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)

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.

[img]
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: https://repository.its.ac.id/id/eprint/1688

Actions (login required)

View Item View Item