PREDIKSI KANDUNGAN BAHAN KERING, SERAT KASAR, LEMAK KASAR DAN PROTEIN KASAR AMPAS TEBU MENGGUNAKAN JARINGAN SYARAF TIRUAN BERDASARKAN DATA ABSOBSI NEAR INFRARED (NIR)

Sri, Welia Putri (2021) PREDIKSI KANDUNGAN BAHAN KERING, SERAT KASAR, LEMAK KASAR DAN PROTEIN KASAR AMPAS TEBU MENGGUNAKAN JARINGAN SYARAF TIRUAN BERDASARKAN DATA ABSOBSI NEAR INFRARED (NIR). Masters thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) COVER DAN ABSTRAK.pdf - Published Version Download (224kB) | Preview
Preview	Text (Bab I) BAB I .pdf - Published Version Download (200kB) | Preview
Preview	Text (Bab 5) BAB V .pdf - Published Version Download (201kB) | Preview
Preview	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (225kB) | Preview
	Text (Tesis Full Text) FULL TEXT.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Ampas tebu adalah limbah hasil penggilingan tebu menjadi gula merah yang merupakan salah satu pakan sumber serat pengganti hijauan yang mampu memenuhi kebutuhan ternak ruminansia. Penentuan kandungan nutrisi ampas tebu dilakukan dengan metode konvensional secara analisis proksimat. Metode ini mempunyai kelemahan yaitu mahal, rumit, waktu yang lama, menyisakan limbah kimia dan perlu tenaga ahli yang terlatih. Penelitian ini bertujuan untuk mengembangkan dan mengetahui akurasi penerapan jaringan syaraf tiruan (JST) menggunakan data absorban NIR dalam memprediksi kandungan nutrisi ampas tebu. Penelitian ini menggunakan 60 sampel ampas tebu yang diambil dari daerah Kabupaten Agam (30 Sampel) dan Kabupaten Solok (30 sampel). Data spektrum NIR diperoleh menggunakan alat Portable Fourier Transform Near Infrared (FT-NIR) dengan panjang gelombang 1000 nm - 2500 nm. Pengolahan spektrum NIR dilakukan pre-treatment data dengan metode standard normal variate (SNV) menggunakan software unscrambler dan metode treatment data menggunakan stepwise multiple linear regression (SMLR) dengan software IBM SPSS Statistic 21. Pelatihan model JST diperoleh dengan melakukan penambahan jumlah variabel input, jumlah simpul pada hidden layer JST (3,5,7,9), dan jumlah iterasi (25000, 30000, 35000, 40000). Hasil penelitian menunjukkan bahwa model JST terbaik untuk pendugaan kandungan bahan kering, serat kasar dan lemak kasar adalah dengan jumlah input 6 variabel, sedangkan protein kasar dengan jumlah input 5 variabel. Jumlah simpul hidden layer optimal untuk pendugaan kandungan bahan kering dan lemak kasar adalah 3 simpul, sedangkan untuk serat kasar dan protein kasar 9 simpul. Iterasi terbaik untuk pendugaan kandungan bahan kering adalah 30000 iterasi, serat kasar dan protein kasar 25000 iterasi, sedangkan lemak kasar 35000 iterasi. Hasil prediksi terbaik menujukkan nilai standard error of prediction (SEP) dan coeffisien variation (CV) berturut-turut sebesar 1.54% dan 4.28% untuk kandungan bahan kering, 0.22% dan 18.89% untuk prediksi lemak kasar, 1.36% dan 3.03% untuk prediksi serat kasar, 0.16% dan 7.19% untuk prediksi protein kasar. Berdasarkan hasil dapat disimpulkan bahwa JST mampu memprediksi kandungan bahan kering dan serat kasar dengan akurasi lebih baik, sementara untuk kandungan lemak kasar dan protein kasar diperoleh akurasi rendah namun masih dapat diterima untuk tujuan analitis. Kata Kunci :Ampas Tebu, NIR, SNV, SMLR, JST.

Actions (login required)

View Item