Analisis dan Desain Sistem Produksi Asam Glutamat dari Biomassa Nira Sorgum Menggunakan ARM (Association Rules Mining)

Main Article Content

Rozalia Suardi
Agnes Suarna

Abstract

Nira sorgum manis memiliki potensi untuk dimanfaatkan sebagai media pertumbuhan Corynebacterium glutamicum dalam memproduksi asam glutamat. Namun, produksi asam glutamat dari nira sorgum masih terbatas dalam skala laboratorium. Oleh karena itu, pada penelitian ini dilakukan analisis dan perancangan sistem produksi asam glutamat dari nira sorgum. Pada penelitian ini dilakukan identifikasi korelasi masing- masing atribut dari formulasi asam glutamat yang saling terkait, dan prediksi hubungan antara variabel X dan Y. Digital Business Ecosystem (DBE) digunakan sebagai konsep untuk menganalisis, merancang, dan mengimplementasikan sistem. Metode yang digunakan yaitu Associatio Rules Mining (ARM) digunakan untuk mengidentifikasi korelasi masing-masing atribut. Kemudian juga digunakan metode Multiple Linear Regression untuk memprediksi korelasi beberapa atribut. Dataset yang digunakan adalah dataset hipotetis dari formulasi produksi asam glutamat. Hasil akhir yang diperoleh yaitu berupa sepuluh aturan teratas dengan enam atribut yang memiliki korelasi kuat. Selain itu, korelasi antara Y (Konsentrasi asam glutamat) dan X(Kadar gula, kadar biotin dan kadar urea) sebagai uji regresi linier berganda menunjukkan bahwa data dalam model bersifat linier dan memiliki galat yang terdistribusi normal. Variabel X memiliki korelasi yang tinggi dan dapat digunakan sebagai prediktor.

Article Details

How to Cite
Suardi, R., & Suarna, A. (2024). Analisis dan Desain Sistem Produksi Asam Glutamat dari Biomassa Nira Sorgum Menggunakan ARM (Association Rules Mining). GreenTech, 1(1), 51–58. Retrieved from http://greentech.fateta.unand.ac.id/index.php/GreenTech/article/view/4
Section
Research Articles

References

R. Kumar, D. Vikramachakravarthi, and P. Pal, “Production and purification of glutamic acid: A critical review towards process intensification,” Chem. Eng. Process. Process Intensif., vol. 81, pp. 59–71, 2014, doi: 10.1016/j.cep.2014.04.012.

P. Pal, R. Kumar, D. VikramaChakravarthi, and S. Chakrabortty, “Modeling and simulation of continuous production of L (+) glutamic acid in a membrane-integrated bioreactor,” Biochem. Eng. J., vol. 106, pp. 68–86, 2016, doi: 10.1016/j.bej.2015.11.008.

R. Shyamkumar, I. M. Ganesh Moorthy, K. Ponmurugan, and R. Baskar, “Production of L-glutamic acid with corynebacterium glutamicum (NCIM 2168) and pseudomonas reptilivora (NCIM 2598): A study on immobilization and reusability,” Avicenna J. Med. Biotechnol., vol. 6, no. 3, pp. 163–168, 2014.

K. M. Nampoothiri, V. Gopinath, M. Anusree, N. Gopalan, and K. S. Dhar, “Amino-Based Products from Biomass and Microbial Amino Acid Production,” Bioenergy Res. Adv. Appl., pp. 337–352, 2014, doi: 10.1016/B978-0-444-59561- 4.00019-X.

M. L. Wang et al., “Comparison of Stem Damage and Carbohydrate Composition in the Stem Juice between Sugarcane and Sweet Sorghum Harvested before and after Late Fall Frost,” J. Sustain. Bioenergy Syst., vol. 04, no. 03, pp. 161–174, 2014, doi: 10.4236/jsbs.2014.43015.

A. M. da R. F. Jardim et al., “Potencial produtivo da cultura do Sorghum bicolor (L.) Moench no semiárido brasileiro: revisão,” Pubvet, vol. 14, no. 4, pp. 1–12, 2020, doi: 10.31533/pubvet.v14n4a550.1-13.

P. K. Senyo, K. Liu, and J. Effah, “Digital business ecosystem: Literature review and a framework for future research,”

Int. J. Inf. Manage., vol. 47, no. June 2018, pp. 52–64, 2019, doi: 10.1016/j.ijinfomgt.2019.01.002.

R. W. Nasution and T. Djatna, “Production System Design bio-oil of Microalgae with POME as Raw Material For Media Cultivation,” SEAS (Sustainable Environ. Agric. Sci., vol. 2, no. 1, p. 61, 2018, doi: 10.22225/seas.2.1.540.61- 66.

G. James, D. Witten, T. Hastie, and R. Tibshirani, An introduction to Statistical Learning, vol. 7, no. 10. 2000.

G. James, D. Witten, T. Hastie, and R. Tibshirani, Tree-Based Methods. 2013.

N. Khan, I. Mishra, and R. Singh, “Modeling The Growth of Corynebacterium Glutamicum in L-Glutamic Acid Fermentation,” vol. 2, no. 1, pp. 1–10, 2013.

J. Wen, Y. Xiao, T. Liu, Q. Gao, and J. Bao, “Rich biotin content in lignocellulose biomass plays the key role in determining cellulosic glutamic acid accumulation by Corynebacterium glutamicum,” Biotechnol. Biofuels, vol. 11, no. 1, pp. 1–12, 2018, doi: 10.1186/s13068-018-1132-x.