Implementation of Fuzzy Logic in Determining Dough Development Rate of Bakery Products
DOI:
https://doi.org/10.62535/gx24da85Keywords:
bakery, fuzzy logic, matlab, proofingAbstract
Bakery is one of the dessert-making places that is popular with various circles. Good product quality is greatly influenced by the right roasting process. Temperature and proofing time are important factors for bakery products themselves. This research aims to analyze the effect of temperature and proofing time on bakery products using fuzzy implementation methods. The fuzzy method is a soft computing technique that mimics human decision-making processes to solve complex and uncertain problems. In this study, the fuzzy system was designed to control the oven temperature and the proofing time of bakery products. The fuzzy system has two inputs, namely temperature and proofing time, and one output, which is the bread development rate. The fuzzy rule is designed to determine the degree of bread proofing based on a combination of temperature values and proofing time. The results of the study with a case study of a baking temperature of 185°C and a proofing time of 115 minutes showed the level of bakery development with medium results. Calculations are done using manual method and Matlab application. The manual calculation yields a result of 6, which falls within the medium fuzzy rule, consistent with the data processing results in the MATLAB application.
References
Adiluhung WD, Sutrisno A. 2018. Pengaruh konsentrasi glukomanan dan waktu proofing terhadap karakteristik tekstur dan organoleptik roti tawar beras (Oryza sativa) bebas gluten. Jurnal Pangan dan Agroindustri. 6(4):26–37. doi:10.21776/ub.jpa.2018.006.04.4.
Aenun EJ M. 2014. Implementasi logika fuzzy metode mamdani pada prediksi biaya pemakaian listrik. Journal of Mathematics Education. 3(3):57–65. http://journal.unnes.ac.id/sju/index.php/ujme.
Arifin S, Muslim MA, Sugiman S. 2016. Implementasi logika fuzzy mamdani untuk mendeteksi kerentanan daerah banjir di semarang utara. Journal Informatics. 2(2):179. doi:10.15294/sji.v2i2.5086.
Arifuddin, A., Wahyudin, W., Prabawanto, S., Yasin, M., & Elizanti, D. (2022). The Effectiveness of augmented reality-assisted scientific approach to improve mathematical creative thinking ability of elementary school students. Al Ibtida: Jurnal Pendidikan Guru MI, 9(2), 444-455. http://dx.doi.org/10.24235/al.ibtida.snj.v9i2.11647
Astuti RM. 2015. Pengaruh penggunaan suhu pengovenan terhadap kualitas roti manis dilihat dari aspek warna, kulit, rasa, aroma, dan tekstur. Teknoboga. 2(2):61–79.
Basriati, M.Sc S, Safitri, M.Mat E. 2021. Penerapan metode fuzzy tsukamoto dalam menentukan jumlah produksi tahu. Jurnal Sains Teknologi dan Industri. 18(1):120. doi:10.24014/sitekin.v18i1.11022.
Dizlek H. 2022. The impacts of batter and baking temperatures and baking time on sponge Cake characteristics. Electronic Letters on Science & Engineering. 17(2):88–95.
Ginting RB. 2015. Analisis fungsi implikasi max-min dan max-prod dalam pengambilan keputusan. Journal Citec. 1(2):128. doi:10.24076/citec.2014v1i2.16.
Haryani K. 2017. Substitusi terigu dengan pati sorgum terfermentasi pada pembuatan roti tawar: studi suhu pemanggangan. Jurnal Aplikasi Teknologi Pangan. 6(2):61–64. doi:10.17728/jatp.197.
Ismarnita W, Respitawulan. 2023. Penerapan logika fuzzy dalam menentukan tingkat kerawanan longsor di suatu wilayah. Jurnal Riset Matematika. 3(1):45-54. doi.org/10.29313/jrm.v3i1.1737.
Istianah, N. Fitriadinda, H. Murtini, E.S. 2019. Perancangan pabrik untuk industri pangan. [Malang: UB Press].
Harefa K. 2017. Penerapan fuzzy inference system untuk menentukan jumlah pembelian produk berdasarkan data persediaan dan penjualan. Jurnal Informatika. 2(4):205–213.
Khairina N. 2019. Logika fuzzy untuk menentukan idealitas suhu dan kelembapan pada inkubatot telur ayam. 9(1):1–8.
Kusumawardani N, Afandi RM RP. 2020. Analisis forecasting demand dengan metode linear exponential smoothing (studi pada: produk batik Fendy, Klaten). Vol.16.
Lestari TE. EK dan EA. 2023. Kualitas roti tawar dengan menggunakan suhu pembakaran yang berbeda. Jurnal Pendidik Tambusai. 7(3):23370–23380.
Mahadevappa J, Groß F, Delgado A. 2017. Fuzzy logic based process control strategy for effective sheeting of wheat dough in small and medium-sized enterprises. Journal of Food Engineering. 199:93–99. doi:10.1016/j.jfoodeng.2016.12.013.
Mutiara K.T, Rohajatien U, Jayanti R.S. 2021. Pengaruh lama fermentasi adonan terhadap sifat fisik dan kimia crackers subtitusi tepung komposit. Jurnal Agroindustri. 11(2):133–142. htps://ejournal.unib.ac.id/index.php/agroindustri.
Neonbeni S, Mada GS, Blegur FMA. 2023. Analisis perbandingan metode defuzzifikasi fuzzy inference system Mamdani Dalam Penentuan Produksi Tua Kolo (Sopi Timor) 45% Pada Pabrik Sane Up-Ana Kefamenanu. Jurnal Saintek. 5(2):34–39. doi:10.32938/slk.v5i2.1994.
Puryono DA. 2014. Metode fuzzy inferensi system mamdani untuk menentukan bantuan modal usaha Bagi UMKM Ramah Lingkungan. J STIMIKA. 1(1):1–6.
Puspitaloka, A.C.D. Ekawati Y. 2022. Analisis perbaikan kualitas proses produksi di pt. xyz dengan menggunakan metode fuzzy FMEA. Jurnal Sains dan Aplikasi Keilmuan Teknik Industri (SAKTI). 2(1) : 11-18. https://doi.org/10.33479/ jtiumc.v2i1.19
Rahakbauw D.L, Rianekuay F.J, Lesnussa Y.A. 2019. Penerapan metode fuzzy mamdani untuk memprediksi jumlah produksi karet (Studi Kasus: Data Persediaan Dan Permintaan Produksi Karet Pada Ptp Nusantara Xiv (Persero) Kebun Awaya, Teluk Elpaputih, Maluku-Indonesia). 16(1):51–59. doi:10.22487/2540766x.2019.v16.i1.12764.
Rifqa Shatia A, Murlida E, Rohaya S. 2022. Studi pembuatan roti tawar menggunakan tepung labu kuning (Cucurbita Moschata) termodifikasi (Study Of Bread using Modified Yellow Flour (Cucurbita moschata). Jurnal Ilmiah Mahasiswa Pertanian. 7(2):386–393.
Santosa S.H, Hidayat A.P, Siskandar R. 2021. Safea application design on determining the optimal order quantity of chicken eggs based on fuzzy logic. Journal Artificial Intelligence. 10(4):858–871. doi:10.11591/ijai.v10.i4.pp858-871.
Sari I.I, Hendrasty H.K, Astuti R.D. Pengaruh proofing dan konsentrasi ragi terhadap kualitas mutu roti goreng. 2024. 51(2).
Slamet M.I.P, Hindarto H. Determining tilapia quality using the fuzzy logic [Penentuan Kualitas Ikan Nila menggunakan metode logika fuzzy]. 2023. 1-8. doi.org/10.21070/ups.379.
Sastradipraja C, Gustiandi G, Seliwati. 2015. Sistem penunjang keputusan dengan metode fuzzy logic mamdani dalam penilaian kinerja pegawai. Jurnal Rekayasa Teknologi Nusa Putra. 1(2). doi:10.52005/rekayasa.v1i2.157.
Septo Adi Prabowo, Guspri Devi Artanti, Efrina. 2021. Pengaruh Lama Waktu Fermentasi Akhir (Final Proofing) Terhadap Kualitas Japanese Milk Bread. Jurnal Sains Boga. 4(1):1–6. doi:10.21009/jsb.004.1.01.
Sidehabi SW, Buwarda S, Qalbi A, Ikhsan N. 2023. Pelatihan Penggunaan Mesin Pengembang Roti (Proofer) otomatis pada Usaha Mikro Kecil dan Menengah (UMKM) Roti Nakku Gowa. Jurnal Pengabdian Masyarakat. 2(1):43–49. doi:10.61844/ibmasatim.v2i1.397.
Simanjuntak M, Fauzi A. 2017. Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai). Jurnal ISD. 2(2):2528–5114.
Teng, S., & Alonzo, D. (2023). Critical Review of the Australian Professional Standards for Teachers: Where are the non-Cognitive Skills?. International Journal of Instruction, 16(1). 605-624. https://doi.org/10.29333/iji.2023.16134a
Vinsensia D, Utami Y. 2018. Penerapan fuzzy inference system (FIS) metode mamdani dalam pemilihan jurusan perguruan tinggi. Jurnal Penelitian Teknologi Informatika. 2(2):28–36.
Wahyudi V.A, Anjarsari S.A,. 2022. Kajian efektivitas temperatur dan waktu proofing (Saccharomyces cerevisiae) terhadap sifat fisikokimia, mikrobiologi, dan organoleptik roti manis. Jurnal Sains dan Teknologi Pangan. 7(1):4640–4655.
Wahyuni D, Purnastuti L, Mustofa M. 2016. Analisis elastisitas tiga bahan pangan sumber protein hewani di Indonesia. Jurnal Economia. 12(1):43. doi:10.21831/economia.v12i1.9544.
Yuliantika S, Kartika DL. 2022. Implementasi metode fuzzy mamdani sebagai deteksi awal banjir lokal di bendung gerak serayu. Journal of Mathematics and Education. 4(1):17–25. doi:10.21580/square.2022.4.1.11177.
