| dc.description.abstract | Latar belakang: daging sapi merupakan salah satu bahan baku makanan yang
harus dijamin kehalalannya. Namun, banyak dijumpai kasus pencampuran daging
sapi dan daging babi untuk menekan biaya produksi. Untuk itu diperlukan suatu
metode analisis yang mampu untuk mendeteksi campuran daging babi dalam
daging sapi secara akurat mengingat bahwa ketika sudah dicampur, kedua daging
sulit dibedakan secara visual.
Tujuan: penelitian ini bertujuan untuk mengidentifikasi dan mengkuantifikasi
jumlah daging babi dengan memanfaatkan profil kromatogram asam lemak
menggunakan GC-MS yang dikombinasikan dengan ANN.
Metode: penelitian ini diawali dengan ekstraksi lipid menggunakan metode
ekstraksi Bligh-Dyer. Lipid yang dihasilkan kemudian dihidrolisis dan dilakukan
proses derivatisasi untuk menghasilkan fatty acid methyl ester (FAME) sebelum
diinjeksikan ke GC-MS. Selanjutnya, data set berupa profil kromatogram asam
lemak dimasukkan ke analisis ANN dan diolah menggunakan Multi Layer
Perceptron (MLP). Untuk analisis kualitatif menggunakan fungsi aktivasi
hyperbolic tangent dan softmax, serta menggunakan dua hiden layer 12 dan 9
neuron. Untuk analisis kuantitatif menggunakan fungsi aktivasi sigmoid, serta
menggunakan dua hiden layer 10 dan 9 neuron. Analisis dilakukan terdiri dari 3
tahap yaitu training, validasi dan prediksi.
Hasil: penelitian ini menghasilkan profil kromatogram asam lemak senyawa
marker positif, daging sapi yaitu asam 7-oktadekenoat dan daging babi yaitu asam
tridekanoat dan asam heptadekanoat. Analisis kualitatif menghasilkan klasifikasi
kategori daging sapi, babi, campuran keduanya, dan prediksi dengan tingkat akurasi
100%, dengan nilai ROC dan AUC 1.0. Analisis kualitatif menghasilkan kadar
prediksi yang tidak jauh dari kadar aktual dengan nilai keakuratan; % Akurasi
training 94,5% dan testing 78,7%, R2 0.999, RMSE training 0.0578 dan testing
0.099.
Kesimpulan: Profil kromatogram GC-MS dapat mengidentifikasi asam lemak
daging sapi, babi maupun campuran keduanya. ANN mampu mengidentifikasi dan
mengkuantifikasi data yang kompleks dari GC-MS. | en_US |