Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pencitraan hiperspektral adalah gabungan teknologi pencitraan dan spektroskopi. Teknologi ini merupakan teknologi telah banyak digunakan untuk penilaian kualitas makanan. Informasi spasial dan spektral pada objek yang diamati dapat diperoleh secara bersamaan dengan menggunakan pencitraan hiperspektral. Dalam penelitian ini, pencitraan hiperspektral pada rentang spektral 400-1000 nm digunakan untuk memprediksi kandungan klorofil total dan karotenoid daun bayam hijau dan merah Amaranthus tricolor L. berdasarkan spektral reflektansi. Data spektral di wilayah ROI pada setiap daun diekstraksi dengan merata-rata semua piksel pada ROI. Kandungan klorofil total dan karotenoid diukur dengan spektrofotometer UV-Vis. Partial Least Square Regression PLSR digunakan untuk membuat model prediksi antara kandungan klorofil total dan karotenoid terukur dan spektrum reflektansi. Koefisien korelasi prediksi rp klorofil total dan karotenoid untuk daun bayam hijau pada panjang gelombang 400-1000 nm diperoleh sebesar 0,91 dan 0,80, sedangkan untuk bayam merah diperoleh rp klorofil total sebesar 0,90 dan rp karotenoid sebesar 0,90. Hasil penelitian menunjukkan bahwa pencitraan hiperspektral dapat digunakan sebagai uji tak rusak untuk memprediksi kandungan total klorofil dan karotenoid. Kata kunci: Pencitraan hiperspektral, Klorofil, Karotenoid, Daun Bayam, PLSR.

---

ABSTRACT
Hyperspectral imaging is a technology that combines imaging and spectroscopy. This technology is a non destructive technology and used for food quality assessment. Spatial and spectral information on the observed object can be obtained simultaneously by using hyperspectral imaging. In this study, hyperspectral imaging in the spectral range of 400 1000 nm was used for total chlorophyll and carotenoid content prediction of green and red Amaranthus tricolor L. leaves based on reflectance profile. Spectral data in the region of interest ROI of each leaf were extracted by averaging all the pixels in the ROI. The determination of total chlorophyll and carotenoid content was measured using spectrophotometer UV Vis. The Partial Least Squares Regression PLSR was used to create a model prediction between the measured total chlorophyll and carotenoid content and the reflectance spectral. For green Amaranthus tricolor L. leaves, the correlation coefficients r in the full wavelength 400 ndash 1000 nm for predicting total chlorophyll and carotenoid are 0.91 and 0.80. For red Amaranthus tricolor L. leaves, the correlation coefficients r in the full wavelength 400 ndash 1000 nm for predicting total chlorophyll and carotenoid are 0.90 and 0.90. The results show that the hyperspectral imaging could be used as a nondestructive test to predict total chlorophyll and carotenoid content. Keyword Hyperspectral imaging, Total chlorophyll, Carotenoid, Amaranthus tricolor L. Leaves, PLSR

Abstrak :
Tanah adalah sumber alami yang penting dan merupakan bagian dari lingkungan. Merkuri merupakan salah satu logam yang memiliki dampak toksisitas yang berbahaya bagi manusia. Metode untuk ekstraksi bertahap untuk merkuri pada tanah. Merkuri dipisahkan menjadi fraksi- fraksi. Urutan lima langkah ekstraksi F1 (air deionisasi), F2 (0,01 M HCl + 0,1 M CH3COOH), F3 (1 M KOH), F4 (12 M HNO3), dan F5 (aqua regia). Dari antara fraksi tersebut yang terbesar adalah: merkuri terikat sulfida (57,08 - 94,53%) dan merkuri unsur (4,79 - 6,10 %). Fraksi terkecil adalah merkuri larut asam (0,21 – 0,73%), merkuri larut air (0,45 – 0,68 %) dan senyawa organomerkuri (0,33 – 0,68%). Teknik Diffusive Gradients in Thin Films (DGT) merupakan metode yang dikembangkan untuk monitoring partikel logam berat pada media baik perairan, sedimen dan tanah. Namun, dilakukan modifikasi pada salah satu komponen difussive gelnya, yaitu Crosslinker (pengikat silang) dengan menggunakan N,N’-methylenebisacrylamide (MBA) yang dikombinasikan dengan agarosa sebagai difusif gel, serta penggunaan resin gel 3- mercaptopropyl-terfungsionalisasi silika gel (komersil). Nilai koefisien elusi adalah 0,73, sedangkan nilai koefisien difusi 1,025 x 10-6 cm2/s. Keseluruhan analisis menggunakan teknik Cold Vapor-Atomic Absorption Spectrometry. Nilai CDGT-Hg berkisar 8, 6074 – 19,8790 µg/L, sedangkan C A.tricolor 0,087 – 2,074 µg/kg.Tanah adalah sumber alami yang penting dan merupakan bagian dari lingkungan. Merkuri merupakan salah satu logam yang memiliki dampak toksisitas yang berbahaya bagi manusia. Metode untuk ekstraksi bertahap untuk merkuri pada tanah. Merkuri dipisahkan menjadi fraksi- fraksi. Urutan lima langkah ekstraksi F1 (air deionisasi), F2 (0,01 M HCl + 0,1 M CH3COOH), F3 (1 M KOH), F4 (12 M HNO3), dan F5 (aqua regia). Dari antara fraksi tersebut yang terbesar adalah: merkuri terikat sulfida (57,08 - 94,53%) dan merkuri unsur (4,79 - 6,10 %). Fraksi terkecil adalah merkuri larut asam (0,21 – 0,73%), merkuri larut air (0,45 – 0,68 %) dan senyawa organomerkuri (0,33 – 0,68%). Teknik Diffusive Gradients in Thin Films (DGT) merupakan metode yang dikembangkan untuk monitoring partikel logam berat pada media baik perairan, sedimen dan tanah. Namun, dilakukan modifikasi pada salah satu komponen difussive gelnya, yaitu Crosslinker (pengikat silang) dengan menggunakan N,N’-methylenebisacrylamide (MBA) yang dikombinasikan dengan agarosa sebagai difusif gel, serta penggunaan resin gel 3- mercaptopropyl-terfungsionalisasi silika gel (komersil). Nilai koefisien elusi adalah 0,73, sedangkan nilai koefisien difusi 1,025 x 10-6 cm2/s. Keseluruhan analisis menggunakan teknik Cold Vapor-Atomic Absorption Spectrometry. Nilai CDGT-Hg berkisar 8, 6074 – 19,8790 µg/L, sedangkan C A.tricolor 0,087 – 2,074 µg/kg ......Soil is an important natural resource and is part of the environment. Mercury is a metal that has a toxic effect that is harmful to humans. Methods for the sequence extraction of mercury in soil. Mercury is separated into fractions. The five-step sequence extraction was F1 (deionized water), F2 (0.01 M HCl + 0.1 M CH3COOH), F3 (1 M KOH), F4 (12 M HNO3) and F5 (aqua regia). The largest of these fractions are: sulfide bound mercury (57.08 - 94.53%) and elemental mercury (4.79 - 6.10 %). The smallest fractions were acid-soluble mercury (0.21 – 0.73%), water soluble mercury (0.45 – 0.68%) and organomercury compounds (0.33 – 0.68%). Diffusive Gradients in Thin Films (DGT) technique is a method developed for monitoring heavy metal particles in water, sediment and soil media. However, modifications were made to one of the components of the diffussive gel, namely Crosslinker using N,N'-methylenebisacrylamide (MBA) combined with agarose as a diffusive gel, as well as the use of 3-mercaptopropyl-functionalized silica gel resin (commercial). The elution coefficient value is 0.73, while the diffusion coefficient value is 1.025 x 10-6 cm2/s. Overall analysis using Cold Vapor-Atomic Absorption Spectrometry technique. The CDGT-Hg values ​​ranged from 8.6074 – 19.8790 g/L, while the CA. tricolor was 0.087 – 2.074 g/kg.

Abstrak :
ABSTRACT
Visualisasi pertulangan daun telah banyak dilakukan menggunakan citra RGB dan metode pengolahan yang digunakan adalah pemrosesan morfologi. Hasil dari metode tersebut dapat menampilkan pola pertulangan daun atau venasi dengan baik, namun sangat terbatas pada resolusi kamera yang digunakan serta keterbatasan informasi spektral citra daunyan dihasilkan. Pada penelitian kali visualisasi venasi berhasil dilakukan dengan citra hyperspectral dengan panjang gelombang 400-1000nm. Sistem visualisasi pada penelitian kali ini menerima input citra hyperspectral dan menghasilkan output berupa citra venasi. Proses automasi mendapatkan citra venasi menggunakan model klasifikasi. Model klasifikasi dibuat berdasarkan infomasi panjang gelombang dari vena dan bagian helaian daun. Tujuan model klasifikasi ini adalah memprediksi bagian vena pada citra hyperspectral Algoritma klasifikasi yang digunakan pada penelitian ini adalah Support Vector Machine SVM , Multi Layer Perceptron Classifier MLPC , serta Decision Tree DT . Hasil akurasi dari model mencapai 97 pada model SVM, 95 pada model MLPC, dan 81 pada model DT. Model SVM dan MLPC selanjutnya digunakan untuk memprediksi citra hyperspectral untuk menghasilkan citra venasi daun bayam merah. Hasil akhir, berupa citra venasi menggunakan model SVM lebih baik karena mampu memvisualisasikan bagian vena primer dan vena sekunder dibandingkan citra venasi dengan model MLPC.

---

ABSTRACT
Venation visualization broadly have been done by RGB images using morphological image processing. The result of that method can visualizing leaf venation properly, but it depends on camera resolution and limited spectral information. In this research, we developing venation visualization system using hyperspectral image on band 400 1000nm. Our system visualizing red amaranth leaf venation as a output and hyperspectral image for input. To automated identifying venation region, we built classification model to predict based on spectral information. Classification model take every hyperspectral image pixel to predict leaf vein. In this work, we made 3 classification model namely SVM Support Vector Machine , MLPC Multi Layer Perceptron Classifier , and DT Decision Tree . Our model trained by 5 fold cross validation. Average accuracy score for SVM model up to 97 , 95 for MLPC and 81 on DT. Regard this accuracy result, SVM and MLPC model used for constructed venation image and DT model fall on overfitting state. The final result, SVM perform better than MLPC by visualizing primary vein and secondary vein.