Kuspratiwi, Birgitta S. (2015) Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Kualitas Hasil Produksi Gula Di PT. PG Rajawali I Surabaya. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
5211100032-Undergraduate Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Peningkatan kualitas gula nasional merupakan salah satu
upaya untuk meningkatkan daya saing gula nasional pada
industri gula saat ini. Kualitas Gula Nasional yang dihasilkan
harus sesuai dengan Standar Nasional Indonesia (SNI) Gula
Kristal Putih. Saat ini pengawasan dan pengujian kualitas
gula belum efektif dan efisien karena begitu banyaknya jumlah
parameter yang diamati untuk menganalisis kualitas gula,
sedangkan pengamatan dan pengujian dilakukan pada setiap
tahapan proses produksi, sehingga membutuhkan waktu yang
lama dan biaya yang tidak sedikit. Tidak adanya pengukuran
kualitas gula juga mengakibatkan ketidakpastian kualitas gula
yang dijual sehingga konsumen dikecewakan karena kualitas
gula yang dibeli tidak selalu baik.
Oleh karena itu perlu dibangun sistem prediksi kualitas gula
harian sehingga perusahaan dapat mengurangi waktu dan
biaya untuk melakukan pengujian kualitas gula. Sistem
prediksi kualitas gula harian pada tugas akhir ini dibangun
dengan menggunakan algoritma jaringan syaraf tiruan
dengan arsitektur jaringan banyak lapisan (multilayer
network) dan algoritma pembelajaran propagasi balik. Input
jaringan syaraf tiruan yang digunakan adalah parameter
proses produksi gula kristal putih pada 4 stasiun yaitu
gilingan, penguapan, pemurnian, dan masakan. Output yang
dihasilkan pada jaringan syaraf tiruan adalah hasil warna
larutan (ICUMSA) dan besar jenis butir (BJB)
Hasil dari penelitian Tugas Akhir ini adalah hasil prediksi
kualitas gula PT. PG Rajawali I, faktor produksi yang
mempengaruhi penurunan kualitas gula kristal putih pada
tahun 2014, dan rekomendasi perbaikan proses produksi ke
depannya
===========================================================================================================
The improvement of national sugar quality is an effort to
improve the competiveness of the national sugar in the sugar
industry today. Quality of the national sugar must comply with
the national standard for plantation white sugar. Currently,
sugar control and quality testing has not been effective and
efficient because too many observation parameters number to
analyze the quality of sugar, while the observations and tests
performed at each stage of the production process, so it takes
longer time and more cost. The absence of sugar quality’s
measurement impact is the uncertainty quality of sugar that
have been sold and thus made consumers let down because the
quality of the purchased sugar is not always good.
Therefore, it is necessary to build sugar quality daily
prediction system so that companies can reduce the time and
costs for testing the quality of sugar. Sugar quality daily
prediction in this thesis is built by neural network algorithm
with multilayer network and backpropagation learning
algorithm. Production process parameter in four stations are
being used to neural network name mill station, evaporation,
purification, and cuisine. The output for neural network is
color of sugar liquid (ICUMSA) and grain sugar size.
Final result of this thesis are the result of the prediction sugar
quality in PT. PG. Rajawali I Surabaya, factors that affect the
decreasing of sugar quality in 2014, and recommendation for
future improvement of the sugar production process.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.3 Kus p |
| Uncontrolled Keywords: | Jaringan Syaraf Tiruan, Prediksi, Kualitas, Gula |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 28 Jun 2019 02:51 |
| Last Modified: | 28 Jun 2019 02:51 |
| URI: | http://repository.its.ac.id/id/eprint/63345 |
Actions (login required)
 |
View Item |