Update Artikelilmiah: 46042

SHIDIQ MUJIONO

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Kualitas produk gula kelapa kristal sangat penting untuk memenuhi standar SNI3743:2021 yang telah ditetapkan. Salah satu permasalahan utama adalah adanya potensi pencampuran gula pasir dalam produksi, yang dapat mengurangi kemurnian produk. Penelitian ini bertujuan untuk menguji performa spektrometer portabel yang dilengkapi dengan multi-spectral sensor AS7265X sebagai solusi uji non-destruktif untuk deteksi kemurnian gula kelapa kristal. Percobaan dilakukan dengan variasi penambahan gula pasir sebesar 0%, 1%, 2%, 3%, 4%, dan 5%, guna menilai respon spektral terhadap masing-masing variasi. Data spektral yang diperoleh dianalisis menggunakan model Artificial Neural Network (ANN) dengan optimasi Grid Search. Parameter terbaik yang diperoleh mencakup normalisasi MinMax, fungsi pelatihan Levenberg-Marquardt, transfer function logsig, dan output function softmax. Hasil terbaik untuk klasifikasi kemurnian gula kelapa kristal (klasifikasi I) dicapai menggunakan 1 lapisan hidden layer dengan 70 neuron, sedangkan untuk klasifikasi tingkat pencampuran gula pasir (klasifikasi II) menggunakan 3 lapisan hidden layer dengan konfigurasi 72-36-18 neuron. Tingkat akurasi mencapai 99,7% untuk klasifikasi 1 dan 99,4% untuk klasifikasi 2, dengan nilai RMSE masing-masing sebesar 0,0647 dan 0,1293. F1-Score untuk klasifikasi I adalah 99,2, dan untuk klasifikasi II sebesar 94,12. Hasil penelitian ini menunjukkan bahwa portable spektrometer yang dikembangkan efektif untuk uji kualitas gula kelapa kristal secara cepat, akurat, dan non-destruktif.

Abtrak (Bhs. Inggris)

The quality of crystal coconut sugar products is crucial to meet the established SNI (Indonesian National Standard). One of the main challenges is the potential mixing of granulated sugar during production, which can reduce product purity. This study aims to test the performance of a portable spectrometer equipped with an AS7265X multi-spectral sensor as a non-destructive testing solution for detecting the purity of crystal coconut sugar. The experiment was conducted with variations of granulated sugar additions of 0%, 1%, 2%, 3%, 4%, and 5% to assess the spectral response to each variation. The obtained spectral data were analyzed using an Artificial Neural Network (ANN) model optimized with Grid Search. The best parameters included MinMax normalization, Levenberg-Marquardt training function, logsig transfer function, and softmax output function. The best results for crystal coconut sugar purity classification (classification I) were achieved using one hidden layer with 70 neurons, while for granulated sugar mixture level classification (classification II), three hidden layers with a 72-36-18 neuron configuration were used. The accuracy level reached 99.7% for classification 1 and 99.4% for classification 2, with RMSE values of 0.0647 and 0.1293, respectively. The F1 Score for classification I was 99.2, and for classification II was 94.12. The results of this study indicate that the developed portable spectrometer is effective for fast, accurate, and non-destructive quality testing of crystal coconut sugar.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman