Deteksi Tingkat Kematangan Fermentasi Singkong (Tape Singkong) Menggunakan Convolutional Neural Network (CNN)
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Tape merupakan makanan yang proses pembuatannya melibatkan ragi. Tidak seperti makanan-makanan lain, tape memerlukan proses fermentasi menggunakan ragi yang mengandung Kapang Amylomyces Rousi, Mucor sp, Rhizopus sp, Khamir Saccharomycopsis fibuligera, Candida Utilis, Pichia burtonii, Saccharomyces Cerevisiae, Saccharomycopsis Malanga, serta bakteri Pediococcus sp dan Bacillus sp. Tape yang mengandung unsur tersebut salah satunya adalah tape singkong (Manihot Utilissima). Permasalahan muncul ketika masyarakat awam tidak mengetahui kematangan pada fermentasi singkong. Maka dari itu, dikembangkan sebuah sistem syaraf tiruan untuk mendeteksi kematangan fermentasi singkong dengan menggunakan Metode Convolutional Neural Network (CNN). Metode CNN merupakan salah satu metode Deep Learning yang mampu melakukan proses pembelajaran mandiri untuk pengenalan objek yang diekstraksi dan diklasifikasi kemudian dapat diterapkan pada citra yang beresolusi tinggi yang memiliki model distribusi nonparametrik. Hasil dari penelitian dengan membuat 45 data latih mencapai 96.88% dan menggunakan 30 data uji tape singkong memiliki hasil mencapai 90%. Hasil ini memiliki tujuan dapat mengurangi tingkat kekeliruan masyarakat khususnya konsumen dalam menentukan kematangan pada tape singkong.
Rincian Artikel
Referensi
[2] Mahmuda Saputra, Kusrini, Mei P Kurniawan (2020). Identifikasi mutu biji kopi arabika berdasarkan cacat dengan teknik Convolutional Neural Network. P-ISSN : 2088-6705, E-ISSN : 2621-5608, Jurnal teknologi informasi dan komunikasi Volume 10, Nomor 1, juni 2020 : 27-35.
[3] Sahratullah, Dwi Soelistya Dyah Jekti, Lalu Zulfikli (2017). Pengaruh Konsentrasi ragi dan Lama Fermentasi terhadap kadar air, Glukosa dan Organloptik pada Tape Singkong. P-ISSN: 1411-9587, e-ISSN: 25497863, Jurnal Bioli Tropis, Volume 17(1), Januari-Juni 2017.
[4] Rika Rokhana, Joko Priambodo, Tita Karlita, Made Gede Sunarya, Eko Mulyanto Yuniarno, I Ketut Eddy Purnama, Mauridhi Hery Purnomo (2019). Convolutional Neural Network Untuk Pendeteksian Patah Tulang Femur Pada Citra Ultrasonik B-Mode, ISSN: 2301-4156, Vol.8, No.1, Februari 2019.
[5] Fitrianingsih, Rodiah (2020), Klasifikasi Jenis Citra Daun Mangga Menggunakan Convolutional Neural Network, Jurnal Ilmiah Teknologi dan Rekayasa Volume 25 No.3 Desember 2020.
[6] Errissya Rasywir, Rudolf Sinaga, Yovi Prataman (2020), Analisa dan Implementasi Diagnosis Penyakit Sawit Dengan Metode Convolutional Neural Network (CNN),Vol.22 No.2, P-ISSN: 1410-5063, E-ISSN: 2579-3500, Jurnal Informatika dan Komputer, September 2020.
[7] Anto Susanto, Erick Radwitya, Khairul Muttaqin (2017), Lama Waktu Fermentasi dan Konsentrasi Ragi Pada Pembuatan Tepung Tape Singkong (Manihot Utilissima) Mengandung Dekstrin, Serta Aplikasinya Pada Pembuatan Produk Pangan, Vol.8 (1):82-92, ISSN: 2087-9679, Jurnal Teknologi Pangan, 2017.
[8] Rahman Y, Jurnal Syarif, Nurul Utami Halimsyah (2017), Analisis Kadar Alkohol Pada Tape Ubi yang Difermentasikan Selama 3 Hari dan 6 Hari yang dijual Pada Pasar Boro Kecamatan Rumbia Kabupaten Jeneponto, Volume 7, Nomor 2, Jurnal Media Laboran, Mei 2017.
[9] Elsera Br Tarigan, Tajul Iflah (2017), Beberapa Komponen Fisikokimia kakau fermentasi dan Non Fermentasi, Vol 3, No 1, ISSN :2442-3548, Jurnal Agroindustri Halal, 1 april 2017.
[10] Andi Asni.B, Aswadul Fitri S.R, Septian Dwi Kurniawan (2019), identifikasi citra daun dengan menggunakan metode deep learning convolutional neural network (CNN) Vol 4, No 1, ISSN: 25286498, JTE UNIBA 1, Oktober 2019.