| dc.description.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. | en_US |
