CEMPAKASARI, ANITA (2024) PREDIKSI KADAR AIR DALAM IKAN TUNUL UNTUK MEMPERLAMBAT PEMBUSUKAN DENGAN METODE ARTIFICIAL NEURAL NETWORK PADA UNIT PENGOLAHAN IKAN (UPI) D'KRIWIL. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
Anita Cempakasari_3333190102_Fulltext.pdf Download (2MB) |
|
Text
Anita Cempakasari_3333190102_01.pdf Download (1MB) |
|
Text
Anita Cempakasari_3333190102_02.pdf Download (246kB) |
|
Text
Anita Cempakasari_3333190102_03.pdf Download (250kB) |
|
Text
Anita Cempakasari_3333190102_04.pdf Download (808kB) |
|
Text
Anita Cempakasari_3333190102_05.pdf Download (145kB) |
|
Text
Anita Cempakasari_3333190102_06.pdf Download (85kB) |
|
Text
Anita Cempakasari_3333190102_Ref.pdf Download (196kB) |
|
Text
Anita Cempakasari_3333190102_Lamp.pdf Download (217kB) |
|
Text
Anita Cempakasari_3333190102_CP.pdf Download (44MB) |
Abstract
UPI D’Kriwil is one of the business units located in the city of Cilegon that focuses on the production of processed fish, specifically the baraccuda fish. This unit processes raw materials of baraccuda fish into fish dimsum products. Processed fish products generally have perishable characteristics, making them prone to spoilage due to decay. Hence, they need to be processed before consumption. Spoilage occurs due to the oxidation process in the fish flesh caused by air and microorganisms present in the fish flesh. The rapid decay of raw fish materials is also experienced in the production of fish dimsum at the Fish Processing Unit (UPI) D’Kriwil. This condition affects the quality of the fish dimsum products, leading to numerous customer complaints about expired products not meeting expectations. To address this issue, research was conducted using the artificial neural network (ANN) method to predict the moisture content in fish dimsum products. ANN method is suitable for solving prediction and data classification problems. In this study, the data was processed through several steps, including data normalization, determining the ANN architecture, training data with backpropagation, and making predictions. The topology architecture used in the ANN method was 5-15-1. The prediction results showed a reduction in moisture content ranging from 0.148 kg to 0.756 kg using the ANN method, with the smallest MSE (Mean Square Error) of 0.0381 in the network with 15 hidden layers (first epoch and iteration 1).
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | UPI D’Kriwil merupakan salah satu unit usaha yang berada di Kota Cilegon yang fokus pada produksi olahan ikan yaitu ikan tunul. UPI ini mengolah bahan baku ikan tunul menjadi produk dimsum ikan. Produk hasil olahan ikan umumnya memiliki sifat perisable yaitu mudah rusak karena pembusukan, sehingga perlu diolah dengan sebelum dikonsumsi. Pembusukan ini disebabkan oleh proses oksidasi pada daging ikan oleh udara dan mikroorganisme yang ada pada daging ikan. Kondisi pembusukan bahan baku ikan yang relatif cepat juga dialami pada produksi dimsum di Unit Pengolahan Ikan (UPI) D’Kriwil. Kondisi tersebut mempengaruhi kualitas produk dimsum ikan yang menyebabkan banyak keluhan pelanggan karena klaim expired produk tidak sesuai. Berdasarkan permasalahan tersebut maka dilakukan penelitian dengan metode artificial neural network (ANN) untuk memprediksi kadar air pada produk dimsum ikan. Metode ANN cocok digunakan dalam menyelesaikan permasalahan prediksi dan klasifikasi data. Pada penelitian ini data diolah melalui beberapa langkah yaitu melakukan normalisasi data, menentukan arsitektur ANN, training data dengan backpropagation kemudian melakukan prediksi. Topografi arsitektur yang digunakan pada metode ANN yaitu 5-15-1. Hasil prediksi jumlah pengurangan kadar air dengan metode ANN senilai 0,148 kg hingga 0,756 kg dengan tingkat MSE (Mean Square Error) terkecil sebesar 0,0381 pada jaringan dengan 15 hidden layer (epoch pertama dan iterasi 1). | |||||||||
| Subjects: | Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
|||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 26201-Jurusan Teknik Industri |
|||||||||
| Depositing User: | Anita Cempakasari | |||||||||
| Date Deposited: | 23 Jul 2024 11:39 | |||||||||
| Last Modified: | 23 Jul 2024 11:39 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/39196 |
Actions (login required)
 |
View Item |