MODEL DASAR PENENTUAN WAKTU PENGANGKATAN PADA PROSES PENGGORENGAN KRIPIK DENGAN JARINGAN SARAF BUATAN
Oleh:
Ulung Pamungkas
Program Studi Teknik Pertanian
Jurusan Teknologi Pertanian
Universitas Sriwijaya
PENDAHULUAN
Latar Belakang
Dewasa ini banyak sekali permasalahan-permasalahan dari segala macam disiplin ilmu yang dapat dipecahkan dengan menggunakan pemrograman komputer konvensional yang menggunakan pendekatan algoritma (perhitungan logaritma).Dimana dengan sekumpulan perintah yang diberikan kepada system maka komputer akan dapat memecahkan permasalahan yang ada.
Namun banyak juga permasalahan yang tidak dapat dipecahkan dengan pemrograman konvensional. Terutama pada masalah-masalah yang tidak tetap. Artinya ketika terdapat permasalahan dan perintah tersebut tidak terdapat pada system maka komputer tidak akan dapat memecahkan masalah tersebut.
Sekarang ini terdapat suatu model yang dapat digunakan untuk memecahkan masalah tersebut. Yaitu dengan menggunakan Artificial Neural Network (Jaringan Saraf Buatan). Jaringan saraf buatan adalah suatu jaringan saraf tiruan yang dibangun untuk meniru cara kerja otak manusia.
Dibidang Pertanian seperti yang kita ketahui bahwasannya banyak sekali kendala-kendala atau masalah yang terjadi, terutama pada fase pengolahan bahan pertanian.Beranjak dari sinilah maka penulis beranggapan bahwa aplikasi mengenai jaringan saraf buatan perlu diterapkan. Agar permasalahan yang sifatnya tidak tetap dan tidak dapat dipecahkan dengan komputer konvensional dapat kita pecahkan.
Tujuan
Dapat menerapkan aplikasi jaringan saraf buatan untuk memecahkan permasalahan di bidang pertanian terutama pada fase pengolahan bahan.
Batasan Masalah
- Penulisan hanya dilakukan untuk skala pengetahuan umum mengenai jaringan saraf buatan pada fase pengolahan bahan
- Penulisan tidak dilakukan pada cara pemrogramannya ke dalam system komputer
PEMBAHASAN
Jaringan Saraf Buatan
Seperti yang telah dikatakan sebelumnya, bahwasannya jaringan saraf buatan adalah suatu jaringan saraf tiruan yang dibangun untuk meniru cara kerja otak manusia. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).
Gambaran mengenai cara kerja sel saraf buatan adalah sbb:
sumber: www.matakuliah.com
Dengan jaringan saraf tiruan maka kita dapat memberikan semacam kecerdasan pada sistem, dimana system tersebut akan diberikan waktu untuk 'belajar' dan kemudian diharapkan dari proses belajarnya, sistem bisa memberikan solusi dari suatu kasus. Analoginya seperti mengajarkan seorang anak kecil untuk mengetahui bentuk kursi, kita akan menunjukan pada anak tersebut berbagai macam bentuk kursi dan bukan kursi.
Kita akan memperlihatkan mana saja yang termasuk kursi dan mana yang bukan, proses ini disebut proses training. Setelah proses training selesai, maka tiba waktunya untuk melakukan test terhadap anak tersebut dengan menunjukan suatu bentuk kursi dan menanyakan apakah itu termasuk kursi atau bukan. Hal yang menarik adalah pada saat kita menunjukan suatu bentuk kursi yang belum pernah diajarkan pada anak tersebut dan apabila itu memang variasi dari kursi (dengan ciri misalnya: kakinya ada 4, ada pegangan tangannya, bentuknya seperti angka 4, dll) maka dia dapat mengambil kesimpulan bahwa benda tersebut adalah kursi, apabila jawaban si anak salah maka kita kembali melatihnya (proses training) dengan memasukan bentuk kursi yang baru tadi kedalam data latih, sehingga si anak dapat mengambil kesimpulan bahwa benda tersebut (dan yang mirip benda tersebut dimasa yang akan datang) adalah kursi.
Jaringan saraf buatan banyak digunakan untuk mengklasifikasikan dan identifikasi sesuatu. Dengan input yang diberikan kepada system, maka system akan mempelajarinya dan pada akhirnya system akan memprediksikan solusi yang terbaik. Dengan model ini maka system akan dapat memecahkan variasi masalah yang belum pernah ditemui.
Aplikasi Jaringan Saraf Buatan pada Fase Pengolahan Bahan
Pada pengolahan bahan ini penulis akan menyajikan mengenai gambaran model penentuan waktu pengangkatan pada proses penggorengan di industri pengolahan kripik. Kripik merupakan salah satu makanan khas Indonesia yang terbuat dari bahan umbi-umbian (dapat berupa singkong, ubi jalar, kentang, talas, dll).
Dalam melakukan pengolahan bahan menjadi kripik terdapat salah satu proses yang cukup penting yaitu poses penggorengan. Dalam proses penggorengan kita harus mengetahui berapa lama waktu yang dibutuhkan untuk menggoreng bahan agar didapatkan hasil yang baik.
Untuk skala kecil memang cukup mudah untuk menentukan waktu pengangkatan, itupun dilakukan atas dasar kira-kira atau berdasarkan pengalaman. Namun untuk skala industri hal tersebut tidak bisa dilakukan. Karena konsumen menginginkan produk yang terbaik.Untuk itu kita akan mencoba membuat model dasar penentuan waktu pengangkatan pada proses penggorengan kripik.
Seperti yang dijelaskan sebelumnya bahwa dalam permodelan jaringan saraf buatan harus ada berupa input yang akan menjadi bahan pembelajaran bagi system baru akan dihasilkan output berupa perkiraan.
Dalam hal ini kita akan memasukkan contoh input dan output,kemudian system akan mempelajari dan akan dapat menghasilkan output berupa solusi.Kematangan merupakan fungsi dari tebal irisan, kadar air, warna, jenis bahan, suhu, dan jumlah bahan. Atau dapat dituliskan
Kematangan = f(Tebal Irisan,Kadar Air,Warna,Jenis Bahan,Suhu,Jumlah Bahan)
Sebagai contoh:
Input X-1 = Tebal irisan 0,3-0,5 mm
Output Y-1= 15 menit
Input X-2 = Kadar Air 20%
Output Y-2= 10 menit
Input X-3 = Warna Kuning
Output Y-3= 11 menit
Input X-4 = Jenis Bahan Singkong
Output Y-4= 14 menit
Input X-5 = Suhu 160-170oC
Output Y-5=10 menit
Input X-6 = Jumlah bahan 1kg
Output Y-6= 10 menit
Contoh diatas hanyalah contoh sebagian kecil input yang harus dipelajari. Contoh input dan output dapat diibaratkan dendrit atau dalam bahasa yang seharusnya disebut dengan node.Node akan dikirimkan ke neuron kemudian dipelajari untuk menghasilkan perkiraan waktu pengangkatan bahan.
Dengan sendirinya system akan dapat memperkirakan kapan waktu yang tepat untuk melakukan pengangkatan agar didapatkan hasil yang optimum. Otak manusia akan dapat memperkirakan sesuatu lebih akurat apabila terdapat banyak contoh. Begitu juga dengan jaringan saraf buatan. Semakin banyak contoh yang diberikan pada system, maka tingkat akurasi akan semakin tinggi
Pada saat system menangkap paket yang terdapat pada salah satu contoh melalui IDS (instruction Detection System), maka IDS akan memberikan signal untuk segera melakukan pengangkatan. Namun tidak ada sesuatu yang sempurna. Hasil berupa solusi yang diberikan tidak selamanya benar namun hanya perkiraan yang tingkat akurasinya dipengaruhi oleh banyaknya input yang diberikan.
Diharapkan dengan model dasar ini maka kita tidak perlu memperkirakan kapan waktu pengangkatan dilaksanakan. Karena system akan melakukan perhitungan sendiri. Model ini layak diterapkan karena :
Handal. Jaringan Syaraf Tiruan adalah teknik pemodelan yang sangat memuaskan yang dapat membuat model suatu fungsi yang sangat kompleks. Khususnya Jaringan Syaraf Tiruan nonlinear. Sejak beberapa tahun, model linear umumnya digunakan dimana model linear dikenal dengan strategi optimasi. Jaringan Syaraf Tiruan juga menggunakan model nonlinear dengan berbagai variabel.
Mudah digunakan. Jaringan Syaraf Tiruan dipelajari dengan contoh. Pengguna Jaringan Syaraf Tiruan mengumpulkan data dan melakukan pembelajaran algoritma untuk mempelajari secara otomatis struktur data, sehingga pengguna tidak memerlukan pengetahuan khusus mengenai bagaimana memilih dan mempersiapkan data, bagaimana memilih Jaringan Syaraf Tiruan yang tepat, bagaimana membaca hasil, tingkatan pengetahuan yang diperlukan untuk keberhasilan Menggunakan Jaringan Syaraf Tiruan tidak lebih dari pemecahan masalah yang menggunakan metode statistik nonlinear yang telah dikenal.
KESIMPULAN DAN SARAN
Kesimpulan
1. Model Jaringan Saraf Buatan adalah metode yang digunakan untuk memecahkan suatu kasus yang dibangun menyerupai cara kerja otak manusia
2. Tingkat akurasi tergantung pada banyaknya contoh yang diberikan untuk dipelajari
3. Model jaringan saraf buatan lebih mudah digunakan dibandingkan dengan system komputer konvensional
Saran
Diharapkan akan ada penelitian lebih lanjut mengenai proses pemrogramannya ke dalam komputer sehingga akan terasa manfaatnya.
DAFTAR PUSTAKA
Tidak ada komentar:
Posting Komentar