Sistem Intelijen Penilaian dan Prediksi Kualitas Susu Pasteurisasi

(1)

WINNIE SEPTIANI

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

2005

SISTEM INTELIJEN PADA PENILAIAN DAN

PREDIKSI KUALITAS SUSU PASTEURISASI

(2)

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.

(3)

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.

Data bobot tingkat kepentingan atribut kualitas susu pasteurisasi diolah dengan menggunakan metode pembobotan entropy. Data suhu dan lama pasteurisasi yang digunakan sebagai data training dan testing jaringan syaraf tiruan

(4)

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.

Hasil pengujian sistem yang dilakukan dengan menggunakan data pemeriksaan aktual PT. Industri Susu Alam Murni (ISAM) Bandung dapat diketahui bahwa sistem dapat menilai dan memprediksi kualitas susu pasteurisasi baik pada status penilaian kualitas bahan baku diterima maupun ditolak. Keakuratan sistem penilaian kualitas proses susu pasteurisasi dengan status penilaian bahan baku diterima dengan grade A memberikan nilai keakuratan sebesar 90,41 - 98,72%, keakuratan tersebut telah diuji dengan uji kebaikan suai. Sedangkan pada status penilaian kualitas bahan baku diterima dengan grade B memberikan nilai keakuratan 90,11 - 98,9%, keakuratan tersebut telah diuji dengan uji kebaikan suai.

(5)

Dengan memperhatikan semua faktor, aktor dan tujuan yang hendak dicapai dari penerapan strategi peningkatan kualitas susu pasteurisasi dapat ditentukan bahwa strategi yang memiliki bobot tertinggi dan mendapat prioritas pertama ialah program perbaikan sistem kualitas dengan nilai bobot 0,236 yang meliputi sistem jaminan kualitas susu pasteurisasi dengan melakukan pengawasan mutu mulai dari bahan mentah sampai bahan jadi, penerapan program sanitasi dan penerapan sistem pengendalian kualitas dengan analisis statistik (SPC). Perbaikan sistem kualitas tersebut menjamin proses produksi menghasilkan susu pasteurisasi yang sesuai harapan konsumen.

(6)

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

(7)

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

T anggal Ujian : 20 Oktober 2005 T anggal Lulus :

(8)

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

(9)

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. Penulis menjadi Ketua Jurusan Teknik Industri di STT Texmaco pada tahun 2002.

(10)

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 atas segala informasi dan ilmu yang diberikan.

(11)

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 Penulis

(12)

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..

25 27 29 29 29 29 29

(13)

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 ………..

108 108 108 113 120

(14)

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

137 139

(15)

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 ………

21 Perbandingan Beberapa Pendapat Pakar Mengenai Pemeriksaan Kesegaran Susu Segar ………

22 Perbandingan Beberapa Pendapat Pakar Mengenai Syarat Mutu Susu Segar pada Pemeriksaan Mikrobiologis ………

23 Perbandingan Beberapa Pendapat Pakar Mengenai Karakteristik Mutu Susu Pasteurisasi ………

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

(16)

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) …...

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

(17)

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 ... 46

15 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

38 Tampilan Performansi Output dengan Menggunakan Peta Kendali Shewhart ……… ……….. 106

(18)

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

(19)

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

17 Listing Program Pengolahan Data Teknikal dengan Menggunakan JST ……… ……….. 227 18 Uji Kebaikan Suai ... 230

(20)

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

(21)

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 pengujian yang telah ditetapkan perusahaan. Keputusan penerimaan atau

(22)

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). Menurut Tedesco (1992), JST sebagai salah satu metode untuk melakukan prediksi

(23)

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 bagi pengguna sistem.

(24)

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 datang.

(25)

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 ekonomis yang memberikan kepuasan penuh pada perusahaan (Feigenbaum,

(26)

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 beberapa literatur dapat dilihat pada Tabel 4.

(27)

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 sistem kecerdasan buatan memiliki pengetahuan dan daya penalaran untuk

(28)

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 pada Gambar 2.

(29)

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

Expert system building tool adalah bahasa pemrograman dan sistem pendukung lain yang digunakan oleh knowledge engineer dan programmer untuk membangun sistem pakar.

(30)

• 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 dasar yang saling terkait, yaitu :

(31)

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 telah didefinisikan di awal pengembangan.

Gambar 3. Prototyping dalam Sistem Pakar (Turban, 1995)

Sistem pakar dibangun dengan sistematika pengembangan yang disesuaikan dengan permasalahan yang ditangani, sebagai pedoman dan

(32)

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

(33)

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

(34)

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

n f

illa

A. Associat ive

(35)

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

W

X

S

*

∑

=

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

Dalam unsupervised learning, neural network mengorganisasikan dirinya untuk menghasilkan kategori dimana kumpulan input akan termasuk ke dalamnya. Dalam kasus unsupervised learning ini, harus ada pemeriksaan manusia dalam

(36)

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 syaraf tiruan dari berdiri secara independent sampai tingkat yang mempunyai hubungan interaktif tinggi. Strategi integrasi tersebut adalah model stand-alone,

(37)

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 yang sama. Komponen jaringan syaraf mewakili knowledge base secara implisit

(38)

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 ull

ES

NN

T ight

ES

NN

L oose

ES

NN

S t and alone

ES

NN

(39)

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 ditentukan berdasarkan pandangan para pakar dan pihak-pihak yang

(40)

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 sendiri.

(41)

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 sistem ahli untuk mutu CPO dan kehilangan minyak selama proses pengolahan dengan teknik sistem berbasis pengetahuan. Model ini dirancang dalam bentuk perangkat lunak (software)

(42)

komputer dengan menggunakan bahasa pemrograman Visual Basic 4.0. Model EXSPalm 1 memuat fasilitas penjelasan, fasilitas konsultasi dan fasilitas input nilai.

Nando (2001), menganalisis parameter mutu susu pasteurisasi dan membuat analisis statistika pengendalian mutu terhadap beberapa parameter mutu susu pasteurisasi. Data yang dikumpulkan adalah faktor-faktor yang mempengaruhi mutu susu pasteurisasi, kadar bahan kering, jumlah mikroba dan koliform. Hasil penelitian menunjukkan bahwa mutu susu pasteurisasi secara umum dipengaruhi oleh faktor bahan baku, metode, mesin atau peralatan, pemeriksaan atau pengawasan dan manajemen.

Budiarti (2002), melakukan pengkajian yang ditujukan untuk melihat persepsi dan ekspektasi konsumen serta bobot kepentingan dimensi kualitas produk susu pasteurisasi produksi Koperasi Dau Malang. Pada dasarnya penelitian ini bermaksud untuk meningkatkan efektifitas dengan menggunakan Total Quality Management (TQM) yang berdampak pada peningkatan kualitas produk sesuai dengan keinginan konsumen. Hal ini secara simultan akan meningkatkan penjualan dan pendapatan bagi Koperasi Dau Malang. Informasi mengenai jenis dimensi kualitas produk yang direkomendasikan untuk ditingkatkan dilakukan dengan perhitungan zero one integer programming.

Perbandingan penelitian mengenai kualitas dan sistem intelijen yang telah dilakukan dengan penelitian yang akan dilakukan saat ini disajikan pada Tabel 8.

(43)

Tabel 8. Perbandingan Beberapa Penelitian Mengenai Kualitas dan Sistem Intelijen yang telah Dilakukan serta Penelitian yang akan Dilakukan Saat ini

Penelitian kualitas tanpa menggunakan

tool Sistem Intelijen

Penelitian yang menggunakan tool

Sistem Intelijen Penelitian yang akan dilakukan saat ini

Beberapa Penelitian mengenai kualitas yang telah dilakukan lebih banyak menggunakan pendekatan statistik dan dijelaskan bagian per bagian

Kelebihan :

• Mencegah penyimpangan dalam proses, sebelum terjadi hal-hal yang serius, sehingga akan diperoleh kesesuaian yang lebih baik antara kemampuan dengan spesifikasinya.

• Mengurangi biaya pemeriksaan, karena statistika pengendalian mutu dilakukan dengan menggunakan teknik penarikan contoh.

Kelemahan :

• Analisis kegagalan mutu belum dapat dilakukan secara menyeluruh masih terbatas pada analisis dan evaluasi pada bagian produksi.

• SQC baru dapat memberikan gambaran penyebab kegagalan mutu. sedangkan keberhasilan kualitas yang dilakukan tergantung dari kemampuan personil yang melakukan analisis.

Berdasarkan studi literatur yang telah dilakukan, terlihat bahwa aplikasi sistem Intelijen dalam beberapa permasalahan sudah cukup banyak akan tetapi yang menyangkut penilaian kualitas masih jarang dilakukan. Analisis mengenai kelebihan dan kekurangan dari penelitian yang ada, sebagai berikut :

Kelebihan :

• Permasalahan dapat diselesaikan sebagaimana layaknya seorang pakar mengerjakannya walaupun pelakunya bukan seorang pakar

• Melakukan penyederhanaan proses pekerjaan

• Solusi lebih konsisten Kelemahan :

• Sistem tidak dapat menangani pengetahuan yang tidak konsisten, sedangkan kinerja manusia berubah-ubah hanya sedikit yang tetap sepanjang waktu.

• Tidak dapat menerapkan penilaian dan intuisi yang kita kenal sebagai unsur yang penting dalam pemecahan masalah.

Penelitian yang akan dilakukan :

Merancang model penilaian dan prediksi kualitas susu pasteurisasi, kemudian mengaplikasikan model tersebut dalam bentuk rancangan integrasi sistem pakar dan jaringan syaraf tiruan (JST). Integrasi sistem pakar dan JST ini diharapkan memiliki kemampuan kombinasi untuk menyediakan konsultasi pakar dan meningkatkan pengalaman itu sendiri dari waktu ke waktu berdasarkan proses belajar.

Dasar Pemikiran :

Kualitas merupakan permasalahan yang cukup kompleks karena banyaknya faktor-faktor yang terlibat dan mempengaruhi kualitas seperti faktor bahan baku, metode, mesin atau peralatan, pemeriksaan dan manajemen. Disebabkan oleh kompleksitas sistem, maka pencarian hubungan tidak akan mungkin tercapai hanya dengan bantuan pemikiran pakar. Keadaan ini mengarah pada pendekatan dengan menambahkan suatu sistem pemikiran lunak yang berorientasi pada proses belajar. jaringan syaraf tiruan sebagai salah satu metode untuk melakukan prediksi memiliki kelebihan pada kemampuannya untuk belajar.

(1)

return end

if ( SIMPANAN.SUHU < 4 ) QSUHU = 7;

elseif ( SIMPANAN.SUHU >= 4 && SIMPANAN.SUHU <= 6 ) QSUHU = 5;

else

SIMPANAN.Q = -6; return

end

if( Q > 12 ) Q = 7;

elseif( Q >= 10 && Q <= 12 ) Q = 5;

else Q = -6; end

SIMPANAN.Q = Q;

if( KEMASANSIMPANAN.KEMASAN.Q == -6 ) KEMASANSIMPANAN.Q = -6;

return end

if( KEMASANSIMPANAN.SIMPANAN.Q == -6 ) KEMASANSIMPANAN.Q = -6;

return end

if ( Q > 12 ) Q = 7;

elseif ( Q >= 10 && Q <= 12 ) Q = 5;

else Q = -6; end

(2)

Lampiran 17. Listing Program untuk Prediksi dengan JST

%---Output input unit

X{1} = trn_data(:, 1:in_n); % dataset input lengkap T = trn_data(:, in_n+1:end); % dataset target lengkap

%--- Inisiasi bobot: Metoda Nguyen-Widrow beta = 0.7 * hidden(1) ^ ( 1 / in_n ); w = rand(in_n, hidden(1));

Vij = weight_range*2*( w - 0.5); % matriks bobot: input x hidden_I b = rand(1,hidden(1));

V0j = beta*2*( b - 0.5); % matriks bias: 1 x hidden_I W{1} = [ Vij; V0j]; % matriks bobot: input+1 x hidden_I W{1} = W{1}/norm(W{1});

for i = 1:nMLP-3

w = rand( hidden(i) + 1, hidden(i+1) );

W{i+1} = weight_range * 2 * ( w - 0.5 ); % matrik bobot: (hidden_i+1) x hidden_i+1 W{i+1} = W{i+1}/norm(W{i+1});

end

w = rand(hidden(end)+1,out_n);

W{length(W)+1} = weight_range*2*( w - 0.5); % matrik bobot: (hidden_end+1) x output W{end} = W{end}/norm(W{end});

%--- Inisiasi dW nW = length(W); for i=1:nW

dW_old{i} = zeros(size(W{i})); end

%--- Inisiasi RMSE one = ones(data_n, 1);

RMSE = nan*ones(max_epoch, 1); % Root mean squared error

set(line1, ' xdata' , 1:max_epoch, ' ydata' , RMSE);

set(line2, ' xdata' , [1 max_epoch], ' ydata' , [error_goal error_goal], ' linewidth' , 2);

for i=1:max_epoch

if get(pbSTOP,' userdata' )==1 break;

end

%--- Forward: output masing setiap layer for j=2:nMLP

X{j} = aktivasi( [ X{j-1} one ] * W{j-1}, trf_fcn); end

%--- selisih output ( BUKAN error ) diff = T - X{end};

%--- error

ERROR = sqrt(sum(sum(diff.^2))/length(diff(:))); RMSE(i) = ERROR;

%--- update info

if ( mod(i,show)==0 | ERROR<error_goal ) set(edINFO(1),' string' ,int2str(i));

set(edINFO(2),' string' ,num2str(ERROR) ); set(line1,' ydata' , RMSE);

drawnow

if (ERROR<error_goal), break;

end

(3)

dE_dX{nMLP} = -2*(T - X{nMLP}) .* daktivasi( X{nMLP} , trf_fcn ); % dE/dX1 dE_dW{nW} = [X{nMLP-1} one]' * dE_dX{nMLP};

%--- metoda step gradient descent dinormalkan DE_DW=[];

for j=1:nW

DE_DW = [DE_DW; dE_dW{j}(:)]; end

leng = (norm(DE_DW));

%--- update bobot for j=1:nW

dW{j} = -eta*dE_dW{j}/leng + alpha*dW_old{j}; W{j} = W{j} + dW{j} ;

dW_old{j} = dW{j}; end

end

function Performansi(handles)

%--- % KELAS DATA

if (get(handles.poKELASDATA,' Value' )==1) SET = handles.NET.SUHU.SET;

TRAIN = handles.NET.SUHU.TRAIN; else

SET = handles.NET.LAMA.SET; TRAIN = handles.NET.LAMA.TRAIN; end

datan = SET.NORMAL.datan;

N1 = length(SET.NORMAL.datan); N2 = N1;

Yn = zeros(N2,1); for i=1:N2

inx = length(datan)-ni+1; Xn = datan(inx:inx+ni-1);

Yn(i) = forecasting(Xn' , TRAIN.W, SET.OPTIONS.trf_fcn); datan(end+1) = Yn(i);

end

Y = unnormalisasi( Yn' , SET.NORMAL.mindata, SET.NORMAL.maxdata); STD = std(Y);

MEAN = mean(Y); UCL = MEAN + 3*STD; LCL = MEAN - 3*STD; MAX = max([UCL Y' ]); MIN = min([LCL Y' ]);

if (get(handles.poKELASDATA,' Value' )==1) handles.NET.SUHU.PERF = PERF; else

handles.NET.LAMA.PERF = PERF; end

%--- % KUALITAS

LSL = get(handles.edINFO(2), ' userdata' ); USL = get(handles.edINFO(1), ' userdata' ); if(get(handles.poKELASDATA,' value' )==1) LSL = LSL(1);

USL = USL(1); else

(4)

USL = USL(2); end

%guidata(handles.fgNET, handles)

Q = Pasteurisasi(USL, LSL, PERF.FORCAST.UCL, PERF.FORCAST.LCL, PERF.FORCAST.Y); if (get(handles.poKELASDATA,' Value' )==1)

handles.NET.SUHU.Q = Q; else

handles.NET.LAMA.Q = Q; end

guidata(handles.fgNET, handles)

%--- % KUALITAS

%////////////////////////////////////////////////////////////////////////// function Q = Pasteurisasi(USL, LSL, UCL, LCL, data)