Electronic Theses and Dissertation

ABSTRAK
Minyak kenanga (Cananga odorata) merupakan minyak atsiri yang memiliki nilai ekonomi tinggi yang kualitasnya dapat dipengaruhi oleh perbedaan varietas dan asal lokasi. Penelitian ini bertujuan untuk mengevaluasi kemampuan algoritma Random Forest dalam mengklasifikasikan minyak kenanga berdasarkan varietas dan asal geografis menggunakan data Fourier Transform Infrared Spectroscopy (FTIR), membandingkan kinerjanya dengan Partial Least Squares-Discriminant Analysis (PLS-DA), menguji kemampuan model dalam mengenali sampel dari lokasi yang tidak digunakan pada data latih, serta mengidentifikasi bilangan gelombang FTIR yang paling berperan dalam proses klasifikasi. Sampel minyak kenanga dari Aceh Selatan dan Bireuen digunakan sebagai data latih, sedangkan sampel dari Singkil digunakan sebagai data uji eksternal. Spektrum FTIR dipraproses menggunakan Standard Normal Variate (SNV), turunan pertama Savitzky–Golay, dan standardisasi, kemudian dianalisis dengan Principal Component Analysis (PCA), Random Forest, dan PLS-DA. Hasil penelitian menunjukkan adanya pseudo-replikasi, yang ditandai dengan nilai korelasi dalam kelompok sebesar 0,9999. Analisis PCA mampu menjelaskan 68,1% variasi data melalui dua komponen utama. Pada evaluasi Rezim A, Random Forest menghasilkan seluruh metrik evaluasi sebesar 1,000. Sebaliknya, pada evaluasi Rezim B Random Forest memperoleh balanced accuracy sebesar 0,275 untuk klasifikasi varietas, lebih rendah dibandingkan PLS-DA yang mencapai 0,450, sedangkan untuk klasifikasi lokasi kedua metode memberikan balanced accuracy sebesar 0,500. Pada pengujian menggunakan data eksternal, seluruh sampel dari Singkil berhasil diklasifikasikan sebagai varietas fruticosa. Analisis feature importance menunjukkan bahwa pita FTIR yang paling berpengaruh dalam klasifikasi membedakan varietas adalah 786, 850, 908, 1244, dan 1736 cm⁻¹, sedangkan untuk membedakan lokasi asal adalah 1669, 1015, 1367, dan 1616 cm⁻¹. Hasil ini didukung oleh analisis GC-MS yang menunjukkan dominasi senyawa linalool dan benzil benzoat pada varietas macrophylla, serta trans-α-bergamoten pada varietas fruticosa.

Kata kunci: Minyak kenanga, FTIR, Random Forest, PLS-DA, kemometrik, GC-MS.

ABSTRACT Ylang-ylang oil (Cananga odorata) is an essential oil with high economic value, whose quality can be influenced by differences in variety and geographical origin. This study aimed to evaluate the performance of the Random Forest algorithm in classifying ylang-ylang oil based on variety and geographical origin using Fourier Transform Infrared Spectroscopy (FTIR) data, compare its performance with Partial Least Squares-Discriminant Analysis (PLS-DA), assess the model’s ability to recognize samples from locations not included in the training data, and identify the FTIR wavenumbers that contribute most to the classification process. Ylang-ylang oil samples from South Aceh and Bireuen were used as training data, while samples from Singkil were used as external test data. The FTIR spectra were preprocessed using Standard Normal Variate (SNV), first-derivative Savitzky–Golay smoothing, and standardization, followed by analysis using Principal Component Analysis (PCA), Random Forest, and PLS-DA. The results revealed the presence of pseudo-replication, indicated by a within-group correlation coefficient of 0.9999. PCA explained 68.1% of the total data variance through the first two principal components. In Evaluation Regime A, Random Forest achieved a value of 1.000 for all evaluation metrics. In contrast, under Evaluation Regime B, Random Forest achieved a balanced accuracy of 0.275 for variety classification, which was lower than that of PLS-DA (0.450), while both methods achieved a balanced accuracy of 0.500 for geographical-origin classification. In the external data evaluation, all samples from Singkil were successfully classified as the fruticosa variety. Feature importance analysis indicated that the FTIR bands most influential in distinguishing varieties were 786, 850, 908, 1244, and 1736 cm⁻¹, whereas the bands most influential in distinguishing geographical origin were 1669, 1015, 1367, and 1616 cm⁻¹. These findings were supported by GC-MS analysis, which showed the dominance of linalool and benzyl benzoate in the macrophylla variety, whereas trans-α-bergamotene was predominant in the fruticosa variety. Keywords: Cananga oil, FTIR, Random Forest, PLS-DA, chemometrics, GC-MS.