Prediksi Nilai Warna Larutan (ICUMSA) dan Besar Jenis Butir (BJB) untuk Menentukan Kualitas Gula Berdasarkan Metode Support Vector Machine (Studi Kasus: PT Pabrik Gula Rajawali I Surabaya)

Ariani, Ria Widiya (2018) Prediksi Nilai Warna Larutan (ICUMSA) dan Besar Jenis Butir (BJB) untuk Menentukan Kualitas Gula Berdasarkan Metode Support Vector Machine (Studi Kasus: PT Pabrik Gula Rajawali I Surabaya). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5214100066-Undergraduate_Theses.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Gula merupakan salah satu komoditas yang sering kita temui dalam kehidupan sehari-hari. Gula biasa dimanfaatkan untuk menambah cita rasa manis pada makanan atau minuman. Penggunaan gula tidak hanya oleh rumah tangga namun juga banyak digunakan di bidang industri, khususnya industri di bidang makanan dan minuman. Mengingat penggunaan gula baik di rumah tangga atau industri, tidak heran jika jumlah konsumsi gula di Indonesia juga besar. Sebagai bahan untuk membuat produk makanan atau minuman yang akan dikonsumsi oleh masyarakat, gula yang dipergunakan tentunya perlu memenuhi standar kualitas atau mutu tertentu agar layak untuk dikonsumsi. Untuk itu, pemerintah melalui Badan Standardisasi Nasional telah mengatur standar mengenai kualitas gula. PT. PG Rajawali I Surabaya merupakan salah satu pabrik yang memproduksi gula. Untuk dapat melakukan pengujian kualitas gula, perusahaan memerlukan pihak ketiga yang berlokasi diluar Surabaya. Hal ini menyebabkan perusahaan mengalami kesulitan untuk melakukan pengujian kualitas gula yaitu berupa permasalahan biaya yang mahal dan waktu yang dibutuhkan untuk pengujian lama. Untuk mengatasi permasalahan tersebut, perusahaan dapat melakukan prediksi kualitas gula mereka sendiri. Karena dapat xi dilakukan sendiri, waktu yang dibutuhkan bisa menjadi lebih singkat sehingga bisa segera dilakukan evaluasi jika hasil produksi kualitasnya rendah. Melalui penelitian tugas akhir ini, metode Support Vector Machine (SVM) digunakan untuk memprediksi kualitas gula yang dihasilkan di PT. PG Rajawali I Surabaya. SVM merupakan salah satu metode yang dapat digunakan untuk melakukan prediksi dengan mencari nilai hyperplane dari data-data yang ada. Nilai prediksi dapat dioptimumkan dengan mengatur parameter-parameter yang mempengaruhi prediksi. Model terbaik untuk data training ditentukan berdasarkan nilai root mean square error (RMSE) dan absolute error dari hasil prediksi. Namun model terbaik untuk testing ditentukan berdasarkan nilai MAPE yang dihasilkan. Pada penelitian ini, terdapat tiga jenis kualitas gula yang dihasilkan yaitu GKP 1, GKP 2, dan gula yang tidak termasuk kedalam GKP 1 atau GKP 2 (undefined). Untuk menentukan kualitas gula tersebut, proses produksi sangat berpengaruh. Dimana pada masing-masing proses produksi terdapat beberapa parameter yang perlu dipenuhi agar gula tersebut bisa menghasilkan kualitas yang sesuai standar. Model terbaik untuk data testing warna larutan (ICUMSA) yang memberikan MAPE terbaik adalah menggunakan kernel Radial, C=18.65, gamma=0.045 dengan MAPE 31% yang termasuk kategori cukup baik. Model terbaik untuk data testing BJB menghasilkan MAPE sebesar 8% termasuk kategori sangat baik. Untuk kernel Dot nilai C=1 dan kernel Radial C=0.675 serta gamma=8.65. Sedangkan hasil akurasi klasifikasi kualitas gula terbaik adalah sebesar 73.33% dengan menggunakan kernel Dot. ======================================================================================= Sugar is one of commodity that we use everyday in our life. Sugars are used to add sweet taste to foods or drinks. The use of sugar is not only by household but also widely used in industry, especially industry in foods and beverages. Given the use of sugar either in the household or industry, do not be surprised if the amount of sugar consumption in Indonesia is also large. As an ingredient to make foods or beverage products that will be consumed by the customers, sugar must have certain quality or quality standards to be worth consuming. To ensure this condition, the government through the National Standardization Agency has set the standard on the quality of sugar. PT. PG Rajawali I Surabaya is one of the sugar producing factories. To be able to test the quality of sugar, the company requires a third party located outside of Surabaya. This causes the company to have difficulty to conduct sugar quality testing that is in the form of expensive cost problems and the time required for the old test. To solve these problems, companies can make predictions of their own sugar quality. Because it can be done alone, the time required can be shortened so that the evaluation can be done immediately if the quality of production is low. Through this final project, Support Vector Machine (SVM) method is used to xiii predict the quality of sugar produced at PT. PG Rajawali I Surabaya. SVM is one method that can be used to make predictions by finding the value of hyperplane from existing data. Predicted values can be optimized by setting parameters that affect predictions. The best model for training data is determined based on the root mean square error (RMSE) and the absolute error value of the predicted result. However the best model for testing is determined based on the resulting MAPE value. In this research, there are three types of quality of sugar produced are GKP 1, GKP 2, and sugar which is not included into GKP 1 or GKP 2 (undefined). To determine the quality of sugar, the production process is very influential. Where in each production process there are several parameters that need to be met so that the sugar can produce the appropriate quality standard. The best model for color solution testing (ICUMSA) which gives the best MAPE is using Radial kernel, C = 18.65, gamma = 0.045 with MAPE 31% which is good enough category. The best model for BJB data testing yields 8% MAPE including excellent category. For Dot kernel value C = 1 and Radial kernel C = 0.675 and gamma = 8.65. While the best quality classification accuracy is 73.33% by using Dot kernel kernel.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 006.312 Ari p-1 3100018074279
Uncontrolled Keywords: kualitas gula, support vector machine, prediksi, parameter, klasifikasi
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Q Science > QA Mathematics > QA76.9.D343 Data mining
T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Ria Widiya Ariani
Date Deposited: 28 Feb 2018 03:51
Last Modified: 13 Jun 2020 05:30
URI: http://repository.its.ac.id/id/eprint/49577

Actions (login required)

View Item View Item