Deteksi Gejala Kerusakan Dingin pada Buah Mangga Varietas Gedong Gincu (Mangifera indica, L.) yang Disimpan pada Suhu Rendah Menggunakan NIR

(1)

DETEKSI GEJALA KERUSAKAN DINGIN PADA BUAH MANGGA

VARIETAS GEDONG GINCU (

Mangifera indica,

L

.

) YANG

DISIMPAN PADA SUHU RENDAH MENGGUNAKAN NIR

SKRIPSI

ILHAM FIKRI

F14061651

FAKULTAS TEKNLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

BOGOR

2011


(2)

DETECTION OF CHILLING INJURY SYMPTOMS FOR MANGO

VAR. GEDONG GINCU (

Mangifera indica,

L.) STORED AT LOW

TEMPERATURE USING NIR

Ilham Fikri

Departement of Mechanical and Biosystem Engineering, Faculty of Agricultural Technology, Bogor Agricultural University, IPB Darmaga Campus, PO Box 220, Bogor, West Java, Indonesia

Phone : +62 8624622, e-mail: iamfikri@gmail.com

ABSTRACT

Low temperature storage is common method to maintain the self life of fruits. However, for some fruits, low temperature storage may cause chilling injury. Chilling injury will cause the quality of fruits becomes lower. Detection of chilling injury symtopms of fruits during storage at low temperature is important in order to minimize the effect of low temperature on the quality of fruits. Change in ion leakage of fruits during storage period is one of the method to predict the chilling injury symptoms. However, this method is destructive method and the measurement time is quite longer. Generally the objectives of this study was to determine the quality of mango fruit namely total soluble solid and firmness as indicator of chilling injury non destructively using NIR and artificial neural network. Experimental temperature storage was set at 8oC. During storage period, total soluble solid, NIR spectra, firmness and ion leakage was measured every 2 days. Ion leakage was calculated based on the data of changes on the electro conductivity of sample of mango.Chilling injury symptom was determined from the changes in slope obtained from linear regression equation. It was found that the highest slope was at days 4 with the value of 0.174. At days 4, the measurement of total soluble solid and firmness were 8.2 oBrix and 3.80 kgf respectively. Model of artificial neural network 11-10-1 was used to predict the total soluble solid and 11-8-1 for the firmness. The difference value of mean square error (MSE) calibration and validation was 2.85% with a coefficient of variation (CV) of 11.6% for calibration and 19.1% for validation. Prediction of firmnesss was 0.22 with a CV of 32% for calibration and 27.7% for validation. Model prediction of firmness was not good to be used because of the large CV resulted. Estimate value of model of monitoring fruit parameters after 4 days of storage was 11.9 oBrix for TPT and 0.40 kgf for firmness. The value indicated monitored fruits had already passed the phase of mature green so chilling injury symptoms could not be detected.


(3)

ILHAM FIKRI. F14061651. Deteksi Gejala Kerusakan Dingin Pada Buah Mangga Varietas Gedong Gincu (Mangifera Indica, L.) Yang Disimpan Pada Suhu Rendah Menggunakan NIR. Di bawah bimbingan Sutrisno dan Y. Aris Purwanto. 2011

RINGKASAN

Buah mangga merupakan salah satu buah tropika yang sangat digemari karena mengandung nilai gizi yang tinggi bagi tubuh. Salah satu varietas mangga yang paling digemari dan mempunyai prospek yang baik sebagai komoditas ekspor adalah mangga varietas Gedong Gincu. Sebagai komoditas ekspor, mangga harus memiliki mutu yang tinggi. Usaha yang dilakukan untuk mempertahankan mutu mangga adalah penerapan metode penyimpanan dingin. Metode ini dapat menyebabkan chilling injury, namun bila sebelum munculnya gejala chilling injury buah dikembalikan ke suhu di atas ambang batas suhu optimalnya maka kerusakan ini dapat dihindari. Kerusakan ini sering tidak tampak dari luar buah selama buah masih berada pada ruang penyimpanan dingin, tetapi jika diamati melalui parameter internal seperti perubahan ion leakage yang bersifat destruktif dan memerlukan waktu dalam pengukurannya, produk terjadi perubahan yang cukup signifikan yang dapat dijadikan acuan untuk mendeteksi gejala terjadinya chilling injury. Untuk memecahkan permasalahan tersebut, dilakukan kajian penggunaan near infrared (NIR) dan dianalisis menggunakan jaringan syaraf tiruan.

Secara umum, tujuan penelitian ini adalah menentukan mutu buah mangga berupa total padatan terlarut dan kekerasan sebagai indikator gejala chilling injury secara non-destruktif dengan menggunakan NIR dan jaringan syaraf tiruan.

Penelitian ini menggunakan buah mangga yang disimpan pada suhu 8oC, 13 oC, dan 27 oC. Penyimpanan suhu 8oC digunakan sebagai suhu penyebab chilling injury. Penelitian ini dilakukan dalam 2 tahap. Pada penelitian pendahuluan, dilakukan pengukuran total padatan terlarut dan kekerasan serta pengambilan spektrum NIR (1000 – 2500 nm) dari buah mangga yang disimpan pada suhu 8oC. Pada penelitian pendahuluan juga dilakukan pengambilan data spektrum buah monitoring yaitu buah yang hanya diamati secara non-destruktif menggunakan NIR sampai buah tersebut rusak. Pada penelitian utama pengukuran dilakukan pada 3 kondisi suhu dan tidak dilakukan pengambilan data monitoring, namun dilakukan pengukuran ion leakage sebagai indikator gejala chilling injury. Pada penelitian utama ini dibangun model jaringan syaraf tiruan yang optimal. Pengambilan spektrum NIR dilakukan setiap dua hari sekali, sama dengan buah yang diukur secara destruktif.

Penentuan gejala chilling injury dilakukan dengan cara mengukur total persentase ion leakage dari potongan mangga. Karena yang dibutuhkan adalah laju perubahan ion leakage, maka dilakukan pendekatan dengan menggunakan kemiringan dari nilai total persentase ion leakage tiap menitnya. kemiringan tersebut didapatkan dari persamaan garis lurus “Y=ax+b” dengan nilai “a” merupakan kemiringan dari garis lurus yang terbentuk, nilai “a” tersebut dijadikan laju perubahan ion leakage. Persamaan dicari setelah grafik sudah mulai menunjukkan linear yaitu setelah 20 menit. Penentuan gejala chilling injury yang dilakukan pada penelitian utama digunakan untuk menentukan efek yang diakibatkan oleh gejala chilling injury terhadap parameter mutu buah mangga yang diukur (total padatan terlarut dan Kekerasan). Parameter mutu yang merupakan efek dari gejala chilling injury, ditandai dan dipakai untuk menduga gejala chilling injury pada sampel buah monitoring (pengukuran secara non-destruktif). Parameter mutu buah monitoringini didapatkan dari hasil pendugaan dengan jaringan syarar tiruan yang optimal.

Spektra NIR buah mangga varietas Gedong Gincu dapat menggambarkan kandungan pati, glukosa, sukrosa, dan air yang merupakan komponen utama total padatan terlarut dari buah mangga. Buah mangga yang disimpan pada suhu 8oC, 13 oC, dan 27 oC, Lama dalam ruang penyimpanan, dan bagian ujung, tengah, dan pangkal buah mangga memiliki karakteristik penyerapan spektra yang berbeda. Itu berarti radiasi NIR yang diserap oleh buah mangga tergantung dari kandungan kimia yang terkadung pada buah. Model jaringan syaraf tiruan terbaik untuk menduga total padatan terlarut adalah 11-10-1 dengan nilai MSE adalah 3.635 untuk kalibrasi dan 2.6 untuk validasi. Sedangkan untuk menduga kekerasan adalah 11-8-1 dengan nilai MSE 1.04 untuk kalibrasi dan 1.101 untuk validasi.

Laju kebocoran ion tertinggi terjadi pada pengukuran ke-2 atau setelah buah disimpan selama 4 hari yaitu sebesar 0.174. Total padatan terlarut yang terukur sebesar 8.2 oBrix dan kekerasan sebesar


(4)

3.80 kgf. Berdasarkan laju ion leakage tersebut buah mangga varietas Gedong Gincu yang disimpan pada suhu 8oC mengalami chilling injury pada pengukuran ke 2. Dan sebelum pengukuran ke 2 buah sudah menunjukkan gejala chilling injury dengan meningkatnya laju ion leakage.

Jaringan syaraf tiruan mampu menduga TPT dan kekerasan buah monitoring setelah update pelatihan serta update set data dengan data penelitian pendahuluan. Hasil pendugaan TPT dan kekerasan buah monitoring nilainya mendekati nilai pada pengukuran secara destruktif. Dengan nilai MSE pendugaan TPT buah monitoring adalah 3.089 untuk kalibrasi dan 5.937 untuk validasi, coefficient of variation (CV) yang dihasilkan yaitu 11.6 % untuk kalibrasi dan 19.1 % untuk validasi. Sedangkan untuk pendugaan kekerasan buah monitoring menghasilkan MSE sebesar 1.016 untuk kalibrasi dan 1.236 untuk validasi, coefficient of variation (CV) yang dihasilkan sebesar 32 % untuk kalibrasi dan 27.7 % untuk validasi. Jaringan syaraf tiruan kurang mampu untuk menduga kekerasan dari buah mangga varietas Gedong Gincu karena nilai CV yang dihasilkan besar. Nilai duga model terhadap parameter mutu buah monitoring setelah 4 hari penyimpanan adalah 10.8 oBrix untuk TPT dan 0.43 kgf untuk kekerasan. Nilai tersebut menunjukkan bahwa buah monitoring sudah melewati fase green mature sehingga gejala chilling injury tidak dapat dideteksi.


(5)

DETEKSI GEJALA KERUSAKAN DINGIN PADA BUAH MANGGA

VARIETAS GEDONG GINCU (

Mangifera indica,

L

.

) YANG DISIMPAN

PADA SUHU RENDAH MENGGUNAKAN NIR

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknik Mesin dan Biosistem,

Fakultas Teknologi Pertanian, Institut Pertanian Bogor

Oleh ILHAM FIKRI

F 14061651

FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANAIN BOGOR

BOGOR

2011


(6)

Judul Skripsi : Deteksi Gejala Kerusakan Dingin pada Buah Mangga Varietas Gedong Gincu (Mangifera indica, L.) yang Disimpan pada Suhu Rendah Menggunakan NIR

Nama : Ilham Fikri

NIM : F14061651

Menyetujui,

Pembimbing I,

(Dr. Ir. Sutrisno, M.Agr.) NIP 19590720 198601 1 002

Pembimbing II,

(Dr. Ir. Y. Aris Purwanto, M.Sc.) NIP 19640307 198903 1 001

Mengetahui : Ketua Departemen,

(Dr. Ir. Desrial, M.Eng) NIP 19661201 199103 1 004


(7)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI

Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul Deteksi Gejala Kerusakan Dingin pada Buah Mangga Varietas Gedong Gincu (Mangifera indica, L.) yang Disimpan pada Suhu Rendah Menggunakan NIR adalah hasil karya saya sendiri dengan arahan dosen pembimbing akademik, dan belum diajukan dalam bentuk apapun pada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir skripsi ini.

Bogor, Juli 2011

Yang membuat pernyataan

Ilham Fikri F 14061651


(8)

© Hak cipta milik Ilham Fikri, tahun 2011 Hak cipta dillindungi

Dilarang mengutip dan memperbanyak tanpa izin tertulis dari

Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak, fotokopi, mikrofilm, dan sebagainya


(9)

ii

BIODATA PENULIS

Ilham Fikri. Lahir di Jakarta, 1 September 1988 dari ayah Syamsul Bahri dan ibu Aswita (Alma.), sebagai putra ketiga dari tiga bersaudara. Penulis menamatkan SMA pada tahun 2006 dari SMAN 44, Jakarta Timur dan pada tahun yang sama diterima di IPB melalui jalur Undangan Seleksi Masuk IPB. Karena ketertarikannya dalam bidang teknik pada tingkat II, penulis memilih Program Studi Teknik Pertanian, Departemen Teknik Pertanian, Fakultas Teknologi Pertanian. Selama mengikuti perkuliahan, penulis aktif dalam berbagai kegiatan termasuk menjadi asisten mata kuliah Gambar Teknik pada Tahun Akademik 2008-2009 dan 2009-2010. Di tahun akademik 2009-2010 penulis juga aktif sebagai asisten mata kuliah Motor Tenaga Pertanian. Selain menjadi asisten, penulis juga aktif dalam kegiatan kemahasiswaan dan kepanitiaan kegiatan mahasiswa. Organisasi yang pernah diikuti antara lain Badan Eksekutif Mahasiswa TPB (Tingkat Persiapan Bersama) periode 2006-2007, Badan Eksekutif Mahasiswa FATETA periode 2007-2008, Himpunan Mahasiswa Teknik Pertanian IPB periode 2008-2009, AEDC (Agricultural Engineering Design Club) periode 2009-2010. Pada tahun 2009 penulis melaksanakan Praktik Lapangan di Koperasi Peternakan Bandung Selatan (KPBS) dengan judul

“Mempelajari Aspek Keteknikan pada Pengolahan Susu Sapi Perah di Koperasi Peternakan Bandung

Selatan”. Selanjutnya penulis melakukan penelitian di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (Lab. TPPHP) Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian IPB dengan topik “Deteksi Gejala Kerusakan Dingin pada Buah Mangga Varietas Gedong Gincu (Mangifera indica, L.) yang Disimpan pada Suhu Rendah Menggunakan NIR” di bawah bimbingan Dr. Ir. Sutrisno, M.Agr. dan Dr. Ir. Y. Aris Purwanto, M.Sc.


(10)

iii

KATA PENGANTAR

Puji dan syukur dipanjatkan kepada Allah SWT atas segala limpahan nikmat, rahmat, taufik, hidayah, dan karunia-Nya sehingga penulis dapat menyelesaikan penelitian dan skripsi dengan judul

“Deteksi Gejala Kerusakan Dingin pada Buah Mangga Varietas Gedong Gincu (Mangifera indica, L.) yang Disimpan pada Suhu Rendah Menggunakan NIR” yang dilaksanakan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (Lab. TPPHP), Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor sejak bulan Juli sampai November 2010.

Dengan telah selesainya penelitian hingga tersusunnya skripsi ini, penulis ingin menyampaikan penghargaan dan terima kasih yang sebesar-besarnya kepada :

1. Dr. Ir. Sutrisno, M.Agr. dan Dr. Ir. Y. Aris Purwanto, M.Sc. selaku dosen pembimbing atas bimbingan dan arahan dengan sabar, penuh perhatian dalam penyempurnaan penelitian dan penyusunan skripsi ini.

2. Ir. Agus Sutejo, M.Si. yang telah berkenan menjadi dosen penguji penulis pada ujian skripsi yang telah banyak memberi masukan dan pemahaman.

3. Sugiyono, STP, M.Si. yang telah berkenan memberikan masukan, ide, pemikiran, dan pemahaman serta kesabarannya membantu penulis dalam penelitian dan penyusunan skripsi ini.

4. Dosen dan staf teknik mesin dan biosistem yang telah memberi banyak pengetahuan dan pengalaman selama penulis menimba ilmu di IPB.

5. Orangtua dan keluarga tercinta yang senantiasa memberikan dukungan dan do’a kepada penulis. 6. Pak Sulyaden dan Pak Ahmad yang telah membantu selama penulis melakukan penelitian.

7. Niken ayu kumara dan Teman-teman seperjuangan AE 43 atas semangat dan kebersamaan kita selama ini.

Akhirnya penulis berharap semoga tulisan ini bermanfaat dan memberikan kontribusi yang nyata terhadap perkembangan ilmu pengetahuan di bidang Teknik Pertanian Indonesia.

Bogor, Agustus 2011


(11)

iv

DAFTAR

ISI

Halaman

KATA PENGANTAR ... iii

DAFTAR ISI ... iv

DAFTAR TABEL ... vi

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN ... ix

I. PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan ... 2

II. TIJAUAN PUSTAKA ... 3

2.1 Mangga ... 3

2.2 Kerusakan Dingin atau Chilling Injury dan Ion Leakage ... 6

2.3 Teknologi NIR ... 9

2.4 Analisis Komponen Utama ... 11

2.5 Persiapan Data dalam Analisis Jaringan Saraf Tiruan ... 13

2.6 Jaringan Saraf Tiruan dan Aplikasinya ... 14

III.METODOLOGI PENELITIAN ... 24

3.1 Tempat dan Waktu Penelitian ... 24

3.2 Bahan dan Alat ... 24

3.3 Tahap Penelitian ... 25

3.4 Prosedur Pengambilan Data ... 26

3.5 Pengembangan Model Jaringan Syaraf Tiruan untuk Pendugaan Total Padatan Terlarut dan Kekerasan Buah Mangga ... 29

3.6 Penentuan Gejala Chilling Injury (Kerusakan Dingin) ... 34

VI.HASIL DAN PEMBAHASAN ... 38

4.1 Karakteristik Spektra NIR Buah Mangga Varietas Gedong Selama Penyimpanan ... 38


(12)

v

4.3 Pengembangan Model Jaringan Syaraf Tiruan untuk Pendugaan Total Padatan

Terlarut dan Kekerasan Buah Mangga Varietas Gedong Selama

Penyimpanan ... 45

4.4 Pendugaan Total Padatan Terlarut dan Kekerasan Pada Buah Monitoring ... 47

4.5 Ion Leakage (Kebocoran Ion) ... 50

4.6 Pendugaan Gejala Chilling Injury (Kerusakan Dingin) pada Penyimpanan Buah Mangga di Suhu 8oC (Destruktif) dan Buah Monitoring (Non-Destruktif) ... 52

VI. KESIMPULAN DAN SARAN ... 56

DAFTAR PUSTAKA ... 57


(13)

vi

DAFTAR TABEL

Halaman Tabel 1. Karakteristik Fisik Beberapa Varietas Mangga Komersial ... 4 Tabel 2. Komposisi kimia dan nilai gizi buah mangga ... 5 Tabel 3. Syarat mutu buah mangga dalam SNI 01-3164-1992 ... 6 Tabel 4. Parameter yang digunakan dalam fungsi pelatihan resilient

backpropagation ... 32 Tabel 5. Distribusi data pada set data pelatihan dan validasi untuk menduga TPT dan

keekrasan penelitian utama ... 44 Tabel 6. Distribusi data pada set data penelitian pendahuluan ... 44 Tabel 7. Distribusi data pada set data yang sudah ditambah dengan set data

pendahuluan ... 45 Tabel 8. Nilai MSE, R dan R2 serta selisih antara MSE kalibrisi dengan MSE

validasi pada JST penduga TPT buah mangga selama penyimpanan ... 46 Tabel 9. Nilai MSE, R dan R2 serta selisih antara MSE kalibrisi dengan MSE

validasi pada JST penduga Kekerasan buah mangga selama penyimpanan ... 47 Tabel 10.Hasil analisis data TPT dengan jaringan syaraf tiruan (skenario 11-10-1)

dan hasil analisis data kekerasan dengan jaringan syaraf tiruan (skenario 11-8-1) ... 48 Tabel 11.Laju perubahan ion leakage setelah 20 menit pada penyimpanan hari ke-0


(14)

vii

DAFTAR GAMBAR

Halaman

Gambar 1. Bagian-bagian buah mangga ... 4

Gambar 2. Mangga gedong gincu ... 4

Gambar 3. Struktur sel tumbuhan dan membrane sel ... 8

Gambar 4. Proses penyinaran infrared pada sampel ... 9

Gambar 5. Skema persiapan data untuk analisis data jaringan syaraf tiruan ... 14

Gambar 6. Jaringan saraf tiruan sederhana dengan hidden layer ... 15

Gambar 7. Jaringan saraf tiruan sederhana ... 16

Gambar 8. Fungsi aktivasi sigmoid biner ... 16

Gambar 9. Fungsi aktivasi sigmoid bipolar ... 17

Gambar 10.Fungsi aktivasi identitas ... 17

Gambar 11.Arsitektur jaringan syaraf tiruan propagasi balik dengan satu hidden layer ... 18

Gambar 12.Prinsip fungsional dari NIRFlex Fiber Optic Solids N-500 ... 25

Gambar 13.Penyimpanan buah mangga dalam toples bervolume 3 liter ... 26

Gambar 14.Pengambilan spekta NIR buah mangga menggunakan NIRFlex Fiber Optic Solids N-500 ... 27

Gambar 15.Pengukuran kekerasan buah mangga dengan Rheometer pada bagian (a)pangkal, (b)tengah, dan (c)ujung ... 28

Gambar 16.Peralatan untuk pengukuran TPT buah mangga ... 29

Gambar 17.Peralatan dan tahap pengukuran konduktivitas listrik sampel buah mangga ... 29

Gambar 18.Skematik diagram jaringan saraf tiruan untuk menduga TPT dan kekerasan ... 30

Gambar 19.Diagram alir pelaksanaan penelitian ... 35

Gambar 20.Kurva spektrum reflektan pada sampel buah mangga varietas Gedong ... 38

Gambar 21.Kurva spektrum absorban pada sampel buah mangga varietas Gedong ... 39

Gambar 22.Kurva spektrum absorban buah mangga varietas Gedong yang disimpan pada suhu 8oC, suhu 13oC, dan suhu 27oC (suhu ruang) selama 16 hari penyimpanan ... 39

Gambar 23.Kurva spektrum absorban buah mangga varietas Gedong pada bagian pangkal, Tengah, dan ujung selama 16 hari penyimpanan ... 40

Gambar 24.Kurva spektrum absorban buah mangga monitoring varietas Gedong setelah 2, 4, 6, 8, 10, dan 12 hari penyimpanan ... 40

Gambar 25.Kurva normalisasi spektrum absorban sampel buah mangga varietas Gedong ... 42

Gambar 26.Kurva spektrum absorban NIR original dan spektrum absorban NIR normalisasi 3 suhu penyimpanan (8oC, 13oC, dan 27oC) pada sampel buah mangga varietas Gedong ... 43

Gambar 27.Kurva jumlah komponen utama dan persentase informasi yang diwakili pada analisis komponen utama panjang gelombang NIR mangga varietas gedong ... 43

Gambar 28.Hasil kalibrasi dan validasi model JST terbaik untuk menduga TPT buah mangga selama penyimpanan ... 46


(15)

viii

Gambar 29.Hasil kalibrasi dan validasi model JST terbaik untuk menduga kekerasan

buah mangga selama penyimpanan ... 47 Gambar 30.Hasil kalibrasi dan validasi model JST terbaik untuk menduga TPT buah

mangga monitoring ... 49 Gambar 31.Hasil kalibrasi dan validasi model JST terbaik untuk menduga kekerasan

buah mangga monitoring ... 49 Gambar 32.TPT buah monitoring hasil pendugaan menggunakan JST ... 50 Gambar 33.Kekerasan buah monitoring hasil pendugaan menggunakan JST ... 50 Gambar 34.Nilai total persentase ion leakage buah mangga di penyimpanan suhu 8oC

pada pengukuran kedua atau setelah 4 hari penyimpanan ... 51 Gambar 35. (a)total padatan terlarut dan (b)kekerasan buah mangga selama

penyimpanan di suhu 8oC ... 53 Gambar 36.TPT duga buah monitoring dengan TPT buah mangga selama penyimpanan ... 54 Gambar 37.Kekerasan duga buah monitoring dengan kekerasan buah mangga selama

penyimpanan ... 54 Gambar 38.kondisi buah monitoring ... 55


(16)

ix

DAFTAR LAMPIRAN

Halaman Lampiran 1. Hasil uji parameter mutu buah mangga secara destruktif ... 60 Lampiran 2. Set data input dan target pelatihan JST untuk menduga kekerasan buah

mangga ... 63 Lampiran 3. Set data input dan target pada validasi hasil pelatihan JST untuk menduga

kekerasan buah mangga ... 69 Lampiran 4. Set data input dan target pelatihan JST untuk menduga TPT buah mangga ... 72 Lampiran 5. Set data input dan target pada validasi hasil pelatihan JST untuk menduga

TPT buah mangga ... 78 Lampiran 6. Set data tambahan data input dan target pelatihan JST untuk menduga

kekerasan buah mangga (meng-update data) ... 81 Lampiran 7. Set data tambahan data input dan target pelatihan JST untuk menduga TPT

buah mangga (meng-update data) ... 82 Lampiran 8. Set data tambahan data input dan target pada validasi hasil pelatihan JST

untuk menduga kekerasan buah mangga (meng-update data) ... 83 Lampiran 9. Set data tambahan data input dan target pada validasi hasil pelatihan JST

untuk menduga TPT buah mangga (meng-update data) ... 83 Lampiran 10.Perintah membentuk jaringan syaraf tiruan yang optimal untuk menduga

kekerasan buah mangga varietas Gedong yang disimpan dalam suhu 8oC menggunakan Matlab ... 84 Lampiran 11.Perintah membentuk jaringan syaraf tiruan yang optimal untuk menduga

TPT buah mangga varietas Gedong yang disimpan dalam suhu 8oC menggunakan Matlab ... 85 Lampiran 12.Diagram alir tahap persiapan data untuk jaringan syaraf tiruan ... 86 Lampiran 13.Digram alir untuk mendapatkan jaringan yang optimal ... 87 Lampiran 14.Gambar kondisi buah penilitian utama pada penyimpanan sampai hari

ke-12 dan setelah buah diinjeksikan etilen pada 30 hari penyimpanan selama 3 hari ... 88 Lampiran 15.Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8oC

pada pengukuran ke awal hingga pengukuran ke-5 (10 hari penyimpanan) ... 89 Lampiran 16.Bobot dan bias yang dihasilkan oleh jaringan syaraf tiruan optimal untuk

menduga TPT buah monitoring (skenario 11-10-1) ... 91 Lampiran 17.Bobot dan bias yang dihasilkan oleh jaringan syaraf tiruan optimal untuk

menduga kekerasan buah monitoring (skenario 11-8-1) ... 92 Lampiran 18.Digram alir tahap persiapan bahan ... 93 Lampiran 19.Spesifikasi NIRFlex Fiber Optic Solids N-500 ... 94


(17)

1

I.

PENDAHULUAN

1.1

Latar Belakang

Buah mangga merupakan salah satu buah musiman yang sangat digemari di dalam negeri baik dalam bentuk segar maupun olahan seperti asinan dan manisan. Selain itu, mangga juga mempunyai prospek yang baik sebagai komoditas ekspor. Walaupun, mangga bukan tanaman asli Indonesia namun masyarakat sudah menganggap mangga sebagai salah satu tanaman buah-buahan asli Indonesia (Pracaya 2007). Di antara macam-macam varietas yang tumbuh di Indonesia, vaietas Gedong, Manalagi, Cengkir, dan Arumanis merupakan varietas yang banyak dikonsumsi dalam keadaan segar dan memiliki nilai ekonomi yang tinggi. Namun varietas yang disukai di pasar internasional adalah varietas mangga Arumanis dan Gedong.

Tanaman mangga tumbuh dan menghasilkan buah mangga hampir di seluruh wilayah Indonesia, dengan produksi terbanyak berasal dari Pulau Jawa. Berdasarkan data produksi buah-buahan menurut provinsi dari BPS pada tahun 2009, produksi buah mangga untuk pulau jawa yaitu sebesar 1,584,774 ton yang berasal dari DKI Jakarta, Jawa Barat, Jawa Tengah, Yogyakarta, Jawa Timur, dan Banten. Walaupun berfluktuatif, produksi buah mangga dari tahun 1998-2009 menunjukkan peningkatan, di tahun 2009 indonesia menghasilkan 2,243,440 ton mangga (BPS 2009).

Situasi pasar dan perdagangan mangga sangat bergantung pada konsumen. Dengan potensi ekspor buah-buahan tropika yang cukup besar dalam pasar internasional atau eropa, Indonesia mengalami kendala dalam penyediaan ekspor tersebut. Hal ini karena pasar internasional atau eropa membutuhkan produk dengan mutu tinggi yang sudah dibakukan, baik untuk buah segar maupun produk olahannya. Salah satu kendala terbesar adalah kualitas poduk yang sulit untuk dipenuhi oleh mayoritas produsen Indonesia. Dari aspek teknis dan teknologi, penerapan metode penyimpanan dingin sangat sulit pada buah-buahan tropika yang sangat rentan terhadap suhu dingin.

Buah-buahan yang didinginkan pada suhu lebih rendah dari suhu optimumnya dapat mengalami kerusakan, yang dikenal dengan chilling injury atau kerusakan dingin. Jika buah sudah terkena chilling injury, maka buah tersebut dapat dipastikan telah mengalami kerusakan, sehingga akan berdampak terhadap nilai jualnya. Chilling injury ini dapat dihindari jika sebelum munculnya gejala chilling injury buah dikembalikan ke suhu di atas ambang batas suhu optimalnya. Permasalahannya, gejala chilling injury sebelum muncul di permukaan hanya dapat dideteksi melalui pengukuran respirasi, ion leakage, pH, waktu relaksasi T1 dengan pengukuran proton NMR yang bersifat destruktif dan memerlukan waktu dalam pengukurannya.

Secara teoritis, semakin rendah suhu penyimpanan, kemampuan respirasi buah-buahan segar dapat semakin dihambat. Karena pada suhu penyimpanan rendah, solubiditas dari cairan dalam sel buah-buahan akan semakin tinggi yang dapat menekan proses respirasi produk (Purwanto et al., 2005). Tetapi sebaliknya, suhu dingin dapat menyebabkan dinding sel rusak sehingga pada saat produk dikeluarkan dari suhu dingin, air dalam sel akan keluar melalui dinding sel yang telah rusak dan mengakibatkan rusaknya buah tersebut. Kerusakan ini sering tidak tampak dari luar buah selama buah masih berada dalam ruang penyimpanan dingin. Tetapi jika diamati melalui parameter internal seperti perubahan ion leakage, produk terjadi perubahan yang cukup signifikan yang dapat dijadikan acuan untuk mendeteksi gejala terjadinnya chilling injury (Purwanto et al. 2005).

Untuk memecahkan permasalahan tersebut, dilakukan kajian penggunaan near infrared (NIR) atau infra merah dekat untuk mendeteksi gejala chilling injury buah tropika khususnya buah mangga Gedong gincu selama penyimpanan dingin. Pantulan infra merah dekat merupakan Salah satu metode


(18)

2

pengukuran non-destruktif yang berkembang saat ini, yang digunakan untuk mengukur kualitas internal dan eksternal buah. Metode pantulan infra merah dekat menjadi salah satu metode analitik yang sangat berkembang karena kecepatannya tinggi, teliti, dan sederhana. Tingkat penerimaan metode pengukuran dengan pantulan infra merah dekat sangat ditentukan oleh kualitas spekrum yang didapat selama pengukuran dan metode matematika yang digunakan dalam analisis. Beberapa metode matematika yang digunakan dalam analisis pantulan infra merah dekat adalah linear regresi berganda, regresi komponen utama, partial least square, regresi transformasi fourier dan jaringan syaraf tiruan

Dalam penelitian ini, pantulan infra merah dekat dianalisis dengan menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan sebagai metode analisis memiliki kelebihan yaitu dapat memetakan fungsi non-linier dan hanya memerlukan data masukan dan keluaran tanpa mengetahui dengan jelas prosesnya. Oleh karena itu cocok digunakan untuk menganalisis data pantulan infra merah dekat jika dibandingkan dengan metode pendugaan, pemodelan maupun pendeteksian secara matematis lainnya.

1.2

Tujuan

Secara umum tujuan penelitian ini adalah menentukan mutu buah mangga berupa total padatan terlarut dan kekerasan sebagai indikator gejala chilling injury secara non-destruktif dengan menggunakan NIR dan jaringan syaraf tiruan. Sedangkan tujuan spesifik dari penelitian ini meliputi: 1. Mempelajari karakteristik spektra NIR yang didapatkan dari pengukuran buah mangga varietas

Gedong selama penyimpanan.

2. Mengembangkan model penduga total padatan terlarut dan kekerasan dengan menggunakan jaringan syaraf tiruan.

3. Melakukan validasi terhadap model jaringan syaraf tiruan untuk menduga total padatan terlarut dan kekerasan dengan menggunakan spektra NIR.

4.

Menentukan laju kebocoran ion (ion leakage) pada buah mangga yang disimpan pada suhu 8oC untuk menduga gejala chilling injury.

5.

Mengidentifikasi gejala Chilling Injury pada buah mangga berdasarkan model pendugaan TPT dan kekerasan menggunakan JST.


(19)

3

II.

TINJAUAN PUSTAKA

2.1

Mangga

Mangga merupakan tanaman buah tahunan yang berasal dari Negara India. Tanaman ini kemudian menyebar ke wilayah Asia Tenggara termasuk Indonesia. Broto (2003) menyatakan bahwa tanaman mangga termasuk keluarga Anacardiaceae, sama dengan jambu monyet dan kedondong. Genus dari keluarga anacardiaceae yang berasal dari asia tenggara tercatat ada 62 spesies. Enam belas spesies diantaranya dapat dimakan, tetapi yang biasa dimakan hanya spesies Mangifera caesia, Jack. (kemang), Mangifera feotida, Lour. (pakel, bacang, atau limus), Mangifera odorata, Griff. (kuweni atau kebembem), dan Mangifera indica, L.. Dari keempat spesies tersebut, Mangifera indica, L. merupakan spesies yang paling banyak jenisnya.

Pracaya (2007) menyatakan bahwa mangga yang biasa dimakan sehari-hari (termasuk didalamnya mangga arumanis, mangga gedong, mangga golek, dan mangga manalagi) secara taksonomi termasuk spesies Mangifera indica, L., genus Mangifera, famili Anacardiaceae dan ordo Sapindales. Berdasarkan taksonominya pohon mangga termasuk tumbuhan tingkat tinggi dengan batang yang tegak dengan tinggi pohon dewasa dapat mencapai 10-40 meter, bercabang banyak, bertajuk rindang dan hijau sepanjang tahun. Umur tanaman mangga dapat mencapai 100 tahun lebih. Berdasarkan SK.Mentan.No.28/Kpts/TP.240/1/1995 dalam Broto (2003) Mangga varietas Gedong dapat dideskripsikan bahwa tanaman mangga varietas Gedong memiliki bentuk pohon tegak dengan ketinggian 9-15 meter, tajuk pohon berbentuk piramida tumpul, bercabang banyak dengan letak daun mendatar, permukaan daun sempit dengan lipatan daun menyempit berbentuk lancip pada dasarnya dan datar pada pucuknya, bentuk malai bunga lancip berwarna kuning atau merah.

Iklim dan kondisi lahan merupakan faktor penting yang harus diperhatikan agar tanaman mangga dapat tumbuh dan menghasilkan buah mangga yang bagus dengan produksi yang optimal. Oleh karena itu, pemilihan lokasi yang tepat juga menentukan kualitas buah mangga. Paimin (1998) menjelaskan ada beberapa faktor yang menjadi pembatas dalam pemilihan lokasi yaitu tebal lapisan tanah harus lebih dari dua meter, tekstur tanah remah dan berbutir, kemiringan tanah tidak melebihi 30o, keasaman tanah mendekati normal, ketinggian tempat 500 mdpl (Pracaya 2007), curah hujan antara 750-2500 mm per tahun dengan 2-7 bulan basah (bukan pada musim berbunga), suhu antara 24-28oC. Di Indonesia tanaman mangga gedong, banyak ditanam di Cirebon, Majalengka, dan Indramayu.

Bentuk buah mangga sangat beragam, Pracaya (2007) mendeskripsikan bentuk buah mangga sebagai bentuk yang unik. Pada ujung buah mangga ada yang berbentuk runcing, biasanya disebut paruh. Di atas paruh ada bagian yang membengkok disebut sinus, yang dilanjutkan ke bagian perut, dan bagian belakang perut yang disebut punggung. Untuk lebih menjelaskan bentuk dari mangga, dapat dilihat pada Gambar 1. Mangga memiliki kulit (eksokarp) yang tebal yang diukur dari lapisan tempurung biji terluar dan terdapat titik kelenjar pada permukaannya. Daging buah mangga (mesokarp) ada yang tebal dan ada yang tipis, tergantung dari jenis dan varietasnya. Beberapa jenis atau kultivar mangga, pada daging buahnya memiliki serat. Selain itu mangga ada yang berair ada yang tidak berair, tingkat kemanisannya pun berbeda-beda bahkan ada juga yang rasanya seperti terpentin. Warna pada daging buahnya juga bermacam macam ada yang kuning, krem, atau orange. Serat-serat yang berasal dari kulit biji (endokarp) kadang-kadang bisa menembus daging buah sehingga daging buahnya berserat. Mangga berserat yang layak dimakan seringkali hanya cairan buahnya saja.


(20)

4

Gambar 1. Bagian-bagian buah mangga (Gangolly et al. 1957)

Jenis atau kultivar buah mangga yang banyak dipasarkan antara lain Arumanis, Gedong, Cengkir, Manalagi, dan Golek. Karakteristik fisik beberapa varietas mangga komersial dapat dilihat pada Tabel 1.

Tabel 1. Karakteristik Fisik Beberapa Varietas Mangga Komersial Kultivar

Utuh

Berat (gram/buah)

Panjang (cm)

Lebar (cm)

Tebal (cm)

Aroma Buah

Warna Daging

Arumanis 450 15.1 7.8 5.5 Harum Kuning

Oranye

Manalagi 560 16.0 8.20 7.30 Harum Kuning

Golek 456-512 15.70 7.90 6.20 Segar

harum Kuning

Cengkir 400-500 13.0 9.0 8.0 Sedikit

harum Kuning Sumber : Broto (2003) dan Pracaya (2007)

Jenis buah mangga Gedong berbentuk agak bulat dengan pangkal buah agak datar dan sedikit belekuk, pucuk buah tidak berparuh. Tangkai buah kuat yang terletak di tengah dan memiliki bobot 200-300 gram per buah, berukuran 10 cm x 8 cm x 6 cm. Ketika masak kulit buah berwarna merah jingga pada pangkalnya, merah kekuningan pada pucuknya (ujung). Permukaan kulit halus, berbintik putih kehijauan dan berlilin. Daging buah tebal dengan rasa manis dan berair banyak dengan bentuk biji besar, mangga ini termasuk mangga yang memiliki serat yang halus pada daging buahnya (Pracaya 2007). Mangga ini digemari masyarakat karena aromanya yang halus dan kuat. Karena kulit buahnya tebal, buah dapat disimpan beberapa hari dan tahan angkutan. Secara visual mangga varietas Gedong (gedong gincu) dapat dilihat pada Gambar 2.


(21)

5

Buah mangga merupakan buah yang bergizi tinggi, Paimin (1998) menyatakan bahwa mangga mengandung banyak vitamin A dan vitamin C yang sangat dibutuhkan manusia. Selain itu, mangga juga mengandung kalori, protein, karbohidrat, kalsium, fosfor, besi, kalium, magnesium, dan sedikit lemak seperti terdapat pada Tabel 2. Oleh karena itu buah mangga merupakan salah satu buah tropis yang populer di dunia dan sebagian besar masyarakat di dunia menjulukinya sebagai king of the fruit.

Tabel 2. Komposisi kimia dan nilai gizi buah mangga Kandungan Zat Nilai Rata-rata Buah Mangga

Mentah Matang

Air (%) 90.00 86.10

Protein (%) 0.70 0.60

Lemak (%) 0.10 0.10

Gula Total (%) 8.80 11.80

Serat (%) - 1.10

Mineral (%) 0.40 0.30

Kapur (%) 0.03 0.01

Fosfor (%) 0.02 0.02

Besi (%) 4.50 0.30

Vitamin A 150 I.U 4800 I.U

Vitamin B1 (mg/100 gr) - 0.04

Vitamin B2 (mg/100 gr) 0.03 0.05

Vitamin C (mg/100 gr) 3.00 13.00

Asam nicotinat (mg/100 gr) - 0.30

Nilai kalori per 100 gr 39.00 50-60

Sumber : Laroussilhe, LE MANGUIER (1960) dalam Pracaya (2007)

Selain mudah rusak (perishable), mutu hasil hortikultura di Indonesia masih rendah, karena sebagian besar diperoleh dari usaha sampingan berskala kecil dengan beragam komoditas dan varietas (Broto 2003). Indonesia memiliki beberapa jenis pasar dalam penjualan produk yaitu pasar lokal dan ekspor. Kedua pasar tersebut memiliki kriteria mutu yang berbeda-beda. Mutu ekspor harus lebih baik dan standar yang diinginkan umumnya ditentukan oleh negara tujuan. Di Indonesia telah dilakuakan standarisasi mutu buah-buahan untuk eskpor yang dikeluarkan oleh Departemen Perdagangan. Untuk keperluan pasar lokal, standar mutu dilakukan oleh pedagang setempat sehingga mutu untuk suatu daerah tidak sama dengan daerah lainnya.

Mengingat produk yang dihasilkan dari usaha sampingan berskala kecil dengan komoditas dan varietas yang beragam, sortasi dan pemutuan sangat diperlukan dalam penanganannya. Dengan kegiatan tersebut, petani dapat menjual produknya dengan harga yang tidak sama tergantung pada kelas masing-masing. Namun sebagian besar petani di Indonesia masih jarang melakukannya. Umumnya petani menjual buahnya dengan cara borongan, bahkan kadang-kadang dengan sistem ijon.

Standar mutu yang telah ditetapkan dalam SNI merupakan modal dasar bagi pengembangan sistem jaminan mutu terpadu melalui penerapan manajemen mutu. Syarat mutu buah mangga yang tercantum dalam SNI 01-3164-1992 disajikan dalam Tabel 3. Dari tabel tersebut, ternyata hanya karakter kekerasan yang membedakan antara mutu I dan mutu II. Karena itu, karakteristik untuk membedakan kedua mutu tersebut perlu ditambahkan dengan bobot per buah atau jumlah buah per kilogram atau nisbah antara panjang buah dan lebar buah sebagai pendekatan bentuk secara kualitatif.


(22)

6

Tabel 3. Syarat mutu buah mangga dalam SNI 01-3164-1992

Karakteristik Persyaratan Cara Pengujian

Mutu I Mutu II

Kesamaan sifat varietas Seragam Seragam Organileptik

Tingkat ketuaan Tua tapi tidak

terlalu matang

Tua tapi tidak

terlalu matang Organoleptik

Kekerasan Keras Cukup keras Organoleptik

Keseragaman ukuran Seragam Kurang

seragam SP-SNP-309-1981

Cacat (% maksimal) 5 10

SP-SNV-212-1977

Kadar kotoran (% maksimum) Bebas Bebas SP-SNP-383-1981

Busuk(% maksimal) 0 0 SP-SNP-212-1981

Panjang tangkai (cm maksimum) 1 1 SP-SNP-214-1977

Sumber : Broto (2003)

2.2

Kerusakan Dingin atau

Chilling Injury

dan

Ion Leakage

Prinsip penyimpanan dingin adalah mendinginkan lingkungan secara mekanis dengan penguapan gas cair bertekanan (refrigerant) dalam sistem tertutup. Panas yang diperlukan untuk mengubah refrigerant menjadi uap diambil dari ruangan tempat penyimpanan hasil hortikultura. Penurunan suhu dalam penyimpanan dingin akan menurunkan laju respirasi, menghambat perubahan tekstur dan kehilangan vitamin C, mengurangi laju pertumbuhan mikrobiologis, dan mencegah perkecambahan spora dari beberapa jamur. Secara umum penyimpanan dingin bertujuan untuk membatasi pembusukan tanpa menyebabkan terjadinya kematangan abnormal atau perubahan-perubahan lain yang tidak diinginkan dan mempertahankan mutu sampai ketangan konsumen dalam jangka waktu yang lama (Broto 2003).

Setelah dipanen buah dapat rusak karena beberapa macam hal. Bila tidak ditangani dengan benar maka akan terjadi kerusakan yang merugikan. Buah dianggap rusak bila terjadi penyimpangan tekstur dari keadaan yang normal. Terjadinya memar juga dikategorikan sebagai kerusakan karena pada bagian dalamnya sudah rusak, hal ini tentu akan menurunkan mutu produk segar. Betuk kerusakan produk segar sangat beragam, seperti kerusakan fisik, mekanik, biologi, kimia, maupun mikrobiologi. Chilling injury merupakan salah satu jenis kerusakan fisik. Kerusakan fisik merupakan jenis kerusakan yang terjadi akibat perlakuan-perlakuan fisik. Berawal dari kerusakan fisik ini kerusakan-kerusakan lain dan penyakit dapat timbul misalnya kerusakan kimia dan timbulnya penyakit yang disebabkan oleh mikroba (Satuhu 2004).

Chilling injury dapat diartikan kerusakan fisiologi dari produk pertanian yang mengakibatkan penurunan kualitas yang diakibatkan oleh pengaruh suhu penyimpanan dingin diatas titik beku. Gejala kerusakan dingin dapat dilihat dalam bentuk kegagalan pematangan, pematangan tidak normal, pelunakan prematur, kulit terkelupas, dan peningkatan pembusukan yang disebabkan oleh luka, serta kehilangan flavor yang khas. Gejala-gejala kerusakan dingin tersebut berbeda-beda tergantung pada jenis jaringan yang mengalami kerusakan (Pantastico et al. 1986).

Beberapa produk hortikultura mengalami kerusakan dingin di atas suhu pembekuan air. Chilling injury merupakan jenis kerusakan yang terjadi karena suatu produk hortikultura yang terekspose pada suhu rendah tapi bukan pada suhu pembekuan, sering hal itu terjadi pada kisaran suhu dari 0-10 oC. Pada suhu tersebut, sayuran menjadi lemah karena tidak dapat melaksanakan proses metabolisme secara normal. Kenyataan yang sering terjadi adalah sayuran yang didinginkan nampaknya bagus bila diambil dari kamar pendingin. Namun demikian, gejala chilling injury sering muncul beberapa hari setelah berada di suhu yang lebih hangat dalam bentuk legokan (pitting) atau


(23)

7

kulit produk memar atau lecet, terjadi internal discoloration, atau gagal menjadi matang (Winarno 2002).

Kerusakan dapat terjadi dalam waktu yang sangat singkat, bila suhu jauh lebih rendah dari batas bahaya. Tetapi suatu produk mungkin masih tahan dalam suhu beberapa derajat dalam zona berbahaya untuk waktu yang lebih lama. Pada buah mangga suhu yang aman untuk penyimpanan adalah 10-13 oC. Bila disimpan di bawah batas aman tersebut maka rasa menjadi tidak manis, warna kulit menjadi kusam, pematangan tidak merata, dan terdapat bercak-bercak berwarna terang (Pantastico et al. 1986). Pengeriputan lebih jelas tampak pada buah-buahan seperti jeruk nipis, jeruk besar, mangga, dan alpukat, yang bagian luarnya lebih keras dan lebih tebal daripada lapisan-lapisan yang berbatasan. Basah seperti dicelup air (seperti buah tomat), pengeriputan permukaan seperti pada cabe (Mc Chollach 1962 dalam Pantastico et al. 1986), atau perubahan warna pada seluruh permukaan pada pisang (Pantastico et al. 1986), bisa terjadi bila kulitnya tipis atau hampir selunak dagingnya.

Dikatakan juga mekanisme terjadinya kerusakan dingin antara lain adalah terjadinya respirasi abnormal, perubahan lemak dan asam dalam dinding sel, perubahan permeabilitas membran sel, perubahan dalam reaksi kinetika dan termodinamika, ketimpangan distribusi senyawa kimia dalam jaringan dan terjadinya penimbunan metabolit beracun (Pantastico et al. 1986). Petunjuk terjadinya kerusakan dingin untuk produk pertanian sangat penting untuk diketahui dalam upaya mengetahui ambang batas suhu penyimpanan yang paling optimum serta gejala-gejala kerusakan akibat pendinginan pada beberapa jenis buah-buahan dan sayur-sayuran tropika.

Chilling injury ini dapat dihindari jika sebelum muncul gejalanya, buah dikembalikan ke suhu di atas ambang batas suhu optimalnya. Secara teoritis, semakin rendah suhu penyimpanan, kemampuan respirasi buah-buahan segar dapat semakin dihambat. Karena pada suhu penyimpanan rendah, solubiditas dari cairan dalam sel buah-buahan akan semakin tinggi yang dapat menekan proses respirasi produk (Purwanto et al. 2005). Tetapi sebaliknya, suhu dingin dapat menyebabkan dinding sel rusak sehingga pada saat produk dikeluarkan dari suhu dingin, air dalam sel akan keluar melalui dinding sel yang telah rusak dan mengakibatkan rusaknya buah tersebut. Kerusakan ini sering tidak tampak dari luar buah selama buah masih berada dalam ruang penyimpanan dingin. Tetapi jika diamati melalui parameter internal seperti perubahan ion leakage, produk terjadi perubahan yang cukup signifikan yang dapat dijadikan acuan untuk mendeteksi gejala terjadinnya chilling injury (Purwanto et al. 2005). Saltveit (2002) juga menerangkan gejala kerusakan dingin dapat diamati dari kenaikan kecepatan respirasi dan produksi etilen, terjadinya proses pematangan yang tidak normal dan lambat serta kenaikan jumlah ion yang dikeluarkan dari membran sel (ion leakage).

Ion merupakan muatan listrik baik berupa atom maupun molekul dan dengan rekasi transfer elektron sesuai bilangan oksidasinya menghasilkan ion. Konsentrasi ion menentukan banyaknya ion yang ada pada larutan tetapi bukan berarti selalu berbanding lurus dengan besar konduktivitas membran karena membran mempunyai karakter yang khas (Athis 1995). diantaranya dapat mempertahankan beda potensial antara lingkungan di kedua sisinya seperti diperlihatkan dalam Gambar 3. Konduktivitas listrik atau daya konduksi yang spesifik (electrical conductivity) adalah ukuran dari suatu kemampuan material untuk mengalirkan arus listrik dengan satuan milisiemens/meter (mS/m) dalam SI. Milisiemen sendiri merupakan satuan dari konduktansi listrik dengan symbol “S” atau mili Siemens itu merupakan kebalikan dari hambatan listrik jadi “1/Ω” sama dengan Siemens (www.wikipedia.org 2011).

Pada tumbuhan yang sel tubuhnya dapat dilihat pada Gambar 3, dalam tubuhnya mengandung larutan elektrolit seperti KCl, NaCl, MgSO4 yang terdisosiasi menjadi ion-ion bila larut dalam air. Kenaikan presentase ion leakage menunjukkan besarnya membran sel yang pecah. Di dalam sel terdapat protoplasma, secara fisik protoplasma merupakan zat kental yang tembus cahaya yang


(24)

8

berstruktur sangat kompleks dengan komponen utamanya adalah air (85 – 89%). Cairan tersebut berisi berbagai bahan organik dan anorganik, misalnya gula, protein, asam organik, fosfatida, tannin, pigmen flavonoid, dan kalsium oksalat. Beberapa zat dalam vakuola dapat berbentuk padatan, bahkan berbentuk Kristal (Nobel 1991). Cairan dalam sel (sitoplasma sel) bermuatan negatif dibandingkan dengan fluida ekstraseluler disebabkan oleh distribusi anion dan kation pada sisi membran yang berlawanan yang tidak sama. Potensial membran bertindak seperti baterai, suatu sumber energi yang memengaruhi lalulintas semua substansi bermuatan yang melintasi membran. Karena di dalam sel itu negatif dibandingkan dengan di luarnya, potensial membran ni mendukung transpor pasif kation ke dalam sel dan anion ke luar sel. Dengan demikian, dua gaya menggerakkan difusi ion melintasi suatu membran: gaya kimiawi (gradien konsntrasi ion) dan gaya listrik (pengaruh potensial membran pada pergerakan ion). Kombinasi kedua gaya yang bekerja pada satu ion ini disebut gradien elektrokimiawi. Perubahan lingkungan dapat memengaruhi potensial membran dan sel itu sendiri. Meningkatnya kerusakan membran permeabel pada saat dikeluarkan dari ruang penyimpanan dingin, cairan sel akan keluar menyebabkan kenaikan kebocoran ion yang tinggi. Potensial membran adalah beda potensial elektrik antara dinding sebelah luar dan sebelah dalam dari suatu membran sel yang berkisar dari sekitar -50 hingga -200 milivolt (tanda minus menunjukkan bahwa di dalam sel bersifat negatif dibandingkan dengan di luarnya (Gambar 3)) (Campbell et al. 2002).

Gambar 3. Struktur sel tumbuhan dan membrane sel (www.bima.ipb.ac.id 2011) serta ilustrasi cara perbedaan konsentrasi pada sisi yang berbeda dari suatu membran sel menghasilkan perbedaan tegangan (www.wikipedia.org 2011) Tekstur buah dan sayuran bergantung pada ketegangan, ukuran, bentuk, dan keterikatan sel-sel. Ketegangan disebabkan oleh tekanan isi sel pada dinding sel dan bergantung pada konsentrasi zat-zat osmotik aktif dalam vakuola, permeabilitas protoplasma, dan elastisitas dinding sel. Dalam osmosis zat-zat bergerak dari daerah dengan energi kinetik tinggi ke daerah dengan energi kinetik rendah karena zat-zat yang terlarut didalamnya, sebagai akibatnya air berdifusi ke dalam sel. Difusi terus-menerus meningkatkan jenjang energi sel yang mengakibatkan peningkatan tekanan sehingga mendorong sitoplasma ke dinding sel dan menyebabkan menjadi tegang. Bila jenjang di luar sel lebih rendah akan terjadi difusi zat-zat ke luar sel yang menyebabkan plasmolisis atau kematian sel. Perubahan bentuk fisik membran pada suhu rendah diduga merupakan penyebab terjadinya ion leakage dari jaringan tanaman yang sensitif terhadap suhu dingin (Nobel 1991).

Seible (1939) dalam Pantastico et al. (1986) telah mengamati bahwa kalsium nitrat menembus sel coleus suatu tanaman yang peka terhadap pendinginan yang didinginkan lebih cepat daripada sel-sel yang tidak didinginkan. Pada suhu 0oC kebocoran elektrolit-elektrolit dari buah tomat yang luka meningkat dengan cepat. Pada suhu ini kubis yang belum rusak memperlihatkan laju kebocoran io n yang tetap (Lewis dan Workman 1964 dalam Pantastico et al.1986). Liberman et al. (1958) dalam Pantastico et al. (1986) melaporkan hal yag serupa, yaitu kebocoran elektrolit-elektrolit dari jaringan


(25)

9

akar kentang yang telah didinginkan lima kali lebih besar dibandingkan dengan kebocoran dari jaringan-jaringan yang tidak didinginkan.

2.3

Teknologi NIR

2.3.1

Prinsip Dasar NIR

Infrared merupakan radiasi elektromagnetik yang terletak di antara sinar tampak dan gelombang mikro. Infrared dibedakan menjadi 3 yaitu near infrared, mid infrared, dan farinfrared. Near infrared berada pada kisaran panjang gelombang 750-2600 nm (Murray & Williams 1990). Winarno et al (1973) menyatakan bahwa dalam spektroskopi infrared dikenal dua satuan panjang gelombang yang biasa digunakan yaitu mikrometer dan frekuensi (wave number). Frekuensi ditandai dengan simbol (v) dan mempunyai satuan cm-1. Persamaan yang digunakan untuk mengubah mikrometer (µm) menjadi cm-1 adalah sebagai berikut :

Panjang Gelombang (µm) = 10 000

� ( −1) ... (1)

Near infrared banyak digunakan untuk menentukan kandungan kimia suatu bahan organik, karena ikatan molekul bahan organik sangat peka pada kisaran panjang gelombang near infrared tersebut. Semua bahan organik terdiri dari atom-atom. Utamanya adalah karbon, oksigen, hydrogen, nitrogen, fosfor, dan sulfur. Atom-atom tersebut terikat secara kovalen dan elektrokovalen untuk membentuk molekul. Ketika molekul-molekul tersebut disinari dengan energi dari luar, maka molekul tersebut mengalami perubahan energi potensial (Murray & Williams 1990).

Mohsenin (1984), menyatakan bahwa sinar yang dipancarkan dari sumber ke bahan organik, sekitar 4% akan dipantulkan kembali oleh permukaan luar (regular refraction) dan sisanya 96% akan masuk ke dalam produk tersebut yang selanjutnya mengalami penyerapan (absorption), pemantulan (body reflection), penyebaran (scattering) dan penerusan (transmittance). Seperti terlihat pada Gambar 4. Intensitas yang diserap oleh molekul dapat digambarkan dalam trasmittance seperti digambarkan dalam Persamaan 2.

= = 10−� ... (2) Menurut hukum Beer-Lambert, jumlah intensitas yang diserap oleh bahan atau Absorbance (A) dinyatakan dengan persamaan :

log10 = log10 = =� ... (3)

Dimana k adalah (absorptivitas molar), c adalah konsentrasi larutan (mol/dm-3), dan l adalah panjang larutan yang dilalui sinar (cm). Dalam NIR spectroscopy, reflektan analog dengan transmittance (T) (Murray & Williams 1990) untuk produk cair, maka:

A = log10 1 ... (4)

Gambar 4. Proses penyinaran infrared pada sampel

Infrared

Reflection


(26)

10

Penyerapan panjang gelombang tertentu oleh kandungan kimia tertentu ditunjukkan dengan terjadinya puncak-puncak gelombang pada kurva absorpsi NIR, semakin besar kandunga kimia suatu bahan pertanian, maka penyerapan akan smakin besar, atau puncak gelombangnya semakin tinggi.

Keunggulan dari gelombang infra merah dekat menurut Osborne et al. (1993) dalam menganalisis bahan makanan adalah merupakan gabungan antara tingkat ketepatan, kecepatan, dan kemudahan dalam melakukan percobaan (prosedur tidak rumit).

Kendala metoda NIR adalah biaya investasi alat yang tinggi. Metoda NIR masih tergolong sekunder karena memerlukan tahap kalibrasi terutama bagi sampel uji yang belum pernah menggunakan metoda ini misalnya tepung ikan, bungkil inti sawit, dan dedak. Metoda NIR sangat membantu pekerjaan analisis yang bersifat rutin, seperti kadar air, serat kasar, protein, dan lemak.

2.3.2

Aplikasi NIR dalam Bidang Pertanian

Berdasarkan sifat absorbansi dan reflektan dari energi radiasi yang dipancarkan, maka NIR dapat digunakan untuk mengkaji komposisi kimia bahan, termasuk bahan hasil pertanian dan bahan pangan. Aplikasi teknologi NIR dalam industri produk pangan telah banyak dilakukan. Diawali oleh Norris dan Hart (1962), yang mengukur kadar air yang terkandungan dalam biji-bijian dengan menggunakan transmittance spectroscopy. Kedua orang tersebut menemukan bahwa kadar air dalam bahan tersebut dapat diukur pada panjang gelombang 1940 nm.

Untuk pengaplikasian secara komersil teknologi NIR pertama diperkenalkan oleh Williams pada tahun 1973. Aplikasianya adalah menganalisa gandum dan biji-biji berkadar minyak. Selain itu teknologi ini juga dapat digunakan untuk memperkirakan konsentrasi gula dan asam pada buah-buahan (Ikeda et al. 1992).

Reid (1976) melakukan pengamatan sifat-sifat pantulan pada buah apel baik yang memar dan tidak memar dengan panjang gelombang berkisar antara 300 µm- 800 µ m. Sifat-sifat pantulan pada kulit apel dengan varietas berbeda, memperlihatkan perbedaan sifat pantulan. Berdasarkan perbedaaan pantulan ini, ditentukan panjang gelombang yang tepat sehingga dapat digunakan untuk membedakan antara apel yang normal dengan apel yang mengalami kerusakan, yaitu berkisar antara 400 µ m - 450 µ m.

Widodo et al. (2000), melakukan penelitian untuk mengembangkan suatu metoda non-destructive bagi sifat fisik dan kimia beberapa buah tropika sebagai suatu metoda seleksi untuk pengklasifikasian kualitas buah menuju pengembangan industri buah tanpa biji di Indonesia. Pada penelitian tersebut analisis kandungan kimia buah dilakukan dengan menggunakan NIRS (Near Infrared reflectance spectrometry) pada buah jeruk yang dibagi menjadi tiga bagian yaitu buah utuh, sari buah, dan kulit buah. Penelitian tersebut menyimpulkan bahwa diantara ketiga jenis contoh yang diuji, pada umumnya nilai korelasi data validasi untuk buah utuh sangat rendah, sedangkan nilai korelasi data validasi tertinggi ditunjukkan oleh contoh sari buah. Karena analisis non-destructive mensyaratkan analisis langsung pada buah utuh, metoda NIRS yang diaplikasikan pada penelitian ini tidak tepat digunakan sebagai salah satu metoda analisis non-destructive untuk kualitas kimia buah jeruk.

Rosita (2001), menerapkan teknologi NIR untuk memprediksi mutu buah duku. Dari penelitian tersebut disimpulkan bahwa NIR dapat memprediksi kadar gula dan kekerasan buah duku dengan baik. Disimpulkan pula bahwa data absorbansi NIR memberikan nilai korelasi yang lebih tinggi dari data reflektan NIR.

Munawar (2002), menerapkan teknologi NIR untuk menduga kadar gula dan kekerasan buah belimbing. Dari hasil penelitian disimpulkan bahwa NIR dapat menduga kadar gula dan kekerasan buah belimbing dengan baik. Hal ini ditunjukkan dengan koefisien korelasi yang tinggi.


(27)

11

Kusumaningtyas (2004) melakukan pendugaan kadar air, karbohidrat, protein, lemak, dan amilosa pada beras dengan metode NIR. Panjang gelombang yang digunakan adalah 900-2000 nm. Data reflektan NIR dapat menduga kadar air, karbohhidrat, dan protein lebih baik daripada data absorban. Sedangkan untuk menduga kadar lemak dan amilosa data absorban lebih baik dibandingkan data reflektan.

Andrianyta (2006), menerapkan teknologi near infrared reflectance dan JST dalam menentukan komposisis kimia jagung secara non-destructive. Komposisi kimia yang ditentukan antara lain kandungan proksimat, lemak, air, karbohidrat, methionin, tyrosin, threonin, agrinin, dan leusin.

Susilowati (2007) menyimpulkan bahwa panjang gelombang 900-1400 nm dapat digunakan untuk menduga total padatan terlarut buah papaya selama penyimpanan dan pemeraman. Namun, panjang gelombang tersebut tidak dapat digunakan untuk menduga kekerasan.

Teerachaichayut et al. (2011) dalam penelitiannya prediksi secara non-destruktif pada pengerasan pericarp buah manggis utuh menggunakan transmitan NIR spectroscopy menyatakan karakteristik spektra pada buah manggis yang mengalami pengerasan pada pericarp berbeda dengan karakteristik buah yang memiliki pericarp normal.

2.4

Analisis Komponen Utama

Analisis komponen utama merupakan teknik multivariative tertua dan paling luas digunakan. Pemikiran dasar analisis komponen utama adalah mendeskripsikan variasi sebuah set data multivariative dengan sebuah set data baru dimana variabel-variabel baru tidak berkolerasi satu sama lain. Variabel-variabel baru merupakan kombinasi linear dari variabel asal. Variabel-variabel baru diturunkan dalam arah menurun sehingga beberapa komponen pertama mengandung sebanyak mungkin variasi data asal. Karena beberapa komponen pertama sudah mengandung sebanyak mungkin variasi data asal, beberapa komponen utama pertama dapat digunakan untuk mempresentasikan data asal tanpa kehilangan informasi.

Untuk menjelaskan pengertian analisis komponen utama, dimisalkan variabel input sebuah ruang vektor berdimensi n dituliskan dengan matriks Xpxn

=

11 12 … 1

21 22 … 2

… 1

… 2

… …

dimana p merupakan contoh ke-p dan n merupakan variabel atau parameter ke-n yang diukur. Analisis komponen utama bertujuan untuk mendapatkan sebuah ruang vektor berdimensi m, dimana m < n sehingga ruang vektor berdimensi m mencakup hampir semua variasi data. Untuk mandapatkannya, ruang vektor berdimensi n diproyeksikan kedalam ruang vektor berdimensi m dengan memilih setiap komponen utama dalam arah variasi maksimum. Akan tetapi komponen utama tersebut saling tegak lurus atau orthogonal.

Algoritma analisis komponen utama (Patterson 1993) dalam Mardison (2010) dapat dijelaskan sebagai berikut :

1. Komponen pertama pada Persamaan 5 dipilih dalam arah variasi maksimum dimana y1 dan w1 merupakan vektor kolom.

y1=Xw1 ... (5) Nilai ini harus dibatasi karena variasi data dapat dibuat semakin besar dengan cara menaikkan nilai w1. Pembatasan ini dilakukan dengan cara normalisasi menggunakan Persamaan 6.

1 1= 12= 1 ... (6) dimana w1‟ = vektor transpose w1


(28)

12

2. Jumlah kuadrat y1 pada Persamaan 7 dimaksimumkan.

y1’y1 = w1’ X’ X w1 ... (7) Metode umum yang digunakan untuk memaksimumkan Persamaan 7 diatas adalah persamaan lagrange. Fungsi komposit L pada Persamaan 8 dibentuk dengan menggunakan Persamaan 5 dan 6 sebagai berikut :

L = w1’ X’ X w1λ1 (w1’w1– 1) ... (8) dimana λ1 merupakan multiplier Lagrange.

Nilai maksimum L diselesaikan dengan mengambil turunan partial terhadap w1 dan λ1 sama dengan nol pada Persamaan 9 dan hasilnya pada Persamaan 10.

� 1=2X‟Xw1 - 2λ1w1=0 ... (9)

X’ X w1 = λ1w1 ... (10) dari Persamaan 10 dan Persamaan 7, didapat Persamaan 11.

y1’y = w1’λ1 w1 = λ1w1’cw1 = λ1 ... (11) Solusi y1 merupakan komponen utama pertama dengan variasi maksimum λ1 dimana λ1 juga merupakan nilai eigenX‟ X.

3. Untuk mendapatkan komponen kedua y2, prosedur untuk mendapatkan y1 di atas digunakan, tetapi y2 juga tegak lurus dengan y1 sehingga

y2‟ y2 = w2‟ X‟ X w2 ... (12)

4. Jumlah kuadrat y2 pada Persamaan 12 harus dimaksimalkan dengan dua fungsi kendala pada Persamaan 13.

w2‟ w2 = 1 dan w1 w2 = 0 ... (13)

Fungsi komposit Lagrange untuk memaksimumkan Persamaan 12 dengan fungsi kendala pada Persamaan 13 adalah :

L = w2‟ X‟ X w2–λ2 (w2‟ w2– 1) –µ w1’ w2 ... (14) Turunkan partial terhadap w2 sama dengan nol dilakukan seperti proses sebelumnya sehingga didapatkan

µ = 2 w1‟ X‟ X w2= 2 x 0 = 0 dan X‟ X w2 = λ2w2 ... (15) 5. Dengan melanjutkan proses tersebut di atas, nilai eigen λ1, λ2, λ3, … , λp yang berhubungan dengan

matriks orthogonal (tegak lurus) W = [w1, w2, … , wp] dimana p komponen utama dari X didapatkan dari matriks Y =XY dan matriks = ′ ′ =�=

�1 0 0 0

0 �2 0 0

⋯ 0 ⋯ 0 … 0 … � merupakan matriks diagonal. Karena Λ merupakan matriks diagonal, komponen-komponen utama yang diekstrak dari variabel asal saling tegak lurus atau tidak berkorelasi satu sama lain.

6. Total variasi komponen X dapat dijelaskan dengan Persamaan 16 sebagai berikut : Σx12 + Σx22+ … + Σxp2= Trace(X‟X) = Trace(W‟X‟XW) =

�j

=1 = =1 ′ ... (16) 7. Proporsi variasi komponen utama ke-j dari X dihitung dengan Persamaan 17.

Proporsi variasi = �j

�j

=1

... (17) 8. Kumulatif variasi X dengan menggunakan komponen utama ke-m didapatkan dengan

menjumlahkan nilai eigen ke-m dibagi dengan total variasi X yang dapat dilihat pada Persamaan 18.


(29)

13

Komulatif variasi = =1�j

�j

=1

... (18) Permasalahan yang umum timbul adalah menentukan banyaknya komponen utama yang digunakan. Terdapat tiga metode yang biasa digunakan. Metode pertama adalah metode yang didasarkan pada kumulatif proporsi keragaman total yang mampu dijelaskan. Metode ini merupakan metode yang paling banyak digunakan, dan bisa diterapkan pada penggunaan matriks korelasi maupun matriks ragam peragam (covariance). Caranya adalah minimum persentase kergaman yang mampu dijelaskan ditentukan terlebih dahulu, dan selanjutnya banyaknya komponen yang paling kecil hingga batas itu terpenuhi dijadikan sebagai banyaknya komponen utama yang digunakan. Tidak ada patokan baku berapa batas minimum tersebut, sebagian buku menyebutkan 70%, 80%, bahkan ada yang 90%.

Metode kedua, metode ini hanya bisa diterapkan pada penggunaan matriks korelasi. Ketika menggunakan matriks ini, peubah asal ditransformasi menjadi peubah yang memiliki ragam sama yaitu satu. Pemilihan komponen utama didasarkan pada ragam komponen utama, yang tidak lain adalah akar ciri (eigenvalue). Metode ini disarankan oleh Kaiser (1960) yang berargumen bahwa jika peubah asal saling bebas maka komponen utama tidak lain adalah peubah asal, dan setiap komponen utama akan memiliki ragam satu. Dengan cara ini, komponen yang berpadanan dengan akar ciri kurang dari satu tidak digunakan. Jollife (1972) setelah melakukan studi mengatakan bahwa cut off yang lebih baik adalah 0.7.

Pada metode ketiga dapat digunakan grafik yang disebut plot scree, yaitu plot antara akar ciri

k dengan komponen (k). Dengan menggunakan metode ini, banyaknya komponen utama yang dipilih, yaitu k, adalah jika pada titik k tersebut plotnya curam ke kiri tapi tidak curam di kanan. Ide yang ada di belakang metode ini adalah bahwa banyaknya komponen utama yang dipilih sedemikian rupa sehingga selisih antara akar ciri yang berurutan sudah tidak besar lagi. Interpretasi terhadap plot ini sangat subjektif.

2.5

Persiapan Data Dalam Analisis Jaringan Syaraf Tiruan

Persiapan data merupakan salah satu tahapan yang penting dilakukan sebelum merancang model jaringan syaraf tiruan. Alasan utama perlu dilakuakan persiapan data adalah kualitas data masukan ke dalam model jaringan syaraf tiruan sangat mempengaruhi hasil analisis data. Secara umum, jika data yang menjadi masukan dalam jaringan syaraf tiruan sudah dipersiapkan dengan baik dan benar maka dalam melakukan analisis datanya menjadi mudah dan sederhana. Kinerja jaringan syaraf tidak dapat bekerja secara signifikan jika terdapat data yang hilang dan bersifat stabil (tidak bergerak terhadap atribut data lain). Data dapat dikatakan memiliki tingkat mutu yang baik jika memenuhi lima aspek yaitu Up-to-date (terbaru), relevan, akurasi, presisi, dan lengkap.

Jaringan syaraf tiruan Selain membutuhkan data yang baik dalam mempersiapkan data masukan, juga membutuhkan integrasi data dan persiapan data lebih lanjut. Secara umum skema untuk integrasi data dan persiapan data, dapat dilihat pada Gambar 5.


(30)

14

Gambar 5. Skema persiapan data untuk analisis data jaringan syaraf tiruan (Yu, Chen

dan Wang 2009 dalam Agrarista 2011)

2.6

Jaringan Syaraf Tiruan dan Aplikasinya

2.6.1

Jaringan Syaraf Tiruan

Jarigan syaraf tiruan sederhana pertama kali diperkenalkan oleh McCulloch dan Pitts di tahun 1943. McCulloch dan Pitts menyimpulkan bahwa kombinasi beberapa neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan McCulloch dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi yang dipakai adalah fungsi threshold. Tahun 1958, Rosenbalt memperkenalkan dan mulai mengembangkan model jaringan yang disebut perceptron. Model pelatihan tersebut diperkenalkan untuk mengoptimasikan hasil iterasi. Widrow dan Hoff (1960) mengembangkan perceptron dengan memperkenalkan aturan pelatihan jaringan, yang dikenal dengan aturan delta (sering disebut kuadrat rata-rata terkecil). Aturan ini akan mengubah bobot perceptron apabila keluaran yang dihasilkan tidak sesuai dengan target yang diinginkan. Apa yang dilakukan pada penelitian terdahulu hanya menggunakan jaringan dengan lapisan tunggal.

Analisi Data Awal

Analisis Kebutuhan

Koleksi Data

Seleksi Data

Integrasi Data

Masalah Penting Solusi

Seleksi Variabel data Analisis korelasi

Proses Awal Data Pemeriksaan Data

Masalah Penting

Solusi

- Data yang terlalu banyak - Data yang terlalu sedikit

- Data yang hilang

- Data yang noise (outlier)

- Data dengan skala yang berbeda

- Data trend/ musiman

- Data bukan stasioner

- Sampling data

- Pengumpulan kembali data

- Perbaikan data

- Menghilangkan noise

- Normalisasi data

- Menghilangkan trend

- membedakan

Pengolahan Data

Analisis Akhir Data

Pembagian Data

Masalah Penting Solusi

- Underfitting - overfitting

- Meningkatkan kelompok data - Menurunkan kelompok data

Validasi Data Penyesuaian Kembali


(31)

15

Jaringan syaraf tiruan (artificial neural network) adalah suatu sistem pemrosesan informasi yang memiliki karakteristik menyerupai jaringan syaraf biologi (otak manusia). Karakteristik tersebut yaitu hubungan antar neuron (arsitektur), metode penentuan bobot pada saluran penghubung (training/learning algorithm), dan fungsi aktivasi yang digunakan (Marimin 2009).

Informasi yang diberikan pada jaringan syaraf tiruan akan dirambatkan melalui neuron, dimulai dari lapisan input sampai ke lapisan output memalui lapisan lainnya. Lapisan ini sering dikenal dengan nama lapisan tersembunyi (hiddenlayer) (Fausett 1994). Arsitektur jaringan syaraf sederhana dengan satu lapisan tersembunyi ditunjukkan pada Gambar 6.

Kemampuan belajar jaringan syaraf tiruan (JST) merupakan suatu hal yang sangat mengagumkan. Seperti sistem biologi yang dimodelkannya, JST ini memodifikasi dirinya sendiri dari hasil pengalaman yang diperolehnya untuk menghasilkan pola tingkah laku yang lebih tepat. Kemampuan belajar ini dipresentasikan dalam mekanisme (metode) pembelajaran JST yang merupakan suatu metode perubahan bobot pada saluran penghubung sehingga dihasilkan output JST yang sesuai (Marimin 2009).

Gambar 6. Jaringan syaraf tiruan sederhana dengan hidden layer (Fausett 1994)

Berbeda dengan metode lain, algoritma untuk jaringan syaraf tiruan bekerja dengan data numerik sehingga data yang tidak numerik harus dirubah menjadi data numerik. Dibandingkan dengan cara perhitungan konvensional, jaringan syaraf tiruan tidak memerlukan atau menggunakan suatu model matematis atas pemasalahan yang dihadapi. Oleh karena itu jaringan syaraf tiruan juga dikenal dengan free-estimator.

Jaringan syaraf tiruan memiliki kelebihan dibandingkan dengan metode perhitungan lain atau metode konvensional, yaitu :

1. Kemampuan mengakuisisi pengetahuan walaupun dalam kondisi ada gangguan dan ketidakpastian. Hal ini dapat disebabkan jaringan syaraf tiruan mampu melakukan generalisasi, abstraksi, dan ekstraksi terhadap properti statistik data.

2. Kemampuan merepresentasikan pengetahuan secara fleksibel. Jaringan syaraf tiruan dapat menciptakan sendiri representasi melalui pengaturan diri sendiri atau kemampuan belajar (self organizing).

3. Kemampuan untuk memberikan toleransi atas suatu distorsi (error/fault). Dimana gangguan kecil pada data dapat dianggap hanya sebagai noise (guncangan) belaka.

4. Kemampuan memproses pengetahuan secara efisien karena memakai sistem parallel, sehingga waktu yang diperlukan untuk mengoperasikannya menjadi lebih singkat.

Dengan tingkat kemampuan yang baik, jaringan syaraf tiruan dapat diterapkan untuk storing and recall data/ pattern, klasifikasi pola, pemetaan umum dari pola input ke pola output, pengelompokkan pola-pola yang mirip, atau untuk pemecahan masalah optimasi yang memiliki batasan-batasan tertentu (Marimin 2009).


(32)

16

Jaringan syaraf tiruan juga memiliki keterbatasan, antara lain kurang mampu melakukan operasi-operasi numerik dengan presisi tinggi, operasi algoritma aritmatik, operasi logika, dan operasi simbolis serta lamanya proses pelatihan yang terkadang membutuhkan waktu berhari-hari untuk jumlah data yang sangat besar (Hermawan 2006).

2.6.2

Komponen Jaringan Syaraf Tiruan

Umumnya jaringan syaraf tiruan terdiri dari sejumlah elemen-elemen pemrosesan informasi yang disebut neuron/cells/nodes. Neuron tersebut akan berhubungan satu dengan lainnya menggunakan saluran penghubung (connection link) yang memiliki bobot. Bobot ini merepresentasikan informasi yang digunakan jaringan untuk memecahkan masalah.

Setiap neuron dalam jaringan syaraf tiruan memiliki tingkat aktivasi, yaitu suatu fungsi yang mentransformasikan nilai input yang diterimanya. Umumnya, suatu neuron mengirimkan nilai aktivasinya sebagai suatu sinyal ke beberapa neuron lainnya. Secara visual gambaran jaringan syaraf tiruan terdapat pada Gambar 7.

Gambar 7. Jaringan syaraf tiruan sederhana (Fausett 1994)

Pada Gambar 7 jaringan terdiri dari tiga neuron pada lapisan input dan satu neuron pada lapisan output. Neuron Y menerima input dari neuron X1, X2, dan X3. Nilai aktivasi (sinyal output) neuron-neuron tersebut adalah x1, x2, dan x3. Bobot saluran penghubung dari X1, X2, dan X3 ke neuron Y adalah w1, w2, dan w3. Input jaringan, y_in ke neuron Y adalah jumlah dari bobot sinyal x dari neuron-neuron X1, X2, dan X3. Y_in secara matematis dapat dilihat pada Persamaan 19.

_ = =1 ... (19) Nilai aktivasi y dari neuron Y adalah suatu fungsi dari input jaringan y=f(y_in). Fungsi f adalah merupakan fungsi linear atau fungsi-fungsi lain yang lebih kompleks. Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi beberapa syarat yaitu kontinu, terdiferensial dengan mudah, dan merupakan fungsi yang tidak turun. Fungsi yang memenuhi syarat tersebut diantaranya adalah fungsi sigmoid biner, fungsi sigmoid bipolar, dan fungsi identitas. Berikut adalah penjelasan terhadap masing-masing fungsi.

1. Sigmoid biner/ logistik

Fungsi ini memmiliki range antara 0 hingga 1. Fungsi ini digambarkan sebagai berikut :

Gambar 8. Fungsi aktivasi sigmoid biner (Mathworks Online 2010) Secara matematis fungsi sigmoid biner dapat ditulis seperti berikut :

= 1


(33)

17

Yang memiliki turunan :

= (1) ... (21) 2. Sigmoid bipolar

Fungsi ini mirip dengan fungsi sigmoid biner tapi fungsi ini memiliki range antara -1 hingga 1. Fungsi ini digambarkan sebagai berikut :

Gambar 9. Fungsi aktivasi sigmoid bipolar (Mathworks Online 2010) Secara matematis fungsi sigmoid bipolar dapat ditulis seperti berikut :

= 2

1+ − −1 ... (22) Yang memiliki turunan :

′ = 1+ (1− )

2 ... (23) 3. Fungsi identitas/ linear

Fungsi ini akan akan membawa input ke output yang sebanding. Fungsi ini digambarkan sebagai berikut :

Gambar 10. Fungsi aktivasi identitas (Mathworks Online 2010) Secara matematis fungsi identitas dapat ditulis seperti berikut :

= ... (24)

2.6.3

Arsitektur Jaringan Syaraf Tiruan

Selain memiliki komponen khusus dan fungsi aktivasi, jaringan syaraf tiruan juga tersususun dengan pola keterkaitan antar layer yang spesifik, keterkaitan ini disebut network architecture. Arsitektur jaringan syaraf tiruan diklasifikasikan menjadi single layer, multi layer, dan competitive layer.

Single layer network (jaringan layar tunggal)

Mempunyai satu lapisan untuk menghubungkan nilai bobotnya. Neuron input langsung berhubungan dengan neuron output. Jaringan ini hanya menerima informasi dan langsung mengolahnya menjadi output tanpa melalui hidden layer. Ciri-ciri yang dimiliki Single layer network ini hanya mempunyai satu lapisan input dan satu lapisan output.

Multi layer network (jaringan layar jamak)

Jaringan yang mempunyai tambahan satu lapisanatau lebih dengan hidden layer diantara layer input dan layer output. Jaringan dengan banyak layer ini dapat menyelesaikan permasalahan yang lebih rumit dibandingkan jaringan dengan lapisan tunggal, meskipun kadangkala proses pelatihan lebih kompleks dan lama.


(34)

18

Competitive layer network

Terdiri dari dua atau lebih jaringan syaraf tiruan. Arsitektur jaringan ini bisa menghubungkan satu neuron dengan neuron lainnya (Fausett 1994).

Untuk menentukan banyaknya lapisan yang digunakan, input layer tidak diikutsertakan sebagai layer yang digunakan. Banyak layer yang disertakan dalam jaringan syaraf tiruan menunjukkan banyaknya nilai bobot yang berhubungan antar layer tersebut. Karena itu, nilai bobot merupakan hal yang penting dalam jaringan syaraf tiruan. Dalam penggunaannya, jaringan ditambahkan sebuah unit masukan yang nilainya selalu satu. Unit tersebut disebut bias, dalam jaringan dapat dilihat pada Gambar 11.

2.6.4

Algoritma Pembelajaran

Backpropagation

Dalam perkembangannya, muncul berbagai macam mekanisme pembelajaran JST. Salah satu metode pembelajaran yang umum digunakan adalah mekanisme pembelajaran yang menggunakan algoritma pembelajaran backpropagation (propagasi balik).

Backpropagation dibentuk dengan membuat generalisasi aturan pelatihan dalam model Widrow-Hoff dengan cara menambahkan lapisan tersembunyi. Kata backpropagation merujuk pada cara nagaimana gradient perubahan bobot dihitung.

Algoritma ini pertama kali di rumuskan oleh D.E. Rumelhart, G.E. Hinton dan R.J. Williams pada tahun 1986. Dengan metode ini permasalahan pengenalan huruf, pengenalan suara, dan beberapa pengenalan pola oleh komputer dapat diatasi.

Arsitektur JST propagasibalik merupakan jaringan dengan lapis jamak (Multi layer network). Jaringan ini terdiri n buah masukan (ditambah sebuah bias), sebuah lapisan tersembunyi yang terdiri dari p unit (ditambah sebuah bias), serta m buah unit keluaran seperti terlihat pada Gambar 11.

Gambar 11. Arsitektur jaringan syaraf tiruan propagasi balik dengan satu hidden layer (Fausett, 1994)

Manurut Siang (2009), seperti halnya model JST lain, backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan. Pada saat pembelajaran dilakukan, nilai bobot akan diubah secara dinamis. Pada dasarnya terdapat dua metode pembelajaran yaitu supervised learning dan unsupervised learning.

Dalam Supervised learning, terdapat sejumlah pasangan data (masukan – target keluaran) yang dipakai untuk melatih jaringan hingga diperoleh bobot yang diinginkan. Pasangan data tersebut berfungsi sebagai guru untuk melatih jaringan hingga diperoleh bentuk yang terbaik. “Guru” akan


(1)

89

Lampiran 15. Nilai total persentase

ion leakage

buah mangga di peyimpanan

suhu 8

o

C pada pengukuran ke awal hingga pengukuran ke-5 (10

hari penyimpanan)

Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8oC pada pengukuran ke nol

Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8oC pada pengukuran pertama

Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8oC pada pengukuran ke dua

y = 0.140x + 27.59

R² = 0.942

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

io

n

l

ea

k

a

g

e

(%

)

Waktu (menit)

y = 0.161x + 27.71

R² = 0.956

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

Io

n

L

ea

k

a

g

e

(%

)

Waktu (menit)

y = 0.174x + 28.86

R² = 0.957

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

Io

n

L

ea

k

a

g

e

(%

)

Waktu (menit)


(2)

90

Lampiran 15. Lanjutan

Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8oC pada pengukuran ke tiga

Nilai perubahan elektokonduktivitas (ion leakage) dari buah mangga di suhu 8oC pada pengukuran keempat

Nilai perubahan elektokonduktivitas (ion leakage) dari buah mangga di suhu 8oC pada pengukuran ke lima

y = 0.149x + 33.09

R² = 0.942

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

Io

n

L

ea

k

a

g

e

(%

)

Waktu (menit)

y = 0.143x + 27.77

R² = 0.970

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

Io

n

L

ea

k

a

g

e

(%

)

Waktu (menit)

y = 0.164x + 34.51

R² = 0.96

0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0 90.0

20 40 60 80 100 120 140 160 180 200 220 240 260 280 300

T

o

ta

l

P

er

se

n

ta

se

Io

n

L

ea

k

a

g

e

(%

)

Waktu (menit)


(3)

91

Lampiran 16. Bobot dan bias yang dihasilkan oleh jaringan syaraf tiruan optimal untuk menduga TPT buah monitoring (skenario 11-10-1)

Bobot dari lapisan input ke lapisan tersembunyi

neuron x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11

z1 1.1887 -0.3112 1.7264 2.9829 1.1710 21.0572 76.7476 67.9285 -491.6750 9.3947 2.2641 z2 1.0221 -0.3141 2.1953 -4.9775 -3.3285 -4.0301 -1.2927 0.1741 2.3589 4.1484 0.4812 z3 0.5983 -2.4078 1.6129 12.3737 20.7307 24.5286 -374.1844 258.8182 1504.1636 1.0365 9.4676 z4 0.9423 37.3275 2.3645 46.0102 -2.7142 -107.3070 -73.0173 -198.6706 -297.1514 -4.1559 119.3244 z5 3.6781 -0.0160 1.0094 16.9172 -5.6967 -35.9239 -126.2664 109.3307 51.1227 10.7611 63.4699 z6 0.1660 -0.5101 -1.3154 -6.3951 -19.2264 -0.6967 142.6831 -0.9717 2.9142 -2485.5366 33.8822 z7 1.7800 -1.2503 13.2727 -108.9869 -0.1025 85.6033 -239.6651 344.5464 303.7320 -1.1421 434.8118 z8 -7.0458 -1.2126 -7.8492 24.8737 55.3990 -174.5993 177.4386 -71.8953 137.2423 83.4705 -164.8306 z9 -1.2625 -0.8849 0.8042 0.3674 -5.0717 2.4978 -2.6514 -0.3283 14.1452 8.8893 -0.6202 z10 -1.1645 -0.5520 -12.9722 -27.3519 0.9617 20.5848 242.0694 99.2249 -1710.9191 55.7914 -34.3494 Bobot dari lapisan tersembunyi ke lapisan output

neuron z1 z2 z3 z4 z5 z6 z7 z8 z9 z10

y 9.2988 -3.6239 4.1067 3.7221 2.8392 4.4346 2.4744 4.8938 15.2059 3.8112 Bias dari lapisan input ke lapisan tersembunyi

neuron b1 z1 -15.3198 z2 -1.3632 z3 -7.0522 z4 -15.0573

z5 3.2380

z6 0.7986

z7 -13.3831 z8 17.7314 z9 -6.2741 z10 13.4376

Bias dari lapisan tersembunyi ke lapisan output neuron b2


(4)

92

Lampiran 17. Bobot dan bias yang dihasilkan oleh jaringan syaraf tiruan optimal untuk menduga kekerasan buah monitoring

(skenario 11-8-1)

Bobot dari lapisan input ke lapisan tersembunyi

neuron x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11

z1 1.1637 0.2084 3.2364 -2.6520 1.2696 -1.1779 0.6645 -0.8585 3.1809 -5.1220 -4.3741 z2 -4.0334 1.9608 1.6368 -1.8942 -48.9177 102.0946 29.5495 218.2473 -1532.3734 -68.2575 -114.5524 z3 -0.9572 -2.5056 0.2840 -5.3815 -1.9661 -2.1176 5.1120 13.0369 -38.9197 -8.3100 -8.0250 z4 -0.5893 -6.6436 -1.4517 92.8301 -115.2348 -80.9105 -2.2117 -730.4544 1232.8504 28.8420 -117.3364 z5 -10.7752 -11.8148 -10.6112 58.8759 7.2813 949.0633 -0.2524 -4.2053 -3.1002 -18.3648 7.6320 z6 -0.6515 1.8638 -1.6898 -1.5925 -3.8406 4.1358 -1.1130 4.2901 -18.5336 5.6184 -0.2808 z7 1.6258 3.0348 -0.7209 -8.4090 -1.8941 1.0731 0.1325 -1.6133 -3.8929 -3.5489 -7.8159 z8 -2.6625 1.4141 1.7051 -2.0375 8.1597 -6.4245 -13.1530 -3.0939 3.6235 10.1930 -10.3374 Bobot dari lapisan tersembunyi ke lapisan output

neuron z1 z2 z3 z4 z5 z6 z7 z8

y -0.6639 1.3366 19.2562 0.6717 31.8175 -49.6951 0.7979 16.0027 Bias dari lapisan input ke lapisan tersembunyi

neuron b1 z1 11.5218 z2 -21.7379

z3 6.3632

z4 16.6389

z5 7.1417

z6 0.3408

z7 12.7482 z8 -9.0138

Bias dari lapisan tersembunyi ke lapisan output neuron b2


(5)

93

Lampiran 18. Digram alir t

ahap persiapan bahan

Buah mangga yang dibawa dari kebun dari kebun.

Persiapan larutan thiabendazol

dengan dosis 1gram/5 liter air.

Buah mangga dibersihkan untuk menghilangkan getah.

Buah mangga yang sudah

bersih, dicelup dengan larutan

thiabendazol selama 1menit.

Buah diangkat dari larutan dan dikering anginkan.

Buah dimasukkan dalam toples. Toples berisi buah mangga

dimasukkan dalam cold storage. Buah siap untuk di ukur.


(6)

94

Lampiran 19. Spesifikasi NIRFlex

Fiber Optic Solids

N-500

Data teknis / spesifikasi NIRFlex

Fiber Optic Solids

N-500 sebagai berikut :

Data teknis/ spesifikasi NIRFlex

Fiber Optic Solids

N-500

Dimensi (lebar x tinggi x panjang)

(350 x 450 x 250) mm

Kebutuhan energi listrik

100−230 VAC ±10%, 50/60 Hz, 350 W

Kondisi lingkungan

RH 80 % pada suhu < 31 °C, atau 67 % pada suhu 35

°C dan hanya untuk penggunaan didalam ruangan.

Suhu lingkungan

5−35 °C (direkomendasikan 25 ± 5 °C )

Spectral range

800 - 2500 nm (default 1000 - 2500 nm) atau 12500 -

4000 cm-1 (default 10000 - 4000 cm-1)

Resolusi

8 cm

-1

Akurasi gelombang

± 0.2 cm

-1

Jumlah Scan/detik

2 sampai 4

Analog digital converter

24 bit

Jenis lampu / ketahanan lampu

Lampu tungsten halogen / 12000 jam (2 x 6000 jam)

Jenis laser

12 VDC HeNe, panjang gelombang 632.992 nm

Koneksi

ethernet

100 Mbit/s