Identification and Prediction of Fresh Gasoline Locations and Branding Using Newly Targeted Compound Chromatograms with Chemometrics and Machine Learning

Abstract

Deteksi dan penggunaan bensin di tempat kejadian criminal seperti pembakaran sangat diminati dalam penyelidikan forensik. Dalam karya ini, kromatografi gas-spektrometri massa (GC-MS) digunakan untuk menganalisis sampel bensin dan kemometrik yaitu analisis komponen utama (PCA), analisis diskriminan (DA), dan pembelajaran mesin klasifikasi dan pohon regresi (CART) diterapkan pada mengidentifikasi dan membedakan merek bensin dan lokasi asal. Studi ini mencakup tiga merek bensin populer yang dikumpulkan dari stasiun di delapan negara bagian Malaysia yang berbeda, termasuk satu kilang minyak. Hasil PCA dari 73,6% variasi komponen utama pertama dan kedua untuk kromatogram senyawa target baru (TCC) dan DA menggunakan metode analisis diskriminan dengan benar mengklasifikasikan 94,3% sampel pelatihan untuk lokasi asal dan 71,7% sampel pelatihan untuk merek. Model pembelajaran mesin two-C&R-trees (CART) baru juga dikembangkan dan diterapkan secara efektif pada 100 sampel bensin yang tidak dikenal, dengan rata-rata kesalahan absolut sebesar 1,1% (lokasi) dan 0,4% (merek). Hasil yang diperoleh menunjukkan potensi metodologi ini untuk membantu menyelesaikan investigasi kriminal.