HAPSARI, ANINDITA (2017) PREDIKSI KEMUNCULAN MIKROBA DENGAN MENGGUNAKAN PENDEKATAN ANALISA BIOCHEMICAL (MOISTURE CONTENT-MC DAN ACTIVITY WATER-AW) DENGAN MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (STUDI KASUS: PT.INDOFOOD CBP SUKSES MAKMUR,TBK CABANG PALEMBANG). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5213100095-Undergraduate_Theses.pdf - Published Version Download (6MB) | Preview |
Abstract
Pangan merupakan kebutuhan yang mendasar bagi
manusia, kualitas dari produk harus menjadi perhatian khusus
bagi para perusahaan yang bergerak di bidang food company.
Standard Nasional Indonesia yang ditetapkan oleh Badan
Standarisasi Nasional disusun untuk menyeragamkan
penyebutan produk pangan, menjadi acuan dalam standarisasi
dan sertifikasi produksi dari suatu produk pangan, serta berisi batasan maksimum cemaran mikroba dan kimia dalam
makanan. Jenis mikroba yang terdapat pada bahan pangan
antara lain E.coli, B.cereus, S.aureus,Coliform, kapang dan
khamir serta mikroba patogen lainnya. Dalam batasan tertentu
kandungan mikroba dalam bahan pangan tidak banyak
berpengaruh terhadap ketahanan bahan pangan tersebut,
tetapi apabila kondisi lingkungan memungkinkan mikroba
untuk tumbuh dan berkembang lebih cepat, maka bahanii
pangan akan rusak karenanya, dan dapat menimbulkan risiko
terhadap kesehatan tubuh manusia. Maka dari itu uji
mikrobiologi pada bahan pangan yang ada wajib dilakukan
untuk mengontrol kualitas dari suatu produk bahan.
Perusahaan PT Indofood CBP Sukses Makmur ,Tbk Cabang
Palembang melakukan pengujian mikrobiologi terhadap
sample product di laboratorium membutuhkan waktu sekitar 3-
5 hari dan waktu tersebut tergolong cukup lama.
Dari permasalahan tersebut, penelitian tugas akhir ini
bertujuan untuk dapat mempercepat memprediksi kemunculan
mikroba secara lebih awal dan lebih cepat. Penelitian tugas
akhir ini menggunakan metode artifical neural network dengan
algoritma backpropagation yang merupakan metode
peramalan yang populer karena memiliki akurasi yang tinggi..
Penelitian tugas akhir ini menggunakan dua node pada input
layer dan jumlah node pada output layer sebanyak 1 dan 7.
Untuk variabel Ecoli,Yeast,Mold dan ALT dapat diprediksi
dengan model node pada output layer sejumlah 1 karena
melihat dari rata-rata MAPE yang 37% lebih baik
dibandingkan model dengan jumlah node pada output layer 7.
Sedangkan variabel Coliform,S.aureus,B.cereus 3,7% lebih
baik menggunakan model dengan jumlah node pada output
layer sebanyak 7.
Penelitian ini dapat menjadi bahan pertimbangan dan
membantu untuk mempercepat pengambilan keputusan
releasing product di PT Indofood CBP Sukses Makmur,Tbk
Cabang Palembang.
=================================================================
Food is a basic human needs, quality of the products should be a special concern for food companies. The Indonesian National Standards (SNI) set by the national standardization agency arranged for a review of food products, as a reference of standardization and certification of a food products, and provides maximum limits of microbial and chemical contamination. Types of microbes found in food are E.coli, B.cereus, S.aureus, Coliform, Molds , Yeasts and other pathogenic microbes as well. Within certain limit the microbial content on the food ingredients did not affect the quality(durability) of the foodstuff , but if the environmental conditions allow microbes to grow and develop, thereby the product will be damage and can cause a health risks. Thus the microbiological test on food ingredients is required in order to control the quality of the ingredients. PT Indofood CBP Sukses Makmur, Tbk branch Palembang conduct a microbiological
test of product samples in the laboratory and takes time around 3-5 days, and its quite long time.
Thus, the aims of the research is to accelerate the prediction of microbes appereance . The algorithm conducted in this research is artifical neural network back propagation , which is popular because of high accuracy of the prediction.
This thesis uses two nodes in the input layer and the number of nodes in the output layer as much as 1 and 7. For variable E.coli, Yeast, Mold and ALT can be predicted by the model consist of 1 node in the output layer as viewed from the MAPE average which 37% better than the model consist of 7 nodes in the output layer. Whereas, Coliform, S.aureus, B.cereus 3.7% is better to use the model with the number of nodes in the output layer as much as 7.
This research produce a model that can be a consideration and help to accelerate the decision making of releasing product making in PT Indofood CBP Sukses Makmur, Tbk branch Palembang.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | peramalan , artificial neural network, backpropagation, mikrobiologi, PT Indofood CBP Sukses Makmur,Tbk Cabang Palembang |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software Q Science > QR Microbiology |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | ANINDITA HAPSARI |
| Date Deposited: | 16 Feb 2017 01:04 |
| Last Modified: | 05 Mar 2019 03:47 |
| URI: | http://repository.its.ac.id/id/eprint/1688 |
Actions (login required)
 |
View Item |