TUGAS BAHASA INDONESIA

 TEXT
Abstract
The results obtained show that UV spectrophotometry allowed an accurate and non-
destructive 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, masing-
masing), 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 galacto-
oligosaccharides 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