Fuzzyfication Optimization of Crude Cassava Starch Processing into Tapioca Flour with the Mamdani Approach
DOI:
https://doi.org/10.62535/d1kss748Keywords:
cassava processing, fuzzy logic, MATLAB software, optimization, tapioca flourAbstract
The purpose of this research is to improve the effectiveness of tapioca flour production by using a fuzzy logic system. The system accepts three variables, namely raw materials, color, and aroma, and produces an output in the form of a percentage of the quality of tapioca flour produced. Fuzzy rules are created based on expert knowledge and experimental data after the input data is converted into fuzzy values. MATLAB software is used to implement the fuzzy system. Furthermore, the simulation results were analyzed to find the best conditions for producing tapioca flour with high quality. The results show that the fuzzy system successfully produces an output that reflects the quality percentage of tapioca flour. However, to gain a more complete understanding, it is necessary to further analyze the components that affect production quality, and there may be better ways to customize the fuzzy rules.
References
Badan Standardisasi Nasional. 2011. SNI 3451:2011 Tapioka. Badan Stand. Nas.:1–34.
Batubara S. 2017. Analisis Perbandingan Metode Fuzzy Mamdani. J. Res. Dev. 2(1):1–11.
Darma D, Faisol A, Dahlia AS. 2020. Rancang Bangun dan Uji Kinerja Mesin Pemarut Singkong Tipe Silinder untuk Produksi Tepung Tapioka. Rekayasa. 13(3):254–262.doi:10.21107/rekayasa.v13i3.7071.
Dian Nila Sari F. 2019. Uji Daya Terima Bolu Kukus dari Tepung Kulit Singkong. J. Dunia Gizi. 2(1):01.doi:10.33085/jdg.v2i1.2982.
Dio Arief U. 2021. Laporan Kerja Praktik Proses Produksi Tepung Tapioka di PT. Budi Starch & Sweetener.
Fellow P. 2000. Food Processing.
Gilbert R, Putra DSD. 2022. Pembuatan Aplikasi Prediksi Jumlah Penjualan Lem Ca Dengan Menggunakan Metode Fuzzy Mamdani. Akselerator J. Sains Terap. …. 3(2):1–12.
Hidayat AP, Santosa SH, Siskandar R. 2022. Penentuan Jumlah Kebutuhan Bahan Baku Berdasarkan Distribusi Barang Ideal di IKM Tepung Tapioka Kabupaten Bogor. J. INTECH Tek. Ind. Univ. Serang Raya. 8(1):23–28.doi:10.30656/intech.v8i1.4400.
Ilham W, Fajri N. 2020. Penentuan Jumlah Produksi Tahu Dengan Menggunakan Metode Fuzzy Tsukamoto Pada Ukm Abadi Berbasis Web. J. Digit. 10(1):71.doi:10.51920/jd.v10i1.158.
Kartika D, Sovia R, Sandawa HM. 2018. Penerapan Metode Fuzzy Mamdani untuk Memprediksi Angka Penjualan Token Berdasarkan Persediaan dan Jumlah Permintaan pada PT. PLN (Persero) Padang Berbasis WEB. J. KomtekInfo. 5(1):81–95.doi:10.35134/komtekinfo.v5i1.8.
Mariza Wijayanti. 2022. Prototype Smart Home Dengan Nodemcu Esp8266 Berbasis Iot. J. Ilm. Tek. 1(2):101–107.doi:10.56127/juit.v1i2.169.
Melfianora. 2019. Penulisan Karya Tulis Ilmiah dengan Studi Literatur. Open Sci. Framew.:1–3.
Muhammad T, Ainul M, Samsul Efendi M. 2018. Analisis Usahatani Ubi Kayu (Manihot utilissima). Agrium. 24(1):1689–1699.
Nazriati E, Wahyuni S, Hariswanto H, Rofika R, Endriani R, Zulharman Z. 2021. Pembuatan Tepung Mocaf Sebagai Upaya Optimalisasi Pemanfaatan Singkong pada Kelompok Tani. J. Pengabdi. Kpd. Masy. 2(3):2017–2022.
Open Data Provinsi Jawa Barat. 2024. Jabarprov.go.id. [downloaded 2024 Feb 29]. Tersedia pada: https://opendata.jabarprov.go.id/id/dataset/produksi-ubi-kayu-berdasarkan-kabupatenkota-di-jawa-barat
Pasaribu IA. 2018. Prospek Pengembangan Industri Pengolahan Ubi Kayu (Manihot Esculenta Crantz) Menjadi Tepung Tapioka Pada Pt. Sari Jaya Tani. https://api.core.ac.uk/oai/oai:repositori.umsu.ac.id:123456789/231.
Prasetya H, Djatna T. 2010. Designing of Intelligent System Using Fuzzy Inference System the Determination of the Green Agroindustry. Taufik Djatna J. Tek. Ind. Pert. 21(2):131–138.
Pratiwi Utami A, Wahyuni S, Muzuni. 2016. Analysis of sensory and nutritional valus of cookies made from wikau maombo flour. J. Sains dan Teknol. Pangan. 1(1):2527–6271.
Putra H, Kelviandy M, Eka Putera B. 2018. Penerapan Kontrol Fuzzy Logic Berbasis Matlab Pada Perangkat Mesin Cuci. Multinetics. 4(2):14–21.doi:10.32722/multinetics.vol4.no.2.2018.pp.
Rachmawati IN. 2007. Pengumpulan Data dalam Penelitian Kualitatif: Wawancara. 11:35–40.
Rifai D, Fitriyadi F. 2023. Penerapan Logika Fuzzy Sugeno dalam Keputusan Jumlah Produksi Berbasis Website. Hello World J. Ilmu Komput. 2(2):102–109.doi:10.56211/helloworld.v2i2.297.
Rinawati W. 2003. Pengaruh Prosedur Penepungan Ubi Kayu (Manihot esculeta Crantz) Terhadap Kadar Pati dan Kualitas Tepung Ubi Kayu. J. Penelit. Saintek. 8(2):23–40.
Risqi A. 2018. Nilai Kandungan Gizi Tepung singkong / Tapioka. Nilaigizi.com. [downloaded 2024 Mar 2]. Tersedia pada: https://nilaigizi.com/gizi/detailproduk/238/tepung-singkong-tapioka
Santosa SH, Hidayat AP, Siskandar R. 2021. Safea application design on determining the optimal order quantity of chicken eggs based on fuzzy logic. IAES Int. J. Artif. Intell. 10(4):858–871.doi:10.11591/ijai.v10.i4.pp858-871.
Saragi GL, Setyorini R. 2014. Analisis Pengendalian Persediaan Bahan Baku Daging dan Ayam Dengan Menggunakan Metode Economic Order Quantity (Eoq) pada Restoran Steak Ranjang Bandung. e-Proceeding Manag. 1(3):542–553.
Sugiyono, (2017). Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
Sukandy DM, Basuki AT, Puspasari S. 2014. Penerapan Metode Fuzzy Mamdani Untuk Memprediksi Jumlah Produksi Minyak Sawit Berdasarkan Data Persediaan Dan Jumlah Permintaan ( Studi Kasus Pt Perkebunan Mitra Ogan Baturaja ). Progr. Stud. Tek. Inform.:1–9.
Suryani R. 2020. Outlook Ubi Kayu: Komoditas Pertanian Subsektor Tanaman Pangan. Pus. Data dan Sist. Inf. Pertan. Sekr. Jenderal Kementeri. Pertan. ISSN 1907-1507.:72.
Warmansyah J, Hilpiah D. 2019. Penerapan metode fuzzy sugeno untuk prediksi persediaan bahan baku. Teknois J. Ilm. Teknol. Inf. dan Sains. 9(2):12–20.doi:10.36350/jbs.v9i2.58.
