Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PENERAPAN METODE NON-LINIER DAN LINIER : SUPPORT VECTOR MACHINE REGRESSION DAN MULTIPLE LINIER REGRESSION UNTUK PREDIKSI KUALITAS INTERNAL BUAH MANGGA (MANGIFERA INDICA LINN)
Pengarang
MOHD NAZAR ISZA PUTR - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
1405106010077
Fakultas & Prodi
Fakultas Pertanian / Teknik Pertanian (S1) / PDDIKTI : 41201
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Pertanian Universitas Syiah Kuala., 2019
Bahasa
Indonesia
No Classification
543,8
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)
ABSTRAK
Penelitian ini bertujuan untuk menguji dan mengevaluasi teknologi NIRS sebagai metode non destruktif untuk memprediksi kadar gula dan vitamin C pada mangga menggunakan Support Vector Machine Regression (SVMR) dan Multiple Linear Regression (MLR) sebagai metode kalibrasi serta menentukan pretreatment terbaik menggunakan Standar Normal Variate (SNV) dan Peak Normalalization (PN). Penelitian ini menggunakan 30 sampel mangga Arumanis dan FT-IR Science and Technology T-1516. Pengolahan data menggunakan Unscramble software® X versi 10.5. Prediksi TPT dengan metode SVMR menghasilkan nilai RPD 1,8 dengan interpretasi yang cukup baik, sedangkan metode MLR non-pretreatment menghasilkan nilai RPD sebesar 1,04 dengan interpretasinya adalah prediksi masih kasar. Pretreatment terbaik untuk memperkirakan TPT dengan metode MLR adalah Peak Normalization dengan nilai RPD adalah 0,98, r sebesar 0,421, R2 sebesar 0,053 dan RMSEC sebesar 4,537. Hasil prediksi Vitamin C pada mangga dengan metode SVMR menghasilkan model kinerja yang baik dengan nilai RPD 2,4. Pretreatment terbaik untuk memperkirakan Vitamin C dengan metode Multiple Linear Regression (MLR) adalah Standard Normal Variate (SNV) dengan nilai RPD sebesar 0,92, r sebesar 0,339, R2 sebesar 0,114 dan RMSEC sebesar 11,268. Berdasarkan penelitian ini dapat dinyatakan bahwa NIRS salah satu teknologi yang dapat digunakan untuk memprediksi kadar gula dan Vitamin C mangga dengan baik.
Kata kunci: NIRS, SVMR, MLR, Standard Normal Variate, Peak Normalization.
Tidak Tersedia Deskripsi
TRANSFORMASI ATTENUATED TOTAL REFLECTANCE NEAR INFRARED UNTUK PREDIKSI VITAMIN C PADA BUAH MANGGA ARUMANIS (MANGIFERA INDICA) (Muslem, 2019)
DETEKSI KOMENTAR SPAM PADA YOUTUBE MENGGUNAKAN ENSEMBLE MACHINE LEARNING (Ahmad Faqih Al Ghiffary, 2025)
PERBANDINGAN TEKNIK MACHINE LEARNING DALAM OPTIMASI MODEL NEAR INFRARED SPECTROSCOPY (NIRS) UNTUK PREDIKSI KANDUNGAN KEASAMAN TOTAL DAN VITAMIN C BUAH MANGGA (Farrasa Rani Faisyal, 2025)
KLASIFIKASI INDEKS KETAHANAN PANGAN DI INDONESIA TAHUN 2023 MENGGUNAKAN METODE SUPPORT VECTOR MACHINES (SVM) (Putri Rianti Wulandari, 2025)
PERBANDINGAN KINERJA RANDOM FOREST, SUPPORT VECTOR MACHINE, DAN ADABOOST DALAM KLASIFIKASI ARITMIA (Muhammad Raja Al Sahhaf, 2025)