Universitas Syiah Kuala | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI
VATTANY AL-ASRA IMRAN, 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. Banda Aceh MIPA-KIMIA,2022

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



Abstract

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



    SERVICES DESK