Perpustakaan Digital ITB

Analisis material merupakan sektor yang sangat penting dalam kehidupan modern. Salah satu metode yang sering digunakan dalam analisis material adalah Near-Infrared Spectroscopy (NIRS), yang dikenal dengan karakteristiknya yang non-destruktif, cepat, dan mudah digunakan. Seiring dengan perkembangan teknologi, model machine learning dan deep learning semakin banyak diterapkan di berbagai bidang, termasuk dalam analisis material. Dalam tugas akhir ini, akan dilakukan penelitian mengenai berbagai model regresi machine learning dan deep learning yang digunakan untuk analisis material menggunakan data NIRS. Penelitian ini juga akan membahas karakteristik data NIRS serta metode-metode yang mendukung implementasi machine learning dan deep learning pada data NIRS, seperti Dimensionality Reduction dan data augmentation. Dari keseluruhan penelitian ini, diharapkan dapat dihasilkan suatu model dengan akurasi yang tinggi untuk analisis material menggunakan NIRS. Hasil menunjukan implementasi Dimensionality Reduction dan data augmentation meningkatkan performa model prediksi dan model machine learning secara umum memiliki performa lebih baik dibandingkan model klasik dalam memprediksi komposisi dengan data NIRS.