Oleh: Kavadya Syska, S.P., M.Si. (Dosen Bidang Teknologi Pangan – Food Technologist, Universitas Nahdlatul Ulama)
Penelitian ini memperkenalkan pendekatan inovatif berbasis Physics-Informed Neural Network (PINN) yang digunakan untuk memprediksi konsentrasi kelembapan dan penyusutan sel tanaman selama proses pengeringan. Menggabungkan hukum difusi Fick untuk memprediksi konsentrasi kelembapan (MC) dan hipotesis ‘penyusutan bebas’ untuk memprediksi penyusutan (S), penelitian ini memberikan kontribusi signifikan dalam pemahaman mekanisme pengeringan yang kompleks pada produk pangan berbasis tanaman. Pendekatan ini menawarkan potensi besar untuk meningkatkan presisi dan akurasi dalam memprediksi perubahan fisik yang terjadi selama proses pengeringan, yang merupakan salah satu tantangan utama dalam industri pengolahan pangan.
Dari perspektif Teknologi Pangan, pendekatan berbasis PINN ini sangat relevan mengingat pentingnya pengeringan dalam mempertahankan kualitas dan umur simpan produk pangan. Proses pengeringan yang tidak optimal dapat menyebabkan kerusakan kualitas, seperti perubahan tekstur, warna, dan nilai gizi. Dalam konteks ini, prediksi yang akurat tentang perubahan kelembapan dan penyusutan selama pengeringan sangat penting untuk menjaga kualitas produk akhir. Penggunaan PINN, yang mampu memadukan fisika dasar dengan kemampuan pembelajaran mesin, memberikan solusi baru untuk menangani kompleksitas ini.
Dalam penelitian ini, dua jaringan saraf multilayer feedforward yang berbeda dikembangkan: PINN-MC untuk memprediksi konsentrasi kelembapan, dan PINN-S untuk memprediksi penyusutan berdasarkan hipotesis ‘penyusutan bebas’. Hasil menunjukkan bahwa PINN-MC memberikan akurasi yang jauh lebih baik dibandingkan jaringan saraf dalam biasa (Deep Neural Network, DNN), dengan peningkatan akurasi hingga 81% saat memprediksi data yang belum diketahui pada titik data tertentu. Ini menunjukkan bahwa PINN-MC memiliki keandalan yang tinggi untuk memprediksi perubahan konsentrasi kelembapan, terlepas dari variasi parameter proses pengeringan dan mikrostruktur material.
Selain itu, PINN-S yang dirancang berdasarkan hubungan yang diturunkan dari hipotesis penyusutan bebas menunjukkan bahwa model ini mampu memprediksi penyusutan sel tanaman dengan perilaku yang lebih realistis. Penyusutan yang terjadi selama proses pengeringan adalah salah satu tantangan yang dihadapi oleh industri pangan, terutama untuk produk dengan kandungan air tinggi seperti buah dan sayuran. Model PINN-S ini memberikan pendekatan yang lebih akurat dalam menggambarkan perubahan fisik yang terjadi, sehingga dapat membantu mengoptimalkan proses pengeringan dengan hasil yang lebih baik dalam hal tekstur dan penampilan produk.
Keunggulan dari kerangka surrogate berbasis PINN ini terletak pada kemampuannya untuk menggabungkan berbagai hukum fisika dalam satu model yang dapat memprediksi konsentrasi kelembapan dan penyusutan secara simultan. Ini membuat pendekatan ini menjadi alat yang kuat untuk meneliti mekanisme pengeringan yang kompleks, yang selama ini sulit dipahami dengan pendekatan tradisional. Dengan memanfaatkan data dari proses pengeringan aktual dan mengintegrasikannya dengan prinsip-prinsip fisika, PINN dapat memberikan prediksi yang lebih akurat dan stabil, sehingga membantu para pelaku industri untuk merancang proses pengeringan yang lebih efisien dan efektif.
Sebagai seorang dosen di bidang Teknologi Pangan, saya melihat bahwa penelitian ini tidak hanya memberikan kontribusi besar dalam dunia akademik, tetapi juga berpotensi besar untuk diterapkan secara praktis dalam industri pangan. Pendekatan PINN dapat membantu produsen pangan dalam mengoptimalkan proses pengeringan yang selama ini sering kali didasarkan pada trial and error. Dengan memanfaatkan kerangka kerja ini, produsen dapat meminimalkan kerugian kualitas dan memastikan bahwa produk akhir tetap memiliki kualitas optimal dengan biaya produksi yang lebih rendah.
Secara keseluruhan, penelitian ini memperkenalkan sebuah terobosan dalam pemanfaatan teknologi kecerdasan buatan yang terinformasi fisika untuk memecahkan masalah teknis dalam pengeringan pangan. Dengan kemampuan untuk memprediksi perubahan kelembapan dan penyusutan secara lebih akurat, kerangka kerja PINN ini dapat membuka jalan bagi pengembangan teknologi pengeringan yang lebih maju dan efektif di masa depan. Hal ini tentunya akan memberikan dampak positif bagi industri pangan, terutama dalam upaya meningkatkan efisiensi produksi, mengurangi kerugian produk, dan mempertahankan kualitas produk pangan yang lebih baik.
