Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
SISTEM PENGAMBILAN KEPUTUSAN OTOMATIS BERBASIS FUZZY UNTUK
KELAYAKAN REUSE AIR DRAIN MESIN RETORT
Mohamad Muchtarul Hadist1.
Indah Sulistiyowati1.
Syamsudduha Syahrorini1.
Agus Hayatal Falah1 Prodi Teknik Elektro Fakultas Teknik.
Universitas Muhammadiyah Sidoarjo.
Sidoarjo.
Indonesia Email: muchtarul2293@gmail.
com, indah_sulistiyowati@umsida.
syahrorini@umsida.
id, agushf@umsida.
ABSTRAK
Tingginya konsumsi air pada proses sterilisasi mesin retort dan pembuangan air drain yang masih berpotensi dimanfaatkan kembali mendorong perlunya sistem penilaian kelayakan reuse air yang objektif dan otomatis.
Penelitian ini bertujuan mengembangkan sistem pengambilan keputusan otomatis berbasis fuzzy logic Mamdani untuk menentukan kelayakan reuse air drain mesin retort berdasarkan parameter turbidity, pH, dan Total Dissolved Solids (TDS).
Lingkup penelitian meliputi perancangan prototipe sistem monitoring multi-parameter, implementasi sistem inferensi fuzzy berbasis standar food-grade, serta integrasi keputusan dengan kontrol valve otomatis.
Metode penelitian menggunakan pendekatan research and development dengan pengolahan data sensor secara real-time menggunakan fuzzy inference system Mamdani yang terdiri dari 27 rule base dan mekanisme rule override pada parameter turbidity.
Hasil pengujian menunjukkan seluruh sensor memiliki akurasi kurang dari 1%, repeatability di bawah 0,3%, serta linearitas yang baik pada rentang operasional.
Pengujian logika fuzzy menghasilkan akurasi keputusan sebesar 100% dibandingkan perhitungan manual.
Dari 30 sampel air drain retort, sistem mengklasifikasikan 26,67% sebagai reuse, 66,67% sebagai treatment, dan 6,67% sebagai reject, dengan potensi penghematan air sebesar 93,33%.
Sistem yang dikembangkan terbukti mampu meningkatkan efisiensi penggunaan air, mengurangi biaya operasional, serta mendukung penerapan praktik industri pangan yang berkelanjutan.
Kata kunci : Fuzzy Logic Mamdami.
Kualitas Air.
Pengambilan Keputusan Otomatis.
Reuse Air Retort
ABSTRACT
High water consumption in retort sterilization processes and the disposal of drain water with reuse potential highlight the need for an objective and automated water reuse feasibility assessment system.
This study aims to develop an automated decision-making system based on Mamdani fuzzy logic to evaluate the reuse feasibility of retort drain water using turbidity, pH, and Total Dissolved Solids (TDS) The scope of this research includes the design of a multi-parameter monitoring prototype, the implementation of a food-grade-based fuzzy inference system, and the integration of decision results with automated valve control.
The study adopts a research and development approach, in which sensor data are processed in real-time using a Mamdani fuzzy inference system consisting of 27 rule bases with a turbidity-based rule override mechanism.
Experimental results indicate that all sensors achieve accuracy below 1%, repeatability under 0.
3%, and good linearity within their operational ranges.
Fuzzy logic evaluation demonstrates a decision accuracy of 100% compared to manual calculations.
Testing on 30 retort drain water samples shows that 26.
67% are classified as reuse, 66.
67% as treatment, and 6.
67% as reject, resulting in a water-saving potential of 93.
The proposed system effectively improves water-use efficiency, reduces operational costs, and supports sustainable practices in the food processing industry.
Keywords: Mamdani fuzzy logic, water quality, automated decision-making, retort water reuse Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
PENDAHULUAN
Osmosis berbasis Internet of Things menggunakan metode Sugeno (Plappally & Lienhard V, 2.
, serta monitoring air limbah PLTU menggunakan fuzzy Mamdani dengan dua parameter, yaitu pH dan suhu, yang dipantau secara real-time melalui platform IoT Blynk (Barzegar et al.
, 2.
Mayoritas penelitian tersebut masih berfokus pada sistem monitoring atau pemberian rekomendasi tanpa menyediakan mekanisme pengambilan keputusan yang terstruktur dan konsisten (Al-Mutairi & AlAubidy, 2.
Penelitian terdahulu juga belum mengarahkan implementasinya pada industri makanan, khususnya pada sistem penentuan kelayakan reuse air retort berdasarkan data aktual dari sensor mesin.
Sistem monitoring kualitas air yang ada masih memerlukan intervensi manual operator untuk menentukan routing aliran air baik menuju reuse, treatment, ketidakkonsistenan keputusan.
Kondisi ini menunjukkan adanya kesenjangan penelitian terkait kebutuhan sistem pengambilan keputusan otomatis berbasis data real-time untuk mendukung efisiensi proses dan konsistensi penilaian kualitas air (Vadiati et al.
Penelitian ini bertujuan mengembangkan prototipe sistem pengambilan keputusan dan kontrol otomatis berbasis fuzzy logic untuk menilai kelayakan reuse air mesin retort dengan menggunakan sensor turbidity, pH, dan TDS.
Sistem ini diharapkan mampu meningkatkan efisiensi penggunaan air, mengurangi risiko kontaminasi, menurunkan biaya operasional, keberlanjutan .
pada industri pengolahan pangan berbasis retort.
Penelitian ini menawarkan nilai baru berupa integrasi metode fuzzy Mamdani dengan sistem kontrol otomatis berbasis automated valve control sehingga aliran air dapat diarahkan secara otomatis menuju jalur reuse, treatment, atau reject tanpa intervensi operator, sekaligus memberikan pengambilan keputusan yang objektif, konsisten, dan berbasis sensor realtime.
Retort merupakan perangkat yang digunakan untuk mensterilkan produk makanan dalam kemasan kaleng, pouch, dan sejenisnya.
Alat ini dilengkapi dengan sistem sterilisasi menggunakan proses panas pada temperatur tinggi di atas 100AC dengan tujuan membunuh mikroorganisme patogen dan penyebab pembusukan dalam bentuk spora.
Produk dinyatakan steril apabila tidak terdapat mikroorganisme yang mampu berkembang di dalamnya, sedangkan spora bakteri memiliki dibandingkan sel vegetatif bakteri.
Retort mampu beroperasi pada suhu 121AC dengan tekanan 2 bar (Benjakul et al.
, 2018.
Jimenez et , 2.
Industri pengolahan makanan yang memanfaatkan teknologi retort membutuhkan air dalam jumlah signifikan selama proses sterilisasi, dan air keluaran retort seringkali masih memiliki kualitas yang cukup baik tetapi umumnya langsung dibuang.
Kondisi tersebut menimbulkan pemborosan sumber daya air sekaligus meningkatkan biaya pengolahan Sistem daur ulang air limbah retort berpotensi mengurangi biaya operasional dan mendukung praktik industri yang lebih ramah lingkungan sehingga diperlukan sistem monitoring yang mampu memastikan kualitas air sesuai standar pemanfaatan selanjutnya (Garnier et al.
, 2.
Logika fuzzy Mamdani dipilih dalam menangani ketidakpastian dan ambiguitas pada data sensor kualitas air.
Parameter seperti turbidity, pH, dan TDS sering berada pada kondisi grey area yang tidak dapat ditentukan secara akurat dengan metode threshold biner Pendekatan fuzzy Mamdani menggunakan fungsi keanggotaan dan rule base linguistik yang menyerupai penalaran manusia sehingga mampu menghasilkan keputusan yang fleksibel dan objektif.
Metode ini juga memiliki tingkat interpretabilitas tinggi karena setiap keputusan dapat ditelusuri berdasarkan aturan yang diaktifkan, sehingga sesuai diterapkan pada industri makanan yang membutuhkan transparansi serta akuntabilitas dalam proses pengambilan keputusan (Bailone et al.
, 2.
Penelitian sebelumnya telah menerapkan fuzzy logic pada berbagai sistem monitoring kualitas air, seperti kontrol kualitas air Reverse Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
TINJAUAN PUSTAKA
Ie WWTP.
nilai 30 O z* O 70 untuk Treatment .
,50,.
) yang ditampilkan pada LCD kemudian mengaktifkan Relay 2 Ie SV3 Ie Tangki Treatment.
dan z* > 60 untuk Reuse .
,85,100,.
) yang ditampilkan pada LCD kemudian mengaktifkan Relay 1 Ie SV2 Ie Tangki Air Bersih.
Sistem fuzzy logic mengintegrasikan tiga parameter input dengan rule base berbasis standar kualitas air foodgrade, melalui tahap fuzzifikasi, evaluasi rule base, inferensi, dan defuzzifikasi untuk menghasilkan keputusan yang lebih akurat dibandingkan metode threshold tunggal .
wiec et al.
, 2.
Blok Diagram Sistem Perancangan sistem dilakukan dengan mengintegrasikan sensor pH.
TDS, dan turbidity yang membaca kualitas air dan menggunakan algoritma fuzzy logic Mamdani selanjutnya ditampilkan pada LCD dan mengarahkan aliran air ke tangki reuse, treatment, atau WWTP (Bellini et al.
, 2.
Prototype Sistem Gambar 1.
Blok Diagram Sistem Gambar 1 menunjukkan blok diagram sistem pengambilan keputusan otomatis untuk kelayakan reuse air drain mesin retort.
Sistem mengintegrasikan sensor turbidity, pH, dan Total Dissolved Solids (TDS) dengan mikrokontroler ESP32 untuk memproses data kualitas air menggunakan metode fuzzy logic Mamdani.
Hasil keputusan digunakan untuk mengendalikan sistem valve otomatis yang mengarahkan aliran air ke jalur reuse, treatment, atau wastewater treatment plant (WWTP).
Simulasi air drain retort mengalir dari tangki penampungan menuju sistem monitoring kualitas air, kemudian tiga sensor .
urbidity, pH, dan TDS) membaca parameter secara realtime dan mengirimkan data ke mikrokontroler ESP32.
Mikrokontroler memproses data menggunakan algoritma fuzzy logic untuk menentukan kelayakan reuse air, dan setelah defuzzifikasi menghasilkan nilai z* .
Ae.
ESP32 mengaktifkan SV1 sebagai flow control Berdasarkan nilai z* dan kategori keputusan.
ESP32 mengaktifkan salah satu valve routing, yaitu z* < 40 untuk Reject .
,0,14,.
) yang ditampilkan pada LCD kemudian mengaktifkan Relay 3 Ie SV4 Gambar 2.
Prototype Sistem Gambar 2 memperlihatkan prototype fisik sistem pengambilan keputusan otomatis yang Prototype ini terdiri dari unit sensor kualitas air, panel kontrol berbasis ESP32, dan sistem solenoid valve pada bagian Sistem pengambilan keputusan otomatis berbasis sensor dan fuzzy logic.
Sistem prototype ini bekerja dengan mengalirkan air dari input melalui tiga sensor .
urbidity, pH, dan TDS) yang mengukur kualitas air secara real-time, kemudian data sensor tersebut diproses oleh panel kontrol untuk mengambil keputusan otomatis melalui solenoid valve di bagian output jika kualitas air memenuhi standar maka akan diarahkan ke jalur reuse/treatment untuk digunakan kembali, namun jika tidak memenuhi standar maka akan diarahkan ke jalur reject untuk dibuang atau diolah lebih lanjut.
Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Rangkaian Perangkat Keras WWTP, sementara SV1 tetap terbuka hingga proses pemilahan selesai.
Hasil keputusan dan nilai parameter kualitas air ditampilkan secara real-time pada LCD melalui komunikasi I2C, dan seluruh rangkaian disuplai oleh power supply dengan tegangan stabil (Papa et al.
Abuzairi et al.
, 2.
Perancangan Logic Fuzzy Mamdani Konsep dasar sistem pengambilan keputusan otomatis ini mengimplementasikan logika fuzzy berdasarkan pembacaan tiga parameter sensor yaitu pH.
TDS, dan turbidity menggunakan Fuzzy Inference System (FIS) tipe Mamdani yang dipilih karena kemudahan interpretasi, kemiripan dengan penalaran manusia, dan kemampuannya mengelola data mengandung ketidakpastian (Golshan et al.
Sistem inferensi Mamdani terdiri dari tahap fuzzifikasi yang mengubah nilai numerik menjadi linguistik, evaluasi aturan berbasis IFTHEN, agregasi dan implikasi untuk menggabungkan output aturan aktif, serta defuzzifikasi yang mengubah nilai fuzzy menjadi nilai crisp sebagai keputusan akhir.
Sistem fuzzy logic Mamdani memiliki tiga variabel input, yaitu pH .
Ae.
TDS .
Ae2000 pp.
, dan turbidity .
Ae300 NTU), serta satu variabel output berupa status kelayakan air .
Ae .
dengan kategori Reject .
Ae.
Treatment .
Ae.
, dan Reuse .
Ae.
Pada tahap fuzzifikasi, nilai parameter dikonversi berdasarkan standar baku mutu air industri pangan.
Batas maksimal turbidity, 25 NTU sesuai Permenkes 32/2017 sehingga diberi bobot prioritas tertinggi sebagai indikator utama kelayakan reuse (WHO/UNICEF, 2.
pH, rentang 6,5Ae8,5 ditetapkan sebagai batas normal sesuai SNI 3553:2015 dan GMP industri pangan untuk menjaga kondisi proses dan mencegah korosi peralatan (WHO, 2.
Rentang pH ini penting untuk mencegah korosi pada sistem distribusi dan peralatan, serta memastikan efektivitas disinfeksi dan kondisi optimal proses (Kirby et al.
, 2.
TDS, batas maksimal 500 mg/L sesuai SNI 3553:2015 dan GMP untuk mencegah deposit mineral dan menjaga konsistensi kualitas air proses (Adjovu et al.
, 2.
Ketiga parameter ini kemudian dipetakan ke dalam fungsi keanggotaan fuzzy untuk mengklasifikasikan kondisi kualitas air.
Setiap Gambar 3.
Rangkaian Perangkat Keras Gambar 3 menunjukkan konfigurasi rangkaian perangkat keras sistem yang terdiri dari mikrokontroler ESP32, modul ADC ADS1115, sensor turbidity, pH, dan TDS, serta modul relay untuk mengendalikan solenoid Rangkaian ini memungkinkan akuisisi data multi-sensor secara real-time dan eksekusi pengolahan fuzzy logic.
Sistem ini menggunakan ESP32 sebagai mikrokontroler utama untuk pengolahan data dan kontrol perangkat.
Kehandalan ESP32 dalam aplikasi multi-sensor dibuktikan oleh penelitian pada sistem monitoring multi-sensor gas dan suhu serta aplikasi kontrol otomatis menggunakan ESP32-CAM, dimana ESP32 menangani pembacaan multi-sensor dan pemrosesan real-time (Moumni & Massour el Aoud, 2022.
Febrian et al.
, 2025.
Rifandi et al.
, sehingga sesuai untuk monitoring air drain retort yang memerlukan akuisisi data simultan dari tiga sensor .
TDS, turbidit.
dan pengambilan keputusan cepat berbasis fuzzy logic.
Mikrokontroler ESP32 terhubung dengan tiga sensor analog melalui modul ADS1115 sebagai ADC 16-bit yang mengkonversi sinyal analog menjadi data digital presisi tinggi via I2C (Rosmasari et al.
menggunakan algoritma fuzzy logic Mamdani untuk menghasilkan keputusan kelayakan reuse air dan mengendalikan modul relay 4 channel yang mengoperasikan empat solenoid valve secara bertahap.
Logika kontrol valve dirancang dengan SV1 sebagai flow control gate yang dibuka setelah pembacaan sensor selesai, kemudian berdasarkan hasil fuzzy logic.
ESP32 mengaktifkan salah satu valve percabangan yaitu SV2 untuk tangki reuse.
SV3 untuk tangki treatment, atau SV4 untuk Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
parameter memiliki fungsi keanggotaan dengan kategori linguistik.
Gambar 6.
Fungsi Keanggotaan TDS Gambar 6 memperlihatkan fungsi keanggotaan fuzzy untuk parameter Total Dissolved Solids (TDS) yang dibagi menjadi kategori Low.
Medium, dan High.
Parameter TDS digunakan untuk menilai tingkat mempengaruhi kelayakan reuse air.
Variabel TDS digunakan tiga kategori fungsi keanggotaan, yaitu Low dengan bentuk trapezoid .
, 0, 200, .
Medium dengan bentuk triangular .
, 500, .
, dan High dengan bentuk trapezoid .
, 800, 2000.
Gambar 4.
Fungsi Keanggotaan Turbidity Gambar keanggotaan fuzzy untuk parameter turbidity yang dibagi ke dalam tiga kategori, yaitu Low.
Medium, dan High.
Klasifikasi ini digunakan untuk merepresentasikan tingkat kekeruhan air sebagai parameter utama dalam penentuan kelayakan reuse air.
Variabel turbidity digunakan tiga kategori yaitu Low dengan bentuk trapezoid .
, 0, 2.
Medium dengan bentuk triangular .
5, 15,
, dan High dengan bentuk trapezoid .
, 25, 200, .
Gambar 7.
Fungsi Keanggotaan Output Gambar keanggotaan fuzzy untuk variabel output sistem yang terdiri dari kategori Reject.
Treatment, dan Reuse.
Variabel output ini merepresentasikan hasil akhir keputusan sistem berdasarkan kombinasi seluruh parameter input.
Variabel output digunakan tiga kategori fungsi keanggotaan, yaitu Reject dengan bentuk trapezoid .
, 0, 14, .
Treatment dengan bentuk triangular .
, 50, .
, dan Reuse dengan bentuk trapezoid .
, 85, 100, .
Gambar 5.
Fungsi Keanggotaan pH Gambar keanggotaan fuzzy untuk parameter pH yang diklasifikasikan menjadi Asam.
Netral, dan Basa.
Parameter ini digunakan untuk memastikan kondisi keasaman air berada dalam rentang yang aman sesuai standar industri Variabel pH digunakan tiga kategori fungsi keanggotaan, yaitu Asam dengan bentuk trapezoid .
, 0, 6.
0, 7.
Netral dengan bentuk triangular .
5, 7.
0, 8.
, dan Basa dengan bentuk trapezoid .
0, 8.
5, 14, .
Basis Aturan Fuzzy (Rule Bas.
Sistem fuzzy dirancang dengan 27 aturan yang merupakan kombinasi lengkap dari 3 variabel input, dimana masing-masing variabel memiliki 3 himpunan fuzzy .
y 3 y 3 = 27 kombinas.
, namun diberlakukan aturan prioritas utama yaitu jika turbidity Ou 25 NTU .
ategori High sepenuhnya tercapa.
, sistem Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
langsung mengklasifikasikan output sebagai AuRejectAy karena turbidity merupakan parameter paling kritis yang dapat menghambat efektivitas disinfeksi/sterilisasi dan melindungi mikroorganisme dari proses inaktivasi ( Fernadez Alvarez et al.
, 2.
Rumus dasar defuzzifikasi digunakan untuk mendapatkan nilai z*, di mana z* adalah nilai crisp output, z adalah nilai variabel output pada domain .
Ae.
, .
adalah derajat keanggotaan output hasil agregasi pada nilai z, dan integral diambil untuk seluruh domain Pada menggunakan mikrokontroler, rumus centroid dapat dihitung menggunakan pendekatan numerik dengan persamaan Mekanisme Inferensi dan Defuzifikasi Mekanisme inferensi fuzzy pada penelitian ini menggunakan Metode Mamdani (Max-Mi.
yang terdiri dari tiga tahap utama yaitu fuzzifikasi, penerapan rule, dan agregasi output.
Pada tahap fuzzifikasi, nilai input crisp dari sensor (Turbidity.
TDS, pH) dikonversi menjadi derajat keanggotaan fuzzy berdasarkan fungsi keanggotaan yang telah didefinisikan, di mana setiap input memiliki tiga kategori linguistik: Low.
Medium, dan High untuk turbidity dan TDS, serta Asam.
Netral, dan Basa untuk pH.
Pada tahap penerapan rule, sistem mengevaluasi 27 aturan fuzzy menggunakan operator AND .
dan OR .
, dengan rule override berprioritas tertinggi yaitu apabila Turbidity > NTU (Hig.
, mengklasifikasikan output sebagai "Reject" tanpa mempertimbangkan parameter lainnya (Rule 1Ae.
Firing strength setiap rule dihitung dengan formula -rule = min(Turbidity.
TDS, pH).
Contoh evaluasinya yaitu Rule 11: IF Turbidity = Medium AND TDS = Low AND pH = Netral Ie Reuse, dengan CACA = min.
8, 0.
6, 0.
= 0.
dan Rule 1: IF Turbidity = High Ie Reject .
, dengan CA = min.
7, 0.
3, 0.
= 0.
Pada tahap agregasi output, hasil dari setiap rule maksimum untuk membentuk tiga himpunan fuzzy output yaitu Reuse dari Rule 11 dan 20 .
H = Netral.
TDS = Low waji.
Treatment dari 16 rules .
ondisi tidak optima.
, dan Reject dari Rule 1Ae9 (Turbidity = Hig.
Output fuzzy kemudian dikonversi menjadi nilai crisp menggunakan metode Centroid (Center of Gravit.
yang dipilih karena hasilnya paling stabil dan presisi, umum digunakan pada sistem kualitas air, dan mendekati penilaian manusia terhadap kondisi ycsO = Oc .
csycn Oo yuN .
) yuN.
Alur kerja lengkap sistem fuzzy Mamdani digambarkan pada flowchart berikut.
Gambar 8.
Flowchart Sistem Fuzzy Gambar 8 menggambarkan flowchart Mamdani keseluruhan, mulai dari pembacaan sensor, proses fuzzification, evaluasi aturan, hingga Diagram ini menunjukkan tahapan pengambilan keputusan otomatis yang diterapkan pada sistem.
Flowchart menunjukkan proses berurutan dari pembacaan sensor, fuzzifikasi, evaluasi rule, agregasi, defuzzifikasi menggunakan metode centroid, hingga output berupa tampilan LCD dan aktivasi solenoid sesuai kategori kelayakan air.
O nyuN .
O yuN .
Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Klasifikasi Akhir Pengujian Sistem Nilai crisp z* .
hasil defuzzifikasi dipetakan ke tiga kategori kelayakan air berdasarkan distribusi 27 rules: 9 rules untuk "Reject" .
3%), 16 rules untuk "Treatment" .
3%), dan 2 rules untuk "Reuse" .
4%).
Pengujian untuk memastikan sistem pengambilan keputusan otomatis berbasis fuzzy optimal dan sesuai dengan spesifikasi yang direncanakan, akan dilakukan serangkaian pengujian sebagai berikut:
Pengujian Sensor (Hardware Testin.
Pengujian hardware dilakukan untuk memverifikasi bahwa seluruh komponen dapat beroperasi sesuai spesifikasi.
Sensor turbidity, pH dan TDS akan diuji menggunakan larutan standar dengan nilai referensi yang telah diketahui untuk menghitung tingkat akurasi dan error Pengujian Logika Fuzzy Sistem inferensi fuzzy akan diuji kombinasi input untuk memverifikasi output keputusan sesuai rule fuzzy yang telah ditetapkan.
Pengujian meliputi skenario air bersih optimal yang diharapkan menghasilkan output "Reuse", "Treatment", serta air sangat kotor menghasilkan "Reject" Pengujian Sistem Keseluruhan Sistem diuji menggunakan sampel air drain mesin retort dan diuji secara Latar belakang pengembangan sistem ini adalah tingginya konsumsi air pada proses sterilisasi retort yang mencapai ratusan liter per batch, sementara tidak semua air drain memiliki tingkat kontaminasi yang sama.
Pengujian bertujuan mengukur persentase air drain yang layak reuse, memerlukan treatment, atau harus dibuang, sehingga dapat menghitung potensi penghematan air dan biaya operasional.
Tujuan mengevaluasi kemampuan sistem dalam mengklasifikasikan kelayakan air drain mesin retort serta menilai potensi efisiensi pemanfaatan air berdasarkan hasil pengujian operasional sistem secara realtime.
Tabel 1.
Pemetaan Kategori Output Sistem Fuzzy Kategori Range Kriteria & Tindakan Reject Treatment Reuse - Turbidity High verride - Air tidak layak Ie WWTP (SV.
- 9 rules .
- Kondisi tidak - Perlu pengolahan Ie
SV3
- 16 rules .
- pH Netral TDS Low .
- Layak pakai Ie Tangki Reuse(SV.
- 2 rules .
Tabel 1 menunjukkan pemetaan kategori output sistem fuzzy logic yang terdiri dari Reject.
Treatment, dan Reuse beserta rentang nilai keluaran dan tindakan sistem.
Tabel ini menjadi acuan utama dalam klasifikasi kelayakan air dan pengendalian solenoid valve secara otomatis.
Hierarki prioritas parameter menetapkan bahwa Turbidity (Domina.
dengan nilai High (Ou25 NTU) selalu menghasilkan keputusan "Reject" tanpa mempertimbangkan parameter lain sebagai rule override.
pH Netral .
5Ae8.
menjadi syarat mutlak untuk kategori "Reuse", dan jika pH Asam atau Basa maka output maksimal adalah "Treatment".
TDS Low (O350 pp.
merupakan kondisi optimal untuk reuse air, sedangkan TDS Medium atau High mengarahkan keputusan pada kategori "Treatment".
Desain dengan 7.
4% rules untuk "Reuse" mencerminkan pendekatan konservatif safety-first dalam industri pangan, memastikan hanya air dengan kualitas sangat baik yang direuse langsung, dengan pH Netral sebagai syarat mutlak untuk kategori "Reuse".
METODE PENELITIAN
Penelitian ini menggunakan metode eksperimental terapan dengan pendekatan Research and Development (R&D) untuk merancang, mengembangkan, dan menguji sistem pengambilan keputusan otomatis Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
berbasis fuzzy logic untuk kelayakan reuse air Penelitian mengumpulkan data numerik dari tiga sensor yaitu pH.
TDS (Total Dissolved Solid.
, dan turbidity yang kemudian diolah menggunakan algoritma fuzzy logic Mamdani.
Proses pengambilan keputusan dilakukan melalui tahap fuzzifikasi dengan pendefinisian fungsi berdasarkan standar kualitas air food-grade, inferensi metode min-max, dan defuzzifikasi keputusan "Reuse", "Treatment", atau "Reject".
Pengambilan data menggunakan sampel air drain dari mesin retort perusahaan makanan dan minuman di Jawa Timur dengan variasi Minimal 30 sampel diuji menggunakan sensor turbidity.
TDS, dan pH Sistem mengklasifikasikan setiap sampel ke kategori Reuse.
Treatment, atau Reject untuk analisis distribusi kelayakan dan evaluasi performa Tahapan penelitian meliputi identifikasi masalah, studi literatur, perancangan sistem, pengambilan data, analisis hasil, dan penarikan Penelitian ini menggunakan beberapa alat dan perangkat lunak, yaitu laptop, software Arduino IDE, kabel connector micro USB, multimeter digital, kabel jumper, serta peralatan pendukung berupa solder dan timah Bahan yang digunakan terdiri dari ESP32 Devkit sebagai mikrokontroler utama, sensor pH beserta modulnya, sensor TDS beserta modulnya, sensor turbidity beserta modulnya.
IC ADS1115 sebagai ADC 16-bit, modul relay 4 channel 5V, modul step down 12VAe5V, serta solenoid valve 12V sebagai aktuator dalam sistem.
konsistensi, linearitas, dan stabilitas pembacaan Tabel 2.
Hasil Pengujian Sensor Turbidity Jenis Uji
Sampel Coba
Air
Uji
Coba
Uji
Coba
Ratarata
1 NTU
NTU
NTU
Berdasarkan hasil pengujian kalibrasi sensor turbidity pada Tabel 2, sensor menunjukkan konsistensi pembacaan yang sangat baik dengan standar deviasi minimal antar uji coba.
Pada larutan standar 1 NTU, sensor menghasilkan output tegangan ratarata 3.
853 V dengan variasi maksimal hanya 001 V.
Untuk larutan 25 NTU diperoleh 837 V, sedangkan pada 50 NTU 821 V.
Hasil kalibrasi menunjukkan hubungan linier antara nilai turbidity dan tegangan kekeruhan air diikuti dengan penurunan Kondisi ini sesuai dengan prinsip kerja sensor turbidity berbasis metode nephelometric, dimana intensitas cahaya yang tersebar oleh partikel tersuspensi berbanding lurus dengan tingkat kekeruhan (Utari et al.
, 2.
Memastikan dilakukan perhitungan persamaan regresi linier dari data kalibrasi.
Perubahan tegangan dari 1 NTU ke 25 NTU sebesar 016 V dan dari 25 NTU ke 50 NTU juga 016 V, sehingga diperoleh nilai Oe0.
V/NTU.
Konsistensi slope menunjukkan linearitas sensor yang baik pada rentang operasi 0Ae50 NTU.
Nilai repeatability yang tinggi dengan variasi kurang dari 0.
3% mengindikasikan sensor memiliki stabilitas yang memadai untuk aplikasi monitoring real-time.
HASIL DAN PEMBAHASAN
Hasil Pengujian Sensor Tabel 2 menyajikan hasil pengujian dan kalibrasi sensor turbidity menggunakan larutan standar pada beberapa tingkat kekeruhan.
Data pada tabel ini digunakan untuk mengevaluasi Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Tabel 3.
Pengujian dan Kalibrasi Sensor pH Tabel 4.
Pengujian dan Kalibrasi Sensor TDS Buffer Uji Standar Coba Uji Coba Uji Coba Ratarata Buffer Buffer Buffer Buffer Uji Standar Coba Uji Coba Uji Coba Ratarata Tabel 4 menunjukkan hasil pengujian sensor Total Dissolved Solids (TDS) konsentrasi berbeda.
Data ini digunakan untuk mengevaluasi sensitivitas dan linearitas sensor dalam mengukur kandungan mineral terlarut.
Pengujian sensor TDS menggunakan larutan standar 500 ppm dan 1000 ppm (Tabel .
menghasilkan tegangan rata-rata masingmasing sebesar 1.
605 V dan 2.
367 V.
Hubungan linier antara konsentrasi TDS dan tegangan output menunjukkan sensor bekerja optimal pada rentang pengukuran 0Ae2000 ppm.
Perhitungan koefisien TDS menunjukkan perubahan tegangan sebesar 0.
762 V untuk selisih konsentrasi 500 ppm, sehingga diperoleh sensitivitas sebesar 0.
001524 V/ppm.
Nilai linearitas error sebesar 0.
296% diperoleh dari perbandingan variasi maksimal 0.
terhadap tegangan referensi.
Konsistensi pembacaan dengan variasi maksimal 0.
menunjukkan sensor TDS memiliki stabilitas yang memadai untuk monitoring kualitas air secara kontinyu.
Sensitivitas sebesar 1.
mV/ppm dinilai cukup tinggi untuk mendeteksi perubahan kandungan mineral terlarut dalam air drain retort (Irawan et al.
, 2.
Kesimpulan menunjukkan bahwa ketiga sensor memiliki performa yang baik, ditinjau dari karakteristik linearitas yang konsisten pada rentang operasional, repeatability dengan variasi antar pengukuran kurang dari 0.
3%, stabilitas output tegangan pada setiap uji coba, serta akurasi dengan error kalibrasi kurang dari 1% terhadap nilai referensi.
Tabel 3 menampilkan hasil pengujian sensor pH menggunakan larutan buffer standar pada beberapa titik referensi.
Tabel ini digunakan untuk menentukan karakteristik respons sensor serta tingkat repeatability Hasil pengujian sensor pH menggunakan karakteristik pembacaan yang stabil.
Pada buffer pH 4.
01, sensor menghasilkan tegangan rata-rata 3.
636 V, buffer pH 6.
86 sebesar 3.
V, dan buffer pH 9.
18 sebesar 2.
854 V.
Data menunjukkan hubungan linier negatif antara nilai pH dan tegangan output, sesuai dengan karakteristik elektroda pH berbasis probe kaca (Pratama et al.
, 2.
Persamaan kalibrasi ditentukan dari tiga titik kalibrasi.
Perhitungan sensitivitas sensor pH menunjukkan perubahan tegangan sebesar 428 V pada rentang pH 4.
01Ae6.
86 dan 0.
V pada rentang pH 6.
86Ae9.
18, sehingga diperoleh sensitivitas masing-masing sebesar 150 V/pH unit dan 0.
153 V/pH unit.
Sensitivitas rata-rata sebesar 0.
151 V/pH unit menunjukkan respons sensor yang konsisten pada rentang pH operasional 4Ae9.
Variasi maksimal antar uji coba sebesar 0.
008 V pada buffer pH 6.
86 mengindikasikan repeatability yang baik dengan error relatif kurang dari Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Tabel 5.
Pengujian Logika Fuzzy Turbidity TDS (NTU) .
Output Fuzzy .
Output Sistem Hasil Reuse Reuse Sesuai Reuse Reuse Sesuai Treatment Treatm Sesuai Treatment Treatm Sesuai Reject Reject Sesuai Reject Reject Sesuai memicu rule override dengan prioritas tertinggi sehingga parameter lain diabaikan dan sistem langsung mengklasifikasikan sebagai Reject.
Evaluasi akurasi menunjukkan bahwa seluruh enam skenario pengujian menghasilkan output yang sesuai dengan perhitungan manual, sehingga diperoleh akurasi sistem sebesar Hasil ini memvalidasi bahwa algoritma fuzzy Mamdani telah terimplementasi dengan benar, rule override turbidity berfungsi sesuai desain, fungsi keanggotaan dan rule base konsisten, serta proses defuzzifikasi metode centroid menghasilkan nilai crisp yang tepat.
Hasil Pengujian Sistem Keseluruhan Distribusi Sistem Keputusan Tabel 6.
Distribusi Keputusan dan Aktivassi Solenoid Tabel 5 menyajikan perbandingan antara output sistem fuzzy logic dan hasil perhitungan manual pada beberapa skenario pengujian.
Tabel ini digunakan untuk memverifikasi konsistensi dan akurasi implementasi algoritma fuzzy Mamdani.
Pengujian logika fuzzy (Tabel 2.
dilakukan untuk memverifikasi konsistensi antara output sistem dan perhitungan manual menggunakan metode Mamdani.
Enam skenario pengujian mencakup kondisi reuse, treatment, dan reject.
Pada skenario 1 dan 2, sistem menghasilkan output Reuse yang sesuai dengan perhitungan manual.
Sampel 1 memiliki 08 NTU.
TDS 260 ppm, dan pH 86, sedangkan sampel 2 memiliki turbidity 79 NTU.
TDS 227 ppm, dan pH 7.
Kedua sampel memenuhi kriteria reuse berupa pH netral dan TDS rendah, sementara turbidity pada sampel 2 masih berada pada kategori medium sehingga tidak memicu rule override.
Pada skenario 3 dan 4, sistem mengklasifikasikan sampel sebagai Treatment secara sesuai.
Sampel 3 berada pada batas ambang TDS 350 ppm dengan pH sedikit di luar rentang optimal, sedangkan sampel 4 memiliki pH asam sebesar 5.
18 dan TDS tinggi sebesar 554 ppm, sehingga keduanya memenuhi aturan treatment berdasarkan rule base yang ditetapkan.
Pada skenario 5 dan 6, sistem menghasilkan output Reject yang sesuai.
Kedua sampel memiliki nilai turbidity tinggi, masingmasing 68.
83 NTU dan 119.
74 NTU, yang Kategori Jumlah Sampel Persentase Volume Total Solenoid Aktif Reuse 4,800 ml SV1 (Tangki Reus.
Treatment 12,000 ml SV2 (Tangki Treatmen.
Reject 1,200 ml SV3 (WWTP) Total 18,000 ml Tabel 6 menunjukkan distribusi hasil keputusan sistem terhadap sejumlah sampel air drain retort beserta aktivasi solenoid valve yang Tabel ini menggambarkan performa sistem dalam mengarahkan aliran air sesuai kategori kelayakan.
Kategori Reuse sebesar 26.
67% terdiri dari delapan sampel .
, 5, 7, 10, 13, 14, 26, .
yang diklasifikasikan layak untuk reuse langsung.
Karakteristik sampel menunjukkan pola konsisten dengan turbidity pada rentang 4.
19Ae 43 NTU .
ata-rata 9.
64 NTU), pH 6.
47Ae7.
ata-rata 6.
, dan TDS 158Ae343 ppm .
atarata 277 pp.
Ketiga parameter memenuhi kondisi optimal berupa turbidity rendah hingga sedang, pH netral, dan TDS rendah, sehingga memvalidasi desain rule base yang menetapkan pH netral dan TDS rendah sebagai syarat utama kategori Reuse.
Kategori Treatment mendominasi sebesar 67% dengan dua puluh sampel yang memerlukan pengolahan lanjutan.
Penyebab utama meliputi pH non-optimal dengan 12 sampel .
%) bersifat asam.
TDS medium Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
hingga tinggi pada 8 sampel .
%), serta turbidity medium pada 15 sampel .
%).
Dominasi kategori ini mencerminkan kondisi riil air drain retort yang umumnya mengalami kontaminasi ringan hingga sedang akibat kontak dengan produk makanan dalam Meskipun tidak layak untuk reuse langsung, air kategori Treatment masih memiliki potensi pemanfaatan melalui proses filtrasi sederhana atau penyesuaian pH.
Kategori Reject sebesar 6.
67% mencakup dua sampel .
dengan nilai turbidity masing-masing 26.
18 NTU dan 30.
60 NTU,
sementara pH dan TDS berada pada kondisi Nilai turbidity yang melebihi 25 NTU memicu rule override, sehingga air langsung diklasifikasikan sebagai Reject.
Hal ini membuktikan bahwa sistem prioritas parameter berfungsi dengan baik, dimana turbidity tinggi yang mengindikasikan kontaminasi partikulat berat mengarahkan air ke WWTP tanpa mempertimbangkan parameter lain.
Nilai pH rata-rata sebesar 6.
54 dengan standar deviasi 0.
69 berada sedikit di bawah rentang netral optimal dan menunjukkan kecenderungan asam.
Variasi pH relatif kecil, mencerminkan konsistensi karakteristik air drain retort.
Sebanyak 60% sampel berada pada rentang pH netral, sementara 40% bersifat asam, tanpa adanya sampel basa.
Dominasi pH asam diduga dipengaruhi oleh reaksi kimia selama proses retort atau kontaminasi dari produk makanan, yang menjelaskan tingginya klasifikasi Treatment meskipun turbidity dan TDS masih dalam batas toleransi.
Parameter TDS memiliki nilai rata-rata 77 ppm dengan standar deviasi 42 ppm dan berada pada kategori Low sesuai SNI 3553:2015.
Sebagian besar sampel .
%) memiliki TDS rendah, sementara sisanya berada pada kategori medium hingga tinggi.
Kondisi ini menunjukkan bahwa kandungan mineral terlarut dalam air drain retort relatif rendah dan bukan menjadi faktor pembatas utama dalam penentuan potensi reuse.
Analisis Karakteristik Parameter Evaluasi Performa Responsivitas Sistem Tabel 7.
Statistik Deskriptif Parameter Kualitas Air Parame Turbidi (NTU) TDS .
Minim Maksim Rata -rata Std.
Devi Sistem Kontrol Sistem menunjukkan respons yang cepat dan konsisten dalam mengaktifkan solenoid valve berdasarkan keputusan fuzzy.
SV1
(Reus.
teraktivasi sebanyak 8 kali untuk sampel dengan kualitas optimal.
SV2 (Treatmen.
sebanyak 20 kali untuk sampel dengan kualitas suboptimal, dan SV3 (Rejec.
sebanyak 2 kali untuk sampel dengan nilai turbidity di atas 25 NTU.
SV4 (Flow Contro.
teraktivasi sebanyak 30 kali sebagai gerbang aliran awal.
Selama 30 kali pengujian tidak ditemukan keterlambatan maupun kesalahan aktivasi valve, yang membuktikan bahwa integrasi algoritma fuzzy logic dengan sistem kontrol hardware berfungsi dengan baik dan memvalidasi keandalan platform ESP32 untuk kontrol real-time sebagaimana implementasi serupa pada sistem otomasi industri (Phalah et , 2.
Tabel 7 menyajikan statistik deskriptif parameter kualitas air yang meliputi turbidity, pH, dan TDS dari seluruh sampel pengujian.
Data ini digunakan untuk menggambarkan karakteristik umum air drain retort yang dianalisis oleh sistem.
Nilai turbidity memiliki rata-rata sebesar 83 NTU dengan standar deviasi 5.
78, yang berada pada kategori Medium sesuai fungsi keanggotaan fuzzy .
5Ae25 NTU).
Standar deviasi tersebut menunjukkan variabilitas sedang dengan tingkat kekeruhan yang relatif konsisten antar sampel.
Hanya 6.
67% sampel yang melebihi ambang kritis 25 NTU, sehingga 33% sampel masih dapat dievaluasi lebih lanjut berdasarkan parameter pH dan TDS tanpa langsung ditolak oleh sistem.
Verifikasi LCD Display Setiap keputusan sistem ditampilkan secara real-time pada LCD sesuai format yang Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Proyeksi Skala Industri Mesin retort beroperasi dengan konsumsi air sebesar 700 liter per batch dan 6 batch per hari sehingga total konsumsi air harian 200 liter.
Berdasarkan distribusi hasil pengujian, potensi reuse langsung sebesar 120 liter per hari .
,67%) dan potensi recovery setelah treatment sebesar 2.
800 liter per hari .
,67%), sehingga total potensi penghematan mencapai 3.
920 liter per hari atau 93,33% dari total konsumsi air.
Satu bulan operasional dengan 25 hari kerja, penghematan air yang dapat dicapai sebesar 98 mA, sedangkan proyeksi penghematan tahunan mencapai 1.
176 mA.
Nilai tersebut menunjukkan potensi penghematan yang signifikan di tengah keterbatasan sumber daya air serta meningkatnya biaya air industri dan pengolahan limbah.
Implementasi sistem ini memberikan manfaat ekonomis melalui pengurangan biaya operasional air dan pengolahan limbah sekaligus mendukung prinsip keberlanjutan penyediaan air bersih dan konsumsi yang bertanggung jawab.
Penerapan sistem juga berpotensi meningkatkan reputasi perusahaan dalam praktik industri ramah lingkungan serta memperkuat aspek tanggung jawab sosial perusahaan dan kepatuhan terhadap regulasi Gambar 9.
Tampilan LCD Display Gambar 9 memperlihatkan tampilan LCD sebagai antarmuka sistem.
LCD menampilkan nilai parameter kualitas air dan hasil keputusan sistem secara real-time untuk memudahkan proses monitoring oleh operator.
Display berfungsi dengan baik pada seluruh skenario pengujian dan memberikan transparansi proses pengambilan keputusan kepada operator.
Potensi Penghematan Air dan Implikasi Ekonomis Berdasarkan hasil pengujian 30 sampel dengan total volume 18,000 ml:
Tabel 8.
Distribusi Volume dan Potensi
Pemanfaatan Air
Persentase Potensi
Pemanfaatan Dapat digunakan langsung untuk proses retort
Dapat sederhana dan 1,200 Harus dibuang ke WWTP
16,800
Kategori Volume Reuse Langsung 4,800 Treatment
Reject
Total
Recoverab
12,000
Validasi terhadap Standar Food Grade Sistem fuzzy yang dikembangkan telah mengintegrasikan standar kualitas air foodgrade dalam rule base-nya:
Tabel 9.
Validasi Sistem terhadap Standar Food-Grade Parameter Potensi air tinggi Turbidity Tabel 8 menunjukkan distribusi volume air berdasarkan kategori keputusan sistem serta potensi pemanfaatannya.
Tabel ini digunakan untuk mengevaluasi potensi penghematan air dan pemanfaatan kembali air drain retort.
TDS
Standar
Referensi
<25 NTU
(Permenke s 32/2.
(WHO, <500 ppm
(SNI
3553:2.
Threshold
Sistem
High Ou25
NTU
Reject Netral=6.
5 untuk Reuse Low <350.
Medium
<700
Validasi Sesuai Sesuai Sesuai Tabel 9 menyajikan perbandingan antara standar kualitas air food-grade dengan ambang Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
batas yang diterapkan pada sistem.
Tabel ini digunakan untuk memvalidasi kesesuaian desain sistem fuzzy terhadap regulasi dan standar industri pangan.
yang masih menggunakan volume sampel terbatas belum sepenuhnya merepresentasikan kondisi aliran kontinyu industri, sehingga faktor pressure drop, turbulensi pencampuran, dan residence time berpotensi mempengaruhi akurasi pembacaan sensor dan perlu divalidasi melalui pengujian skala pilot plant.
Sistem menunjukkan kelebihan signifikan dalam objektivitas pengambilan keputusan karena eliminasi subjektivitas dan potensi human error melalui pemanfaatan data realtime dan rule base yang konsisten.
Transparansi memungkinkan setiap keputusan ditelusuri berdasarkan aturan yang teraktivasi.
Tampilan LCD memberikan visibilitas penuh kepada operator mengenai nilai parameter dan dasar keputusan sistem, sehingga memudahkan proses audit serta mendukung kepatuhan terhadap regulasi food safety.
Pengembangan lanjutandirekomendasikan melalui implementasi sistem pada skala industri dengan pengujian pilot plant menggunakan laju alir 50Ae100 liter per menit selama periode 1Ae3 bulan untuk memvalidasi performa pada kondisi operasional riil.
Variasi jenis produk perlu diuji untuk mengidentifikasi perbedaan karakteristik air drain dan kebutuhan penyesuaian rule base.
Integrasi sistem dengan IoT memungkinkan remote monitoring dan penyimpanan data historis secara otomatis.
Platform seperti ThingSpeak.
Blynk, dan Ubidots dapat dimanfaatkan untuk analisis data dan predictive maintenance.
Data historis berpotensi digunakan untuk optimasi rule base melalui pendekatan machine learning atau pengembangan sistem fuzzy adaptif guna meningkatkan akurasi dan adaptabilitas jangka Analisis Konservatisme Sistem Sistem konservatif dengan ambang batas yang lebih dibandingkan standar Parameter TDS ditetapkan pada kategori rendah di bawah 350 ppm, lebih ketat dari standar 500 ppm, sehingga memberikan safety margin sebesar 30%.
Penerapan rule override pada turbidity Ou25 NTU memastikan kepatuhan penuh terhadap batas maksimal kekeruhan.
Penetapan pH netral sebagai syarat mutlak kategori Reuse menjamin kondisi air yang aman bagi peralatan dan proses lanjutan.
Pendekatan ini sejalan dengan prinsip HACCP (Hazard Analysis Critical Control Poin.
dalam industri pangan, yang menempatkan aspek keselamatan dan quality assurance sebagai prioritas utama.
Evaluasi Sistem Pengembangan Rekomendasi Sistem yang dikembangkan memiliki keunggulan pada aspek automated decisionmaking, dimana sistem tidak hanya memonitor parameter kualitas air tetapi juga secara mengeksekusi routing aliran air melalui kontrol valve secara otomatis.
Sistem dilengkapi rule override mechanism yang memprioritaskan parameter turbidity untuk mencegah air berkualitas buruk masuk ke jalur reuse.
Penyesuaian sistem dengan standar food-grade dan regulasi industri pangan di Indonesia menghasilkan solusi end-to-end mulai dari pembacaan sensor, pengambilan keputusan, hingga kontrol valve dengan tampilan realtime.
Sistem masih memiliki keterbatasan dari aspek teknis dan operasional.
Parameter yang dimonitor terbatas pada turbidity, pH, dan TDS, sementara parameter mikrobiologis seperti total coliform dan E.
coli yang kritis untuk aplikasi food-grade Pengembangan mikrobiologi atau sensor indikator seperti BOD dan COD untuk memperoleh evaluasi kualitas air yang lebih komprehensif.
Skala pengujian KESIMPULAN Penelitian ini berhasil mengevaluasi kinerja sistem pengambilan keputusan otomatis dalam mengklasifikasikan kelayakan reuse air drain mesin retort berdasarkan parameter turbidity, pH, dan Total Dissolved Solids (TDS).
Hasil pengujian menunjukkan bahwa sistem mampu mengelompokkan air drain secara konsisten ke dalam kategori reuse, treatment, dan reject sesuai kondisi kualitas air yang terukur.
Jurnal Al Ulum LPPM Universitas Al Washliyah Medan Vol.
14 No.
1 Tahun 2026
P-ISSN 2338-5391 | E-ISSN 2655-9862
Penerapan sistem ini mendukung efisiensi pemanfaatan air pada proses sterilisasi retort serta berpotensi menurunkan volume air limbah dan biaya operasional.
Dengan demikian, sistem yang dikembangkan dapat menjadi solusi pendukung pengambilan keputusan operasional yang objektif dan efisien pada industri pengolahan pangan berbasis retort.
retort process on characteristics and bioactivities of herbal soup based on hydrolyzed collagen from seabass skin.
Journal of Food Science and Technology, 55.
, 3779Ae3791.
https://doi.
org/10.
1007/s13197-0183310-z Febrian.
Wisaksono.
Anshory.
& Jamaaluddin.
SISTEM
MONITORING GAS DAN SUHU
PADA BIOGAS DIGESTER UNTUK
MENINGKATKAN
KINERJA
KOMPOR.
Jurnal Al Ulum LPPM Universitas Al Washliyah Medan, 13.
, 122Ae129.
DAFTAR PUSTAKA