Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Eucheuma cottonii seaweed is a species of seaweed cultured in Ind onesian waters, because its cultivation is relatively easy and inexpensive. It has a wide variety of colors from green to yellow green, gray, red and brown, indicating photosynthetic pigments, such as chlorophyll and carotenoids. An important factor in the effectiveness of pigment extraction is the choice of solvent. The correct type of solvent in the extraction method of specific natural materials is important so that a pigment with optimum quality that is also benefical to the society can be produced. The target of this research is to obtain a high quality solvent type of carotenoid pigment. This research was conducted using a randomized block design with three (3) replications involving two factors namely solvent type (4 levels: aceton, ethanol, petroleum benzene, hexan & petroleum benzene) and seaweed color (3 levels: brown, green and red). Research results indicated that each solvent reached a peak of maximal absorbance at λ 410-472 nm, namely carotenoids. The usage of acetone solvent gave the best pigment quality. Brown, green and red seaweed have pigment content of 1,28 mg/100 g; 0,98 mg/100 g; 1,35 mg/100 g and rendement of 6,24%; 4,85% and 6,65% respectively.

Abstrak :
Kandungan total karotenoid dalam tumbuhan umumnya diukur menggunakan analisis spektrofotometri, dengan sifatnya yang merusak sampel terdapat batasan yang bisa dilakukan untuk penelitian selanjutnya. Digunakan pencitraan hiperspektral menggabungkan analissi spektral dan spasial yang bersifat tidak merusak sampel. Timbul masalah terutama pada bagian algoritma untuk membuat sistem prediksi pada citra hiperspektral karena diperlukan algoritma dengan akurasi yang tepat dan cepat. Penelitian ini membahas tentang komparasi algoritma pembelajara mesin metode ensemble dengan menambahkan tuning hyperparameter menggunakan random search dan memanfaatkan seleksi fitur yang dimiliki tiap model untuk meningkatkan performa dan mengurangi waktu latih model prediksi kadar karotenoid pada daun Bisbul. Sistem prediksi menghasilkan performa dasar, random forest dengan semua fitur memiliki RMSE sebesar 38,16, serta R2 sebesar 0,95, dan waktu latih 4,27s, xgboost dengan semua fitur memiliki RMSE sebesar 39,82, serta R2 sebesar 0,95, dan waktu latih 0,83s, lightgbm dengan semua fitur memiliki RMSE sebesar 35,59, serta R2 sebesar 0,96, dan waktu latih 1,73s, catboost dengan semua fitur memiliki RMSE sebesar 31,60, serta R2 sebesar 0,97, dan waktu latih 17,34s. Dengan menggunakan fitur hasil seleksi dan I, performa sistem berhasil ditingkatkan, random forest tuning dengan 30 fitur memiliki RMSE sebesar 34,39, serta R2 sebesar 0,96, dan waktu latih 5,85s, xgboost tuning dengan 120 fitur memiliki RMSE sebesar 33,32, serta R2 sebesar 0,96, dan waktu latih 1,73s, lightgbm tuning dengan 50 fitur memiliki RMSE sebesar 32,24, serta R2 sebesar 0,97, dan waktu latih 0,22s, catboost tuning dengan 40 fitur memiliki RMSE sebesar 28,53, serta R2 sebesar 0,97, dan waktu latih 4,92s. Secara umum Catboot memiliki peningkatan RMSE paling tinggi, lightgbm memiliki peningkatan waktu latih paling tinggi. ......The total carotenoid content in plants is generally measured using spectrophotometric analysis, with its destructive to the sample there are limitations that can be done for further research. Hyperspectral imaging combining spectral and spatial analysis is used that is not destructive to the sample. Problems arise, especially in the algorithm section to create a prediction system on hyperspectral images because an algorithm with precise and fast accuracy is required. This study discusses the comparations of machine learning algorithm with the ensemble method by adding hyperparameter tuning using random search and utilizing the feature selection of each model to improve performance and reduce training time for predictive models of carotenoid levels in velvet leaves. The prediction system produces basic performance, random forest with all features has RMSE of 38.16, and R2 of 0.95, and training time of 4.27s, xgboost with all features has RMSE of 39.82, and R2 of 0.95, and training time of 0.83s, lightgbm with all features has an RMSE of 35.59, and R2 of 0.96, and training time of 1.73s, catboost with all features has an RMSE of 31.60, and R2 of 0.97, and training time 17.34s. By using the selected features and I, system performance has been successfully improved, random forest tuning with 30 features has an RMSE of 34.39, and R2 of 0.96, and training time of 5.85s, xgboost tuning with 120 features has an RMSE of 33, 32, and R2 of 0.96, and training time of 1.73s, lightgbm tuning with 50 features has RMSE of 32.24, and R2 of 0.97, and training time of 0.22s, catboost tuning with 40 features has an RMSE of 28.53, and R2 is 0.97, and training time is 4.92s. In general Catboot has the highest increase in RMSE, lightgbm has the highest increase in training time.

Abstrak :
This is a study on carotenoid extracted from ?Minyak Buah Merah? (Pandanus conoideus) in therapy simulation using high dose of β-carotene on two lymphocytes?that of a healthy subject and a leukemia patient. Superoxide production in mithocondrial lymphocyte as a result of β-carotene exposure was examined using a flow cytometer. The test finds that superoxide (a specific mitochondrial free radical) increases easier and faster in leukemic lymphocytes than in normal lymphocytes. The results of the study support previous meta-analysis studies that high dosages of β-carotene and vitamin E supplements as antioxidant should be discouraged because it increases all-cause mortality.

Abstrak :
ABSTRAK
Pencitraan hiperspektral adalah gabungan teknologi pencitraan dan spektroskopi. Teknologi ini merupakan teknologi telah banyak digunakan untuk penilaian kualitas makanan. Informasi spasial dan spektral pada objek yang diamati dapat diperoleh secara bersamaan dengan menggunakan pencitraan hiperspektral. Dalam penelitian ini, pencitraan hiperspektral pada rentang spektral 400-1000 nm digunakan untuk memprediksi kandungan klorofil total dan karotenoid daun bayam hijau dan merah Amaranthus tricolor L. berdasarkan spektral reflektansi. Data spektral di wilayah ROI pada setiap daun diekstraksi dengan merata-rata semua piksel pada ROI. Kandungan klorofil total dan karotenoid diukur dengan spektrofotometer UV-Vis. Partial Least Square Regression PLSR digunakan untuk membuat model prediksi antara kandungan klorofil total dan karotenoid terukur dan spektrum reflektansi. Koefisien korelasi prediksi rp klorofil total dan karotenoid untuk daun bayam hijau pada panjang gelombang 400-1000 nm diperoleh sebesar 0,91 dan 0,80, sedangkan untuk bayam merah diperoleh rp klorofil total sebesar 0,90 dan rp karotenoid sebesar 0,90. Hasil penelitian menunjukkan bahwa pencitraan hiperspektral dapat digunakan sebagai uji tak rusak untuk memprediksi kandungan total klorofil dan karotenoid. Kata kunci: Pencitraan hiperspektral, Klorofil, Karotenoid, Daun Bayam, PLSR.

---

ABSTRACT
Hyperspectral imaging is a technology that combines imaging and spectroscopy. This technology is a non destructive technology and used for food quality assessment. Spatial and spectral information on the observed object can be obtained simultaneously by using hyperspectral imaging. In this study, hyperspectral imaging in the spectral range of 400 1000 nm was used for total chlorophyll and carotenoid content prediction of green and red Amaranthus tricolor L. leaves based on reflectance profile. Spectral data in the region of interest ROI of each leaf were extracted by averaging all the pixels in the ROI. The determination of total chlorophyll and carotenoid content was measured using spectrophotometer UV Vis. The Partial Least Squares Regression PLSR was used to create a model prediction between the measured total chlorophyll and carotenoid content and the reflectance spectral. For green Amaranthus tricolor L. leaves, the correlation coefficients r in the full wavelength 400 ndash 1000 nm for predicting total chlorophyll and carotenoid are 0.91 and 0.80. For red Amaranthus tricolor L. leaves, the correlation coefficients r in the full wavelength 400 ndash 1000 nm for predicting total chlorophyll and carotenoid are 0.90 and 0.90. The results show that the hyperspectral imaging could be used as a nondestructive test to predict total chlorophyll and carotenoid content. Keyword Hyperspectral imaging, Total chlorophyll, Carotenoid, Amaranthus tricolor L. Leaves, PLSR

Abstrak :
ABSTRAK
Nilai reflektansi pada panjang gelombang tertentu pada buah pisang dengan rentang yang besar digunakan untuk mengembangkan sebuah sistem pengujian kadar karotenoid menggunakan teknik hiperspektral imaging. Sistem pengujian ini terdiri dari satu set sistem pengukuran, sumber cahaya berupa lampu halogen, dan kamera hiperspektral yang terhubung dengan Personal Computer PC menggunakan penghubung Camera Link. Sampel terdiri dari tiga tingkat kematangan yaitu mentah, matang, dan sangat matang. Sistem pengujian menggunakan Partial least square regression PLSR model untuk memperoleh hasil kuantitatif. PLSR model pada panjang gelombang penuh digunakan untuk membuat sebuah model yang menghubungkan antara data spektral hiperspektral dan kadar karotenoid berdasarkan metode pengujian spektroskopi. Hasil yang diperoleh pada seluruh sampel memiliki koefisien korelasi prediksi melebihi 0,9 pada seluruh sampel dan nilai RMSE 6,81x10-7 pada pisang raja dan 1,03x10-5 pada pisang ambon. Hasil PLSR menunjukan bahwa sistem pengujian dapat digunakan untuk menguji kadar karotenoid.

---

ABSTRACT
Fruit reflectance spectra of banana with a wide range of carotenoids content have been studied to develop testing system using hyperspectral imaging technique. The testing system consist of a set of measuring instruments, halogen light source, and hyperspectral camera that connected to PC using Camera Link. A sample set combining three stages of maturity i.e. immature, mature, and very mature. The testing system uses Partial least square regression PLSR models to get its quantitative results. PLSR models on full spectra was used to create a model that computing relationship between HSI spectra and carotenoids contents based on spectroscopy methods. The profile map of carotenoids was distributed by applying the PLS models on pixels within the hyperspectral image, which obtained acceptable results for all sample sets with correlation coefficient of prediction over 0.9 and RMSE value 6,81x10 7 on Musa textilia and 1,03x10 5 on Musa paradisiaca. The results show that the proposed system can be used to testing of carotenoids content.

Abstrak :
ABSTRACT
Sistem prediksi berbasis citra VNIR telah teruji kemampuannya untuk memprediksi parameter tertentu pada objek, terlebih pada parameter yang sulit diamati secara visual oleh manusia. Kemampuan tersebut tidak lepas dari jumlah fitur yang besar >100 fitur . Namun, jumlah tersebut memberikan beban komputasi yang lebih. Beban yang diperoleh terkadang tidak sepadan dengan performa akhir dari sistem. Diperlukan pemilihan atas fitur-fitur yang digunakan pada sistem. Studi ini membahas pemanfaatan seleksi fitur pada kasus pengukuran kadar karotenoid daun bayam Amaranthus tricolor L. Pengukuran kadar karotenoid dilakukan dengan metode Sims-Gamon. Citra daun bayam diakuisisi pada panjang gelombang 400-1000nm. Citra melalui proses koreksi, segmentasi, dan ekstraksi sebelum digunakan sebagi input. Sistem prediksi memiliki performa dasar PLSR sebesar 0,584 pada R2 , 0,0169 pada RMSE, dan 1,94 pada RPD untuk daun bayam hijau, serta 0,815 pada R2 , 0,013 pada RMSE, dan 2,44 pada RPD untuk daun bayam merah. Penggunaan Algoritma Genetika berhasil memilih 89 dan 86 fitur untuk daun bayam hijau dan merah. Performa sistem setelah seleksi fitur menjadi 0,878 pada R2 , 0,01 pada RMSE, dan 3,05 pada RPD untuk daun bayam hijau, serta 0,962 pada R2 , 0,00596 pada RMSE, dan 5,44 pada RPD untuk daun bayam merah.

---

ABSTRACT
Prediction system based on VNIR image had been tested at various prediction cases, especially at case which is hard to do inspection by human eyesight. This ability is due to lots of available features 100 features . Unfortunately, that features also give a burden to computational load. However, that load is not always worth the prediction system performance. Number of features to be used is needed to be reduce to a lesser number. In this study, feature selection is used to reduce number of features for predicting carotenoid content at Amaranthus tricolor L. Determination of carotenoid content is done by using Sims Gamon method. Image of amaranth leaf acquire at 400 1000nm. Image of amaranth leaf then processed through correction, segmentation, and extraction before being used as input. Base performance by using PLSR at green amaranth are 0.584 for R2, 0.0169 for RMSE, and 1.94 for RPD. Base performance for red amaranth are 0.815 for R2 , 0.013 for RMSE, and 2.44 for RPD. Genetic Algorithm selected 89 and 86 features for green and red amaranth. After feature selection, performance for green amaranth are 0.878 for R2 , 0.01 for RMSE, and 3.05 for RPD. Performance for red amaranth are 0.962 for R2 , 0.00596 for RMSE, and 5.44 for RPD.

Abstrak :
Mikroalga Chlorella vulgaris dan Spirulina platensis masing-masing memiliki senyawa metabolit yang memiliki sifat antioksidan, yaitu karotenoid. Melihat potensi ini, dibutuhkan ekstraksi dengan metode yang menghasilkan rendemen ekstraksi yang paling optimal. Bertujuan untuk meningkatkan rendemen ekstraksi, penggabungan antara chlorella dan spirulina digunakan melihat kedua mikroalga memiliki hubungan mutualisme dengan satu sama lain. Sifat oksidatifnya membuat karotenoid tidak tahan suhu tinggi sehingga dibutuhkan metode ekstraksi yang tidak membutuhkan suhu tinggi seperti freeze-thaw. Beberapa parameter operasi dapat dioptimalkan untuk menghasilkan rendemen yang paling optimal pula. Berangkat dari hal itu, dilakukan variasi untuk parameter jenis pelarut, rasio biomassa-pelarut, durasi pembekuan sampel dan jumlah siklus freeze-thaw. Guna mencapai hasil yang maksimal, perlakuan sonikasi juga diberikan kepada sampel. Kadar karotenoid paling optimal diperoleh pada kondisi operasi satu siklus freeze-thaw selama 24 jam dengan menggunakan pelarut aseton beserta rasio biomassa terhadap pelarut sebesar 1:150. ...... Chlorella vulgaris and Spirulina platensis both have metabolites with antioxidant properties, one of them is carotenoids. Aiming to increase the extraction yield, a combination of chlorella and spirulina was used as the dry biomass of the extraction. Its antioxidant properties also make carotenoids unable to withstand high temperatures, so a low temperature extraction method such as freeze-thaw is needed. Several parameters can be optimized to produce the most optimal yield as well. Based on this, various parameters were carried out for the type of solvent, the biomass-solvent ratio, the duration of sample freezing and the number of freeze-thaw cycles. In order to achieve maximum results, sonication treatment was also given to the sample. It had been obtained that the optimum condition conclude one cycle of 24 hours freezing using acetone with 1:150 g/mL solid-to-solvent ratio

Abstrak :
Karotenoid adalah pigmen alami tidak larut air yang terkenal karena bersifat antioksidan dan merupakan prekursor vitamin A. Beta-karotena merupakan provitamin A terbaik yang umum digunakan dalam industri sebagai pigmen oranye-merah untuk membuat berbagai produk makanan. Pada penelitian ini beta-karotena diekstraksi dari mikroalga dengan jenis spirulina yang ditumbuhkan pada media zarrouk dengan penambahan limbah sawit dalam berbagai persentase. Kandungan karotenoid dalam mikroalga diekstraksi dengan menggunakan metode maserasi dengan pelarut etanol, metanol, heksana, dan diklorometana. Berdasarkan hasil FESEM, terdapat perubahan ukuran granula pada mikroalga yang ditumbuhkan dalam variasi persentase limbah sawit (POME) sebagai media. Diklorometana merupakan pelarut ekstraksi terbaik berdasarkan hasil penentuan kadar beta-karotena dengan spektrofotometer Vis. Persentase limbah sawit dalam media berbanding terbalik dengan kadar beta-karoten dalam mikroalga. Limbah sawit pada media mikroalga menghambat pembentukan pigmen dan menurunkan aktivitas antioksidan ekstrak, berdasarkan metode DPPH. ......Carotenoids are natural, insoluble pigments that are famous for their antioxidant properties and are precursors of vitamin A. Beta-carotene is the best pro-vitamin A which is commonly used in industry as an orange-red pigment to make various food products. In this study, beta-carotene was extracted from microalgae, spirulina, grown in zarrouk media with the addition of palm oil waste in various percentages. Carotenoid content in microalgae was extracted using the maceration method with ethanol, methanol, hexane and dichloromethane solvents. Based on FESEM results, there were changes in microalgae granule size that grown in variety percentages of palm oil waste (POME) as medium. Dichloromethane was the best extraction solvent based on the results of determining beta- carotene content using a Vis spectrophotometer. The percentage of palm waste in the media was inversely proportional to the beta-carotene content in microalgae. Palm waste in microalgae medium inhibits pigment formation and reduces antioxidant activity, based on the DPPH method.

Abstrak :
Karotenoid merupakan golongan pigmen dengan struktur isoprenoid yang dilaporkan memiliki banyak manfaat bagi kesehatan. Salah satu sumber karotenoid yang potensial adalah buah merah (Pandanus conoideus) karena diketahui memiliki kandungan karotenoid yang tinggi. Buah merah ditemukan menyebar secara luas di daerah Papua dan Papua Nugini. Pada umumnya, buah merah digunakan sebagai makanan dan bahan masakan. Penelitian sebelumnya telah berhasil mengidentifikasi beberapa jenis karotenoid pada buah merah, di antaranya α-karoten, β-karoten, α-kriptoxantin, dan β-kriptoxanthin namun dalam jumlah yang relatif sedikit. Penelitian sebelumnya juga menyatakan bahwa empat jenis karotenoid tersebut hanya berkontribusi kurang dari 10% dari total karotenoid. Dengan demikian, terdapat peluang yang tinggi teridentifikasi jenis karotenoid lain pada buah merah. Penelitian ini dilakukan dengan tujuan mengidentifikasi karotenoid yang ada pada minyak buah merah selain α-karoten, β-karoten, α-kriptoxantin, dan β-kriptoxantin. Tahapan-tahapan yang dilakukan pada penelitian ini antara lain ekstraksi minyak dari buah merah, ekstraksi karotenoid dari minyak buah merah, dilanjutkan fraksinasi karotenoid dengan Flash Column Chromatography (FCC). Identifikasi dilakukan dengan mengggunakan kromatografi cair-spektrometri massa (LC-MS/MS) pada ekstrak total karotenoid dan fraksi terbaik yang diperoleh dari fraksinasi dengan FCC. Dari penelitian ini, enam jenis karotenoid berhasil teridentifikasi dari ekstrak total karotenoid seperti (3S, 5R, 6R)-3,5-dihidroksi-6,7-didehidro-5,6-dihidro-12'-apo-β-karoten-12'-al; 10'-apo-beta-karotenal; (3S, 3'S, 5R, 5'R, 8'R, 9'cis)-3'-metil-6,7-didehidro-5,5',6,8'-tetrahidro-5',8'-epoksi-β,β-karoten-3,5-diol; phytoene; 3-hidroksi-3'-okso-β,ε-karoten; dan violaxanthin. Selain itu, terdapat dua fraksi terpilih dari hasil fraksinasi dengan FCC untuk diidentifikasi lebih lanjut. Dari fraksi tersebut teridentifikasi lima jenis karotenoid pada fraksi kedua, termasuk dua di antaranya yaitu capsantin dan kriptoxantin yang belum teridentifikasi sebelumnya pada ekstrak total karotenoid. Fraksi pertama diprediksi mengandung α-karoten dan β-karoten dilihat dari persamaan waktu retensinya dengan standar