Perpustakaan Digital ITB

Indonesia merupakan salah satu produsen kakao terbesar ke-7 dunia dengan produktivitas pada tahun 2022 mencapai 650.612 ton atau sekitar 4 persen dari total produksi dunia. Namun, kualitas dan varietas kakao Indonesia (forastero) masih rendah dari varietas lainnya, sehingga diperlukan teknologi untuk meningkatkan kualitasnya, seperti fermentasi sekunder. Fermentasi sekunder menggunakan fermentor terkontrol berbasis sensor kadar oksigen (O2) dengan pendekatan machine learning dapat digunakan sebagai salah satu solusi dari permasalahan tersebut. Selain penggunaannya pada fermentasi menjadi terotomatisasi, penggunaan sensor dan machine learning juga dapat menjaga kondisi fermentor lebih presisi. Adapun tujuan dari penelitian ini adalah untuk menentukan kinetika pertumbuhan mikroba starter, kualitas biji kakao dari fermentasi sekunder, hingga target prediksi penggunaan sensor untuk mengevaluasi kinerja fermentasi sekunder. Penelitian ini menggunakan kondisi optimal berdasarkan penelitian sebelumnya oleh Nismara, (2024), dimana inokulum bakteri asam laktat Lactobacillus plantarum dan ragi Candida tropicalis dengan kepadatan 107,29 CFU/ml dengan penambahan bubuk stroberi 12,07% (b/b) pada suhu fermentasi terkontrol ±27.01°C. Perolehan data untuk model diperoleh dari data sensor O2, data sensor suhu ambience, data susut bobot, data pH pulp, dan data sensor kelembapan relatif sebagai features, sedangkan data kandungan total fenolik, data dinamika mikroba, data pH nibs, dan data waktu fermentasi digunakan masing-masing sebagai target. Selain itu, data seperti massa, kadar air, dan indeks fermentasi digunakan sebagai parameter pendukung. Evaluasi menggunakan pendekatan Boosting Regression untuk diketahui parameter features yang paling baik bagi model dalam memprediksi data dan tingkat error yang paling kecil pada model terkait. Berdasarkan hasil penelitian, didapatkan bahwa pada starter L.plantarum, diperoleh laju pertumbuhan (?) 0,36/jam, Generation Time (GT) 1,16 jam, dan umur inokulum jam ke-10, sedangkan starter C.tropicalis memiliki laju pertumbuhan (?) 0,6/jam, Generation Time (GT) 1,92 jam, dan umur inokulum jam ke-12. Perolehan biji kakao terfermentasi sekunder tersebut memiliki kadar air 6,37%; peningkatan indeks fermentasi dari 67,5 ke 90%; total kandungan fenolik dari 46,02 ke 97,40 mg/GAE g kakao, dan susut bobot 6,6%. Sebanyak 3 model prediksi yang diuji pada parameter total kandungan fenolik, pH nibs, dan waktu fermentasi. Evaluasi model training diperoleh nilai R2 > 0,90 dan nilai mean squared error (MSE) yang berkisar antara 0,02 – 0,05. Berdasarkan penelitian ini, model machine learning berbasis kadar oksigen (O?) memiliki potensi yang signifikan dalam memonitor dan meningkatkan kualitas dari biji kakao forastero terfermentasi sekunder.