<![CDATA[Pemanfaatan teknologi informasi dalam membantu mengurangi kegiatan eksperimen di laboratorium semakin meningkat. Pemanfaatan teknologi informasi akan menghemat bahan, waktu dan biaya, serta tentunya akan mengurangi resiko bahaya yang kemungkinan timbul jika dilakukan percobaan secara langsung di laboratorium. Salah satu teknologi informasi yang sedang berkembang dan menarik untuk digunakan adalah machine learning. Penelitian ini bertujuan untuk mengetahui unjuk kerja model machine learning dalam memprediksi adsorpsi metilene biru pada karbon aktif. Dataset adsorpsi metilene biru menggunakan karbon aktif biji alpukat dari penelitian terdahulu yang dilakukan oleh Regti dkk (2017) dibagi menjadi data latihan dan data tes. Dengan data tersebut kemudian digunakan untuk menguji performa model machine learning (neural networks, support vector machines, random forest, dan linear regression) menggunakan metode Stratified 10-fold Cross validation. Model neural network merupakan model machine learning terbaik untuk memprediksi proses adsorpsi metilene biru pada karbon aktif dibandingkan dengan model SVM, Random Forest maupun regresi linier dengan performa prediksi terbaik pada data latihan maupun data uji. Nilai MSE 14.640, RMSE 3.826, MAE 3.178 dan R2 0.975 pada data latihan dan pada data uji nilai MSE 3.51e-06, RMSE 0.00187, MAE 0.00135 dan R2 0.999.]]>
Copyrights © 2022
