Perbandingan Rentang Frekuensi Pengukuran Sifat Biolistrik Secara Longitudinal Untuk Pendugaan Nilai Pol Dan Brix Tebu (Saccharum Officinarum) Berbasis Dielektrik Dan Jaringan Saraf Tiruan

Indonesia mengalami peningkatan kebutuhan gula dari tahun ke tahun. Direktorat Jendral Perkebunan mencatat konsumsi gula Indonesia tahun 2014 mencapai 5,700 juta ton. Peningkatan kebutuhan gula belum diimbangi produksi gula setiap tahun. Rendemen tebu merupakan salah satu indikator keberhasilan produksi gula. Penentuan rendemen tebu mengacu pada perhitungan Rendemen Sementara (RS). Perhitungan RS dipengaruhi nilai pol dan brix tebu. Brix adalah jumlah zat kering (gula dan non gula) terlarut (dalam gram) setiap 100 g larutan. Pol adalah jumlah (gram) gula terlarut dalam 100 gram larutan yang diukur menggunakan polarimeter. Pengukuran pol dan brix tebu yang diterapkan di pabrik gula selama ini tergolong konvensional sehingga kurang efektif. Upaya mempercepat pengukuran RS dapat dilakukan dengan merancang alat yang praktis dan cepat menggunakan metode non-destruktif, salah satunya berbasis dielectric properties dan Jaringan Syaraf Tiruan (JST). Pengukuran sifat biolistrik menghasilkan nilai yang khas karena adanya pengaruh eksternal dan internal bahan. Salah satu pengaruh eksternal bahan yaitu frekuensi pengukuran. Frekuensi pengukuran sifat biolistrik mempengaruhi nilai yang didapat. Perbedaan nilai biolistrik yang diperoleh membuktikan adanya aktivitas perpindahan ion bahan yang berbeda. Untuk mengetahui tingkat pergerakan ion melalui nilai biolistrik dilakukan pembagian rentang frekuensi pengukuran sifat biolistrik menjadi frekuensi rendah (50-1000 Hz), tengah (1100-10,000 Hz) dan tinggi (11,000-200,000 Hz). Data sifat biolistrik memerlukan preprocessing sebelum diolah menggunakan JST. Alternatif preprocessing data digunakan dalam penelitian ini adalah data cleaning sedangkan preprocessing pada JST menggunakan normalisasi dengan metode minimum maksimum (minmax) dan Standar Deviasi (std). Hasil pendugaan dengan kombinsi arsitektur jaringan meliputi fungsi aktivasi logsig purelin, fungsi pembelajaran trianlm, learning rate 0.1, momentum 0.9 dan iterasi 5000 menunjukkan rentang frekuensi pengukuran tengah menghasilkan prediksi pol dan brix terbaik. Model jaringan terbaik yaitu 4-25-25-2 (4 neuron input, 25 neuron hidden layer 1, 25 neuron hidden layer 2, 2 neuron output). Nilai MSE testing topologi terbaik sebesar 0.013 dengan R2 testing sebesar 0.99. Preprocessing data terbaik pada penelitian ini yaitu normalisasi metode minimum maksimum. Hasil pendugaan nilai pol dan brix digunakan untuk menghitung RS prediksi sehingga diketahui selisih RS prediksi dan aktual