<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="97660">
 <titleInfo>
  <title>PREDIKSI INDEKS KOVATS SENYAWA FLAVOR AND FRAGRANCE MENGGUNAKAN METODE FUZZY SUPPORT VECTOR REGRESSION (FSVR)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Mariza Agustia</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA - Informatika</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Indeks retensi kovats merupakan parameter retensi yang digunakan untuk&#13;
mengidentifikasi analit pada kromatografi gas. Nilai indeks retensi kovats pada&#13;
senyawa yang memiliki kemiripan cenderung memiliki pola kemiripan. Hal ini&#13;
memungkinkan terdapat hubungan yang erat antara struktur kimia dengan nilai indeks&#13;
retensi kovats. Metode Fuzzy Support Vector Regression (FSVR) merupakan salah&#13;
satu algoritma yang dapat digunakan untuk menghitung nilai indeks retensi kovats dari&#13;
51 senyawa flavor and fragrance. Program dibangun dengan menggunakan Bahasa&#13;
pemrograman Python. Perhitungan nilai indeks diawali dengan memasukkan data&#13;
deskriptor molekuler ke dalam fungsi keanggotaan fuzzy sigmoid. Dari 51 senyawa&#13;
kemudian dibagi menjadi 2 bagian, yaitu 80% data menjadi data latih dan 20% data&#13;
menjadi data uji. Dari data latih kemudian dilakukan proses tuning hyperparameter&#13;
untuk mendapatkan parameter terbaik untuk membangun model. Kernel yang&#13;
digunakan yaitu kernel linear dan kernel Radial Basis Function (RBF). Kernel linear&#13;
menggunakan parameter C dan epsilon yang masing-masing memiliki 7 nilai sehingga&#13;
menghasilkan 49 kombinasi parameter. Kernel RBF menggunakan parameter C,&#13;
gamma, dan epsilon yang masing-masing memiliki 7 nilai sehingga menghasilkan 343&#13;
kombinasi parameter. Dari semua jenis kombinasi parameter, kernel linear dengan&#13;
nilai parameter C = 1000 dan Epsilon=10 memberikan hasil terbaik. Parameter&#13;
tersebut memberikan nilai optimal dengan R&#13;
2 sebesar 0.977 dan RMSE sebesar 37.215.&#13;
Model FSVR yang dibangun dapat memprediksi nilai indeks retensi kovats pada data&#13;
uji dengan rata-rata perbedaan 2,8%. Hasil tersebut membuktikan bahwa kernel linear&#13;
lebih baik daripada kernel RBF dalam memprediksi nilai indeks retensi kovats dan&#13;
metode FSVR dapat digunakan sebagai salah satu metode untuk memprediksi nilai&#13;
indeks retensi kovats pada senyawa flavor and fragrance.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>97660</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-01-28 14:46:16</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-01-28 14:59:34</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>