Electronic Theses and Dissertation

Penelitian ini bertujuan untuk menguji kemampuan model klasifikasi partial least squares discriminant analysis (pls-da) dan support vector machine classification (svmc) dalam mendeteksi perbedaan antara nilam kontrol (pcsc), nilam terpapar jamur synchytrium pogostemonis (pcsi), dan nilam yang resisten (pcsr). sampel daun nilam diambil dari nino park, agricultural research center (arc) universitas syiah kuala (usk), darussalam, banda aceh. spektrum nir dianalisis menggunakan metode kemometri meliputi principal component analysis (pca), pls-da dan svmc. hasil penelitian menunjukkan bahwa kombinasi dari metode nir dan kemometri dapat digunakan untuk membedakan nilam varietas sidikalang kontrol, terpapar jamur synchytrium pogostemonis dan resisten. model klasifikasi pls-da menunjukkan analisis yang baik dengan nilai kalibrasi untuk r2 sebesar 0,99814, nilai slope (r) sebesar 0,998 dan rmsec sebesar 0,99814. nilai validasi untuk r2 sebesar 0,998, nilai slope (r) sebesar 0,997 dan nilai rmsec sebesar 0,998. sementara itu , model svmc menunjukkan akurasi klasifikasi lebih rendah yaitu nilai training accuracy sebesar 50,25% dan validation accuracy sebesar 50,25381%, terbukti kurang ideal untuk klasifikasi kategori daun nilam pada penelitian ini. hasil pengamatan morfologi menggunakan mikroskop elektron (sem) menunjukkan adanya perbedaan struktur pada permukaan daun untuk ketiga sampel, terutama pada tekstur dan serat permukaan daun. kesimpulan dari penelitian ini adalah pls-da lebih sesuai untuk klasifikasi sampel daun nilam varietas sidikalang dari pada svmc. kata kunci: nir, kemometri, pca, pls-da, svmc, daun nilam, synchytrium pogostemonis, sem

This study aims to test the ability of the Partial Least Squares Discriminant Analysis (PLS-DA) and Support Vector Machine Classification (SVMC) classification models in detecting differences between control patchouli (PCSC), patchouli exposed to Synchytrium Pogostemonis fungus (PCSI), and resistant patchouli (PCSR). Patchouli leaf samples were collected from Nino Park, Agricultural Research Center (ARC) of Syiah Kuala University (USK), Darussalam, Banda Aceh. NIR spectra were analyzed using chemometric methods, including Principal Component Analysis (PCA), PLS-DA, and SVMC. The results of the study indicate that the combination of NIR and chemometric methods can be used to distinguish between control Sidikalang patchouli, patchouli exposed to Synchytrium Pogostemonis fungus, and resistant patchouli. The PLS-DA classification model showed good analysis with calibration values of R² = 0.99814, slope (r) = 0.998, and RMSEC = 0.99814. The validation values were R2 = 0.998, slope (r) = 0.997, and RMSEC = 0.998. Meanwhile, the SVMC model showed lower classification accuracy, with training accuracy of 50.25% and validation accuracy of 50.25381%, proving less ideal for classifying patchouli leaf categories in this study. Morphological observations using an electron microscope (SEM) revealed structural differences on the leaf surface for the three samples, particularly in terms of texture and surface fibers. Keywords: NIR, chemometrics, PCA, PLS-DA, SVMC, patchouli leaves, Synchytrium Pogostemonis, SEM