Rancang Bangun Sistem Evaluasi Pencemaran Tanah Berbasis Neural Network Dengan Spektrometri Fluoresensi Pada Cairan Selom Cacing Tanah

Sibghah, Rakasiwi Fiddihaq (2025) Rancang Bangun Sistem Evaluasi Pencemaran Tanah Berbasis Neural Network Dengan Spektrometri Fluoresensi Pada Cairan Selom Cacing Tanah. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6022231038-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kontaminasi tanah adalah masalah lingkungan yang signifikan, sering disebabkan oleh aktivitas industri dan penggunaan pestisida yang berlebihan. Metode konvensional untuk mendeteksi kontaminasi tanah umumnya melibatkan analisis kimia laboratorium yang memakan waktu lama dan memerlukan biaya yang tinggi. Penelitian ini bertujuan untuk mengembangkan metode deteksi kontaminasi yang lebih cepat, terjangkau, dan efisien dengan menggunakan spektrometri fluoresens pada cairan selom cacing tanah Lumbricus rubellus sebagai biomarker untuk mendeteksi kontaminasi logam berat. Penelitian ini difokuskan pada dua logam berat utama, yaitu tembaga (Cu) dan seng (Zn), yang sering ditemukan dalam kontaminasi tanah.Cacing tanah dipelihara dalam kondisi terkontrol dengan paparan kontaminan logam berat yang bervariasi. Cairan selom yang dihasilkan oleh cacing tanah kemudian dikumpulkan dan dianalisis menggunakan spektrometri fluoresensi, yang mengukur emisi cahaya pada beberapa panjang gelombang spektral (Violet, Blue, Green, Yellow, Orange, Red). Untuk mengklasifikasikan tingkat kontaminasi tanah, data spektral yang diperoleh diproses menggunakan model neural network multi layer perceptor yang telah dilatih.Hasil dari penelitian ini menunjukkan bahwa metode spektrometri fluoresens dapat secara efektif mendeteksi kontaminasi tanah dengan akurasi yang baik, mencapai 82.7%. Dengan demikian, teknik ini menunjukkan potensi besar dalam aplikasi pengelolaan dan remediasi lingkungan, serta dapat diimplementasikan dengan mudah dan efisien sebagai metode deteksi kontaminasi tanah yang lebih cepat dan terjangkau dibandingkan metode konvensional.
==================================================================================================================================
Soil contamination is a significant environmental issue, often caused by industrial activities and excessive pesticide use. Conventional methods for detecting soil contamination typically involve laboratory-based chemical analyses that are time-consuming and costly. This study aims to develop a faster, more affordable, and efficient detection method using fluorescence spectrometry on the coelomic fluid of the earthworm Lumbricus rubellus as a biomarker for detecting heavy metal contamination. The research focuses on two major heavy metals, copper (Cu) and zinc (Zn), which are commonly found in soil contamination. Earthworms were reared under controlled conditions with varying levels of heavy metal exposure. The coelomic fluid produced by the earthworms was then collected and analyzed using fluorescence spectrometry, which measures light emission at several spectral wavelengths (Violet, Blue, Green, Yellow, Orange, Red). To classify the level of soil contamination, the spectral data obtained were processed using a trained multi-layer perceptron neural network model. The results of this study indicate that fluorescence spectrometry can effectively detect soil contamination with good accuracy, reaching 82.7%. Thus, this technique demonstrates strong potential for environmental monitoring and remediation applications and can be easily and efficiently implemented as a faster and more affordable alternative to conventional soil contamination detection methods

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Evaluasi Tanah, Cacing, Cairan Selom, Spektrometri Fluoresensi, neural network, Soil Evaluation, Earthworms, Coelomic Fluid, Fluorescence Spectrometry, Neural Network
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Sibghah Rakasiwi Fiddihaq
Date Deposited:	30 Jul 2025 03:01
Last Modified:	30 Jul 2025 03:01
URI:	http://repository.its.ac.id/id/eprint/122898

Actions (login required)

View Item