Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tanaman penghasil minyak atsiri yang dikenal di masyarakat luas salah satunya adalah tanaman dari keluarga Myrtaceae. Minyak atsiri yang diperoleh dari tanaman yang berasal dari berbagai marga Myrtaceae dianalisis menggunakan spektroskopi ATR-FTIR (Attenuated Total Reflectance-Fourier Transform Infrared Spectroscopy). Senyawa terpenoid merupakan komponen utama penyusun minyak atsiri, sehingga analisis minyak atsiri didasarkan pada spektrum senyawa terpenoid. Daerah IR antara 1700 dan 700 cm-1 merupakan daerah sidik jari yang memberikan informasi spektral yang kompleks namun juga unik dan dapat direproduksi serta signifikan untuk identifikasi sampel. Hasil spektrum yang didapatkan dari metode spektroskopi ATR-FTIR kemudian dianalisis lebih lanjut dengan menggunakan metode kemometrik yang menerapkan metode matematika dan statistika. Informasi yang didapatkan dari analisis dapat diterapkan pada pengendalian mutu minyak atsiri. Pada skripsi ini akan dikaji beberapa literatur terkait ATR-FTIR, kemometrika, dan penerapannya dalam menganalisis minyak atsiri tanaman Myrtaceae.

---

One of the essential oil-producing plants known in the wide community is a plant from the Myrtaceae family. Essential oils obtained from this family analyzed using ATR-FTIR spectroscopy (Attenuated Total Reflectance-Fourier Transform Infrared Spectroscopy). Terpenoid compounds are the main components of essential oils, so the analysis of essential oils is based on the spectrum of terpenoid compounds. The IR region between 1700 and 700 cm-1 is a fingerprint region that provides complex spectral information that is also unique and reproducible as well as significant for sample identification. The spectrum results obtained from the ATR-FTIR spectroscopy method are then further analyzed using the chemometric method which applies the mathematical and statistical methods. The information obtained from the analysis can be applied to quality control of essential oils. This thesis will study some literature related to ATR-FTIR, chemometrics, and its application in analyzing the essential oils of Myrtaceae plants."

"Dataset yang digunakan pada penelitian ini didapat dari paper yang berjudul “Attenuated total reflection FTIR dataset for identification of type 2 diabetes using saliva” yang ditulis oleh Sanchez-Brito et al. pada tahun 2022. Dataset tersebut berhubungan dengan spektrum ATR-FTIR dari 1040 saliva pasien. Dataset ini kemudian digunakan pada penelitian ini untuk melatih suatu model Machine Learning menggunakan algoritma SVM dan XGBoost. Sebelum dijadikan dataset acuan untuk keperluan pelatihan model, data terlebih dahulu melalui proses pre-processing yang meliputi proses pemotongan data agar terfokus pada region Biological Fingerprint, normalisasi protein amida I, dan penurunan orde satu. Untuk keperluan cross validation, dataset terlebih dahulu dipisah menjadi data train dan data test, kemudian data train akan kembali dipisah menjadi subset train untuk tiap fold dan subset validation yang dilatih sambil melewati stratified cross validation sebanyak 10 fold. Performa model akan didapat dari hasil prediksi model terhadap subset validation yang dihasilkan di semua 10 fold, serta hasil prediksi model terhadap data test yang menunjukkan performa keseluruhan model. Didapat bahwa performa model XGBoost melampaui performa model SVM dengan nilai accuracy sebesar 91,8%; sensitivity sebesar 93,6%; dan specificity sebesar 89,9%. Performa ini berhasil mendekati performa metode diagnosis diabetes tipe 2 yang masih bersifat invasif, yaitu tes HbA1c.

---

The dataset used in this study was obtained from the paper titled “Attenuated Total Reflection FTIR Dataset for Identification of Type 2 Diabetes Using Saliva” written by Sanchez-Brito et al. in 2022. This dataset pertains to the ATR-FTIR spectrum of saliva from 1040 patients. It was used in this research to train a machine learning model using the SVM and XGBoost algorithms. Before being used as a reference dataset for model training, the data underwent preprocessing, which included data trimming to focus on the Biological Fingerprint region, protein amide I normalization, and first-order derivative processing. For cross-validation purposes, the dataset was first split into training and testing data. The training data was further divided into train and validation subsets for each fold and trained using 10-fold stratified cross-validation. The model's performance was evaluated based on predictions on the validation subsets from all 10 folds, as well as predictions on the test data, reflecting the overall model performance. It was found that the XGBoost model outperformed the SVM model with an accuracy of 91.8%, sensitivity of 93.6%, and specificity of 89.9%. This performance approaches that of the invasive HbA1c test used for diagnosing type 2 diabetes."

"

Madu sangat bermanfaat untuk tubuh. Madu dijadikan obat alternatif oleh masyarakat dalam menyembuhkan berbagai jenis penyakit dikarenakan kandungan senyawa di dalamnya. Tingginya permintaan pasar dikarenakan meningkatnya konsumsi madu oleh masyarakat memberikan peluang kepada oknum-oknum tidak bertanggung jawab untuk memalsukan madu. Oleh sebab itu diperlukan suatu teknologi canggih yang bisa mendeteksi keaslian madu beserta klasifikasikasi dan sifatnya secara cepat dan akurat. Identifikasi dan klasifikasi madu dilakukan pada madu asli yang berasal dari lebah Apis sp. dan juga stingless bees serta madu palsu buatan yang dibuat dengan percampuran madu asli dengan penambahan air gula (Fruktosa) dan NaHCO_3.  Dalam melakukan identifikasi madu dengan metode Artificial Neural Network (ANNs) digunakan software berupa MATLAB. Metode Artificial Neural Network (ANNs) yang digunakan adalah alogaritma backpropagation dengan arsitektur jaringan multilayer. Hasil dari peneitian ini adalah pengidentifikasian madu menggunakan metode Artificial Neural Network untuk percobaan 2 kelas memiliki hasil tranning dan testing yang lebih tinggi dibandingkan dengan percobaan dengan 6 kelas. Hal tersebut disebabkan karena semakin banyak kelas maka jumlah data setiap kelas harus semakin banyak dan sama rata dikarenakan jumlah data mempengaruhi hasil tranning dan testing dari Artificial Neural Network.

 

---

Honey is very beneficial for body. It can be used as an alternative medicine by humans for curing various types of diseases due to the compound contained in honey. The high market demand due to increasing consumption of honey by consumers provides opportunities for unscrupulous individuals to falsify honey. In order to prevent consumers from fake honey, we need a sophisticated technology that can detect the authenticity of honey along with its classification and nature quickly and accurately. In this study, a method for identifying and classifying the authenticity of honey using Artificial Intelligence (AI), the type of artificial intelligence that is used in this study is Artificial Neural Network (ANNs). The identification and classification of honey is performed using honey Apis sp bees, stingless bees and fake honey. Fake honey is made by adding sugar (Fructose) and NaHCO₃ to the honey. For identifying honey with the Artificial Neural Network (ANNs) method, the author used MATLAB software. The Artificial Neural Network (ANNs) method used is a backpropagation algorithm with multilayer network architecture. The result of this research is the identification of honey using the Artificial Neural Network method for the 2-class experiment which has higher tranning and testing results compared with experiments with 6 classes. This is because the amount of data per class must be more and equal because the amount of data affects the results of tranning and testing of Artificial Neural Network.

"

"Kegemukan/obesitas telah diakui sebagai salah satu masalah kesehatan yang serius. Pencegahan obesitas dan kelebihan berat badan semakin menjadi perhatian. Baru-baru ini, asupan herbal untuk pelangsing dan suplemen makanan secara signifikan diminati oleh orang-orang yang mencoba berjuang dengan obesitas. Pada kenyataannya, suplemen makanan herbal untuk pelangsing mempengaruhi tubuh manusia lebih lambat dibandingkan dengan obat pelangsing sintetis. Sehingga, Bahan Kimia Obat (BKO) sering kali ditambahkan ke dalam sediaan obat tradisional. Meskipun dilarang, namun pada kenyataanya, di pasaran masih juga beredar Produk Herbal untuk Pelangsing yang mengandung bahan kimia obat (BKO). Fokus utama dari Review Artikel ini adalah untuk menyoroti pendekatan skrining baru yang digunakan dalam pendeteksian BKO pada produk herbal untuk pelangsing yang ada di pasaran. Metode spektroskopi ATR-FTIR (Attenuated Total Reflectance-Fourier Transform Infrared) merupakan alat skrining yang layak dan menarik untuk menganalisis produk herbal untuk pelangsing yang dicurigai dipalsukan. Interpretasi/pengolahan data yang digunakan adalah kemometrik. Penggunaan ATR-FTIR telah terbukti dapat menganalisis sampel dengan cepat, sederhana, dan tidak memerlukan persiapan sampel yang sulit. Selain itu, teknik ini cukup akurat, tidak mememerlukan pelarut berbahaya dan reagen serta ramah lingkungan. ATR-FTIR umumnya digunakan untuk mengidentifikasi, karakterisasi, penjelasan struktur, dan pemantauan reaksi dalam kimia analitik. Spektroskopi ATR- FTIR dikombinasikan dengan metode kemometrik model HCA (Hierarchical Cluster Analysis) dan PCA (Principal Component Analysis) ditemukan cukup akurat untuk pendeteksian BKO Sibutramin HCl dan pemalsuan lainnya didalam produk herbal untukpelangsing.

---

Overweight/Obesity has been recognized as a serious health problem. Prevention of obesity and overweight is increasingly becoming a concern. Recently, the intake of herbs for slimming and dietary supplements is significantly in demand by people trying to struggle with obesity. In fact, herbal slimming supplements affect the human body more slowly than synthetic slimming drugs. Thus, chemical drugs are often added to traditional medicinal preparations. Although it is prohibited, in fact, in the market there are also Herbal Slimming Products that contain chemical drugs. The main focus of this review article is to highlight new screening approaches used in the detection of chemical drugs in herbal slimming products on the market. The ATR-FTIR (Attenuated Total Reflectance-Fourier TransformInfrared) spectroscopic method is a feasible and attractive screening tool to analyse herbal slimming products suspected of being counterfeited. The interpretation/processing of the data used is chemometric. The use of ATR-FTIR has proven to be able to analyse samples quickly, simply, and does not require difficult sample preparation. In addition, this technique is quite accurate, does not require harmful solvents and reagents and is environmentally friendly. ATR-FTIR is commonly used for identification, characterization, structure explanation, and reaction monitoring in analytical chemistry. ATR-FTIR spectroscopy combined with the chemometric method of HCA (Hierarchical Cluster Analysis) and PCA (Principal Component Analysis) models was found to be quite accurate for the detection of Sibutramine HCl and other adulterations in herbal slimming products."