17i10097_bellavalentina.docx

TUGAS BAHASA INDONESIA

 TEXT Abstract The results obtained show that UV spectrophotometry allowed an accurate and nondestructive determination of sugars in fermentation samples and could be used as a fast alternative method for monitoring GOS production.

1. Introduction For the lactose and total GOS quantifications, a novel UV spectrophotometric method, less expensive and faster (less than 5 min analysis time, including the filtration and dilution steps), was also developed, allowing a more rapid and equal accurate monitoring of the fermentation process in an almost real time basis, which is most relevant for industry applications. The ability of the new proposed method to estimate the lactose and global GOS concentration profiles was evaluated by means of two statistical techniques: partial least square regression (PLS) and artificial neural networks (ANN) (Dias et al., 2009). The predictive abilities of the regression models were investigated using a full leave-one-out cross-validation and an external validation. It should be remarked that the objective was to develop a simple and precise UV spectrophotometric method to quantify the above-mentioned sugars, specially the total GOS content, produced in pre-established and comparable operating conditions, in such a way that could reproduce a usual industrial GOS production process.

3. Results and Discussion 3.3.2. Evaluation of predictive models Table 2 shows the statistics of the PLS and ANN multiple equations designed to simultaneously predict the lactose and total GOS concentrations in fermentation samples, based on the raw UV spectra and on the second order derivative treatment of the UV spectra, respectively. Results are shown for the training, validation and test sets of samples, and include the standard errors of calibration, of cross-validation and of prediction (SEC, SECV and SEP, respectively), the coefficients of determination in

calibration, in cross-validation and in external validation (R2, r2, and R2EV, respectively), as well as the residual predictive deviation (RPD).

Generally, the results obtained show that the ANN multiple model developed presents a more satisfactory performance concerning the prediction of lactose and total GOS contents, than that achieved with the PLS multiple model. Indeed, the coefficients of determination (R2, r2, and REV) obtained for lactose and total GOS in the training, validation and test sets were equal to or greater than 0.93 and 0.85 for ANN and PLS, respectively (Table 2), showing that UV absorbance data can explain a significant proportion of the concentration data variability. It has been reported that the accuracy of a model presenting determination coefficient values in the range of 0.7–0.89 or equal to or greater than 0.9 is good or very good, respectively (Gaitán-Jurado, Ortiz Somovilla, España-España, Pérez-Aparicio, & De Pedro-Sanz, 2008). Therefore, from the results obtained in this study it can also be inferred that, globally, the ANN multiple model established is very accurate while the results obtained with the PLS multiple model show a satisfactory accuracy.

Additionally, from the analysis of the other statistics presented on Table 2 (SEC, SECV, RPD and SEP), it can be stated that both multiple models present similar and satisfactory performances regarding the estimation of lactose and total GOS concentrations (similar SEC values), although as already stated, regarding the predictive characteristics the ANN multiple model is considerably more accurate (lower SEP values and higher RPD values), especially for the prediction of the total GOS concentration.

4. Conclusions which is crucial, when an industrial GOS production is envisaged, being a possible alternative to the standard analytical methods usually used.

However, further studied are needed in order to better sustain these conclusions.

 TRANSLATE Abstrak Hasil yang diperoleh menunjukkan bahwa spektrofotometri UV memungkinkan penentuan gula yang akurat dan tidak rusak dalam fermentasi dan dapat digunakan sebagai metode alternatif yang cepat untuk memantau produksi GOS.

1. Pengenalan Untuk kuantifikasi laktosa dan total GOS, metode spektrofotometri UV baru, lebih murah dan lebih cepat (kurang dari 5 menit waktu analisis, termasuk langkah-langkah filtrasi dan pengenceran), juga dikembangkan, memungkinkan pemantauan yang lebih akurat dan cepat untuk proses fermentasi, yang paling relevan untuk aplikasi industri. Kemampuan metode yang baru untuk memperkirakan laktosa dan profil konsentrasi GOS global dievaluasi dengan menggunakan dua teknik statistik: partial least square regression (PLS) dan artificial neural networks (ANN) (Dias et al., 2009). Kemampuan prediksi dari model regresi diselidiki menggunakan leave-one-out cross-validation dan validasi eksternal. Perlu dicatat bahwa tujuannya adalah untuk mengembangkan metode spektrofotometri UV sederhana dan tepat untuk mengkuantifikasi gula yang disebutkan di atas, khususnya kandungan total GOS, diproduksi dalam kondisi operasi yang telah ditentukan sebelumnya dan dapat diperbandingkan, sedemikian rupa sehingga dapat mereproduksi seperti industri biasa proses produksi GOS.

3. Hasil dan Diskusi 3.3.2. Model prediksi evaluasi Tabel 2 menunjukkan statistik dari PLS dan ANN beberapa persamaan yang dirancang untuk secara bersamaan memprediksi konsentrasi laktosa dan total GOS dalam sampel fermentasi, berdasarkan spektrum UV mentah dan pada perlakuan derivatif orde kedua dari spektrum UV, masing-masing. Hasil ditunjukkan untuk pelatihan, validasi dan serangkaian uji sampel, dan termasuk kesalahan standar kalibrasi, validasi silang dan prediksi (SEC, SECV dan SEP, masing-masing), koefisien determinasi dalam kalibrasi, dalam validasi silang dan dalam validasi eksternal (R2, r2, dan R2EV, masing-masing), serta residual predictive deviation (RPD).

Secara umum, hasil yang diperoleh menunjukkan bahwa model multiple ANN yang dikembangkan menyajikan kinerja yang lebih memuaskan mengenai prediksi laktosa dan total konten GOS, daripada yang dicapai dengan beberapa model PLS. Memang, koefisien determinasi (R2, r2, dan R2EV) yang diperoleh untuk laktosa dan total GOS dalam pelatihan, validasi dan set tes adalah sama dengan atau lebih besar dari 0,93 dan 0,85 untuk ANN dan PLS, masing-masing (Tabel 2), menunjukkan bahwa data absorbansi UV dapat menjelaskan proporsi yang signifikan dari variabilitas data konsentrasi. Telah dilaporkan bahwa akurasi model yang menyajikan nilai koefisien determinasi dalam kisaran 0,7-0,89 atau sama dengan atau lebih besar dari 0,9 adalah baik atau sangat baik, masing-masing (Gaitán-Jurado et al., 2008). Oleh karena itu, dari hasil yang diperoleh dalam penelitian ini dapat juga disimpulkan bahwa, secara global, beberapa model ANN yang ditetapkan sangat akurat sedangkan hasil yang diperoleh dengan beberapa model PLS menunjukkan akurasi yang memuaskan.

Selain itu, dari analisis statistik lain yang disajikan pada Tabel 2 (SEC, SECV, RPD, dan SEP), dapat dinyatakan bahwa kedua model ganda menyajikan kinerja yang sama dan memuaskan mengenai estimasi konsentrasi laktosa dan total GOS (nilai SEC yang serupa), meskipun sebagaimana telah dinyatakan, mengenai karakteristik prediktif, beberapa model ANN jauh lebih akurat (nilai SEP rendah dan nilai RPD yang lebih tinggi), terutama untuk prediksi konsentrasi GOS total.

4. Kesimpulan yang sangat penting, ketika industri produksi GOS dipertimbangkan, menjadi alternatif yang mungkin untuk metode analitis standar yang biasanya digunakan.

Namun, studi lebih lanjut diperlukan untuk lebih mendukung kesimpulan ini.

 PARAFRASE Abstrak Hasil menunjukkan bahwa spektrofotometri UV merupakan alternatif metode yang cepat untuk melihat produksi GOS dan dapat menentukan gula yang akurat dan tidak rusak dalam fermentasi.

1. Pengenalan Untuk menghitung jumlah laktosa dan total GOS dapat digunakan metode sprektrofotometri UV baru karena lebih murah dan cepat (kurang dari 5 menit untuk analisis termasuk filtrasi dan pengenceran). Kemampuan untuk menghitung jumlah laktosa dan GOS dievaluasi dengan dua teknik statistik yaitu partial least square regression (PLS) dan artificial neural networks (ANN) (Dias et al., 2009). Kemampuan prediksinya diselidiki dengan menggunakan leave-one-out cross-validation dan validasi eksternal. Tujuannya adalah untuk mengembangkan metode spektrofotometri UV sederhana dengan tepat untuk menghitung jumlah laktosa dan total GOS.

3. Hasil dan Diskusi 3.3.2. Model prediksi evaluasi Tabel 2 menunjukkan statistik dari PLS dan ANN untuk memprediksi konsentrasi laktosa dan total GOS dalam sampel fermentasi. Hasil yang ditunjukkan adalah percobaan, validasi dan serangkaian uji sampel, termasuk kesalahan standar kalibrasi, validasi silang dan prediksi (SEC, SECV dan SEP, masing-masing), koefisien determinasi dalam kalibrasi, dalam validasi silang dan dalam validasi eksternal (R2, r2, dan R2EV, masingmasing), serta residual predictive deviation (RPD).

Secara umum, hasil yang diperoleh menunjukkan bahwa model ANN lebih memuaskan untuk memprediksi laktosa dan total GOS, daripada model PLS. Koefisien determinasi (R2, r2, dan R2EV) yang diperoleh untuk laktosa dan total GOS dalam percobaan, validasi dan set tes adalah sama dengan atau lebih besar dari 0,93 dan 0,85 untuk ANN dan PLS (Tabel 2). Tabel 2 juga menunjukkan bahwa data absorbansi UV dapat menjelaskan proporsi yang signifikan dari variabilitas data konsentrasi. Akurasi model dalam kisaran 0,7-0,89 atau sama dengan atau lebih besar dari 0,9 adalah baik atau sangat baik (Gaitán-

Jurado et al., 2008). Oleh karena itu, dari hasil yang diperoleh dalam penelitian dapat disimpulkan bahwa model ANN yang ditetapkan sangat akurat sedangkan hasil yang diperoleh dengan model PLS memiliki hasil yang cukup akurat.

Selain itu, dari analisis statistik lain yang disajikan pada Tabel 2 (SEC, SECV, RPD, dan SEP), dapat dinyatakan bahwa kedua model menyajikan kinerja yang sama dan memuaskan mengenai estimasi konsentrasi laktosa dan total GOS (nilai SEC yang serupa). Tetapi model ANN jauh lebih akurat (nilai SEP rendah dan nilai RPD yang lebih tinggi), terutama untuk memprediksi konsentrasi GOS total.

4. Kesimpulan yang sangat penting ketika produksi GOS menjadi alternatif untuk metode analitis standar yang biasanya digunakan.

Namun, untuk mendukung kesimpulan ini masih diperlukan studi yang lebih lanjut.

DAFTAR PUSTAKA

Dias, L. G., Veloso, A. C. A., Correia, D. M., Rocha, O., Torres, D., Rocha, I., … Peres, A. M. (2009). UV spectrophotometry method for the monitoring of galactooligosaccharides production. Food Chemistry, 113(1), 246–252. https://doi.org/10.1016/j.foodchem.2008.06.072 Gaitán-Jurado, A. J., Ortiz Somovilla, V., España-España, F., Pérez-Aparicio, J., & De Pedro-Sanz, E. J. (2008). Quantitative analysis of pork dry-cured sausages to quality control by NIR spectroscopy. Meat science (Vol. 78). https://doi.org/10.1016/j.meatsci.2007.07.005