Search for collections on Undip Repository

Identifikasi Spektrum Raman Extra Virgin Olive Oil Murni pada Substrat SERS Ag/Si-wafer Menggunakan Machine Learning

KURINAWAN, Rizky Bagas (2026) Identifikasi Spektrum Raman Extra Virgin Olive Oil Murni pada Substrat SERS Ag/Si-wafer Menggunakan Machine Learning. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of FULL TEXT] Other (FULL TEXT)
Draft Skripsi_Rizky Bagas Kurniawan (2).rar
Restricted to Repository staff only

Download (8MB) | Request a copy
[thumbnail of 1. Cover.pdf] Text
1. Cover.pdf

Download (283kB)
[thumbnail of 4. Halaman Pengesahan Skripsi.pdf] Text
4. Halaman Pengesahan Skripsi.pdf

Download (617kB)
[thumbnail of 6. Kata Pengantar.pdf] Text
6. Kata Pengantar.pdf

Download (272kB)
[thumbnail of 7. Daftar Isi.pdf] Text
7. Daftar Isi.pdf

Download (268kB)
[thumbnail of 12. Abstrak.pdf] Text
12. Abstrak.pdf

Download (258kB)
[thumbnail of 13. Abstract.pdf] Text
13. Abstract.pdf

Download (306kB)
[thumbnail of 14. BAB I Pendahuluan.pdf] Text
14. BAB I Pendahuluan.pdf

Download (294kB)
[thumbnail of 19. Daftar Pustaka.pdf] Text
19. Daftar Pustaka.pdf

Download (292kB)

Abstract

Tujuan penelitian ini adalah menganalisis kemampuan spektroskopi raman
berbasis substrat Surface-Enhanced Raman Spectroscopy (SERS) Ag/Si-wafer
dalam membedakan spektrum EVOO murni dari minyak nabati lain. Penelitian ini
juga bertujuan mengkuantifikasi sumber-sumber variansi dalam hierarki
pengukuran SERS, serta mengevaluasi kemampuan machine learning dalam
membedakan EVOO murni dari EVOO teradulterasi. Dataset penelitian terdiri dari
2.460 spektrum yang diperoleh dari 145 vial, mencakup EVOO Bertolli dan lima
jenis adulteran pada konsentrasi 1-50% v/v. Spektrum diukur menggunakan
spektrometer raman portabel Brolight dengan detektor Maya 2000 Pro dari Ocean
Optics pada eksitasi 785 nm. Hasil penelitian menunjukkan bahwa spektrum enam
kelas minyak murni memiliki kemiripan yang tinggi antar kelas, dengan variansi
dominan bersumber dari heterogenitas substrat Ag/Si-wafer. Dekomposisi variansi
hierarki mengkuantifikasi bahwa perbedaan antar-sampel merupakan sumber
variansi terbesar dan bersifat sistematik dan terukur. Model machine learning 100%
berhasil membedakan EVOO murni dari EVOO teradulterasi pada data uji
independen yang terbatas pada 24 vial. Keputusan model dikonfirmasi berbasis
sinyal kimia, bukan artefak substrat. Klaim ini masih terbatas pada EVOO merek
Bertolli dengan ukuran dataset yang relatif kecil, sehingga generalisasi terhadap
jenis EVOO lain memerlukan validasi lebih lanjut.
Kata Kunci : surface-enhanced Raman spectroscopy, extra virgin olive oil,
dekomposisi variansi spektrum, support vector machine, analisis kepentingan fitur
spektrum.

(NO. KETERSEDIAAN : 2232/D/2026)

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Physics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 22 Jul 2026 10:34
Last Modified: 22 Jul 2026 10:34
URI: https://eprints2.undip.ac.id/id/eprint/57429

Actions (login required)

View Item View Item