Deteksi Pemalsuan Madu Menggunakan Spektroskopi Reflektansi-Fluoresensi dan Machine learning

Yahya, Rach Ayyu Zanierey Aisyah and Prof. Dr. Sucipto, STP., MP and Dr.Agr.Sc. Dimas Firmanda A.R, ST. MSc (2023) Deteksi Pemalsuan Madu Menggunakan Spektroskopi Reflektansi-Fluoresensi dan Machine learning. Sarjana thesis, Universitas Brawijaya.

Abstract

Salah satu bahan pangan yang berpotensi dipalsukan adalah madu dari lebah dengan komponen utama glukosa dan fruktosa. Pemalsuan madu dilakukan dengan mencampur madu asli dengan pemanis selain madu atau sirup dan pemalsuan label premium pada kemasan dengan kualitas di bawahnya. Dibutuhkan metode pelacakan pemalsuan madu dengan deteksi cepat, non-destructive, mudah digunakan, dan tidak membutuhkan banyak biaya berupa metode spektroskopi. Salah satu metode spektroskopi adalah UV-Vis-NIR spectroscopy dapat digunakan secara non-destructive, cepat, dan murah. Tujuan penelitian ini adalah mendeteksi pemalsuan pada madu dengan campuran sirup gula menggunakan UV-Vis-NIR spectroscopy dan machine learning. Madu yang digunakan berjumlah 10 jenis madu dicampur sirup gula konsentrasi 0%, 20%, 40%, 60%, 100% dengan ulangan sebanyak 3 kali dan dihomogenkan dengan hot plate magnetic stirrer RPM 700. Spektrum madu diambil menggunakan instrument deteksi berbasis Spektrofotometer Go Direct Spectro Vis pada rentang panjang gelombang 380- 950 nm dan aplikasi Vernier Spectral Analysis. Data reflektansi dan fluoresensi diolah dengan K-Nearest Neighbor dan Support Vector machine. Rentang gelombang reflektansi signifikan pada 510-881 nm dan fluoresensi signifikan pada 350-557 nm. Spektrum reflektansi dan fluoresensi dapat mendeteksi pemalsuan madu murni dan madu palsu. Klasifikasi campuran madu dan sirup gula menggunakan UV-Vis-NIR Spectroscopy dapat menggunakan data reflektansi dan fluoresensi yang diolah menggunakan Python dengan feature selection, algoritma KNearest Neighbor dan Support Vector Machine dan evaluasi model dengan confusion matrix. Algoritma KNN dengan K berjumlah 2 dan feature selection k best 50 atribut memiliki nilai akurasi 90%. Algoritma SVM dengan spektrum reflektansi-fluoresensi dan feature selection k best 50 atribut memiliki nilai akurasi terbaik yaitu 100%. Pendugaan terbaik pemalsuan madu dengan sirup gula direkomendasikan menggunakan algoritma klasifikasi SVM.

English Abstract

One of the potentially adulterated foods is honey from bees with the main components of glucose and fructose. Honey adulteration is done by mixing real honey with sweeteners other than honey or syrup and falsifying premium labels on packaging with quality below. It requires a method of tracking honey adulteration with fast detection, nondestructive, easy to use, and does not require much cost in the form of spectroscopic methods. One method of spectroscopy is UV-VIS-NIR spectroscopy can be used nondestructively, quickly, and inexpensively. The purpose of this study was to detect adulteration in honey with a mixture of sugar syrup using UV-Vis-NIR spectroscopy and machine learning. The honey samples used amounted to 10 samples with a concentration of added sugar 0%, 20%, 40%, 60%, 100% repeated 3 times and homogenized with a magnetic stirrer hot plate RPM 700. The honey spectrum was taken using detection instruments based on the Go Direct Spectro Vis Spectrophotometer in the wavelength range of 380-950 nm and the application of Vernier Spectral Analysis. The reflectance wave range is significant at 510-881 nm and fluorescence wave range is significant at 350-557 nm. The reflectance and fluorescence spectrum can detect honey adulteration because the entire spectrum can distinguish pure honey and fake honey. Classification of honey and sugar syrup mixture using UV-Vis-NIR Spectroscopy can use reflectance and fluorescence data processed using Python with feature selection, KNearest Neighbor algorithm and Support Vector Machine and model evaluation with confusion matrix. The KNN algorithm with K totaling 2 and feature selection k best 50 attributes has an accuracy value of 90%. SVM algorithm with reflectance lighting and fluorescence lighting and feature selection k best 50 attributes has the best accuracy value of 100%. Honey fraud detection with added sugar syrup recommended use the SVM classification algorithm.

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	Deteksi Pemalsuan, KNN, Pemalsuan Madu, SVM, UV-Vis-NIR-Adulteration Detection, Honey Adulteration, KNN, SVM, UV-Vis-NIR
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	soegeng sugeng
Date Deposited:	01 Feb 2024 08:27
Last Modified:	01 Feb 2024 08:27
URI:	http://repository.ub.ac.id/id/eprint/214039

Text (DALAM MASA EMBARGO) Rach Ayyu Zanierey Aisyah Yahya.pdf Restricted to Registered users only Download (7MB)

Actions (login required)

View Item