37 padatan terlarut atau kekerasan yang benar-benar disebabkan perbedaan intrinsik
sampel dibandingkan dengan yang disebabkan error pada saat pendugaan. Chang et al.,
1998 menyatakan bahwa persamaan kalibrasi dianggap layak jika rasio SDSE lebih besar dari 3, nilai rasio SDSE yang lebih tinggi menunjukan persamaan yang
lebih baik.
3.6. Optimasi Keadaan Penyimpanan Buah Pepaya
Bahan penelitian yang digunakan adalah buah pepaya arum bogor IPB 1 yang diperoleh dari kebun percobaan PKBT Tajur Bogor pada tingkat tua semburat 0 dan
semburat 10.
3.6.1. Penyimpanan
Penyimpanan bertujuan untuk memperpanjang masa simpan buah pepaya sebelum dilakukan proses pemeraman. Buah pepaya dimasukkan ke dalam lemari
pendingin bersuhu 10ºC dan 15
o
C selama 10, 12, 14, 16, 18 dan 20 hari.
3.6.2. Pemeraman
Pemeraman buah pepaya bertujuan agar pepaya matang seragam dengan kondisi yang baik. Pepaya yang telah disimpan pada suhu 10ºC dan 15
o
C dimasukkan dalam chamber dan diberi perlakuan etilen dengan konsentrasi 100
ppm. Selanjutnya pepaya diperam pada suhu 20ºC selama 24 jam. Kemudian pada suhu ruang dilakukan pengamatan laju respirasi setiap 6 jam dan pengukuran
kekerasan, warna, total padatan terlarut, susut bobot dan uji organoleptik setiap hari. Pengamatan dilakukan terhadap laju respiasi, kekerasan, TPT, warna dan susut
bobot.
3.6.3. Pengembangan Model Jaringan Syaraf Tiruan JST
Model JST yang digunakan adalah JST lapisan jamak yang terdiri dari tiga lapisan yaitu lapisan inputmasukan, lapisan tersembunyi dan lapisan keluaran.
Model JST yang dikembangkan untuk menduga mutu buah hasil penyimpanan dan pemeraman menggunakan algoritma backpropagation yang terdiri dari tiga layer
yaitu input layer, hidden layer dan output layer. Data yang digunakan sebagai input layer
adalah data suhu penyimpanan, lama penyimpanan, tingkat tua. Sedangkan
38 sebagai output layer adalah warna buah, susut bobot, TPT dan kekerasan buah.
Kinerja jaringan dinilai berdasarkan nilai RMSE Root Mean Square Error dan nilai koefisien determinasi r
2
. Hasil dari JST ini adalah nilai pembobot w yang menghubungkan input dan output. Model JST dapat dilihat pada Gambar 10.
Gambar 9. Model JST untuk pendugaan mutu buah hasil penyimpanan
3.6.4. Pengembangan Model Algoritma Genetika AG
Model Algoritma Genetika AG yang dikembangkan bertujuan untuk mendapatkan suhu penyimpanan, lama penyimpanan dan tingkat tua yang optimal
didapatkan dari warna kulit buah, nilai TPT, kekerasan dan susut bobot yang sesuai. Pada kasus ini akan dicari nilai suhu penyimpanan, lama penyimpanan dan tingkat
tua. Buah pepaya akan matang dengan baik apabila nilai suhu, lama penyimpanan dan tingkat tua optimal. Adapun sebagai input dari AG ini adalah nilai warna, nilai
TPT, nilai susut bobot dan nilai kekerasan buah. Sedangkan sebagai output adalah adalah suhu penyimpanan, lama penyimpanan, tingkat tua buah pepaya IPB 1.
Secara umum algoritma genetika memiliki enam komponen utama yaitu teknik penyandian, inisialisasi populasi, fungsi evaluasi fitness, seleksi, operator
genetika dan penentuan parameter. Berikut penjelasan dari kompoenen-komponen tersebut :
- Teknik Penyandian Solusi potensial disandikan ke dalam suatu kromosom yang terdiri dari gen-
gen. Ada berbagai bentuk representasi gen dan dalam penelitian ini digunakan representasi berupa string bit.
Suhu penyimpanan Tingkat tua
Lama penyimpanan Warna kulit
TPT Kekerasan
Susut Bobot
39 - Inisialisasi populasi
Inisialisasi populasi diawali dengan menentukan ukuran populasi yang akan dilibatkan dalam proses optimasi. Selanjutnya dilakukan inisialisasi kromosom dari
individu dalam populasi tersebut secara acak dengan memperhatikan selang nilai yang digunakan.
- Fungsi Evaluasi Fitness Tujuan yang ingin dicapai adalah maksimisasi nilai TPT dan warna serta
minimisasi kekerasan dan susut bobot. Nilai yang akan dihasilkan oleh setiap alternatif solusi dievaluasi menggunakan suatu fungsi tertentu.
- Seleksi Seleksi dapat dilakukan dalam penentuan individukromosom dalam
populasi yang akan melakukan reproduksi ataupun penentuan individu yang akan bertahan dalam populasi dan individu yang akan punah. Seleksi dimaksudkan untuk
memberikan kesempatan reproduksi yang lebih besar bagi individukromosom yang paling fit. Dalam penelitian ini seluruh individu dalam populasi terlibat dalam
reproduksi sehingga seleksi dimaksudkan untuk memilih individu yang akan bertahan dalam populasi. Ada beberapa metode seleksi namun dalam penelitian ini
digunakan metode elitis. Semua kromosom disusun mulai dari kromosom dengan nilai fitness terbaik hingga kromosom dengan nilai fitness terjelek. Dari kromosom
yang telah disusun tersebut kemudian diambil sejumlah kromosom dengan nilai fitness
terbaik dan kromosom-kromosom inilah yang akan bertindak sebagai populasi selanjutnya.
- Operator Genetika Ada dua operator genetika yaitu penyilangan crossover dan mutasi. Dalam
penelitian ini digunakan operator penyilangan satu titik. Penentuan titik penyilangan dilakukan secara acak. Demikian halnya dengan penentuan gen yang mengalami
mutasi juga dilakukan secara acak. - Penentuan Parameter
Parameter yang dimaksud adalah parameter kontrol algoritma genetika yaitu ukuran populasi, peluang penyilangan crossover, dan peluang mutasi.
40
IV. HASIL DAN PEMBAHASAN
