Announcement
Starting on July 4, 2018 the Indonesian Publication Index (IPI) has been acquired by the Ministry of Research Technology and Higher Education (RISTEKDIKTI) called GARUDA Garba Rujukan Digital (http://garuda.ristekdikti.go.id)
For further information email to portalgaruda@gmail.com

Thank you
Logo IPI  
Journal > Jurnal Teknologi Pertanian > Modeling in Drying Process of Turmeric (Curcuma Domestica Val.) Based on Machine Vision Use Artificial Neural Network

 

Full Text PDF (564 kb)
Jurnal Teknologi Pertanian
Vol 18, No 1 (2017)
Modeling in Drying Process of Turmeric (Curcuma Domestica Val.) Based on Machine Vision Use Artificial Neural Network
Article Info   ABSTRACT
Published date:
09 Apr 2017
 
Kunyit merupakan tanaman suku temu – temuan dengan nama latin Curcuma domestica Val. Untuk mempertahankan kunyit agar tetap tahan lama yaitu dilakukannya pengeringan. Tujuan pengeringan untuk mengurangi kadar air kunyit sampai batas perkembangan mikroorganisme dan kegiatan enzim yang dapat menyebabkan pembusukan terhambat atau bahkan terhenti sama sekali. Saat ini pengeringan kunyit menggunakan sinar matahari dan alat pengering mekanis dengan kontrol waktu dan suhu. Namun dalam proses pengeringan sering timbul berbagai masalah, oleh sebab itu diperlukan suatu teknologi yang dapat mengontrol kadar air dari kunyit secara pasti dan akurat, yaitu dengan mesin pengering berbasis Machine Vision dan ANN (Artificial Neural Network).Penelitian ini menggunakan metode deskriptif yang terdiri dari lama waktu pengeringan yaitu 5 jam dengan 5 kali pengulangan dan menggunakan bahan kunyit. Adapun metode aplikasi ini menggunakan mesin pengering yang dilengkapi dengan machine vision sebagai pengambil data gambar pada bahan,kemudian dari gambar tersebut di ekstrak warnanya untuk dapat mengetahui nilai (Red, Green, and Blue).Dalam proses pembangunan model ANN digunakan learning rate sebesar 0.1, 0.2, 0.3, 0.4, dan 0.5 pada momentum rate sebesar 0.5, 0.6, 0.7, 0.8, dan 0.9. Pada penelitian ini didapatkan hasil Learning process terbaik dengan learning rate 0.3 dan momentum rate 0.9. Model ANN dengan nilai eror terendah yaitu untuk training 0.005 MSE (Mean Squared Error) dan 24.59% ARE (Average Error),untuk validation 0.005 MSE dan 25.35% ARE.
Copyrights © 2017