@misc{eprints57048,
           title = {IDENTIFIKASI GRADE TEH HITAM (Camellia Sinensis) CTC PRODUK 
PT. PERKEBUNAN NUSANTARA VIII UNIT RANCABALI 
BANDUNG MENGGUNAKAN UV-VIS SPECTROSCOPY
DAN METODE SIMCA},
          author = {1414071094 Supriyanto},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS PERTANIAN},
            year = {2019},
             url = {http://digilib.unila.ac.id/57048/},
        abstract = {Teh hitam merupakan minuman penyegar yang sangat disukai oleh hampir
seluruh penduduk dunia dan memiliki kandungan kafein, tanin dan kandungan
lainnya yang tinggi. Penelitian ini bertujuan untuk mengidentifikasi mutu teh 
hitam CTC PTPN VIII unit Rancabali, Bandung menggunakan UV-Vis 
Spectroscopy dan metode soft independent modeling of class analogy (SIMCA). 
Pengujian dilakukan pada sampel teh dengan berat masing-masing sampel 1 gram. 
Dengan komposisi sampel 1gram teh kelas BP1, 1 gram teh kelas Dust1 dan 1
gram teh kelas FNGS2 kemudian dianalisis dengan UV-Vis Spectroscopy. Metode 
principal component analysis (PCA) dilakukan untuk melihat klasterisasi seluruh 
data. Setelah itu, model diskriminasi dibangun menggunakan metode soft 
independent modeling of class analogy (SIMCA) untuk spektra original dan 
spektra hasil pretreatment.
Hasil klasifikasi menunjukkan metode PCA dan SIMCA dengan 6 perlakuan 
diperoleh perlakuan terbaik yaitu kombinasi Normalize + moving avarage 
5segmen mampu membedakan jenis grade dari sampel teh secara jelas. Hasil 
PCA menjelaskan keragaman data pada PC1 sebesar 84\% dan PC2 sebesar 10\%. 
Sedangkan untuk klasifikasi menggunakan metode SIMCA diperoleh nilai 
persentase spesifisitas, sensitivitas dan akurasi sebesar 100\%. 
Kata Kunci : CTC, Grade, PCA, SIMCA, UV-Vis Spektroscopy
Black tea is a refreshing drink that is preference by most people in the world and 
has high caffeine, tannin and other ingredients. This study aims to identify the 
quality of CTC PTPN VIII Rancabali black tea, Bandung using UV-Vis 
Spectroscopy and soft independent modeling of class analogy (SIMCA) methods. 
The research were carried out on tea samples weighing 1gram each. With the 
composition of 1 gram of tea class BP1, 1 gram of tea in class Dust1 and 1 gram 
of tea in class FNGS2 were then analyzed by UV-Vis Spectroscopy. The principal 
component analysis (PCA) method is performed to see clustering of all data. After 
that, the discrimination model was built using the soft independent modeling of 
class analogy (SIMCA) method for original and pretreatment spectra.
The classification results show that the PCA and SIMCA methods with 6 
treatments obtained the best treatment, namely the Normalize combination + 
moving avarage 5 segment able to clearly distinguish the type of grade from the 
tea sample. PCA results explain the variance of data on PC1 by 84\% and PC2 by 
10\%. Whereas for the classification using the SIMCA method, resulted 
percentage value of specificity, sensitivity and accuracy is 100\%.
Keywords : CTC, Grade, PCA, SIMCA, UV-Vis Spectroscopy}
}