Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ekstrak bubuk teh hitam dengan teknik spray drying merupakan teknik produksi ekstraksi yang diminati karena efisien dalam aplikasi dalam berbagai variasi produk minuman ringan. Produksi ekstrak bubuk teh hitam menggunakan metode spray dry 2-stage dalam praktiknya masih memiliki masalah seperti kadar air, densitas dan warna yang tidak mencapai syarat mutu konsumen. Agar proses produksi berjalan untuk mencapai spesifikasi yang diinginkan, diperlukan pengaturan parameter operasi spray dryer pada 2-stage. Penggunaan suhu outlet dibawah 100oC dan total soluble solid (TSS) yang belum terstandar menyebabkan proses pembentukan bubuk yang tidak mencapai spesifikasi yang diinginkan. Penelitian ini bertujuan untuk mengetahui efek suhu outlet dan TSS dalam kualitas bubuk ekstrak teh hitam. Menggunakan emulsi berasal dari Haldin dengan TSS 31,3, 35,2, 37,2, 43,9, 44,1 dan 47,4 brix serta variasi suhu outlet dengan nilai 105, 110, 115, dan 120 oC. Proses spray drying 2-stage dikondisikan stabil dengan suhu inlet 185oC, pressure chamber 2,0 mbar, suhu fluidbed internal 150oC, dan suhu fluidbed eksternal 25oC dengan atomizer nozzle tipe Delavan SDX III SC 40. Parameter diamati tekanan umpan, flowrate, kadar air, densitas (tap dan bulk), dan warna (seduhan dan bubuk). Berdasarkan hasil yang diperoleh kadar air terendah sebesar 1,68% pada suhu outlet 120 oC dan 2,81% TSS 31,3, flowrate tertinggi 73,48 kg/jam pada suhu outlet 120oC dan 61,1 kg/jam dengan TSS 47,4, Tekanan tertinggi sebesar 62,17 bar pada suhu 105 oC dan 68,1 bar pada TSS 47,4, densitas tertinggi pada 0.50 gr/ml pada suhu 105 oC dengan TSS 37,2, dan warna tergelap pada suhu 120 oC sebesar 18,35 L, dan warna seduhan tergelap sebesar 42,93 dengan TSS 35,2. Suhu outlet 120 oC dengan TSS rentang 35,2 hingga 37,2 telah cukup memenuhi spesifikasi syarat mutu konsumen Haldin

---

Black tea powder extract using spray drying technique is an extraction production technique that is in demand because it is efficient in applications in a wide variety of soft drink products. The production of black tea powder extract using the 2-stage spray dry method in practice still has problems such as moisture content, density and colour that do not reach consumer quality requirements. For the production process to run to achieve the desired specifications, it is necessary to set the spray dryer operating parameters on a 2-stage setting. The use of outlet temperatures below 100oC and total soluble solids (TSS) which have not been standardized causes the powder formation process that does not reach the desired specifications. This study aims to determine the effect of outlet temperature and TSS on the quality of black tea extract powder. Using an emulsion derived from Haldin with TSS 31.3, 35.2, 37.2, 43.9, 44.1 and 47.4 brix and variations in outlet temperature with values of 105, 110, 115, and 120 oC. The 2-stage spray drying process is conditionally stable with an inlet temperature of 185oC, a pressure chamber of -2.0 mbar, an internal fluid-bed temperature of 150oC, and an external fluid-bed temperature of 25oC with an atomizer nozzle SDX III SC 40 Delavan. Parameters observed were feed pressure, flow rate, moisture content, density (tap and bulk), and colour (brew and powder). Based on the results obtained, the lowest water content was 1.68% at an outlet temperature of 120 oC and 2.81% TSS 31.3, the highest flowrate was 73.48 kg/hour at an outlet temperature of 120oC and 61.1 kg/hour with a TSS of 47, 4, The highest pressure is 62.17 bar at 105 oC and 68.1 bar at TSS 47.4, the highest density is at 0.50 g / ml at 105 oC with TSS 37.2, and the darkest colour is at 120 oC at 18,35 L, and the darkest steeping colour is 42.93 with a TSS of 35.2. The outlet temperature of 120 oC with a TSS range of 35.2 to 37.2 is sufficient to meet the specifications for Haldin consumer quality requirements."

"Pada saat ini, pengukuran sifat dan karakteristik madu yang menjadi dasar untuk penentuan kualitas madu dilakukan dengan metode berbasis laboratorium yang umumnya memiliki sifat merusak, memerlukan waktu yang lama, satu alat untuk satu pengukuran dan memerlukan penanganan yang khusus. Penelitian ini ditujukan untuk membuat suatu sistem pengukuran berbasis citra hiperspektral yang memiliki sifat tidak merusak, cepat, mudah, dan terintegrasi untuk memprediksi beberapa sifat madu antara lain massa jenis, TSS Total Soluble Solid), konduktivitas listrik, dan pH madu, serta mampu untuk melakukan pengenalan produsen madu. Sistem pengukuran yang dikembangkan menggunakan kamera hiperspektral yang mampu mendeteksi gelombang elektromagnetik pada panjang gelombang 400-1000 nm. Sistem pengolahan citra meliputi pengkoreksi citra, pemilihan area pengukuran, pengekstraksi ciri, pereduksi data, pemodelan pengenalan produsen madu dan pemodelan prediksi sifat madu. Algoritma pereduksi data yang digunakan meliputi PCA (Principal Component Analysis), PLS (Partial Least Square), dan ICA (Independent Componen Analysis). Algoritma pengenalan produsen madu meliputi algoritma DT (Decission Tree), kNN (k Nearest Neighbor), SVM (Support Vector Machine). Algoritma pemodelan prediksi sifat madu meliputi RT (Regression Tree), SVR (Support Vector Regression), dan GPR (Gaussian Process Regression). Sampel madu yang digunakan untuk menguji kinerja sistem yang dikembangkan terdiri atas 140 sampel yang didapatkan dari 3 produsen madu, dimana masing masing produsen mempunyai 9 sumber flora yang berbeda beda. Evaluasi terhadap kinerja sistem dilakukan dengan analisis nilai akurasi pada klasifikasi, serta koefisien determinasi (R2) dan RMSE (Root Mean Square Error) pada regresi. Hasil yang diperoleh menunjukan algoritma PLS-kNN sebagai algoritma terbaik untuk klasifikasi produsen madu dengan tingkat akurasi 79,3%. Algoritma PCA-GPR merupakan algoritma terbaik untuk prediksi nilai massa jenis, TSS, dan konduktivitas listrik dengan nilai R2 sebesar 0,889, 0,801, 0,875 dan RMSE dengan nilai 0,012, 1,738, 0,074. Algoritma terbaik untuk prediksi nilai pH madu adalah PLS-GPR dengan nilai R2 sebesar 0,904 dan RMSE 0,107. Secara umum, sistem yang dikembangkan telah berhasil melakukan pengenalan produsen madu dan memprediksi sifat madu dengan baik. ......Currently, the measurement of the honey properties which is the basis for determining the quality of honey is carried out by laboratory-based methods which generally have destructive properties, require a long time, one tool for one measurement and require special handling. This research is intended to develop measurement system based on hyperspectral imaging which has non-destructive, fast, easy and integrated properties that are able to measure some of the properties of honey including density, TSS, electric conductivity, and pH. , and are able to recognize the producers of honey. The measurement system uses a hyperspectral camera over 400-1000 nm wavelength signal. This system use image processing technique including image correction, image segmentation, image extraction, classification algorithm to recognize the producers of honey, and regression algorithm to predict honey properties value. The data reduction algorithm used are PCA (Principal Component Analysis), PLS (Partial Least Square), and ICA (Independent Componen Analysis). The classification algorithm used are DT (Decission Tree), kNN (k Nearest Neighbor), SVM (Support Vector Machine. The regression algorithm used are RT (Regression Tree), SVR (Support Vector Regression), and GPR (Gaussian Process Regression). The honey samples used to test the performance of the system consisted of 140 samples obtained from 3 honey producers, where each producer had 9 different sources of honey floral origin. Evaluation of the system was done by analyzing the value of accuracy on classification, as well as the coefficient of determination (R2) and RMSE (Root Mean Square Error) in the regression. The results obtained show the PLS-kNN algorithm as the best algorithm to recognize the honey producers with 79.3% accurac. The PCA-GPR algorithm is the best algorithm for predicting density, TSS, and electrical conductivity with R2 values of 0.889, 0.801, 0.875 and RMSE values of 0.012, 1.738, 0.074. The best algorithm for predicting the pH value of honey was PLS-GPR with R2 value of 0.904 and RMSE 0.107. "