abstrak

Aflatoksin mencemari dan menjajah produk pertanian, seperti biji-bijian, dan dengan demikian
berpotensi menyebabkan karsinoma hati manusia. Deteksi melalui metode konvensional telah terbukti
memakan waktu dan rumit. Dalam tulisan ini, spektrum terahertz (THz) dari aflatoksin B1 dalam larutan
asetonitril dengan konsentrasi kisaran 1–50 lg / ml dan 1–50 lg / l diperoleh dan dianalisis untuk rentang
frekuensi 0,4–1,6 THz. Model regresi linier dan nonlinier dibangun untuk menghubungkan spektra
serapan dan konsentrasi 160 sampel menggunakan parsial kuadrat terkecil (PLS), regresi komponen
utama (PCR), mesin vektor dukungan (SVM), dan Metode PCA-SVM. Hasil kami menunjukkan bahwa
model PLS dan PCR adalah lebih akurat untuk kisaran konsentrasi 1–50 lg / ml, sedangkan SVM dan PCA-
SVM lebih akurat untuk rentang konsentrasi 1–50 lg / l. Selanjutnya, sepuluh sampel konsentrasi yang
tidak diketahui diekstraksi dari jagung berjamur dianalisis secara kuantitatif dengan menggunakan
metode ini.

1. Perkenalan

Aflatoksin adalah mikotoksin yang diproduksi oleh jamur Aspergillus flavus dan jamur Aspergillus
parasiticus. Aflatoksin beracun bagi manusia dan di antara zat yang paling karsinogenik dikenal (Abrar et
al., 2013). Aflatoksin tersebar luas di bidang pertanian dan produk makanan seperti kacang tanah,
jagung, gandum, beras, dan lainnya makanan kering; dengan demikian, mereka menimbulkan ancaman
potensial terhadap konsumsi produk pertanian yang aman. Aflatoksin dikaitkan dengan keduanya
toksisitas akut dan kronis pada manusia. Karena mereka secara signifikan berkontribusi pada hilangnya
produk pertanian (terutama setelah rompi) dan merugikan kesehatan manusia (Reddy et al., 2010),
afla ??? racun telah menerima perhatian yang cukup besar sebagai topik penelitian.

Aflatoksin diklasifikasikan ke dalam beberapa jenis, dan jenis yang menarik adalah aflatoksin B1, B2, M1,
dan M2. Selain itu, aflatoksin B1 (AFB1) adalah cukup umum ditemukan dalam produk pertanian, dan itu
dianggap paling beracun. Dengan demikian, ada kebutuhan untuk deteksi cepat dan andal metode untuk
mencapai analisis kuantitatif AFB1. Beberapa teknik telah digunakan untuk mendeteksi dan mengukur
AFB1, seperti kromatografi lapis tipis (TLC), berkinerja tinggi kromatografi cair (HPLC), dan uji imunosor
bengkok terkait enzim (ELISA) (Turner, Subrahmanyam, & Piletsky, 2009).

Meskipun metode ini sangat akurat, mereka memakan waktu (melibatkan persiapan sampel yang
melelahkan) dan kompleks, dan karenanya, mereka tidak dapat memenuhi tuntutan deteksi cepat.

Dalam beberapa tahun terakhir, teknik spektroskopi termasuk inframerah dekat (NIR) spektroskopi
(Fernandez-Ibanez, Soldado, Martinez ??? Fernandez, & de la Roza-Delgado, 2009) dan spektroskopi
Raman (Lee, Herrman, & Yun, 2014) telah digunakan untuk deteksi cepat dan analisis kuantitatif berbagai
senyawa. Namun ini pendekatan tidak dapat menyelidiki wilayah spektrum inframerah-jauh, yang
mengandung banyak informasi fisik dan kimia mengenai materi yang diselidiki. Radiasi THz (radiasi dalam
rentang frekuensi dari 0,1 hingga 3 THz) terletak pada jangkauan inframerah-jauh. THz time-domain spec
??? troscopy (THz-TDS) baru-baru ini digunakan sebagai teknik karakterisasi baru untuk mengungkap
sifat material yang menarik. Telah berhasil digunakan dalam berbagai bidang seperti ilmu material
(Ferguson & Zhang, 2002), biologi (Jepsen, Moller, & Merbold, 2007), kimia (Siegel, 2004), kontrol
kualitas manufaktur dan deteksi (Gowen, O'Sullivan, & O'Donnell, 2012), dan keamanan (Melinger,
Laman, & Grischkowsky, 2008). Beberapa penelitian telah berfokus pada analisis kuantitatif
menggunakan THz-TDS. Ueno, Rungsawang, Tomita, dan Ajito (2006) dianalisis secara kuantitatif
spektrum penyerapan asam amino melalui regresi linier metode. Nishikiori et al. (2008) menggunakan
kuadrat terkecil parsial (PLS) metode untuk menganalisis campuran asam L - dan DL - tartarat dalam
Kisaran THz mulai 0,1 hingga 3 THz. Hua, Zhang, dan Zhou (2010) digunakan THz-TDS dan metode regresi
untuk memeriksa cyfluthrin n-hexane solusi dalam kisaran konsentrasi 1–20 lg / ml. Ma, Wang, dan Li
(2013) secara kuantitatif menganalisis campuran thiabendazole dan polietilen menggunakan berbagai
algoritma termasuk PLS, interval PLS, back interval PLS, dan memindahkan jendela PLS (mwPLS), dan
hasil yang paling akurat dicapai dengan menggunakan mwPLS. Hasil diperoleh dalam studi ini
mendukung THz-TDS sebagai alat yang ampuh untuk analisis kuantitatif senyawa. Namun, beberapa
penelitian memiliki dianggap metode regresi nonlinier dan model optimal parameter untuk model
regresi yang digunakan dalam studi THz-TDS.

Dalam karya ini, kami menggunakan THz-TDS bersama-sama dengan metode kemometrik untuk
mendapatkan spektrum serapan AFB1 dalam larutan asetonitril pada rentang konsentrasi 1–50 lg / ml
dan 1–50 lg / l untuk mengevaluasi kemungkinan menganalisis AFB1 secara kuantitatif. Kami juga
parameter optimal dari model yang digunakan untuk pengukuran akurasi, dan kami membandingkan
hasil linier dan nonlinear model regresi.

2. Metode eksperimental

2.1. Pengaturan eksperimen

Spektrum transmisi AFB1 diperoleh dengan menggunakan sistem THz ??? TDS berdasarkan sakelar
fotokonduktif (Gbr. S1a dalam informasi porting Sup). Mode-terkunci Ti: laser safir, yang menyediakan
pulsa 100 fs pada panjang gelombang 800 nm dengan pengulangan Tingkat 80 MHz, digunakan sebagai
sumber radiasi. Sinar utama dibagi menjadi dua balok. Salah satu balok (balok pompa) digunakan untuk
menghasilkan pulsa THz, dan yang lainnya (sinar probe) digunakan untuk mendeteksi pulsa THz. Rincian
sistem THz-TDS dijelaskan dalam Han, Huang, dan Zhang (2000) dan Stoik, Bohn, dan Blackshire (2008).
Untuk menghindari penyerapan uap air melalui udara ambien, jalur terahertz dibersihkan terus menerus
bersama gas nitrogen kering, dan kelembabannya dipertahankan pada konstan nilai 1% selama
percobaan. Frekuensi efektif kisaran untuk sistem percobaan ini adalah 0,2–1,6 THz, dan puncaknya
rentang dinamis> 1000, dengan rasio sinyal-ke-noise> 5000.
2.2. Persiapan sampel

Solusi standar AFB1 dalam larutan asetonitril dikejar dari Pribolab Co. Ltd. (Singapura) pada konsentrasi
100 ± 0,1 lg / ml; 20 jenis larutan diencerkan dengan konsentrasi berkisar 1–50 lg / ml dan 1–50 lg / l dari
larutan yang distabilkan masing-masing, untuk setiap jenis larutan, 4 sampel digunakan tanpa proses
lebih lanjut, dan ini 160 sampel larutan yang diencerkan disimpan pada suhu 4 C sampai digunakan.
Jumlah solusi yang tepat dari setiap sampel diukur menggunakan spektrofotometer (Samuel,
Sivaramakrishna, & Mehta, 2014). Setiap sampel diukur pada lapisan tetap dengan menggunakan sel cair
dengan spacer Teflon dan jendela polietilena, ketebalan lapisan larutan adalah 100 lm, dan jendela sel
1,5 mm. Sel cair memiliki transmisi yang lebih tinggi dan penyerapan yang lebih rendah. Skema dari sel
cair ditunjukkan pada Gambar. S1b (Informasi pendukung). Untuk memastikan bahwa tidak ada
gelembung makroskopis dalam larutan, karena kehadirannya dapat mempengaruhi hasil secara negatif,
sampel diperiksa secara visual. Tergantung pada konsentrasi AFB1, penyerapan indeks masing-masing
sampel berbeda. Semua pengukuran selanjutnya dilakukan pada suhu kamar.

2.3. Akuisisi data

Untuk setiap pengukuran, stabilitas sistem adalah dievaluasi sehubungan dengan referensi (tidak
mengandung AFB1) dan sampel yang diselidiki. Dan setiap sampel yang diukur adalah dibandingkan
dengan sampel referensi; bentuk gelombang sampel mirip dengan yang lain, menunjukkan stabilitas
kinerja sistem. Spektrum domain-waktu sampel dan spesifikasi referensi direkam dengan mengukur
sampel dan referensi, masing-masing. Selanjutnya, domain frekuensi daya E (x) dari pulsa THz diperoleh
melalui transformasi Fourier cepat dari spektrum waktu-domain (Arora et al., 2012). Domain frekuensi
spektrum sampel, spektrum referensi, dan nitrogen adalah dinyatakan sebagai ES (x), Eref (x), dan En (x),
masing-masing. Selanjutnya, Efek Fabry – Perot dari windows cell cair belum diambil memperhitungkan;
dalam persamaan di bawah ini, kami menggunakan angka 1, 2, dan 3 untuk mewakili media nitrogen, sel
cairan kosong, dan sampelnya masing-masing. Dengan menggunakan persamaan yang mengatur
propagasi cahaya, ES (x), Eref (x), dan En (x), dapat diperoleh (Duvillaret, Garet, & Coutaz, 1996) dalam
informasi Pendukung. Rincian akuisisi data dijelaskan dalam bagian Pendukung Informasi. Menurut
Persamaan. (2) dan (3) dalam mendukung informasi, koefisien serapan aðxÞ dan indeks bias n dari
sampel dapat dihitung dengan menggunakan persamaan berikut (Liu, Yue, Wang, Sun, & Zhang, 2012):
Rumus rumussssssss

2.4. Metode pemodelan

Untuk menganalisis konsentrasi AFB1 secara kuantitatif dalam asetonitril, kami menggunakan metode
linier dan nonlinier termasuk PLS, komponen utama regresi (PCR), mesin vektor dukungan (SVM), dan
PCA-SVM. Selanjutnya, root mean square error (RMSE) dan koefisien korelasi (R) diterapkan untuk
mengevaluasi kinerja model yang diusulkan (Hua et al., 2010; Ma et al., 2013). Tergantung pada nilai-nilai
R (lebih tinggi) dan RMSE (lebih rendah), kita dapat memperoleh peningkatan kinerja model, yang
mengarah pada peningkatan prediksi akurasi untuk pengukuran kuantitatif yang tidak diketahui sampel
solusi. PLS dan PCR adalah regresi linier yang paling umum digunakan metode. Tujuan dari prosedur
regresi adalah untuk mengurangi dimensi dari serangkaian variabel yang mungkin berkorelasi saat
mempertahankan variabilitas maksimum berdasarkan pada struktur varians-kovarians, yang merupakan
kombinasi linear dari dataset asli (Katrin et al., 2012). Banyak deskripsi PCR yang lebih rinci diterbitkan;
beberapa deskripsi seperti itu dapat ditemukan di Burnett et al. (2009) dan Noori, Karbassi, dan Sabahi
(2010). PLS (Brereton, 2000) digunakan untuk menentukan dekomposisi linier antara dua matriks,
matriks input dan matriks output. Saya t mengekstrak karakteristik ortogonal dari spektrum sampel,
kemudian membangun hubungan antara karakteristik dan konsentrasi sampel. Rincian lebih lanjut
tentang PLS dapat ditemukan dalam Blanco, Coellho, Iturriaga, Masposch, dan Pages (2000) dan Ham,
Kostanic, Cohen, dan Gooch (1997). SVM adalah metode pembelajaran terawasi yang menganalisis data
dan mengenali pola, dan digunakan untuk klasifikasi data dan untuk membuat berbagai jenis prediksi.
Penjelasan rinci tentang teori SVM telah dilaporkan dalam He, Yang, dan Xie (2013) dan Cortes dan
Vapnik (1995). Detail dari ketiga multivarian ini teknik analisis dalam pekerjaan kami saat ini dijelaskan
dalam Informasi Dukungan.

Dalam penelitian kami, kami menggunakan fungsi dasar radial (RBF) yang diberikan oleh Eq. (3) untuk
model SVM karena alasan berikut: pertama, linier kernel adalah kasus khusus dari RBF; kedua, kernel
RBF memiliki lebih sedikit parameter daripada kernel polinomial dan sigmoid. Selanjutnya, RBF dapat
menghasilkan kinerja yang baik di bawah sejumlah kecil sampel (Noori, Abdoli, Ghasrodashti, &
Ghazizade, 2009).

3. Hasil dan Pembahasan

3.1. Hasil percobaan

Koefisien absorpsi AFB1 dalam larutan asetonitril adalah diukur melalui THz-TDS dalam rentang frekuensi
0,4-1,6 THz. Setiap sampel konsentrasi dan referensi dipindai empat kali, dan catatan spektral dirata-rata
untuk menghasilkan spektrum. Itu Pulsa THz sesuai dengan sampel dan referensi diperoleh dengan
memindai sel cairan yang diisi dengan larutan AFB1 dan pelarut asetonitril murni, masing-masing. Untuk
meminimalkan fluktuasi baseline kompleks, semua spektrum dalam domain frekuensi selanjutnya
diproses dengan algoritma variasi normal standar (Barnes, Dhanoa, & Lister, 1989). Perbandingan
penyerapan koefisien dari sampel yang berbeda ditunjukkan pada Gambar. 1 (a) (untuk kisaran
konsentrasi 1–50 lg / ml) dan Gbr. 1 (b) (untuk kisaran konsentrasi 1–50 lg / l). Untuk mewakili variasi
dalam pengukuran secara efektif, koefisien penyerapan rata-rata rentang konsentrasi yang berbeda
ditunjukkan pada Gambar. S3 (Mendukung Informasi). Dan koefisien serapan rata-rata sampel adalah
34,5114 (2 lg / l), 33,81602 (4 lg / l), 30,79999 (10 lg / l),

Gambar
28.37413 (15 lg / l), 25.94679 (20 lg / l), 23.96259 (25 lg / l), 23.67114 (30 lg / l) dan 20.72576 (40 lg / l)
masing-masing (untuk kisaran konsentrasi 1-50 lg / l), dan 80.88223 (1 lg / ml), 79.53026 (3 lg / ml),
78.16886 (5 lg / ml), 75.91949 (10 lg / ml), 74.29529 (15 lg / ml), 72,551 (20 lg / ml), 71,34436 (25 lg /
ml), 67,44381 (30 lg / ml) dan 65.58572 (40 lg / ml) masing-masing (untuk kisaran konsentrasi 1–50 lg /
ml). Kami mengamati penurunan koefisien penyerapan dengan meningkatkan konsentrasi AFB1 pada
konsentrasi yang berbeda rentang. Karena konsentrasi AFB1 meningkat, penyerapannya kuat molekul
asetonitril digantikan oleh penyerapan AFB1 yang kuat molekul. Fenomena ini menunjukkan bahwa
penyerapan pelarut ace? Tonitrile jauh lebih tinggi daripada AFB1 terlarut. Di sini, kita ingat bahwa
radiasi THz sensitif terhadap bahan kutub seperti air (Arora et al., 2012). Dari Gambar 1, jelas bahwa a
Penyerapan THZ meningkat dengan frekuensi. Perihal konsentrasi sampel mulai dari 1 hingga 50 lg / ml
(Gbr. 1 (a)), yang perubahan bentuk gelombang dapat lebih mudah dibedakan dari pada kasus
konsentrasi sampel mulai dari 1 hingga 50 lg / l (Gbr. 1 (b)). Kecenderungan keseluruhan kurva koefisien
serapan pada Gambar. 1 (B) adalah peningkatan hampir linier dengan meningkatnya frekuensi,
sedangkan pada Gambar. 1 (a), kurva lebih lembut. Spektrum sampel AFB1 di frekuensi yang lebih tinggi
(di atas 1,5 THz) menghasilkan SNR yang lebih rendah karena keterbatasan rentang dinamis sistem
pengukuran, dan spektrum serapan untuk sampel dengan konsentrasi yang berbeda dapat dilihat
berpotongan, yang dapat diperkenalkan oleh Efek Fabry-Perot dari dinding sel. Untuk sampel dengan
yang lebih rendah konsentrasi, karena ikatan irrotasional dari suatu bagian molekul, getaran dan rotasi
molekul mungkin ditekan (Asaki, Redondo, Zawodzinski, & Taylor, 2002). Jadi, a lebih banyak
persimpangan dari spektrum penyerapan THz diharapkan dalam kisaran 1–50 lg / l. Untuk lebih
menginterpretasikan variasi penyerapan spektrum sampel larutan, THz spektrum penyerapan AFB2
dalam larutan asetonitril juga diukur dengan THz-TDS. Gambar 2 menunjukkan koefisien penyerapan
sampel larutan AFB1 dan AFB2 dengan konsentrasi 10 lg / l dan 30 lg / l. Untuk mewakili variasi dalam
pengukuran secara efektif, koefisien penyerapan rata-rata sampel sampel larutan AFB1 dan AFB2 dengan
konsentrasi 10 lg / l dan 30 lg / l ditunjukkan pada Gambar. S4 (Informasi pendukung). koefisien
penyerapan rata-rata sampel adalah 307,9999 (AFB1_10 lg / l), 328.6889 (AFB2_10 lg / l), 236.7114
(AFB1_30 lg / l), dan 279.5138 (AFB2_30 lg / l) masing-masing. Jelas bahwa hal yang sama tren
diperoleh; Namun, spektrum antara kedua sampel memiliki perbedaan yang jelas yang menunjukkan
bahwa efek muncul perbedaan kecil dalam struktur molekul. Bentuk gelombang menunjukkan respon
molekul aflatoksin di wilayah THz. Selain itu, tidak ada puncak penyerapan karakteristik diamati dalam
rentang frekuensi THz, dan oleh karena itu, metode metrik kemo digunakan untuk menganalisis secara
kuantitatif AFB1 larutan. Upaya dilakukan untuk mengkorelasikan THz yang diukur spektra AFB1 dengan
konsentrasi yang sesuai dengan menggunakan metode regresi.

GAMBAR

Metode analisis kuantitatif (PLS, PCR, SVM, dan PCA ??? SVM) yang diperkenalkan pada bagian
sebelumnya diterapkan untuk membangun model yang berkaitan dengan koefisien serapan THz dan
konsentrasi 160 sampel. Kalibrasi multivarian dilakukan pada THz data spektral dalam paket perangkat
lunak MATLAB (Versi 2012a, Mathworks Inc., Natic, USA) menggunakan kotak alat dan skrip yang ditulis
pengguna. Seperangkat 160 sampel digunakan dalam percobaan ini. Semua sampelndibagi menjadi dua
set secara acak dengan rasio 1: 1, set kalibrasi (80 sampel) dan set validasi (80 sampel). Itu spektrum
serapan yang sesuai dengan dua yang disebutkan di atas rentang konsentrasi digunakan sebagai input ke
model. Sebuah rentang frekuensi yang sesuai (0,8–1,4 THz) digunakan, 4 faktor untuk PLS, 5 faktor untuk
PCR dan 4 faktor untuk PCA-SVM digunakan menurut RMSE terkecil, hasil kalibrasi dan set nilai untuk
konsentrasi sampel berkisar dari 1 hingga 50 lg / ml tercantum dalam Tabel 1. Dapat dilihat dari Tabel 1
bahwa hasil model regresi linier (PLS dan PCR) lebih akurat daripada model nonlinear (SVM dan PCA-
SVM) berdasarkan pada RMSE yang lebih rendah dan nilai R yang lebih tinggi. Tidak ada perbedaan yang
jelas antara kinerja PLS dan PCR, sedangkan SVM dan PCA-SVM lakukan tidak memberikan hasil yang
memuaskan. Plot pencar dari konsentrasi yang diprediksi versus konsentrasi referensi dengan metode
linier dan non-linear ditunjukkan pada Gambar. 3.

Seperti dapat dilihat pada Gambar. 3 (a), distribusi poin untuk konsentrasi yang diprediksi oleh model PLS
dan PCR lebih dekat garis referensi, dibandingkan dengan yang diprediksi oleh SVM dan model PCA-SVM.
Namun, pada Gambar. 3 (b), konsentrasi diprediksi oleh model SVM dan PCA-SVM lebih tinggi dari itu
model PLS dan PCR. Untuk lebih membandingkan kinerja prediksi model, kami menganalisis perkiraan
konsentrasi sampel menggunakan model yang disebutkan. Kinerja para model adalah diindeks oleh
akurasi prediksi, seperti yang ditunjukkan pada Tabel 2. Dari Tabel 2, kami mengamati bahwa hasil
prediksi mod secara keseluruhan menunjukkan bahwa kinerja model yang memuaskan untuk penentuan
AFB1. Membandingkan hasilnya diperoleh untuk setiap model, kami mencatat bahwa akurasi prediksi
model yang berbeda sangat berbeda antara dua konsentrasi rentang. Hasilnya menunjukkan bahwa
akurasi SVM dan Prediksi PCA-SVM buruk dalam kisaran konsentrasi 1–50 lg / ml, sedangkan akurasi
prediksi PLS dan Model PCR setinggi 87,5%. Untuk rentang konsentrasi 1–50 lg / l, akurasi prediksi
jangkauan SVM dan PCA-SVM 93,75%, sedangkan kinerja PLS dan PCR relatif miskin. Kami mencatat
bahwa tren umum terkait dengan akurasi prediksi berbeda untuk kedua kasus, dan in dapat dinyatakan
sebagai berikut: PCR> PLS> SVM> PCA-SVM (1-50 lg / ml) dan PCA-SVM> SVM> PCR> PLS (1-50 lg / l).
Untuk lebih menunjukkan kelayakan dari yang diusulkan metode untuk mendeteksi AFB1 dalam produk
pertanian, AFB1 dalam jagung dianalisis untuk mendapatkan nilai konsentrasi yang diprediksi. Umumnya,
AFB1 ada dalam bentuk padat di jagung; dengan demikian, perlu diekstraksi

Tabel

Gambar

Tabel

dengan metode tradisional, seperti dengan menggunakan kolom immunoaffinity (Perincian proses
ekstraksi dapat ditemukan di Xie et al. (2014)) dan diawetkan dalam pelarut polar (asetonitril). Dalam
ujian, sepuluh sampel solusi AFB1 disiapkan untuk analisis kuantitatif menggunakan metode PLS, PCR,
SVM, dan PCA-SVM. Setiap sampel adalah diukur empat kali untuk menghasilkan spektrum rata-rata, di
mana waktu pemindaian untuk setiap sampel tidak lebih dari 1 detik. Dengan demikian, waktu prediksi
untuk setiap sampel tidak lebih dari 5 detik (termasuk totalnya) waktu pemindaian 4 detik dan waktu
perhitungan 1 detik) pada PC standa dengan 2 GB RAM dan CPU Pentium. Hasil prediksi model yang
berbeda ditunjukkan pada Tabel 3. Dari Tabel 3, jelas bahwa metode PCA-SVM dan SVM dapat 1)
memperoleh akurasi prediksi terbaik dalam rentang konsentrasi 1–50 lg / l dan 2) mencapai kesalahan
prediksi minimum, yang mengindikasikan bahwa hasil prediksi dari sampel konsentrasi yang tidak
diketahui diekstraksi dari jagung sesuai dengan hasil berdasarkan pada sampel AFB1 standar
menggunakan model regresi empat met. Selain itu, kami mengamati bahwa hasil prediksi sampel angka
1, 5, dan 10 dihitung oleh PLS keduanya 0 lg / l, dan hasil pra-sampel sampel 1 dan 2 adalah 0 lg / l oleh
PCR, menunjukkan bahwa Metode PLS dan PCR tidak dapat mencapai prediksi yang sesuai nilai dalam
rentang konsentrasi yang lebih rendah karena sensitivitas yang lebih rendah dari sistem, kebisingan, dan
penurunan hubungan linier antara spektra serapan dan konsentrasi sampel. Selain itu, kesalahan prediksi
minimum dari sepuluh sampel semuanya kurang dari 3 lg / l, menunjukkan bahwa hasil prediksi model
PCA-SVM dan SVM dapat memperoleh ukuran yang lebih akurat. Kesalahan prediksi dapat dikaitkan
dengan kasus bahwa nilai referensi set pengujian dipengaruhi oleh operator. Lebih lanjut bekerja untuk
model prediksi sangat direkomendasikan sebagai hasilnya model tidak cukup untuk memenuhi
persyaratan optimal nilai-nilai. Hasil ini juga menunjukkan bahwa THz-TDS digabungkan dengan metode
kemometrik adalah alat deteksi potensial baru untuk analisis kuantitatif AFB1 dalam produk pangan dan
pertanian.

3.2. Diskusi

Metode tradisional untuk mendeteksi AFB1 kebanyakan memakan waktu dan kompleks. Sedangkan TLC
dan HPLC (Shim et al.,2007) telah secara resmi diadopsi untuk penentuan AFB1, ELISA lebih mudah
digunakan dibandingkan dengan metode kromatografi dan semakin banyak diterapkan untuk
pengembangan metode analisis untuk AFB1; selanjutnya, TLC, HPLC, dan ELISA biasanya membutuhkan
operator yang terampil, langkah-langkah mencuci, dan beberapa inkubasi (Stroka & Anklam, 2002).
Dengan demikian, teknologi ini tidak cocok untuk deteksi cepat. Spektroskopi THz adalah metode deteksi
cepat dan non-invasif untuk mendeteksi AFB1. Dalam tulisan ini, spektra serapan THz dari AFB1 diukur
dan dianalisis. Metode regresi PCR, PLS, SVM, dan PCA ??? SVM digunakan untuk membangun model
penentuan AFB1. Sampel konsentrasi yang tidak diketahui diekstraksi dari jagung berjamur diterapkan
untuk memvalidasi kelayakan model. Proses prediksi untuk setiap sampel konsentrasi yang tidak
diketahui dapat diselesaikan dalam 5 detik. Hasil menunjukkan bahwa THz-TDS dikombinasikan dengan
metode kemometrik dapat digunakan untuk penentuan AFB1 yang cepat, dan dapat diaktifkan
kemungkinan penentuan AFB1 dalam pangan dan pertanian produk. Meskipun PCA meningkatkan
operator SVM, ada yang bagus potensi untuk meningkatkan kinerja model. Lebih lanjut penelitian harus
dilaksanakan untuk perbaikan

TABEL
model akurasi dan pengurangan ambang batas untuk deteksi sampel. Penting untuk memperhitungkan
ketidakpastian pengalaman, yang meliputi sistem dan latar belakang kebisingan serta akurasi
pengambilan sampel sistem (Withayachumnankul, Fischer, Lin, & Abbott, 2008). Sementara itu, proses
persiapan sampel sangat penting untuk penentuan dari AFB1. Kesalahan dalam proses persiapan sampel
dipengaruhi dengan akurasi solusi standar, presisi proses pengenceran, dan lingkungan pelestarian.
Untuk mengurangi deteksi ambang batas, kami menyarankan penyelidikan dan pengembangan 1) a
metode pretreatment yang lebih cocok untuk spektra serapan (pemilihan rentang frekuensi yang dapat
mencerminkan informasi yang paling relevan bersama dengan spektrum sampel; menjelajahi
kemungkinan masing-masing metode preprocessing dan beberapa kombinasinya), 2) model yang lebih
akurat, seperti rentang frekuensi yang sesuai sebagai input dari model yang dibuat, dengan lebih banyak
informasi yang relevan, yang dapat menyebabkan lebih sedikit kesalahan prediksi, dan 3) algoritma yang
sesuai, untuk meningkatkan akurasi pengukuran, teknik fusi informasi multi sumber berdasarkan metode
teori bukti DS akan digunakan untuk menganalisis secara kuantitatif dalam penelitian masa depan. Lebih
lanjut, situasi yang kompleks, seperti keberadaan lebih dari dua komponen dalam solusi, juga perlu
dipertimbangkan untuk mengeksplorasi lebih efektif metode untuk penentuan AFB1 dalam sampel
nyata.

4. Kesimpulan

Kami telah menunjukkan kelayakan mineratif penentu AFB1 dalam larutan asetonitril dengan metode
kemometrik menggunakan THz-TDS. Spektrum serapan dari sampel larutan AFB1 diperoleh dan
dianalisis dalam rentang frekuensi 0,4-1,6 THZ. Untuk menganalisis konsentrasi sampel secara kuantitatif,
model PLS, PCR, SVM, dan PCA-SVM digunakan. Kami hasil percobaan menunjukkan kinerja yang unggul
dari model regresi linier dibandingkan model regresi nonlinier untuk kisaran konsentrasi 1–50 lg / ml,
sedangkan untuk konsentrasi kisaran 1-50 lg / l, model berbasis nonlinear-regresi menyediakan hasil
yang jauh lebih akurat daripada yang disediakan oleh model berbasis regresi linier. Selain itu, sampel
tidak diketahui konsentrasi digunakan untuk melakukan analisis kuantitatif menggunakan metode
regresi. Ini menegaskan bahwa spektroskopi THz adalah teknik yang menjanjikan yang menyediakan
metode yang cepat dan andal untuk deteksi toksin kuantitatif dalam produk pertanian.