Perpustakaan Digital ITB

Identifikasi jenis material dan jari-jari nanopartikel merupakan permasalahan inversi yang penting dalam karakterisasi optik karena kedua parameter tersebut menentukan respons optik cahaya nanopartikel. Teori Mie memungkinkan spektrum penampang optik dihitung secara akurat sehingga dapat dimanfaatkan sebagai dasar identifikasi material dan estimasi jari-jari. Penelitian ini bertujuan mengembangkan model Artificial Neural Network (ANN) untuk mengidentifikasi jenis material sekaligus mengestimasi jari-jari nanopartikel berdasarkan spektrum penampang optik. Dataset dibangkitkan melalui simulasi Teori Mie untuk empat jenis material, yaitu emas, tembaga, silikon, dan germanium, dengan variasi jarijari serta penambahan konvolusi Gaussian dan derau untuk merepresentasikan kondisi pengukuran. Selain itu, dikembangkan strategi pemilihan jari-jari pelatihan berdasarkan karakteristik perubahan spektrum serta metode refinement untuk meningkatkan hasil prediksi ANN. Hasil penelitian menunjukkan bahwa model ANN mampu mengidentifikasi jenis material dan mengestimasi jari-jari nanopartikel pada data simulasi. Metode refinement meningkatkan kualitas hasil prediksi, sedangkan strategi pemilihan jari-jari pelatihan berhasil diterapkan dan dievaluasi sebagai salah satu pendekatan dalam pembentukan dataset. Penelitian ini menunjukkan bahwa pendekatan berbasis pembelajaran mesin berpotensi digunakan untuk menyelesaikan permasalahan inversi penampang optik nanopartikel.