Penentuan Kualitas Tekstur pada Keripik Tahu Menggunakan Artificial Neural Network Backpropagation (Studi Kasus di UKM Gunung Merapi)

Abstract

Saat ini banyak produsen tahu kesulitan dalam meningkatkan harga jual tahu, dikarenakan tidak adanya pengendalian harga di pasar. Agar tahu tetap laku di pasar, maka produsen harus melakukan inovasi produk terhadap tahu. Salah satunya yaitu dengan cara mengolah tahu menjadi keripik tahu. UKM Gunung Merapi merupakan salah satu produsen yang mengolah tahu menjadi keripik tahu. Keripik tahu yang sudah ada memiliki rasa yang kurang enak dan tekstur yang kasar sehingga keripik kurang diterima oleh konsumen. Penelitian ini difokuskan pada kualitas tekstur sesuai dengan target yang diharapkan. Untuk menghasilkan produk yang berkualitas, maka dilakukan rekayasa kualitas dengan cara mengetahui level faktor yang berpengaruh dan bagaimana level faktor tersebut harus diatur. Penelitian ini memecahkan masalah dalam penentuan setting level optimal pada tekstur keripik tahu menggunakan metode Artificial Neural Network (ANN) backpropagation yang didasari oleh desain eksperimen. Fungsi dari penggunaan ANN ini ialah untuk menyederhanakan eksperimen sehingga waktu yang digunakan untuk eksperimen pengembangan produk lebih singkat. Hasil penelitian ini menunjukkan tekstur keripik tahu dengan setting level lama penggorengan sebesar 7 menit, suhu pada microwave adalah high, lama pada microwave sebesar 11 menit dan kuantitas bumbu sebesar 7,5 gram. Pemodelan ANN dapat memprediksi respon tekstur yang mendekati nilai target renyah sebesar 3,0874. Dari hasil analisis dan pemodelan tersebut diketahui bahwa pemodelan ANN dapat menyelesaikan masalah setting level optimal dengan baik.