Penerapan Model RF-PSO untuk Pemodelan Multi- Output dan Optimasi pada Proses Microwave-Assisted Extraction (MAE) (Studi Kasus: Ektraksi Kulit Manggis (Garcinia mangostana L.) sebagai Antioksidan)

Abstract

Kulit manggis (Garcinia mangostana L.) merupakan sumber senyawa bioaktif yang kaya akan xanton dan fenolik dengan aktivitas antioksidan tinggi, namun pemanfaatannya masih terbatas. Penelitian ini bertujuan untuk memodelkan dan mengoptimalkan proses Microwave-Assisted Extraction (MAE) kulit manggis menggunakan pendekatan Multi-Output Random Forest (MORF) dan Particle Swarm Optimization (PSO), serta mengevaluasi ketidakpastian prediksi melalui interval prediksi berbasis kuantil. Variabel proses yang dikaji meliputi daya microwave, waktu ekstraksi, dan rasio pelarut, dengan tiga respon yang dimodelkan secara simultan, yaitu inhibisi DPPH, Total Phenolic Content (TPC), dan yield. Hasil pemodelan menunjukkan bahwa model MORF memiliki kinerja yang sangat baik dengan kemampuan generalisasi tinggi, ditunjukkan oleh nilai koefisien determinasi (R2) pada data uji sebesar 0.994 untuk inhibisi DPPH, 0.997 untuk TPC, dan 0.964 untuk yield, serta didukung oleh nilai MAPE dan RMSE yang relatif rendah tanpa indikasi overfitting. Optimasi multi-output menggunakan PSO menunjukkan bahwa pada fraksi polar, solusi optimal bersifat konsisten pada seluruh metode pembobotan fungsi objektif (PCA, VIF, korelasi, dan CRITIC), dengan kombinasi daya microwave 375.51 W, waktu ekstraksi 5.01 menit, dan rasio pelarut 15.03 mL/g. Sebaliknya, pada fraksi nonpolar, pendekatan pembobotan berbasis VIF menghasilkan nilai inhibisi DPPH dan TPC yang lebih tinggi dibandingkan metode lainnya, meskipun disertai sedikit penurunan yield, dengan kondisi optimal pada daya 377.49 W, waktu 3.00 menit, dan rasio pelarut 15.00 mL/g. Interval prediksi berbasis kuantil menunjukkan bahwa lebar interval prediksi setiap respon bersifat konstan pada seluruh kombinasi variabel proses optimal, baik pada fraksi polar maupun nonpolar, yang menegaskan bahwa solusi optimum yang diperoleh tidak hanya stabil dari sisi nilai prediksi, tetapi juga memiliki tingkat ketidakpastian yang konsisten dan reliabilitas yang tinggi.