Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
MODEL KLASIFIKASI PEMALSUAN (ADULTERATION) MINYAK NILAM OLEH MINYAK KERUING (GURJUN BALSAM) DAN MINYAK JARAK (CASTOR OIL) MENGGUNAKAN SPEKTRUM IOT NEAR INFRARED (NIR) DENGAN ANALISIS KEMOMETRI
Pengarang
VATTANY AL-ASRA IMRAN - Personal Name;
Dosen Pembimbing
Lelifajri - 197002212000032002 - Dosen Pembimbing I
Elly Sufriadi - 197103302000121001 - Dosen Pembimbing II
Nomor Pokok Mahasiswa
1808103010038
Fakultas & Prodi
Fakultas MIPA / Kimia (S1) / PDDIKTI : 47201
Subject
Kata Kunci
Penerbit
Banda Aceh : MIPA-KIMIA., 2022
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Penelitian ini bertujuan untuk mendeteksi pemalsuan minyak nilam dan mengetahui batas maksimum toleransi pemalsuan menggunakan spektrum IoT NIR yang dikombinasikan dengan kemometri. Minyak nilam yang digunakan pada penelitian ini berasal dari Desa Jambo Papan, Kecamatan Kluet Tengah, Kabupaten Aceh Selatan. Minyak nilam ditambahkan dengan bahan pemalsu dengan variasi konsentrasi 0,5-10%. Spektrum NIR dianalisis menggunakan kemometri dengan metode Principal Component Analysis (PCA), Partial Least Square Discriminant Analysis (PLS-DA), dan Support Vector Machine Classification (SVMC). Hasil penelitian menunjukkan berdasarkan PCA terlihat data berkelompok dengan baik dan penggunaan model klasifikasi PLS-DA mampu memberikan batas maksimum rasio bahan pemalsu minyak keruing dibawah 5% (0,5 mL) dan minyak jarak dibawah 0,5% (0,05 mL) yang tidak mengubah komposisi minyak nilam. SVMC tidak mampu memberikan batas maksimum rasio bahan pemalsu yang masih bisa ditolerir dan tidak mengubah komposisi minyak nilam. Metode NIR yang dikombinasikan dengan kemometri dapat digunakan untuk mengidentifikasi minyak nilam yang dipalsukan dengan minyak keruing dan minyak jarak.
Kata kunci: minyak nilam, minyak keruing, minyak jarak, IoT, NIR, PCA, PLS-DA, SVMC
This study aims to detect adulteration of patchouli oil and determine the maximum tolerance for adulteration using IoT NIR spectrum combined with chemometrics. Patchouli oil used in this study came from Jambo Papan Village, Central Kluet District, South Aceh Regency. Patchouli oil was added with adulterants with a concentration variation of 0,5-10%. The NIR spectrum was analyzed with chemometrics using Principal Component Analysis (PCA), Partial Least Square Discriminant Analysis (PLS-DA), and Support Vector Machine Classification (SVMC) methods. The results showed that based on PCA, the data grouped well and the use of the PLS-DA classification model can provide a maximum limit of the ratio of adulterants to gurjun balsam oil below 5% (0,5 mL) and castor oil below 0,5% (0,05 mL) which does not change the composition of patchouli oil. SVMC is not able to provide a maximum limit for the ratio of adulterants that can still be tolerated and does not change the composition of patchouli oil. The NIR method combined with chemometrics can be used to identify patchouli oil adulterated by gurjun balsam oil and castor oil. Keywords: patchouli oil, gurjun balsam oil, castor oil, IoT, NIR, PCA, PLS-DA, SVMC
TEKNOLOGI NIRS UNTUK KLASIFIKASI CAMPURAN MINYAK NILAM HASIL FRAKSINASI DENGAN MINYAK KERUING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (FERI MARZATILLAH, 2021)
APLIKASI TEKNOLOGI NIRS UNTUK PENDUGAAN KEASLIAN MINYAK NILAM YANG DICAMPUR MINYAK KERUING DENGAN METODE LDA (LINEAR DISCRIMINANT ANALYSIS) (Meivi Veronika, 2021)
KLASIFIKASI KEMOMETRI AKIBAT PENAMBAHAN ADSORBEN TERHADAP MINYAK NILAM ACEH BARAT DAYA MENGGUNAKAN SPEKTRUM IOT NIR DAN FTIR (MAIDA ULFA, 2022)
KLASIFIKASI KEMOMETRI AKIBAT PENAMBAHAN ADSORBEN TERHADAP MINYAK NILAM PESISIR SELATAN (SUMATERA BARAT) DAN ACEH TAMIANG MENGGUNAKAN SPEKTRUM IOT NIR DAN FTIR (RATNA YENTI, 2022)
KARAKTERISASI MINYAK NILAM (POGOSTEMON CABLIN BENTH) GAYO LUES DENGAN FTIR SERTA PENGARUH PENAMBAHAN ZEOLIT TERHADAP PERUBAHAN KOMPOSISI KIMIA MENGGUNAKAN ANALISIS KEMOMETRI (Humairatun Nisa, 2021)