jurnal

Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-43
SISTEM INTELIJEN PREDIKSI DAN PENILAIAN KUALITAS SUSU
PASTEURISASI DENGAN MENGGUNAKAN LOGIKA FUZZY DAN
JARINGAN SYARAF TIRUAN
Winnie Septiani1) dan Marimin2)
1)Program Pascasarjana, Institut Pertanian Bogor
E-mail: win-nie@lycos.com
2)Guru Besar Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor.
E-mail: marimin@indo.net.id
ABSTRAK
Harga jual susu yang rendah pada industri pengolahan susu merupakan indikasi lemahnya bargaining
power peternak sebagai pemasok. Peristiwa ini terjadi karena adanya monopsoni di pasar. Untuk
mengantisipasi hal tersebut dilakukan diversifikasi produk susu segar ke susu pasteurisasi.
Pada penelitian ini, sistem kontrol kualitas dioperasikan dalam dua bagian yaitu dimensi kualitas produk
seperti performansi, feature, keandalan, konformasi, durability, kemampuan pelayanan, estetika, kualitas yang
dirasakan yang dipentingkan oleh konsumen dan menentukan suhu pasteurisasi. Sistem dimplementasikan
dengan Fuzzy Inference System (FIS) dan Jaringan Syaraf Tiruan (JST).
Kaidah IF-THEN rule untuk semua dimensi kualitas produk memberikan hasil 390.625 kombinasi. Dalam
makalah ini, membahas tiga dimensi kualitas yaitu performansi, feature dan keandalan yang memberikan hasil
125 kombinasi IF THEN-rule. Suhu pasteurisasi diidentifikasi dengan jaringan syaraf tiruan, yang diestimasi
dengan Root Mean Square Error (RSME) dan memberikan hasil 0.0066. Data prediksi suhu pasteurisasi
diidentifikasi sebagai bentuk data variabel sehingga dalam melakukan pengolahan data dengan bagan kendali
maka bagan kendali yang dipilih adalah bagan kendali X. Dua kriteria tersebut memberikan kontribusi dalam
menentukan perencanaan kualitas susu pasteurisasi
Keywords: Pasteurisasi, Fuzzy Inference System, Jaringan Syaraf Tiruan, Root Mean Square Error.
1. PENDAHULUAN
1.1 Latar Belakang
Perkembangan produk susu saat ini sangat
pesat. Hal ini ditandai dengan banyak munculnya
merk susu yang beraneka ragam beredar di pasaran
sehingga memicu adanya persaingan yang semakin
ketat. Apabila sebuah produk susu mampu
memuaskan dan memenuhi apa yang menjadi
keinginan konsumen, maka produk susu tersebut
dapat memenangkan persaingan. Preferensi dan
loyalitas konsumen merupakan salah satu kunci
kesuksesan perusahaan dalam menghadapi
persaingan pasar yang terjadi sekarang ini.
Pada penelitian ini dikembangkan suatu
Sistem Intelijen Prediksi Penilaian Kualitas Susu
Pasteurisasi yang memasukkan dua faktor analisis
kualitas yaitu analisis atribut dan analisis teknis
dengan menggunakan logika fuzzy dan Jaringan
Syaraf Tiruan (JST).
Analisis atribut adalah studi mengenai
karakteristik kualitas dengan menggunakan delapan
dimensi kualitas yang dikembangkan oleh David
Garvin.
Analisis teknis memfokuskan pada
parameter-parameter yang menjadi ukuran
keberhasilan proses pengolahan susu pasteurisasi.
Berdasarkan penetapan FDA tentang jenis-jenis
pemantauan pada Critical Control Point maka
parameter yang akan dikaji adalah suhu
pasteurisasi.
Sistem ini dikembangkan untuk melakukan
prediksi penilaian kualitas susu pasteurisasi dengan
tujuan untuk mempermudah pengguna dalam
melakukan kontrol kualitas. Diharapkan dengan
sistem ini, perbaikan kualitas produk oleh
perusahaan dapat dilakukan secara terus menerus.
1.2 Tujuan dan Manfaat
Kajian ini dimaksudkan untuk melakukan
prediksi dan penilaian kualitas susu pasteurisasi
dengan menggunakan dua pendekatan yaitu analisis
atribut dan analisis teknis. Tujuannya untuk
memudahkan pihak industri dalam hal pengawasan
mutu produk yang berkesinambungan (continuous
improvement).
Manfaat yang diharapkan dari kajian ini
adalah sebagai bahan informasi bagi pihak
pengguna atau pihak perusahaan dalam
pengambilan keputusan untuk menentukan langkah
selanjutnya yang dipandang peka dalam perbaikan
kualitas di masa datang.
1.3 Ruang Lingkup
Penelitian dibatasi pada proses penilaian
kualitas susu pasteurisasi dengan menggunakan
Jaringan Sistem Syaraf (JST) dan Logika Fuzzy
yang diterapkan pada analisis atribut dan analisis
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-44
teknis. Data suhu pasteurisasi yang digunakan
dalam analisis teknis adalah data sekunder suhu
pasteurisasi dari hasil penelitian terdahulu yang
melakukan pengamatan selama satu bulan.
2. LANDASAN TEORI
2.1 Kualitas
Dalam ISO 8402 (Quality Vocabulary)
kualitas didefinisikan sebagai totalitas dari
karakteristik suatu produk yang menunjang
kemampuannya untuk memuaskan kebutuhan yang
dispesifikasikan atau ditetapkan. Kualitas seringkali
diartikan sebagai konformasi terhadap kebutuhan
atau persyaratan (conformance to the requirement)
atau kepuasan pelanggan (customer satisfaction).
2.2 Dimensi Kualitas
Menurut David Garvin (dalam Gasperz,
2000) dimensi yang digunakan untuk menganalisis
karakteristik kualitas produk manufaktur adalah
sebagai berikut:
a. Performansi (performance) berkaitan dengan
aspek fungsional dari produk itu dan
merupakan karakteristik utama yang
dipertimbangkan pelanggan ketika ingin
membeli suatu produk.
b. Feature merupakan aspek kedua dari
performansi yang menambah fungsi dasar,
berkaitan dengan pilihan-pilihan dan
pengembangannya.
c. Keandalan (reliability) berkaitan dengan
probabilitas atau kemungkinan suatu produk
melaksanakan fungsinya secara berhasil dalam
periode waktu tertentu di bawah kondisi
tertentu.
d. Konformasi (conformance) berkaitan dengan
tingkat kesesuiaan produk terhadap spesifikasi
yang telah ditetapkan berdasarkan keinginan
pelanggan.
e. Durability merupakan ukuran masa pakai suatu
produk.
f. Kemampuan pelayanan (serviceability)
merupakan karakteristik yang berkaitan dengan
kecepatan, keramahan, kesopanan, kompetensi,
kemudahan dalam melakukan reparasi,
penanganan keluhan yang memuaskan.
g. Estetika (aesthetics) merupakan karakteristik
yang bersifat subjektif sehingga berkaitan
dengan pertimbangan pribadi dan refleksi dari
preferensi atau pilihan individual.
h. Kualitas yang dirasakan (perceived quality)
bersifat subjektif, berkaitan dengan perasaan
pelanggan dalam mengkonsumsi produk itu.
2.3 Pasteurisasi Susu
Menurut Sudarwanti (2000), ciri-ciri susu
pasteurisasi antara lain suhu pemanasan di bawah
titik didih, kuman patogen mati, jumlah kuman
dikurangi, enzim inaktif, nilai gizi hampir sama
dengan susu segar, spora tetap hidup dan daya
simpan dalam suhu dingin maksimum tujuh hari.
Susu segar dapat diolah menjadi susu
pasteurisasi dengan kandungan lemak yang
bervariasi dari 0% sampai 3.5%. Perlakuan yang
diberikan pada susu pasteurisasi dalam
Encyclopedia Britannica adalah pemanasan dengan
suhu 63°C selama 30 menit atau 72°C selama 15
detik. Suhu dan waktu yang digunakan dalam
pasteurisasi untuk membunuh Mycobacterium
tuberculosis dan mikroba non spora yang tahan
panas penyebab penyakit yang terdapat pada susu.
Perlakuan (treatment) tersebut juga membunuh
beberapa mikroorganisme yang menyebabkan
spoilage dan untuk memperpanjang masa
penyimpanan susu.
2.4 Jaringan Syaraf Tiruan
Jaringan syaraf adalah merupakan salah satu
representasi buatan dari otak manusia yang selalu
mencoba untuk menstimulasikan proses
pembelajaran pada otak manusia tersebut. Istilah
buatan disini digunakan karena jaringan syaraf ini
diimplementasikan dengan menggunakan program
komputer yang mampu menyelesaikan sejumlah
proses perhitungan selama proses pembelajaran.
2.5 Fuzzy Inference System
Fuzzy Inference System yang juga dikenal
sebagai fuzzy rule based system, fuzzy model, fuzzy
assosiative memory, fuzzy controller (ketika
digunakan pada proses kontrol). Pola inferensi
Fuzzy Takagi-Sugeno (Marimin, 2001) dilakukan
dengan tahapan sebagai berikut:
1. Fuzzyfikasi masukan. Input data pada tahapan
ini diterima oleh sistem, lalu sistem
menentukan keanggotaannya.
2. Menjalankan operator fuzzy. Tahap ini
dilakukan setelah data masukan mengalami
fuzzyfikasi dan pada tahapan ini fungsi
anggotanya telah diketahui.
3. Proses implikasi. Proses ini diperlukan bobot
nilai dengan selang 0–1 yang kemudian
membentuk gugus fungsi keanggotaan.
Masukan pada tahapan ini adalah nilai yang
dihasilkan anteseden dan keluarannya adalah
gugus fuzzy.
4. Proses Agregasi. Adalah proses penggabungan
keluaran untuk setiap aturan menjadi satu nilai
fuzzy. Inputnya hasil implikasi untuk setiap
aturan.
5. Defuzzyfikasi. Data defuzzyfikasi adalah
gugus fuzzy hasil dari agregasi dan outputnya
merupakan nilai tunggal.
3. METODOLOGI PENELITIAN
3.1 Kerangka Pemikiran
Perbaikan kualitas menurut Gasperz (1997)
akan memberikan dampak positif kepada
perusahaan, diantaranya yaitu (1) dampak terhadap
biaya produksi dan (2) dampak terhadap
pendapatan. Dampak terhadap biaya produksi
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-45
DEFINISI KEBUTUHAN SISTEM
Tujuan
Pengembangan
Sistem
Spesifikasi
Pemakaian Sistem
AKUISISI PENGETAHUAN
IDENTIFIKASI SISTEM
DESAIN SISTEM
Input Data Atribut Input Data Teknis
PROSES PENGOLAHAN FUZZY
Tahap Representasi Pengetahuan
Tahap Pengembangan
Mesin Inferensi
PROSES PENGOLAHAN JST
Training JST
Testing JST
Prediksi Penilaian Atribut
Kualitas
Prediksi suhu pasteurisasi satu
bulan berikutnya
Peta Kendali Data Hasil Prediksi
Tahap Implementasi
Perspektif Konsumen
meningkatkan kepuasan konsumen
Customer Satisfaction
Perspektif Proses Bisnis/Intern
Meningkatkan kualitas proses produksi
Cycle Effectiveness
KUALITAS SUSU
PASTEURISASI
Perspektif Pembelajaran dan
Perspektif Keuangan Pertumbuhan
Revenue Growth Rasio Biaya
Kualitas
Pengembangan
SDM
Pengembangan
SIM
terjadi melalui proses pembuatan produk yang
memiliki derajat kesesuaian yang tinggi terhadap
standar sehingga bebas dari kemungkinan
kerusakan atau cacat.. Hal ini akan menghindarkan
terjadinya pemborosan dan inefisiensi sehingga
ongkos produksi per unit akan menjadi rendah yang
pada gilirannya akan membuat produk menjadi
lebih kompetitif.
Dampak terhadap peningkatan pendapatan
terjadi melalui peningkatan penjualan atas produk
berkualitas yang berharga kompetitif. Keadaan ini
akan meningkatkan pangsa pasar sehingga pada
akhirnya akan meningkatkan pendapatan
perusahaan.
Mengingat pentingnya peranan kualitas bagi
perusahaan, pihak perusahaan sebaiknya melakukan
prediksi terlebih dahulu tentang nilai kualitas di
masa yang akan datang sehingga perusahaan dapat
melakukan evaluasi dan perbaikan yang terus
menerus (continuous improvement).
Output sistem ini adalah
1. Analisis penilaian atribut kualitas susu
pasteurisasi berdasarkan delapan dimensi
kualitas yang dikembangkan oleh David Garvin
dengan menggunakan logika Fuzzy.
2. Prediksi penilaian data teknis yaitu suhu
pasterusasi untuk satu bulan yang akan datang
dengan menggunakan Jaringan Syaraf Tiruan
(JST).
Kerangka metodologi penelitian disajikan
pada Gambar 1.
Gambar 1. Kerangka Metodologi Penelitian
3.2 Tata Laksana
3.2.1 Analisis Kebutuhan Sistem
Kebutuhan yang terkait dalam sistem yang
dikembangkan perlu diidentifikasi dengan seksama.
Dengan adanya analisis kebutuhan ini akan dapat
diketahui arah perkembangan sistem sesuai dengan
kebutuhan. Pada tahap ini ditentukan tujuan
pengembangan sistem dan spesifikasi pemakaian
sistem.
Gambar 2. Perspektif Kualitas Susu Pasteurisasi
(Budiarti, 2002)
3.2.2 Akuisisi Pengetahuan
Sumber pengetahuan untuk membangun
sistem berasal dari buku referensi, jurnal, skripsi
dan pakar dibidang kualitas dan susu serta sumber
lain yang dipandang akurat dan relevan. Metode
akuisisi yang dilakukan adalah wawancara, diskusi
masalah dan deskripsi masalah tentang pola berpikir
para ahli dalam memprediksi nilai kualitas susu
pasteurisasi dengan menggunakan parameter suhu
pasteurisasi.
3.2.3 Identifikasi Sistem
Sistem ini berfungsi untuk melakukan
prediksi penilaian kualitas susu pasteurisasi dengan
menggunakan dua analisis yaitu analisis atribut dan
analisis teknis. Kedua analisis ini digunakan secara
bersamaan agar sistem yang dihasilkan diharapkan
dapat memprediksi kualitas susu pasteurisasi secara
akurat. Analisis atribut dilakukan untuk mengetahui
karakteristik kualitas produk susu pasteurisasi yang
akan diprediksi. Parameter yang terdapat dalam
analisis atribut ini adalah dimensi kualitas yang
dikembangkan oleh David Garvin.Sedangkan pada
analisis teknis parameter yang digunakan adalah
data suhu pasteurisasi.
3.2.4 Desain Proses
Desain proses dirancang untuk menentukan
urutan kejadian sampai diperoleh output yang
diinginkan berdasarkan data-data masukan yang
ada.
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-46
a. Proses Input
Proses input berfungsi untuk memasukkan
data yang akan digunakan dalam proses prediksi
penilaian kualitas susu pasteurisasi. Input yang
dimasukkan dalam sistem terdiri input data atribut
dan input data teknis.
Konfigurasi input Sistem Intelijen Prediksi
Penilaian Kualitas Susu Pasteurisasi disajikan pada
Gambar 3.
b. Proses Prediksi
Proses prediksi dirancang untuk menentukan
urutan proses yang akan dilakukan sistem terhadap
data yang telah dimasukkan sehingga diperoleh
keluaran yang diinginkan.

Proses Pengolahan Data Atribut
- Tahap Representasi Pengetahuan
Representasi pengetahuan secara
sistematis dapat disajikan dalam bentuk
kaidah produksi yang didefinisikan dengan
rule yang dinyatakan dalam bentuk IF
THEN. IF adalah “premis” dan THEN
adalah “konklusi”. Selanjutnya kedua
premis ini dapat dihubungkan dalam
bentuk AND. kaidah-kaidah IF THEN
dapat dibuat dari beberapa kondisi dan
beberapa akibat menjadi bentuk IF F1 is A1
and F2 is A2 THEN Z is K dan seterusnya.
- Tahap Pengembangan Mesin Inferensi
Metode inferensi yang digunakan adalah
Fuzzy Inference System (FIS) dengan tipe
Takagi-Sugeno sebagai data masukan
fuzzy.
Untuk memudahkan di dalam analisis data,
maka nilai data fuzzy sebagai input
program dikelompokkan dalam tiga
tingkatan sebagaimana disajikan dalam
Tabel 1.
Tabel 1. Klasifikasi Nilai Data Fuzzy
NO PARAMETER SELANG
NILAI
1. Atas 7 < N £ 10
2. Normal 3 < N £ 7
3. Bawah 0 < N £ 3
Setelah proses FIS dilaksanakan pada setiap
sub bagian faktor atribut maka sistem menentukan
klasifikasi nilai pada faktor atribut. Klasifikasi nilai
akhir pada faktor atribut dapat dilihat pada Tabel 2.
Tabel 2. Klasifikasi Nilai Akhir Faktor Atribut
NO PREDIKAT SELANG NILAI
1. Sangat baik 8.5 < S £ 10
2. Baik 6.5 < S £ 8.5
3. Normal 3.5 < S £ 6.5
4. Buruk 2.0 < S £ 3.5
5. Sangat buruk 0 < S £ 2

Proses Pengolahan Data Teknis
- Training Jaringan Syaraf Tiruan
- Testing Jaringan Syaraf Tiruan
- RMS error
- Penentuan Bagan Kendali Shewhart data
hasil prediksi
Data yang digunakan dalam proses pengujian
haruslah berbeda dengan data yang digunakan
dalam proses pelatihan. Dengan demikian kita dapat
mengetahui apakah jaringan benar-benar dapat
memberikan pola output yang tepat untuk input
yang diberikan.
c. Proses Output
Proses output adalah suatu proses yang
dilakukan untuk menampilkan nilai keluaran yang
dihasilkan oleh proses prediksi.
Keamanan
produk
Kebersihan
produk
Ketepatan masa
simpan
Kesesuaian
pilihan rasa
Kesesuaian
volume
Kejelasan
info cara
penyimpanan
Kesesuaian
jenis
kemasan
Kepraktisan
pemakaian
Keawetan
produk
Kejelasan
info masa
kadaluarsa
Kejelasan
info
kandungan
nutrisi
Kesesuaian
penanganan
keluhan
konsumen
Kecepatan
penyajian
Kesesuaian
warna
Kesesuaian
rasa
Pemberian
Image
Dimensi
Performansi
Dimensi
Feature
Dimensi
Keandalan
Dimensi
Konformasi
Dimensi
Durability
Dimensi
Serviceability
Dimensi
Estetika
Dimensi
Perceived
Quality
Data Suhu
Pasteurisasi
DATA ATRIBUT DATA
TEKNIS
DATA SISTEM INTELIJEN PENILAIAN
KUALITAS SUSU PASTEURISASI
Gambar 3. Konfigurasi Sistem Intelijen Prediksi Penilaian Kualitas Susu Pasteurisasi
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-47
3.2.5 Implementasi dan Sistem
Pada tahapan ini ditentukan perangkat lunak
dan perangkat keras yang akan digunakan dalam
proses implementasi.
Pengolahan data atribut dilakukan dengan
Fuzzy Inference System dengan menggunakan
software Matlab versi 5.3
4. KERANGKA IMPLEMENTASI SISTEM
4.1 Definisi Kebutuhan Sistem
4.1.1 Tujuan Pengembangan Sistem Penilaian
Kualitas Susu Pasteurisasi
Pengembangan sistem ini bertujuan untuk
melakukan prediksi penilaian kualitas susu
pasteurisasi yang diproduksi sehingga pada
akhirnya diharapkan sistem ini akan memberikan
masukan mengenai keputusan apa yang harus
diambil berkaitan dengan kontrol kualitas susu
pasteurisasi.
4.1.2 Spesifikasi Pemakaian Sistem Penilaian
Kualitas Susu Pasteurisasi
Spesifikasi pemakai adalah sebagai berikut:
1. Memiliki data parameter kualitas susu
pasterisasi yaitu suhu pasteurisasi yang akan
diprediksi selama satu bulan.
2. Memiliki data dimensi kualitas.
3. Mengetahui skala perhitungan pada tiap-tiap
faktor atribut yang akan digunakan untuk
mengelompokkan faktor-faktor atribut tersebut
dalam status atas, normal atau bawah.
4.2 Desain Sistem
4.2.1 Input Data
· Input Data Atribut
Pada proses ini pula input subjektif yang
berupa variabel numerik dirubah menjadi variabel
linguistik berdasarkan fungsi keanggotaan yang
digunakan. Fungsi keanggotaan yang digunakan
pada pengembangan Sistem Intelijen Penilaian
Kualitas Susu Pasteurisasi adalah fungsi
keanggotaan Gaussian, karena fungsi keanggotaan
ini merupakan sebuah approximator universal Juan
& Lin dalam Swandayani (2001).
Gambar 4. Variabel input dan Output Dimensi
Performansi
· Input Data Teknis
Jaringan Syaraf Tiruan (JST) yang digunakan
adalah JST penjalaran balik. Proses pembelajaran
yang digunakan adalah pembelajaran terawasi
dengan metode Delta rule. Data yang digunakan
adalah data sekunder susu pasteurisasi penelitian
terdahulu sebanyak 51 data yang akan digunakan
sebagai input untuk melakukan peramalan dengan
menggunakan Single Moving Average, dimana hasil
peramalan digunakan sebagai pembanding dalam
melakukan prediksi dengan JST. Data tersebut
dibagi menjadi dua bagian yaitu data training dan
data testing.
Data yang digunakan untuk prediksi suhu
pasteurisasi dengan menggunakan Neural Network
dapat dilihat pada Tabel 3.
Tabel 3. Data Training dan Data Testing
NO INPUT OUTPUT NO INPUT OUTPUT
1 82.87 1 86.97 87.54
2 93.13 2 88.22 84.91
3 87.35 3 90.92 85.34
4 93.23 87.78 4 94.05 88.70
5 94.35 91.24 5 87.17 91.06
6 91.98 91.64 6 83.18 90.71
7 87.07 93.19 7 94.90 88.13
8 86.78 91.13 8 88.05 88.42
9 85.35 88.61 9 87.10 88.71
10 95.02 86.40 10 80.10 90.02
11 83.95 89.05 11 85.20 85.08
12 86.28 88.11 12 93.20 84.13
13 96.37 88.42 13 94.20 86.17
14 88.03 88.87 14 97.30 90.87
DATA TRAINING
15 86.82 90.23
DATA TESTING
15 89.30 94.90
16 95.37 90.41 16 86.10 93.60
17 95.80 90.07 17 95.20 90.90
18 84.67 92.66 18 89.10 90.20
19 84.62 91.94 19 86.70 90.13
20 84.60 88.36 20 82.50 90.33
21 86.10 84.63 21 88.30 86.10
22 83.25 85.11 22 80.60 85.83
23 82.80 84.65 23 93.20 83.80
24 87.25 84.05 24 88.05 87.37
25 94.87 84.43 25 87.28
26 86.92 88.31
27 80.85 89.68
4.2.2 Proses Prediksi
· Pengolahan Data Atribut
Teknik defuzzifikasi dan algoritma
pembelajaran JST yang digunakan pada
pengembangan Sistem Intelijen Penilaian kualitas
Susu Pasteurisasi ini adalah metode defuzzyfikasi
dan algoritma pembelajaran yang mendukung
struktur FIS yaitu metode defuzzyfikasi weighted
average dan algoritma pembelajaran hybrid
(Swandayani, 2001).
Rule IF THEN yang digunakan untuk
dimensi performansi adalah sebagai berikut:
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-48
1. If (keamanan produk is atas) and (kebersihan
produk is atas) then perfomansi sangat baik
2. If (keamanan produk is atas) and (kebersihan
produk is normal) then performansi sangat
baik
3. If (keamanan produk is atas) and (kebersihan
produk is bawah) then performansi
4. If (keamanan produk is normal) and
(kebersihan produk is atas) then performansi
baik
5. If (keamanan produk is normal) and
(kebersihan produk is normal) then
performansi normal
6. If (keamanan produk is normal) and
(kebersihan produk is bawah) then performansi
buruk
7. If (keamanan produk is bawah) and
(kebersihan produk is atas) then performansi
sangat buruk
8. If (keamanan produk is bawah) and
(kebersihan produk is normal) then
performansi sangat buruk
9. If (keamanan produk is bawah) and
(kebersihan produk is bawah) then performansi
sangat buruk
Tabel 4. Pengelompokkan proses Fuzzy Inference
System Faktor Atribut
NO FAKTOR ATRIBUT JUMLAH
RULE
1. DIMENSI PERFORMANSI
· Keamanan produk
· Kebersihan produk
9 RULE
2. DIMENSI FEATURE
· Kesesuaian pilihan rasa
· Kesesuaian jenis kemasan
· Kesesuaian volume
27 RULE
3. DIMENSI KEANDALAN
· Kejelasan info cara penyimpanan
· Kejelasan info masa kadaluarsa
· Kejelasan info kandungan nutrisi
27 RULE
4. DIMENSI KONFORMASI
· Ketepatan masa simpan
3 RULE
5. DIMENSI DURABILITY
· Keawetan produk
3 RULE
6. DIMENSI SERVICEABILITY
· Kepraktisan pemakaian
· Kesesuaian penanganan keluhan
konsumen
· Kecepatan penyajian
27 RULE
7. DIMENSI ESTETIKA
· Kesesuaian warna
· Kesesuian rasa
9 RULE
8. DIMENSI PERCEIVED QUALITY
· Pemberian Image 1 RULE
Konfigurasi pengembangan Sistem Intelijen
Penilaian Kualitas Susu Pasteurisasi secara lengkap
dapat dilihat pada Tabel 5.
Tabel 5. Konfigurasi Sistem Fuzzy
KONFIGURASI KETERANGAN
Sistem Fuzzy Takagi- Sugeno ordo 1
Metode “AND” Harga Minimum
Metode “OR” Harga Maksimum
Metode “Implikasi” Harga Minimum
Metode “Agregasi” Harga Maksimum
Metode “Defuzzyfikasi” Weighted Average
Algoritma Pembelajaran Hybrid
Fungsi Keanggotaan Gaussian
· Pengolahan Data Teknis
Data Teknis digunakan untuk proses
pengujian pada Jaringan Syaraf Tiruan. Namun
sebelum proses pengujian dilakukan, Jaringan
Syaraf Tiruan terlebih dahulu melakukan proses
training. Setelah data-data teknis tersebut
mengalami proses pengujian maka dihasilkan suatu
output keluaran berupa data prediksi suhu
pasteurisasi yang akan menggambarkan kualitas
teknis produksi. Struktur JST yang digunakan pada
penelitian ini dapat dilihat pada Tabel 6.
Tabel 6. Struktur JST yang digunakan
KARAKTERISTIK SPESIFIKASI
Arsitektur 1 lapisan tersembunyi
Neuron lapisan input 25
Neuron lapisan output 25 (definisi target)
Inisialisasi bobot Nguyen-widrow
Fungsi aktivasi Sigmoid
Toleransi (mse) 0.01
Laju Pembelajaran 1
Gambar 5. Run Learn Data Suhu Pasteurisasi
Dalam perangkat peralatan yang disediakan
oleh pengendalian mutu statistis, satu diantara
peralatan yang paling ampuh untuk mendiagnosis
masalah-masalah produksi adalah bagan kendali
shewhart untuk peubah-peubah.
Berdasarkan pertimbangan di atas,
pengendalian mutu statis yang digunakan adalah
Bagan Kendali X. Dengan penentuan batas kendali
sebagai berikut:
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-49
4.2.3 Proses Output
Pada proses ini seluruh hasil pengolahan baik
dari hasil atribut maupun hasil teknikal harus dapat
ditampilkan untuk membaca atau mengetahui hasil
prediksi yang dilakukan oleh sistem.
5. HASIL DAN PEMBAHASAN
5.1 Analisis Data Atribut
Masukkan data dapat dilakukan oleh
pengguna sesuai dengan pertanyaan yang diajukan
sistem berupa sejumlah dimensi kualitas. Untuk
menjalankan program, terlebih dahulu
mengaktifkan program Matlab dalam windowsbased.
Setelah tampilan menu utama aktif maka
pengguna dapat langsung berkomunikasi dalam
sistem berdasarkan pertanyaan-pertanyaan yang
harus dijawab dengan menginput data untuk
pertanyaan peubah atau memilih jawaban yang
telah tersedia untuk jawaban kualifikasi.
Kaidah IF-THEN Rule untuk seluruh
dimensi kualitas memberikan kombinasi sebanyak
390.625 buah. Mengingat keterbatasan waktu
pengerjaan makalah ini, maka penilaian kualitas
keseluruhan hanya dilakukan pada dimensi kualitas
yang memiliki tingkat kepentingan yang paling
tinggi berdasarkan pendapat beberapa pakar susu
pasteurisasi dari kalangan industri maupun
akademisi.
Berdasarkan pendapat pakar terdapat 3
dimensi yang terpenting yaitu sebagai berikut:
1. Dimensi Performansi
2. Dimensi Feature
3. Dimensi Keandalan
Gambar 7. Output Penilaian Kualitas pada
Kualifikasi Baik
Gambar 7 menunjukkan output rule ke-36
yang merupakan agregasi dari: IF ( Dimensi
Performansi IS Normal) AND (Dimensi Feature is
sangat baik) AND (Dimensi Keandalan is baik)
THEN (Faktor Atribut Kualitas baik) .
5.2 Analisis Data Teknis
Asumsi yang digunakan dalam pengolahan data
teknis:
Prediksi kualitas satu bulan yang akan datang
dapat dilakukan dengan asumsi bahwa jika proses
untuk memproduksi susu pasteurisasi dilakukan
dengan kondisi operasi (alat, bahan, metode, tenaga
kerja, lingkungan) yang sama akan menghasilkan
kualitas susu pasteurisasi yang sama.
Data yang digunakan untuk prediksi suhu
pasteurisasi satu bulan yang akan datang adalah
data sekunder hasil penelitian sebelumnya. Prediksi
suhu pasteurisasi dilakukan dengan menggunakan
Neural Network. Hasil Peramalan dengan
menggunakan Neural Network dapat dilihat pada
Tabel 7. Hasil Prediksi Suhu Pasteurisasi
NO SUHU
PASTEURISASI NO SUHU
PASTEURISASI
1. 87.40 14. 90.98
2. 84.94 15. 94.58
3. 85.31 16. 93.53
4. 88.63 17. 90.95
5. 91.15 18. 90.24
6. 90.77 19. 90.16
7. 88.01 20. 90.36
8. 88.33 21. 85.98
9. 88.64 22. 85.75
10. 90.03 23. 84.09
11. 85.08 24. 87.24
12. 84.33 25. 87.15
13. 86.06
Gambar 6. Variabel Input dan Output Penilaian
Kualitas

    


s

    




s
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-50
Untuk melihat apakah data hasil prediksi
berada dalam kendali proses maka dibuat bagan
kendali Shewhart. Bagan ini penting bagi
pengambil keputusan untuk menentukan apakah
perlu melakukan perbaikan kualitas atau tidak.
0 5 10 15 20 25
95
90
85
Sample Number
S
A
mpe
l


1
1
X=88.39
3.0SL=93.25
-3.0SL=83.52
Gambar 8. Bagan Kendali X
Keluaran Bagan Kendali X dengan
menggunakan software Minitab ditunjukkan pada
Gambar 8.
Informasi yang diperoleh dari penggunaan
Bagan Kendali Shewhart diantaranya adalah:
1. Keragaman dasar dari karakteristik mutu
2. Kekonsistenan penampilan (performance)
3. Tingkat rata-rata dari karakteristik mutu
6. KESIMPULAN DAN SARAN
6.1 Kesimpulan
Jaringan Syaraf Tiruan (JST) dan Logika
Fuzzy dapat digunakan untuk mengembangkan
Sistem Intellijen Prediksi Penilaian Kualitas Susu
Pasteurisasi. Sistem ini dikembangkan dengan
menggunakan dua pendekatan faktor analisis
kualitas yaitu faktor atribut dan faktor analisis
teknis.
Pendekatan sistem berdasarkan analisis
atribut susu pasteurisasi dapat digunakan untuk
menunjukkan ukuran kepuasan konsumen terhadap
kualitas susu pasteurisasi tersebut. Penilaian
kualitas keseluruhan hanya dilakukan pada dimensi
kualitas yang memiliki tingkat kepentingan yang
paling tinggi berdasarkan pendapat beberapa pakar
susu pasteurisasi dari kalangan industri maupun
akademisi, yaitu Dimensi Performansi, Feature,
Keandalan.
Hasil pengolahan data teknis dengan
menggunakan Jaringan Syaraf Tiruan menghasilkan
prediksi suhu pasteurisasi untuk satu bulan yang
akan datang. Data prediksi suhu pasteurisasi
diidentifikasi sebagai bentuk data variabel sehingga
dalam melakukan pengolahan data dengan bagan
kendali maka bagan kendali yang dipilih adalah
bagan kendali X. Bagan kendali ini digunakan
untuk menganalisa apakah terjadi perubahan yang
nyata dari rata-rata dan menganalisa terjadinya
variasi penyebab khusus.Dari bagan kendali X yang
telah dibuat tampak beberapa titik keluar atau
berada diluar bagan kendali. Hal ini berarti diluar
bagan kendali. Hal ini menunjukan bahwa proses
tidak berada dalam pengendalian statistik dan hal
ini juga mengindikasikan banyaknya terjadi variasi
penyebab-khusus.
6.2 Saran
· Perlu dilakukan pengembangan dan perluasan
fungsi dari desain sistem intelijen prediksi
penilaian kualitas susu pasteurisasi ini agar
dapat mengevaluasi seluruh aspek yang
berpengaruh dalam kualitas susu pasteurisasi.
· Untuk memudahkan dalam implementasi yang
lebih luas dan mendalam, rancangan sistem
intelijen prediksi penilaian kualitas susu
pasterisasi yang dibuat saat ini masih bersifat
kaku sehingga perlu dikembangkan lebih
lanjut, utamanya dalam fasilitas interaksi
dengan pengguna dan pemakaian bahasa
pemprograman yang lebih fleksibel.
DAFTAR PUSTAKA
[1] Budiarti, T. 2002. Perencanaan Peningkatan
Kualitas Susu Pasteurisasi Berdasarkan
HACCP & Deming Prize. Tesis. Jurusan
Teknik Industri. ITS.
[2] Firdaus, 2002. Mempelajari Aspek HACCP
dan Penanganan dan Pengolahan Susu di Unit
Pengolahan Susu KUD “Batu” Malang Jawa
Timur. Skripsi. Jurusan Ilmu Produksi Ternak.
IPB.
[3] Garperz, V. 1997. Manajemen Kualitas.
Penerapan Konsep-konsep Kualitas dalam
Manajemen Bisnis Total. Yayasan Indonesia
Emas dan Penerbit PT. Gramedia Pustaka
Utama, Jakarta.
[4] Goetsch, D. L. 2001. Total Quality
Management, PT Gramedia Pustaka Utama,
Jakarta.
[5] Hudson, Donna.L. 1993. Neural Network and
Artificial Intellijen for Biomedical
Engineering. Prentice Hall.
[6] Jang, J. S. R., C. T. Sun, and E. Mitzutani.
1997. Neuro-Fuzzy and Soft Computing.
Prentice-Hall Internasional.
[7] Juran, J. M. 1995. Kepemimpinan Mutu.
Pedoman Peningkatan Mutu untuk Meraih
Keunggulan Kompetitif. Terjemahan. PT
Pustaka Binaman Pressindo, Jakarta.
[8] Kosko, B. 1992. Neural Network for Signal
Processing. Englewood Cliffs. Prentice Hall.
[9] Kusumadewi, S. 2003. Atrificial Intellijen
(Teknik dan Aplikasinya). Graha Ilmu,
Yogyakarta.
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005
C-51
[10] Kusumadewi, S. 2003. Analisis Desain Sistem
Fuzzy Menggunakan Tool Box Matlab. Graha
Ilmu, Yogyakarta.
[11] Marimin. 2002. Teori dan Aplikasi Sistem
Pakar Dalam Teknologi Manajerial. IPB
Press, Bogor.
[12] Riadi. 2001. Jaringan Syaraf Propagasi Balik
untuk Pengenalan Tanda Tangan. Skripsi.
Program Sarjana. Jurusan Ilmu Komputer.
FMIPA IPB. Bogor.
[13] Swandayani, T. H. 2001. Sistem Intelijen
Untuk Penilaian Kinerja Perusahaan (SIPKP).
Skripsi. Program Sarjana, Jurusan Ilmu
Komputer. FMIPA IPB. Bogor.
[14] Wibowo, T. 2002. Sistem Intelijen Prediksi
Harga Saham dengan Menggunakan Jaringan
Syaraf Tiruan dan Logika Fuzzy. Skripsi.
Program Sarjana, Jurusan Ilmu Komputer.
FMIPA IPB. Bogor.

spesies pueraria phaseoloides

Spesies : Pueraria phaseoloides Benth.

Nama Inggris : Tropical kudzu, puero

Nama Lokal : kacang ruji, krandang (Jawa), fuo banga (Ternate).

Deskripsi : Terna bertahunan berakar dalam yang memanjat, membelit, batang berambut. Akar agak berumbi. Batang utama berdiameter sekitar 6 mm, dan dapat mencapai panjang 4.5-10 m, batang akan berakar pada bukunya bila menyentuh tanah basah, batang samping akan bercabang dari buku. Pucuk muda ditutupi dengan rambut-rambut coklat. Daun lebar, berdaun tiga, daun teratas simetris, menyegitiga atau bundar telur, daun samping menyerong, berwarna hijau keabuan dan permukaan bawah berbulu padat, penumpu bersegi tiga hingga bundar telur, tangkai daun berbulu lebat. Perbungaan tandan tak bercabang di ketiak, berbulu; bunga berwarna lembayung muda hingga ungu tua, berpasangan. Buah polong lurus atau sedikit melengkung, berbentuk menggalah atau silindris, dilapisi dengan rambut-rambut keras dan rapat. Polong berwarna hitam bila matang berisi 10-20 biji.

Distribusi/Penyebaran : Kacang ruji berasal dari daerah dataran rendah di Asia Timur dan Asia Tenggara. Kacang ini telah diperkenalkan ke daerah tropis lainnya dan kini dibudidayakan dan tumbuh meliar di seluruh daerah tropika basah.

Habitat : Kacang ruji sangat cocok pada dataran rendah tropis yang lembab dengan ketinggian hingga 1000 m dengan curah hujan tahunan lebih dari 1500 mm. Dalam sebuah percobaan dibawah kondisi terkontrol, diketahui temperatur optimum adalah 32/24°C (siang/malam) and hasil rproduksi akan menurun 35% bila terjadi perubahan temperatur 26/15°C. Di Papua kacang ruji hanya dapat membentuk biji pada kondisi kering. Bila dibandingkan dengan jenis polong lain, kacang ruji memiliki peringkat tinggi sebagai tanaman yang tahan terhadap naungan. Ketika ditanam dibawah 50% naungan di perkebunan kelapa, kacang ruji merupakan jenis polong yang paling produktif dan walaupun harus bersaing dengan rerumputan. Dibawah naungan lebih dari 50%, kacang ruji tetap produktif, tapi bila bergabung dengan jenis lain seperti centro (Centrosema pubescens) atau desmodium (Desmodium heterocarpon (L.) DC. ssp. ovalifolium (Prain) Ohashi) akan memberikan kesempatan tumbuh pada jenis lainnya. Kacang ruji tahan pada tempat yang sangat basah dan air yang berlebih. Kacang ini menyukai tanah keras dan dapat tumbuh baik pada tanah asam tetapi tidak tahan pada kekurangan Mg dan S dan membutuhkan Ca dan P. Pada tanah oksisol dan ultisol Pueraria phaseoloides juga membutuhkan pupuk K and Mg. kacang ini tidak tahan terhadap tanah yang berkadar garam tinggi. Kacang ruji banyak tumbuh di pinggir sungai, tepi jalan, lahan kosong dan hutan sekunder muda.

Perbanyakan : Perbanyakan kacang ruji biasanya diperoleh dari biji. Sifat proporsi bijinya keras, sehingga perkecambahan dapat dibantu dengan air panas, asam atau bantuan mekanis. Secara komersial biji yang ada sering dipecahkan dengan mengikis kulit biji dalam drum hexagonal, yang dibungkus dengan kertas pasir dan diputar dengan kecepatan 7.5 rpm selama 24 hours.; Kacang ruji biasanya berbintil dengan rhizobia yang berasal dari kacang tunggak setempat tapi diinokulasi dengan galur dari Bradyrhizobium, seperti pada RRIM 768 di Malaysia, yang direkomendasikan untuk daerah baru. Benih biasanya ditaburkan atau ditanam dalam baris dengan jarak 1 m. Benih ini juga dapat ditanam dengan menebarkan pada padang rumput yang telah ada jika padang rumput tersebut telah diratakan atau dibakar sebelum digunakan. Ketika biji jarang, perbanyakan kacang ruji dapat dilakukan secara vegetatif, disarankan untuk menanam dua potongan yang telah berakar dengan panjang masing-masing 0.7-1 m, pada setiap titik dengan jarak 1-2 m. Di Afrika, kacang ruji diperoleh dengan membersihkan gulma secara selektif yang tumbuh alami setelah pembersihan lahan. Campuran benih standar untuk penutup tanaman adalah dengan perbandingan 5:4:1 untuk calopogonium, centro dan kacang ruji atau perbandingan 4:1 campuran centro dan kacang ruji. Rata-rata benih yang diperlukan untuk campuran ini adalah 5-10 kg/ha yang ditanam diantara deret pohon dalam perkebunan karet atau kelapa sawit.

Manfaat tumbuhan : Kacang ruji merupakan tanaman penutup baik yang dimakan ternak atau pun tidak yang sangat penting ditanam di perkebunan karet, kelapa sawit dan kelapa di Asia Tenggara, Afrika dan Amerika Tropis. Di Afrika Timur, tanaman ini ditanam sebagai tanaman penutup di perkebunan sisal (Agave sisalana Perrine). Di Asia Tenggara, Amerika tropis dan Australia tanaman ini juga digunakan sebagai makanan ternak. Kemampuannya untuk menahan gulma membuat tanaman ini menjadi tanaman pionir yang sering ditanam dan dikombinasikan dengan jenis permanen lain. Tanaman ini ditanam pada daerah miring untuk mengontrol erosi tanah dan digilir dengan tanaman tahunan sebagai pupuk hijau; Umbi akarnya dapat dimakan. Serat batangnya yang kuat digunakan untuk membuat tali. Di Malesia, tanaman ini secara tradisional digunakan untuk mengobati bisul dan borok. Kacang ruji mungkin tetap menjadi tanaman penutup yang ditanam paling banyak di seluruh kawasan tropis terutama di perkebunan pohon. Gambaran utamnya sebagai polong untuk makanan hewan adalah pertumbuhan awal yang cepat pada lahan subur dan palatabilitasnya yang tinggi. Peningkatan terutama perlu diarahkan pada peningkatan ketahanannya dalam penggembalaan ternak.

Sinonim : Dolichos phaseoloides Roxb. (1832).

Sumber Prosea : 11: Auxiliary plants p.217-220 (author(s): Halim, RA)

Kategori : Kacang-kacangan