Ekstraksi Bioaktif Bit yang Berkelanjutan dengan NADES-MAE: Model Hibrida SVR-XGBoost yang Dioptimalkan Algoritma Laba-laba

Bit kaya akan antioksidan, tetapi mengekstraksinya secara berkelanjutan selalu menjadi teka-teki. Kini, para ilmuwan beralih pada algoritma yang terinspirasi laba-laba untuk memecahkannya.

Bit, sayuran akar yang sederhana, adalah gudang senyawa fenolik dan flavonoid—komponen dengan kekuatan antioksidan yang kuat. Namun, mengekstraksi bioaktif ini secara efisien tanpa merusak lingkungan bukanlah hal mudah. Dalam studi baru, para peneliti menggabungkan pelarut eutektik dalam alami (NADES) dengan ekstraksi berbantuan gelombang mikro (MAE), menciptakan metode ekstraksi hijau yang efektif dan ramah lingkungan.

Untuk menyempurnakan proses, tim melakukan 30 eksperimen sistematis, memvariasikan daya gelombang mikro, suhu, waktu, dan rasio pelarut. Mereka mengukur total kandungan fenolik, total kandungan flavonoid, dan aktivitas antioksidan. Kemudian bagian cerdasnya: model machine learning hibrida yang menggabungkan support vector regression (SVR) dan extreme gradient boosting (XGBoost) dilatih untuk memprediksi hasil dan aktivitas antioksidan.

Dua strategi optimasi diuji: validasi silang standar dan algoritma optimasi laba-laba. Pendekatan yang terinspirasi laba-laba ini secara konsisten lebih unggul, mencapai nilai R² uji 0,75 untuk TPC, 0,77 untuk TFC, dan 0,68 untuk DPPH%. Model juga mengungkapkan bahwa bioaktif yang berbeda memerlukan bobot prediktif yang berbeda—SVR mendominasi prediksi TPC, sementara TFC membutuhkan ansambel seimbang.

Penelitian ini menunjukkan bahwa menggabungkan pelarut ramah lingkungan dengan algoritma cerdas dapat menghasilkan proses ekstraksi yang berkelanjutan dan efisien. Model yang tervalidasi mengidentifikasi kondisi optimal yang berbeda untuk setiap respons, menyoroti perlunya optimasi spesifik-output. Platform ini memiliki potensi kuat untuk aplikasi industri, membuka jalan bagi produksi senyawa bioaktif yang lebih hijau.

Poin Kunci

• Ekstraksi hijau bioaktif bit menggunakan NADES-MAE
• Hibrida SVR-XGBoost yang dioptimalkan algoritma laba-laba mengungguli validasi silang
• Kondisi optimal spesifik-output diidentifikasi untuk TPC, TFC, DPPH%