PENERAPAN PARTIAL LEAST SQUARE REGRESSION (PLSR) PADA PEMODELAN KALIBRASI SENYAWA AKTIF KURKUMIN

Vera Maya Santi

Abstract


Partial Least Square Regression (PLSR) merupakan salah satu analisis
regresi yang dapat diterapkan untuk mereduksi dimensi data dalam mengatasi
masalah multikolinieritas dan mampu diterapkan dalam kalibrasi multivariat. Data
senyawa aktif kurkumin yang berupa data spektrum biasanya berdimensi besar
menyebabkan terjadinya multikolinieritas. Untuk mengatasi hal ini, penulis
menerapkan PLSR dalam mereduksi dimensi data serta membangun suatu model
kalibrasi pada data senyawa aktif kurkumin dengan data pencilan (outlier).
Berdasarkan kriteria RMSECV diperoleh sebanyak 121 peubah bebas berpengaruh
bagi model. Model PLSR yang diperoleh dengan melibatkan sebanyak 121 peubah
bebas menghasilkan nilai RMSEP sebesar 0,063.

Keywords


PLSR, model kalibrasi, senyawa katif kurkumin

Full Text:

PDF

References


Andras F, Jeno H. 2008. Comparison Of Calibration Models Based On Near Infrared Spectroscopy Data

for The Determination Of Plant Oil Properties. Hungary: Department of Hydrocarbon and Coal

Processing, Journal of Chemical and Process Engineering, University of Pannonia.

Atok RM. 2005. Jaringan Syaraf Tiruan dalam Pemodelan Kalibrasi dengan Pra-pemrosesan Analisis

Komponen Utama dan Transformasi Fourier Diskrit [Tesis]. Bogor: Program Pascasarjana, Institut

Pertanian Bogor.

Braz J. 2007. Cross-Validation for The Selection of Spectral Variables Using The Successive Projections

Algorithm. Journal of The Brazilian Chemical Society. Vol.18 no.8.

Chen T, Morris J, Martin E. 2007. Gaussian Process Regression for Multivariate Spectroscopic

Callibration. Chemometrics and Intelligent Laboratory Systems 87: 85-97.

Eko WP. 2009. Penerapan Beberapa Metode Eksploratif untuk Menguji Kesamaan Pola FTIR (Studi

Kasus: Senyawa Aktif Kurkuminoid Temulawak). [Tesis]. Bogor: Program Pascasarjana, Institut

Pertanian Bogor.

Erfiani. 2005. Pengembangan Model Kalibrasi dengan Pendekatan Bayes (Kasus Tanaman Obat

[Disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.

Leardi R. 2000. Application of Genetic Algorithm-PLS for Feature Selection in Spectral Data Sets.

Journal of Chemometrics Volume 14, Pp: 643-655. Jhon Wiley & Sons.

Markus L. 1996. Comparison of PLS, PCR and MLR for the Quantitative Determination of Foreign Oils

and Fats in Butter Fats of Several European Countries by Their Triglyceride Composition. Journal of

Zeitschrift für Lebensmitteluntersuchung und -Forschung A, Vol 202 pp 193-198.

Naes T, Issackson T, Fearn T, Davies T. 2002. User Friendly Guide to Multivariate Calibration and

Classification. United Kingdom: NIR Publication Chichester.

Nur MA, Adijuwana H. 1989. Teknik Spektroskopi dalam Analisis Biologi. Bogor: Institut Pertanian

Bogor.

Otto M. 1999. Chemometrics: Statistics and Computer Application in Analytical Chemistry. Clarkson

University.

Sunaryo S. 2005. Model Kalibrasi dengan Transformasi Wavelet sebagai Metode Pra-Pemrosesan

[Disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.

Sinambela JM. 1985. Fitoterapi, Fitostandar dan Temulawak. Prosiding Simposium Nasional

Temulawak. Bandung, 17 sepetember 1985. Lembaga Penelitian Universitas Padjajaran.




License URL: https://creativecommons.org/licenses/by-nc/4.0