Pengembangan indikator label berbasis ekstrak daun adam hawa untuk memantau kesegaran udang terintegrasi klasifikasi dengan machine learning

Siswoyo, (NIM. 1051711008) (2023) Pengembangan indikator label berbasis ekstrak daun adam hawa untuk memantau kesegaran udang terintegrasi klasifikasi dengan machine learning. skripsi thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (195kB)
	Text BAB II.pdf Restricted to Registered users only Download (312kB)
	Text BAB III.pdf Restricted to Registered users only Download (251kB)
	Text BAB IV.pdf Restricted to Registered users only Download (404kB)
	Text BAB V.pdf Restricted to Registered users only Download (183kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (201kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Udang merupakan hasil perikanan yang mudah mengalami pembusukan. Pebusukan udang dapat dideteksi menggunakan metode kolorimetri melalui perubahan warna kertas indikator label. Indikator label pada penelitian ini dibuat melalui dua tahapan yaitu pembuatan ekstrak dari daun adam hawa menggunakan metode maserasi dan sintesis indikator label dengan mencelupkan kertas kedalam larutan ekstrak. Selanjutnya, indikator label diuji secara stabilitas (suhu ruang dan dingin) dan sensitivitas (ammonia ruang, ammonia dingin, udang ruang, udang dingin). Hasil ekstraksi menunujukn bahwa daun adam hawa menghasilkan ekstrak berwarna ungu pekat. Ekstrak tersebut divariasi pH 2-12 dan diuji UV-Vis menghasilkan perubahan warna dari merah keunguan, ungu kebiruan, dan hijau kebiruan dengan panjang gelombang 541, 543, 545, 545, 544, 586, 588, 598 dan 601 nm. Hasil pengujian stabilitas menunjukan indikator label tidak mengalami perubahan warna. Hasil pengujian sensitivitas pada ammonia dan udang menunjukan bahwa indikator label mengalami peruahan warna. Supaya dapat digunakan oleh semua kalangan dalam mendeteksi kebusukan udang maka indikator label diklasifikasi menggunakan metode Neural Network, Naive Bayes dan Nearest Neighbor untuk menghasilkan nilai akurasi tertinggi. Klasifikasi Naive Bayes menghasilkan akurasi tertinggi 93,15% dibandingkan Nearest Neighbor dan Neural Network yang hanya 84,93% dan 41,09%

Item Type:	Thesis (skripsi)
Uncontrolled Keywords:	indikator label; udang; neural network; naive bayes; nearest neighbor
Subjects:	Q Sains > QC Physics
Divisions:	SKRIPSI > Fakultas Teknik > Fisika
Depositing User:	Mrs Nia Erawati
Date Deposited:	02 Aug 2023 08:23
Last Modified:	02 Aug 2023 08:23
URI:	https://repository.ubb.ac.id/id/eprint/7952

Actions (login required)

View Item