penentuan kadar air biji kakao dengan metode ultrasonik. g14-rd12 hal...sebagai grafik waktu vs...

PROSIDING SEMINAR NASIONAL GEOFISIKA 2014

Optimalisasi Sains dan Aplikasinya Dalam Peningkatan Daya Saing Bangsa

Makassar, 13 September 2014

218

Penentuan Kadar Air Biji Kakao dengan Metode Ultrasonik’

Ridwansyah

1.Sari

Pada penelitian ini akan dijelaskan sistem instrumentasi tes tak merusak berbasis ultrasonik untuk mengukur kadar air

pada biji kakao menggunakan parameter kecepatan dan

intensitas gelombang ultrasonic (amplituda). Sistem

ultrasonik dirancang menggunakan 2 buah transduser 120 kHz dengan biji kakao dipasang ditengahnya (metode

through-transmission). Selanjutnya sinyal yang diterima

receiver diteruskan ke osiloskop digital yang terbaca

sebagai grafik waktu vs amplituda pada komputer. Kecepatan gelombang didapatkan dari korelasi silang

antara data sinyal biji kakao terhadap sinyal udara.

Sedangkan atenuasi gelombang ditentukan berdasarkan

amplituda yang mengalami pelemahan sinyal setelah melewati biji kakao. Hasil penelitian menyimpulkan bahwa

parameter kecepatan naik seiring penurunan kadar air biji

kakao sehingga kecepatan gelombang ultrasonik dapat

digunakan sebagai parameter untuk mengukur kadar air biji

kakao. Berdasarkan persamaan empiris pada penentuan

kadar air biji kakao menggunakan parameter kecepatan

didapatkan korelasi tertinggi sebesar 0,930 dan kesalahan

6,9%. Sedangkan perhitungan menggunakan estimasi JST (Jaringan Syaraf Tiruan) pada penentuan kadar air biji

kakao didapatkan korelasi tertinggi sebesar 0,958 dan

kesalahan 6,4%.

Kata kunci : Tes tak merusak, biji kakao, parameter

ultrasonik, jaringan syaraf tiruan, persamaan empiris, dan

kadar air.

2.Pendahuluan

Biji kakao (Theobroma cacao) merupakan komoditas

tradisional sekaligus komoditas ekspor yang berperan penting sebagai penghasil devisa negara dari sub-sektor

perkebunan, dan menjadi tumpuan pencaharian bagi

banyak keluarga petani. Luas areal tanaman kakao pada

tahun 2006 sekitar 917 ribu hektar, dengan produksi 470 ribu ton atau 13,65% produksi kakao dunia, menempatkan

Indonesia sebagai Negara penghasil kakao terbesar ketiga

setelah Pantai gading dan Ghana (www.icco.org).

Mutu biji kakao di Indonesia, umumnya dievaluasi secara manual menggunakan tanda-tanda visual seperti misalnya

ukuran, berat dan warna sehingga hasil penyortirannya

cenderung tidak seragam. Beberapa penyebabnya antara lain adalah faktor kelelahan manusia, keragaman visual

dan perbedaan persepsi mutu biji yang dievaluasi. Untuk

mengetahui mutu suatu biji, bisa saja biji tersebut dibelah

dua untuk dilihat bagian dalamnya, tetapi tentu saja cara ini kurang sesuai bagi penanganan biji-bijian. Oleh karena itu

diperlukan suatu metoda yang dapat menentukan mutu

bagian dalam biji tanpa merusaknya. Biji kakao dikatakan

bermutu tinggi bila kada air biji kakao tersebut sekitar 7% ( SNI 01-2323-2008 ).

Jadi metoda penyortirannya harus dapat

menentukan/memperkirakan kadar air yang terkandung di

dalam biji kakao. Salah satu cara yang dapat digunakan untuk menentukan biji kakao adalah dengan menggunakan

uji tak merusak ultrasonik. Dalam uji tak merusak ini

digunakan gelombang akustik berfrekuensi tinggi

(gelombang ultrasonik). Gelombang akustik adalah gelombang mekanik yang dapat menembus hampir semua

bahan kecuali ruang hampa. Metoda pengujian ini

dilakukan dengan cara melewatkan atau menjalarkan suatu

gelombang ultrasonik melalui bagian dalam dari biji kakao yang akan diuji. Interaksi antara gelombang ultrasonik dan

bagian dalam biji kakao ini akan menyebabkan beberapa

sifat gelombangnya berubah. Dengan mengamati atau

mengukur perubahan sifat-sifat gelombang ultrasonik yaitu cepat rambat gelombang ultrasonik dan atenuasi gelombang

yang terjadi diharapkan kadar air biji kakao dapat

diperkirakan . Gelombang Ultrasonik merupakan

gelombang mekanik-akustik yang memiliki frekuensi di

atas 20 kHz. Gelombang suara yang dapat didengar oleh

manusia hanya antara 20 Hz sampai 20 kHz, sehingga

gelombang ultrasonik tidak dapat didengar oleh manusia

(Gooberman, 1968). Gelombang ultrasonik telah banyak digunakan termasuk

pada bidang pengelasan plastik, pembersihan perhiasan,

inspeksi pipa, dan pengujian non-destruktif. Dengan

pengujian nondestructive (gelombang ultrasonik) dapat memberikan informasi internal tentang material padatan

dan mendeteksi permukaan atau kerusakan internal tanpa

mempengaruhi material tersebut secara merugikan (El-Ali

et al., 2000).

3.Data dan Metoda

Penelitian ini dilakukan di Laboratorium Ultrasonik Teknik

Fisika ITB, dan pengukuran kadar air biji kakao dengan Metode Oven dilakukan di Laboratorium Meter Kadar Air

Direktorat Metrologi Bandung.

Tahapan Pengukuran Kadar Air Biji Kakao




219

4.Hasil dan Diskusi

4.1 Analisa Data Pengukuran pertama

Persamaan Regresi Linier untuk penentuan kadar air

biji kakao.

Selanjutnya data pertama pada Tabel 4.1 digunakan untuk

mencari persamaan regresi sebagai berikut.

A. Perhitungan kadar air dengan menggunakan

regresi linier tunggal terhadap amplituda :

Gambar 4.2 Grafik kadar air metode oven vs amplituda

Hubungan kadar air biji kakao dengan amplituda

gelombang ultrasonik ditampilkan pada Gambar 4.2 .

Hubungan ini menunjukkan bahwa semakin tinggi tingkat

kadar air semakin rendah amplitudanya dan sebaliknya




220

ketika nilai kadar air menurun maka amplituda akan

meningkat. Dari grafik, terlihat rentang amplituda untuk

kadar 25,1% dan 19,6% masih dapat dibedakan, tetapi

rentang amplituda untuk kadar 14,9% dan 10,9% tidak

dapat dibedakan . Hal ini berarti tranduser yang dipakai

masih kurang peka untuk kadar air 10,9% - 14,9%. Selain

dipengaruhi kadar air dalam biji kakao, amplituda

gelombang ultrasonik juga dipengaruhi oleh tekstur biji

kakao yang empuk. Data statistik lain ditunjukkan pada

Gambar 4.2 , korelasi antara kadar air biji kakao dan

amplituda didapatkan gradient sebesar 0,319, intercept

34,4 dan koefisien korelasi sebesar 0,98. Dengan

membandingkan dengan nilai korelasi ideal ( gradient = 1,

intercept = 0, dan = 1 ), pengukuran ini sudah cukup

mendekati.

Besarnya energi gelombang ultrasonik yang diserap oleh

suatu medium ( amplituda) pada medium yang basah lebih

kecil dibandingkan dengan medium yang kering. Sehingga

biji kakao yang lebih banyak mengandung air menyerap

sedikit energi gelombang ultrasonik, sementara pada biji

kakao yang lebih sedikit kadar airnya menyerap energi

gelombang ultrasonik lebih besar. Hal ini menunjukkan

pada biji kakao yang sedikit kadar airnya memiliki

amplituda yang lebih besar dibandingkan biji kakao yang

tinggi kadar airnya. Besarnya nilai koefisien determinasi

sebesar 0,98 menunjukkan adanya keterdekatan korelasi

antara kadar air biji kakao dengan amplituda gelombang

ultrasonik sehingga sifat karateristik ini dapat digunakan

untuk menduga tingkat kadar air pada biji kakao.

B. Perhitungan kadar air dengan menggunakan

regresi linier tunggal terhadap kecepatan :

Gambar 4.3 Grafik kadar air metode oven vs

kecepatan

Hubungan kadar air dengan kecepatan gelombang

ultrasonik pada biji kakao ditampilkan pada Gambar 4.3 .

Hubungan ini menunjukkan bahwa semakin tinggi tingkat

kadar air semakin rendah cepat rambat gelombangnya dan

sebaliknya ketika nilai kadar air menurun maka kecepatan

gelombang ultrasonik akan meningkat. Dari grafik, terlihat

rentang amplituda untuk masing – masing tingkat kadar air

masih dapat dibedakan, hal ini berarti pemodelan kadar air

terhadap kecepatan gelombang ultrasonik cukup baik

memprediksi tingkat kadar air. Data statistik lain

ditunjukkan pada Gambar 4.3 , korelasi antara kadar air biji

kakao dan cepat rambat gelombang didapatkan gradient

sebesar 0,009, intercept 33,28 dan koefisien korelasi

sebesar 0,97. Besarnya nilai koefisien korelasi sebesar 0,97

menunjukkan adanya keterdekatan korelasi antara kadar air

biji kakao dengan kecepatan gelombang ultrasonik

sehingga sifat karateristik ini dapat digunakan untuk

menduga tingkat kadar air pada biji kakao.

C. Perhitungan kadar air prediksi (TK) menggunakan

persamaan linier ganda

Persamaan linier ganda dengan input amplituda dan

kecepatan :

TK(c,A) = 30,773 + 0,0237A – 0,0122c

TK(c,A) = 30,773 + 0,0237A – 0,0122c




221

Gambar 4.4 Grafik hubungan amplituda dan kecepatan

vs kadar air prediksi

Dari Gambar 4.4, terlihat empat daerah penyebaran data

pengukuran pertama dengan input amplituda dan kecepatan

dan output berupa kadar air biji kakao dari hasil metode

oven.Untuk daerah lingkaran merah, hijau, biru, dan ungu

berturut-turut merupakan kelompok kadar 10,9 %, 14,9%,

19,6%, dan 25,1%. Jelas terlihat bahwa antar kelompok

kadar air masih dapat dibedakan dengan baik yang

mengindikasikan bahwa pemodelan linier ganda cukup baik

untuk memprediksi kadar air bii kakao. Dari persamaan

diketahui intercept 30,773 dan koefisien regresi amplituda

0,0237 dan koefisien regresi kecepatan 0,0122.

4.2 Analisa Data Pengukuran Kedua

A. Perhitungan kadar air dengan menggunakan

regresi linier tunggal terhadap amplituda :

TK(A) = - 0,319A + 34,4

Tabel 4.4 Data perhitungan error kadar air metode oven vs

amplituda

dimana A = amplituda (mV)

Gambar 4.5 Grafik kadar air oven vs kadar prediksi

Ditunjukkan pada Tabel 4.4. Data statistik pada

pengukuran ini, didapatkan rata-rata error sebesar 44,4 %

dengan maksimum error sebesar 81%. Data statistik lain

ditunjukkan pada Gambar 4.5, korelasi antara hasil

pengukuran dan sebenarnya didapatkan gradient sebesar

0,254, intercept 14,88 dan koefisien korelasi (R) sebesar

0,04. Ini menunjukkan persamaan empiris untuk model

linier amplituda vs kadar air cukup baik untuk menghitung

kadar air kakao.

B.Perhitungan kadar air dengan menggunakan regresi

linier tunggal terhadap kecepatan :

TK (c ) = - 0,009c + 33,28

Table 4.5 Data perhitungan error kadar air metode oven

vs kecepatan

dimana : c = kecepatan (m/s)




222

Gambar 4.6 Grafik kadar air aktual metode oven vs kadar

prediksi

Ditunjukkan pada Tabel 4.5 data statistik pada pengukuran

ini, didapatkan rata-rata error sebesar 6,9 % dengan

maksimum error sebesar 15 %. Data statistik lain

ditunjukkan pada Gambar 4.6, korelasi antara hasil


1,02, intercept 0,639 dan koefisien korelasi sebesar 0,93.

Selanjutnya, koefisien korelasi bernilai 0,93

mengindikasikan hubungan linier yang sangat kuat antara

hasil pemodelan linier terhadap nilai aktual (metode oven).

Ini menunjukkan persamaan empiris untuk model linier

kecepatan vs kadar air cukup baik untuk menghitung kadar

air biji kakao.

C.Pengujian persamaan linier ganda untuk kadar air biji

kakao

Persamaan regresi linier ganda untuk menentukan kadar air

biji kakao dengan input amplituda dan kecepatan :

TK(c,A) = 30,773 + 0,0237A – 0,0122c

Table 4.6 Data hasil pengujian data II untuk persamaan

linier ganda :

Gambar 4.7 Grafik hubungan kadar air aktual vs kadar

air prediksi

Ditunjukkan pada Tabel 4.6 data statistik pada pengukuran

ini, didapatkan rata-rata error sebesar 15,9 % dengan

maksimum error sebesar 27%. Data statistik lain

ditunjukkan pada Gambar 4.7 , korelasi antara hasil


1,46, intercept 6,5 dan koefisien korelasi sebesar 0,90. Ini

menunjukkan persamaan empiris untuk model linier ganda

cukup baik untuk menghitung kadar air biji kakao.

4.5 Estimasi JST untuk penentuan kadar air biji

kakao

Pada Gambar 4.8 disajikan arsitektur JST yang digunakan

untuk proses pembelajaran. Input jaringan p = [ p1, p2] = [

data amplituda, data kecepatan] , dan keluaran y = [kadar

air biji kakao] .Jumlah simpul pada lapisan input sebanyak

2 simpul, jumlah simpul pada lapisan tersembunyi

sebanyak j = 10, dan jumlah simpul pada lapisan output

sebanyak k = 1. Fungsi transfer untuk lapisan pertama

hingga ketiga berturut-turut tansig, logsig, dan purelin [17].

Dari proses pembelajaran dengan iterasi sampai 500,

diperoleh nilai pembobot untuk lapisan input (W1) dan

biasnya (b1), nilai pembobot untuk lapisan tersembunyi

(W2) dan biasnya (b2), serta nilai pembobot untuk lapisan

output (W3) dan nilai biasnya (b3) sebagaimana disajikan

pada Tabel 4.7.




223

Gambar 4.8 Arsitektur JST 2-2-10-1

Simpul

ke- 1 2 bias1 1 2 bias2 1 bias3

1 0,2565 1,9757 -1,8882 8,4461 -2,3142 -9,0244 0,2633 -0,3658

2 -0,1339 1,5995 0,7044 -1,0014 -8,8252 6,8387 -0,203

3 -5,96 6,6481 4,7191 0,2756

4 -4,3245 -7,7655 2,9812 -0,374

5 7,7726 4,5035 -1,6675 0,6634

6 -6,8397 5,7693 0,6634 0,8234

7 5,8533 8,8349 0,8288 2,2865

8 0,8135 -8,8169 6,2134 0,5433

9 9,1304 -2,9328 0,5477 2,4067

10 -11,4485 -6,3155 -5,6126 2,8266

Bobot akhir lapis1 Bobot akhir lapis2 Bobot akhir lapis3

Tabel 4.7 Nilai-nilai pembobot dan bias pada JST 2-2-10-1

Kinerja JST diukur dengan nilai mean square error (MSE)

yang dicapai pada proses pembelajaran. Pada Gambar 4.9

ditampilkan bahwa mse cukup rendah, sekitar 0,01 pada

saat iterasi mencapai 114, tidak banyak berubah dengan

peningkatan iterasi hingga 500.

Gambar 4.9 Perubahan MSE selama iterasi pada proses

pembelajaran JST

Gambar 4.10 Korelasi antara kadar air prediksi JST vs

Target pada proses pembelajaran

Hasil uji validasi JST ditampilkan pada Tabel 4.8, yang

menyatakan error antara nilai kadar air aktual (oven)

dengan nilai prediksi JST. Pada Gambar 4.10, korelasi

antara hasil estimasi JST dan target (sebenarnya) pada saat

pembelajaran didapatkan gradient sebesar 1, intercept

0,012 dan koefisien korelasi sebesar 0,999. Selanjutnya,

koefisien korelasi bernilai 0,999 mengindikasikan adanya

korelasi yang kuat antara kadar prediksi terhadap nilai

target (kadar aktual).

Tabel 4.8 Perhitungan error hasil uji JST untuk data II

Ditunjukkan pada Tabel 4.8 data statistik pada estimasi

pengujian JST, didapatkan rata-rata error sebesar 6,4 %

dengan maksimum error sebesar 19 %, hasil ini jauh lebih

daripada model persamaan empiris linier ganda dengan

rerata error 15,9 % dam maksimum error 27 %.




224

Gambar 4.11 Korelasi JST vs Target pada proses pengujian

Pada Gambar 4.11, korelasi antara hasil estimasi JST dan

target (sebenarnya) pada saat pengujian didapatkan

gradient sebesar 0,920 (mendekati satu), intercept 2,1 dan

koefisien korelasi sebesar 0,958. Selanjutnya, koefisien

korelasi bernilai 0,958 mengindikasikan adanya korelasi

yang kuat antara kombinasi input nilai kecepatan dan

amplituda terhadap nilai target (metode oven). Ini

menunjukkan estimasi JST untuk model amplituda dan

kecepatan vs kadar air cukup baik untuk menghitung kadar

air biji kakao.

Hasil uji validasi JST ditampilkan pada Gambar 4.11, yang

menyatakan korelasi antara nilai target dengan nilai

prediksi JST. Sebagai pembanding adalah nilai prediksi

model empiris untuk penentuan kadar biji kakao. Tampak

bahwa rerata error dari prediksi JST lebih baik dari pada

model prediksi empiris, dengan rerata error sebesar 6,4%,

sedangkan rerata error persamaan empiris terbaik sebesar

6,9% ( Tabel 4.9).

Keunggulan kinerja JST dibanding model empiris

disebabkan program JST menerapkan mekanisme

pembelajaran terhadap nilai masukan dan keluaran pada

selang nilai tertentu (Maspanger ,2005).

5.Kesimpulan

Hasil penelitian menyimpulkan bahwa parameter kecepatan naik seiring penurunan kadar air biji kakao sehingga

kecepatan gelombang ultrasonik dapat digunakan sebagai

parameter untuk mengukur kadar air biji kakao

Berdasarkan persamaan empiris pada penentuan kadar air biji kakao menggunakan parameter kecepatan didapatkan

korelasi tertinggi sebesar 0,930 dan kesalahan 6,9%.

Sedangkan perhitungan menggunakan estimasi JST (Jaringan Syaraf Tiruan) pada penentuan kadar air biji

kakao didapatkan korelasi tertinggi sebesar 0,958 dan

kesalahan 6,4%.

Pustaka

1. Badan Standardisasi Nasional, Standar Nasional Indonesia SNI 01-2323-2008 tentang Biji

Kakao, 2008.

2. ICCO, Annual Report. In. The International Cocoa

Organization, London, UK, 2007 3.Gooberman, Ultrasonic Theory and Applications, The

English Press, Ltd, London, 1968

4.El-Ali, Sami, Ultrasonic Wave Propagation Review,

Technical Industries, Inc., 2000 5. Maspanger, Karateristik Mutu Koagulan Karet Alam

dengan Metode Ultrasonik, Disertasi,Sekolah Pascasarjana,

IPB, 2005

penentuan kadar air biji kakao dengan metode ultrasonik. g14-rd12 hal...sebagai grafik waktu vs...

Documents