<![CDATA[Penelitian ini bertujuan untuk mengembangkan model jaringan syaraf tiruan (JST) terbaik untuk memprediksi kandungan kimia biji kopi arabika Gayo dan memvalidasi model. Data input yang digunakan adalah data principal component (PC) spektra yang terlebih dahulu telah dilakukan pre-treatment data menggunakan multiplicative scatter correction (MSC), Normalisasi (N-1,1), dan turunan pertama Savitzky-Golay (dg1). Model JST menggunakan Multilayer Perceptron (MLP) feed forward neural network dengan algoritma pelatihan dasar Levenberg-Marquard. Penggunaan 10 jumlah neuron lapisan tersembunyi sudah cukup untuk dapat memprediksi kandungan kimia biji kopi Gayo. Kadar air dapat diprediksi dengan model JST menggunakan 8 jumlah PC dan normalisasi (r = 0,96; CV = 1,77%; RPD = 3,79). Kafein dapat diprediksi dengan 8 jumlah PC dan kombinasi normalisasi dengan dg1 (r = 0,98; CV = 2,15%; RPD = 4,44). Karbohidrat dapat diprediksi dengan menggunakan 5 jumlah PC dan dg1 (r = 0,99; CV = 0,27%; RPD = 9,55). Lemak dapat diprediksi dengan menggunakan 8 jumlah PC dan kombinasi MSC dengan dg1 (r = 1; CV = 0,41%; RPD = 19,11). Protein dapat diprediksi dengan menggunakan 5 jumlah PC dan kombinasi MSC dengan dg1 (r = 0,99; CV = 0,84%; RPD = 7,08). ]]>
Copyrights © 2019
