Electronic Theses and Dissertation

Indeks retensi kovats merupakan parameter retensi yang digunakan untuk mengidentifikasi analit pada kromatografi gas. nilai indeks retensi kovats pada senyawa yang memiliki kemiripan cenderung memiliki pola kemiripan. hal ini memungkinkan terdapat hubungan yang erat antara struktur kimia dengan nilai indeks retensi kovats. metode fuzzy support vector regression (fsvr) merupakan salah satu algoritma yang dapat digunakan untuk menghitung nilai indeks retensi kovats dari 51 senyawa flavor and fragrance. program dibangun dengan menggunakan bahasa pemrograman python. perhitungan nilai indeks diawali dengan memasukkan data deskriptor molekuler ke dalam fungsi keanggotaan fuzzy sigmoid. dari 51 senyawa kemudian dibagi menjadi 2 bagian, yaitu 80% data menjadi data latih dan 20% data menjadi data uji. dari data latih kemudian dilakukan proses tuning hyperparameter untuk mendapatkan parameter terbaik untuk membangun model. kernel yang digunakan yaitu kernel linear dan kernel radial basis function (rbf). kernel linear menggunakan parameter c dan epsilon yang masing-masing memiliki 7 nilai sehingga menghasilkan 49 kombinasi parameter. kernel rbf menggunakan parameter c, gamma, dan epsilon yang masing-masing memiliki 7 nilai sehingga menghasilkan 343 kombinasi parameter. dari semua jenis kombinasi parameter, kernel linear dengan nilai parameter c = 1000 dan epsilon=10 memberikan hasil terbaik. parameter tersebut memberikan nilai optimal dengan r 2 sebesar 0.977 dan rmse sebesar 37.215. model fsvr yang dibangun dapat memprediksi nilai indeks retensi kovats pada data uji dengan rata-rata perbedaan 2,8%. hasil tersebut membuktikan bahwa kernel linear lebih baik daripada kernel rbf dalam memprediksi nilai indeks retensi kovats dan metode fsvr dapat digunakan sebagai salah satu metode untuk memprediksi nilai indeks retensi kovats pada senyawa flavor and fragrance.

Kovats retention index is a retention parameter used to identify analytes in gas chromatography. The value of the Kovats retention index in compounds that have similarities tends to have a similar pattern. It may show that there is a strong relationship between the chemical structure and the value of the Kovats retention index. The Fuzzy Support Vector Regression (FSVR) method is one of the algorithms that can be used to calculate the retention index of Kovats value out of 51 flavor and fragrance compounds. The program is built using the Python programming language. The calculation of the index value begins by inputting the molecular descriptor data into the sigmoid fuzzy membership function. The 51 compounds were then divided into 2 parts, namely 80% of the data into the training set and 20% of the data into the testing set. From the training data, the hyperparameter tuning process is then carried out to get the best parameters to build the model. The kernels used are linear kernel and Radial Basis Function (RBF) kernel. The linear kernel uses C and epsilon parameters, each of which has 7 values, resulting in 49 combinations of parameters. The RBF kernel uses parameters C, gamma, and epsilon, each of which has 7 values, resulting in 343 combinations of parameters. Out of all types of parameter combinations, a linear kernel with parameter values of C = 1000 and Epsilon = 10 gives the best results. These parameters provide an optimal value with an R-Square of 0.977 and an RMSE of 37,215. The FSVR model can predict the value of the Kovats retention index on the testing data with an average difference of 2.8%. These results prove that the linear kernel is better than the RBF kernel in predicting the value of the retention index of Kovats and the FSVR method can be used as a method to predict retention index of Kovats value on flavor and fragrance compounds.