Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penggunaan antioksidan diperlukan untuk mencegah penurunan kualitas minyak. Substitusi basa Mannich, seperti pirolidin, dapat meningkatkan aktivitas antioksidan suatu senyawa. Penelitian ini bertujuan untuk membandingkan efektivitas senyawa Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat dengan Ter-Butil Hidroksi Quinon (TBHQ) pada stabilitas oksidatif minyak kelapa. Aktivitas antioksidan Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat dan TBHQ dibandingkan dengan metode DPPH. Efektivitas Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat pada konsentrasi 200, 275, dan 350 ppm diuji terhadap stabilitas oksidatif minyak kelapa. TBHQ dengan konsentrasi 200 ppm digunakan sebagai pembanding. Stabilitas oksidatif termal dilakukan dengan pemanasan 180 °C selama 1, 3, dan 6 jam sedangkan stabilitas oksidatif penyimpanan dilakukan dengan pemanasan 60 °C selama 5 minggu. Parameter yang diuji adalah kadar asam lemak bebas, bilangan peroksida, bilangan p-anisidin, dan bilangan asam tiobarbiturat. Aktivitas antioksidan Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat 1,75 kali lebih rendah dari TBHQ. Pada analisis asam lemak bebas stabilitas oksidatif termal, Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat 350 ppm dan TBHQ tidak mengalami perubahan kadar namun pada parameter lainnya, senyawa Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat tidak memberikan hasil lebih baik dibandingkan dengan TBHQ. Pada parameter analisis oksidatif penyimpanan selama 5 minggu diperoleh hasil senyawa Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat tidak menjaga stabilitas oksidatif lebih baik dibandingkan dengan TBHQ. Sehingga, efektivitas senyawa Asam 4-Hidroksi-3-metoksi-5[(pirolidin-1-il)metil]benzoat dalam stabilitas oksidatif minyak kelapa tidak seefektif TBHQ pada parameter uji yang dilakukan.

---

Antioxidant is needed to prevent a decrease in oil quality. Substitution of Mannich base, such as pyrrolidine, could enhance antioxidant activity of compounds. This study aims to compare effectivity of 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid with t-Butyl Hydroxy Quinone (TBHQ) on coconut oil oxidative stability. Antioxidant activity of 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid and TBHQ was compared with DPPH method. Effectivity of 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid in concentration of 200, 275, and 350 ppm were tested in oxidative stability of coconut oil. TBHQ with concentration 200 ppm was used as compared sample. Thermal oxidative stability was tested at 180 °C for 1, 3, and 6 hours while storage oxidative stability was tested at 60 °C for 5 weeks. Parameters tested were free fatty acid, peroxide value, p-anisidine value, and thiobarbituric acid value. 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid has antioxidant activity 1.75 times lower than TBHQ. On analysis of free fatty acid in thermal stability, 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid 350 ppm and TBHQ did not get any changes, but on other parameters, 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid was not as good as TBHQ. In storage oxidative stability for 5 weeks, TBHQ was also better in keeping oil stability. In conclusion, effectivity of 4-Hydroxy-3-methoxy-5[(pyrrolidin-1-yl)methyl]benzoic Acid in coconut oil oxidative stability is not as effective as TBHQ.

Abstrak :
Penuaan adalah proses alami yang secara bertahap menurunkan kondisi fisik dan menyebabkan kemunculan berbagai penyakit, yang pada akhirnya dapat mengurangi rentang hidup makhluk hidup serta berujung pada kematian. Dalam konteks ini, usia biologis berperan sebagai indikator penting yang mampu mengevaluasi proses penuaan dan prediksi penyakit lebih efektif dibandingkan dengan usia kronologis. Hal ini dikarenakan usia biologis juga memperhatikan kondisi fisiologis individu, bukan hanya mengukur lamanya hidup seseorang sejak lahir. Penelitian ini berfokus pada proses penuaan alami yang tidak dipengaruhi oleh penyakit. Dengan demikian, model ini dapat dijadikan alat untuk mengidentifikasi individu yang jalur penuaannya menyimpang dari jalur penuaan yang sehat. Penelitian ini menggunakan metode Support Vector Regression dan Principal Component Analysis untuk memprediksi usia biologis berdasarkan biomarker klinis yang berkontribusi terhadap proses penuaan. Data yang digunakan pada penelitian ini adalah data medis yang berasal dari Kementerian Kesehatan Republik Indonesia. Pada dataset, dilakukan data preprocessing yang meliputi pengubahan tipe data, penghapusan kolom yang tidak digunakan, penyaringan usia partisipan, pembentukan data sintetis, dan pemisahan dataset pria dan wanita. Selanjutnya, dilakukan feature selection, uji multikolinearitas, dan pembentukan model menggunakan metode Support Vector Regression dan Principal Component Analysis. Performa dari model yang dibentuk, dievaluasi menggunakan Root Mean Squared Error dan Coefficient of Determination. Untuk model yang menggunakan metode Support Vector Regression, didapatkan nilai RMSE = 5, 228 dan r2 = 0, 807 pada model pria, serta nilai RMSE = 1, 798 dan r2 = 0, 959 pada model wanita. Sementara itu, model yang menggunakan metode Principal Component Analysis didapatkan nilai RMSE = 6, 835 dan r2 = 0, 751 pada model pria dan nilai RMSE = 5, 35 dan r2 = 0, 874 pada model wanita. Berdasarkan analisis kinerja model yang dilakukan pada penelitian ini, model dengan metode Support Vector Regression lebih unggul dalam memprediksi usia biologis dibandingkan dengan metode Principal Component Analysis. ......Aging is a natural process that gradually deteriorates physical condition and leads to the emergence of various diseases, ultimately reducing the lifespan of living beings and leading to death. In this context, biological age acts as an important indicator capable of evaluating the aging process and predicting diseases more effectively than chronological age. This is because biological age also considers an individual's physiological condition, not just measuring the length of time of person's life since birth. This research focuses on the natural aging process that is not influenced by disease. Thus, this model can be used as a tool to identify individuals whose aging path deviates from a healthy aging trajectory. This study uses Support Vector Regression and Principal Component Analysis methods to predict biological age based on clinical biomarkers that contribute to the aging process. The data used in this study are medical data from the Ministry of Health of the Republic of Indonesia. In the dataset, data preprocessing is performed, which includes changing data types, removing unused columns, filtering participant ages, forming synthetic data, and separating datasets for men and women. Next, feature selection, tests of multicollinearity, and model formation using the Support Vector Regression and Principal Component Analysis methods are conducted. The model formed is evaluated using Root Mean Squared Error and Coefficient of Determination. For the model using the Support Vector Regression method, RMSE=5,228 and r^2=0,807 were obtained for the men model, while an RMSE=1,798 and r^2=0,959 were obtained for the women model. Conversely, for the model using the Principal Component Analysis method, an RMSE=6,835 and r^2=0,751 were obtained for the men model, and an RMSE=5,35 and r^2=0,874 for the women model. Based on the performance analysis conducted in this study, the model using the Support Vector Regression method outperforms the Principal Component Analysis method in predicting biological age.