dan ujung. Proses ini dilakukan dengan menggunakan rheometer CR-300 yang diset dengan mode 20, beban maksimum 10 kg, kedalaman penekanan 15 mm, kecepatan penurunan beban 60 mmm dan diameter prob 5 mm. 2. Susut bobot Pengukuran ini bertujuan untuk mengetahui penurunan bobot buah sejak awal penyimpanan sampai akhir penyimpanan. Waktu pengukuran susut bobot selama penyimpanan dan pemeraman sama dengan pengukuran kekerasan. Nilai susut bobot ditampilkan dalam bentuk persen dengan menggunakan persamaan berikut : 100 W Wa W Susutbobot dimana : W : Bobot bahan awal penyimpanan gram Wa : Bobot bahan akhir penyimpanan gram 3. Warna Pengukuran warna dilakukan dengan menggunakan kamera digital dengan jarak pengambilan gambar 60 cm . Gambar direkam dengan resolusi 1600 x 1200 piksel dengan 256 tingkat intensitas cahaya merah, hijau, dan biru. Pengukuran ini dilakukan dengan melihat nilai RGB dari keseluruhan pixel buah pisang yang dikonversi ke satuan Lab. 4. Total Padatan Terlarut Total padatan terlarut adalah total kandungan padatan yang terlarut dalam sebuah bahan. Pengukuran ini dilakukan dengan menggunakan alat refractometer. Sebelum dan sesudah penggunaan alat dilakukan sterilisasi dengan menggunakan alkohol. Pisang yang sebelumnya telah dibentuk pasta diletakkan pada prisma refractometer yang sudah distabilkan pada suhu 25 o C untuk kemudian dilakukan pembacaan. Angka pada refraktometer menunjukkan kadar total padatan terlarut o Brix

4. Pendugaan Model Sifat Fisik dan Kimia Pisang Dengan Jaringan

Syaraf Tiruan Jaringan syaraf tiruan yang digunakan dalam penelitian dibuat dengan menggunakan bahasa pemrograman Borland Delphi 5.0 dengan menggunakan metode pembelajaran backpropagation. Jaringan syaraf tiruan yang digunakan adalah jaringan dengan lapisan jamak yang terdiri dari 3 lapisan layer yaitu, lapisan input, lapisan tersembunyi, dan lapisan output. Data yang digunakan sebagai lapisan input berjumlah empat yaitu suhu penyimpanan, RH penyimpanan, lama hari penyimpanan, dan lama hari pemeraman. Data yang digunakan sebagai lapisan output terdiri dari total padatan terlarut, kekerasan, susut bobot, nilai warna dalam L, a dan b pada hari berikutnya. Sedangkan jumlah lapisan tersembunyi yang digunakan akan ditentukan pada training yang akan memberikan model pendugaan yang terbaik. Hasil dari jaringan syaraf tiruan adalah nilai pembobot w yang menghubungkan input-output. Gambaran mengenai arsitektur jaringan syaraf tiruan yang digunakan dalam penelitian ini dapat dilihat pada gambar berikut. Kusumadewi 2003 mendefinisikan backpropagation sebagai algoritma pembelajaran yang terawasi dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan node-node yang ada pada lapisan tersembunyinya. Algoritma backpropagation menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur backward. Untuk mendapatkan error ini, tahap perambatan maju forward propagation harus dikerjakan terlebih dahulu dengan mengaktifkan node-node menggunakan fungsi aktivasi sigmoid dibawah ini : x e x f 1 1 Secara umum tahapan dalam backpropagation terdiri dari : 1. Inisialisasi pembobot, yaitu penentuan pembobot awal yang ditentukan secara acak, kemudian setiap sinyal input diberikan ke dalam node pada lapisan input, lalu sistem akan mengirim sinyal ke node pada lapisan tersembunyi berikutnya. Suhu Penyimpanan RH Penyimpanan Lama Penyimpanan Hari Pemeraman Total padatan terlarut Susut bobot Kekerasan Warna buah L Warna buah a Warna buah b Gambar 7. Model jaringan syaraf tiruan yang dikembangkan Lapisan input Lapisan tersembunyi Lapisan output 2. Melakukan langkah-langkah berikut sampai diperoleh kondisi optimal atau berhenti. Kondisi berhenti mengindikasikan proses training telah selesai. 1 Tiap-tiap pasangan elemen yang akan dilakukan pembelajaran akan melalui dua tahapan, yaitu : Forwardpropagation a Tiap-tiap node input X i , i = 1,2,3,...,n menerima sinyal input x i dan meneruskan sinyal tersebut ke semua unit pada lapisan di atasnya hidden layer. b Tiap-tiap node pada lapisan tersembunyi Z j , j = 1,2,3,..p menjumlahkan sinyal-sinyal input terbobot, yaitu sinyal input x i yang telah dikalikan dengan pembobot v ij . Nilai sinyal- sinyal input terbobot z_in j ditentukan dengan persamaan : n i ij i j j v x v in z 1 _ Sinyal output yang dikirim ke semua unit pada lapisan di atasnya output layer diperoleh dengan menggunakan fungsi aktivasi : j j in z f z _ j in z j e z _ 1 1 c Tiap-tiap node pada lapisan output Y k , k = 1,2,3,...,m menjumlahkan sinyal-sinyal input terbobot, yaitu sinyal input Z j yang telah dikalikan dengan pembobot w jk . Nilai sinyal- sinyal input terbobot y_in k ditentukan dengan persamaan : p i jk j k k w z w in y 1 _ Nilai output y k pada output layer ditentukan dengan menggunakan fungsi aktivasi : k k in y f y _ k in y k e y _ 1 1 Backwardpropagation d Tiap-tiap node output Y k , k = 1,2,3,...,m akan membandingkan sinyal input y k yang diterima dengan nilai target yang diharapkan t k dan hasilnya digunakan untuk menghitung nilai error δ k dengan persamaan : k k k k in y f y t _ k k in y in y k k k e e y t _ _ 1 1 1 1 1 Kemudian dilakukan penghitungan nilai koreksi bobot Δw jk dengan persamaan berikut. Dalam penghitungan nilai koreksi dimasukkan nilai konstanta pembelajaran α yang nilainya berkisar antara 0-1 yang menentukan kecepatan proses pembelajaran. j k jk z w Nilai koreksi bobot ini nantinya digunakan untuk memperbaiki nilai w jk . Ditentukan pula nilai koreksi bias Δw ok yang akan digunakan untuk memperbaiki nilai w ok dengan menggunakan persamaan : k k w Kemudian nilai error δ k dikirimkan ke node-node pada lapisan dibawahnya. e Tiap-tiap node pada lapisan tersembunyi Z j , j = 1,2,3,...p menjumlahkan delta inputnya δ k w jk dari unit-unit yang ada di atasnya dengan persamaan : m k jk k j w in 1 _ Nilai δ_in j yang diperoleh kemudian dikalikan dengan turunan fungsi aktivasi untuk menghitung nilai error δ j : j j j in z f in _ _ j j in z in z j j e e in _ _ 1 1 1 1 1 _ Nilai δ j yang diperoleh kemudian digunakan untuk menghitung koreksi bobot Δv ij dan koreksi bias Δv 0j dengan persamaan : i j ij x v j j v Nilai koreksi bobot akan digunakan untuk memperbaiki nilai pembobot v ij sementara nilai koreksi bias akan digunakan untuk memperbaiki nilai pembobot v 0j . f Tiap-tiap node output Y k , k = 1,2,3,...,m memperbaiki bias dan bobotnya j = 0,1,2,...,p dengan persamaan : w jk baru = w jk lama + Δ w jk Tiap-tiap node tersembunyi Z j , j = 1,2,3,...p memperbaiki bias dan bobotnya i = 0,1,2,...,n dengan persamaan : v ij baru = v ij lama + Δ v ij 2 Tes kondisi berhenti. Keseluruhan proses terus dilakukan sampai tercapainya kondisi berhenti atau optimum. Kondisi ini dapat ditunjukkan dengan jumlah iterasi atau nilai error yang diinginkan. Setelah sistem mencapai optimum, kinerja jaringan dinilai berdasarkan nilai RMSE Root Mean Square Error, SEP Standard Error of Prediction, APD Average Percentage Deviation dan MAE Mean Absolute Error. Persaman fungsi error tersebut dapat ditentukan dengan persamaan : n n a p RMSE 2 n i n a p SEP 1 2 1 n i a p a n APD 1 2 100 n i a p n MAE 1 1 dimana : p = nilai prediksi jaringan syaraf tiruan a = nilai aktual yang diberikan n = jumlah data Data-data yang diperoleh selama percobaan yang akan menjadi set data pasangan input-output bagi proses pembelajaran dibagi menjadi tiga set data, yaitu data training, data tes, dan data validasi. Data training dan data tes yang telah dilakukan proses pembelajaran untuk kemudian dilakukan validasi. Validasi dilakukan sebagai proses pengujian kinerja atau ketepatan prediksi jaringan syaraf tiruan terhadap contoh data yang diberikan selama proses training. Pada proses validasi dilakukan dengan memasukkan satu set data input-output yang baru. Bila model ini mampu menghubungkan pasangan input-output dari data yang diberikan dengan baik maka model jaringan syaraf tiruan yang terbentuk telah baik.

IV. HASIL DAN PEMBAHASAN