Daun kelor adalah tanaman dengan segudang manfaat yang berasal dari suku Moringaceae. Selain ukurannya yang kecil, daun kelor juga memiliki bentuk oval dan bertangkai. Tinggi pohon bisa mencapai 11 meter dengan ujung-ujung rantingnya dihiasi bunga berwarna kuning beraroma semerbak. Tanaman ini dijuluki sebagai The Miracle Tree karena mempunyai banyak khasiat. Seluruh bagian tanaman ini dapat dimanfaatkan menjadi sesuatu yang berguna. Mulai dari daun, buah, biji, bunga, kulit, batang, hingga akar memiliki manfaat yang luar biasa. Dan juga disebut super food karena memiliki kadar gizi yang tinggi. Daun kecil ini mengandung zat-zat penting yang dibutuhkan oleh tubuh seperti Kalsium, Vitamin B, Vitamin A, Vitamin C, Protein dan Potasium. Selain itu ekstraknya kaya akan flavonoid yang pada masa pandemi seperti ini dapat digunakan untuk meningkatkan sistem imun dan menghambat virus. Kadar flavonoid dalam ekstrak tanaman tersebut dipengaruhi banyak faktor dalam proses pembuatan ekstrak seperti waktu dan pelarut ekstraksi.
Dosen Fakultas Farmasi Universitas Airlangga berkolaborasi dengan dosen Politeknik Negeri Semarang, Universitas Diponegoro Semarang dan Graduate School of Systems Design Tokyo Metropolitan University Jepang mengembangkan kerangka kerja untuk mengoptimalkan ekstraksi daun kelor dan menyediakan sistem peringatan dini selama ekstraksi. Optimalisasi dan peringatan dini ini sangat penting untuk proses ekstraksi yang menghasilkan output tinggi dengan biaya dan waktu minimal. Sejumlah penelitian telah dilakukan dengan daun dan biji kelor; namun, mereka belum menyertakan pembelajaran mesin dalam proses solusi. Kami menggunakan Automatic Relevance Determination (ARD) yang dilengkapi dengan sailfish optimizer (SFO) untuk menentukan durasi waktu ekstraksi dan pelarut yang optimal selama ekstraksi daun kelor sehingga menperoleh hasil senyawa flavonoid yang tinggi. Model regresi ARD yang dioptimalkan dengan SFO menghasilkan nilai MSE dan RMSE yang lebih rendah daripada ARD tanpa SFO dan meningkatkan nilai R-kuadrat awal (dari 0,637862 menjadi 0,766997). Keluaran yang dioptimalkan dari regresi ARD dengan SFO kemudian disebarkan ke aplikasi seluler untuk menentukan durasi waktu dan jenis pelarut yang optimal untuk mencapai hasil konsentrasi flavonoid yang tinggi. Selain itu, kami mengembangkan aplikasi seluler untuk pemantauan online setelah mendeteksi pengukuran abnormal. Kami menggunakan regressor k-NN untuk membandingkan nilai prediksi berikutnya dengan nilai aktual dari sensor. Jika nilai kesalahan persentase absolut lebih besar dari ambang batas, ini disebut sebagai anomali. Penelitian di masa depan harus mengumpulkan kumpulan data tambahan dan mempercepat pengoptimal untuk meningkatkan kualitas pengoptimalan dan mencapai konsentrasi flavonoid yang lebih tinggi.
Penulis: Retno Widyowati
Untuk informasi yang lebih lengkap dapat dilihat pada artikel aslinya dengan judul:
“Optimization of Moringa Leaf Extraction and Time Series-based Forecasting for an Early Warning System during Extraction”
pada IEEE Region 10 Symposium (TENSYMP) 978-1, 2021 dengan tautan berikut ini: https://doi.org/10.1109/TENSYMP52854.2021.9550816
