D. Metode Kalibrasi Multivariatif
Analisis data NIR dapat dimanfaatkan dengan mempelajari hubungannya dengan sifat bahan yang diukur. Kegiatan mempelajari hubungan tersebut pada umumnya dilakukan dengan beberapa
metode kalibrasi, antara lain stepwise multiple linear regression SMLR, principal component regression PCR, backward dan partial least square PLS.
Lammertyn et al., 1998 menganalisis data NIR Spectroscopy menggunakan metode kalibrasi multivariatif seperti partial least square dan principal component regression dalam
memprediksi sifat-sifat kimiawi seperti keasaman dan total padatan terlarut pada buah apel Jonagold. Metode kalibrasi multivariatif yang digunakan pada penelitian yang berjudul pendugaaan
kadar air, protein dan karbohidrat biji sorgum adalah principal component regression PCR dan partial least square PLS.
1. Metode principal component regression PCR
Metode principal component regression PCR merupakan suatu metode kombinasi antara analisis regresi dan analisis komponen utama principal component analysis. Prinsip analisis
komponen utama adalah mencari komponen utama yang merupakan kombinasi linier dari variabel asli.
Metode regresi komponen utama PCR ditetapkan bila dalam pembentukan model pendugaan variabel bebas yang digunakan banyak dan terdapat hubungan yang erat antar variabel
bebasnya. Metode tersebut dapat digunakan untuk pendugaan kalibrasi peubah ganda dan mengatasi kolinier ganda.
Menurut Miller Miller 2000 komponen-komponen utama yang dipilih sedemikian rupa sehingga komponen utama pertama memiliki variasi yang terbesar dalam set data, sedangkan
komponen utama kedua tegak lurus terhadap komponen utama pertama dan memiliki variasi terbesar berikutnya.
Metode ini pertama kali diperkenalkan oleh Pearson 1901 dan secara terpisah oleh Hotelling 1993. Pemikiran dasar metode analisis ini adalah mendeskripsikan variasi sebuah set data
multivariatif dengan sebuah set data baru dimana variable-variabel baru tidak berkorelasi satu sama lain. Variabel-variabel baru adalah kombinasi linier dari variable asal. Variabel baru diturunkan dalam
arah menurun sehingga beberapa komponen pertama mengandung sebanyak mungkin variasi data asal Pearson, 1901 dalam Marthaningtiyas, 2005.
Siska dan Hurburgh 1996 dalam Andrianyta 2006, menggunakan metode principal component regression PCR untuk mengidentifikasi variasi-variasi utama pada spektrum absorban
sampel jagung. Sedangkan Quddus 2006 menentukan kandungan energi bruto tepung ikan untuk bahan pakan ternak dengan data reflektan dan absorban menggunakan metode kalibrasi multivariatif
PCR.
2. Metode partial least square PLS
Metode regresi kuadrat terkecil parsial atau sering disebut partial least square PLS pertama kali dikembangkan oleh Herman Wold 1982. Model partial least square didefinisikan dari dua
persamaan linier yang disebut model struktural dan metode pengukuran Wold, 1982 dalam Wulandari 2000.
Metode partial least square digunakan untuk memperkirakan serangkaian variabel tidak bebas respons dari variable bebas prediktor yang jumlahnya sangat banyak, memiliki struktur
sistematik linear atau non linear, dengan atau tanpa data yang hilang, dan memiliki kolinearitas yang tinggi. Metode ini membentuk model dari variabel yang ada untuk merangkai respons dengan
menggunakan regresi kuadrat terkecil dalam bentuk matriks Lindblom, 2004 dalam Saragih, 2007.
Metode tersebut juga mempunyai keuntungan yaitu dapat mengoptimalkan hubungan prediktif antara dua kelompok peubah bebas dan tidak bebas dan pemodelannya tidak mengasumsikan
sebaran dari peubah bebas saja tetapi peubah tidak bebas ikut diasumsikan Wold, 1982 dalam Wulandari 2000.
Jensen et al., 2001 mengevaluasi perubahan mutu butir walnut Junglens regia L. dengan menerapkan metode NIR dan partial least square sebagai metode kalibrasi. Model tersebut dapat
melakukan kalibrasi NIR dengan hasil yang tepat pada panjang gelombang 400-2490 nm. Selain itu NIR dapat menjelaskan kandungan heksanal kacang walnut sebesar 72.
Pada dasarnya pendekatan PLS adalah penggabungan model pendugaan sebagai pengembangan model-model kalibrasi yang melibatkan lebih dari dua peubah laten bebas dan tidak
bebas. Proses pendugaan menggunakan metode kuadrat terkecil yang diaplikasikan pada persamaan hubungan model struktural dan model pengukuran Ratnaningsih, 2004.
Metode kuadrat terkecil parsial PLS tidak memerlukan asumsi-asumsi yanh ketat terhadap sebaran dari peubah, sisaan, dan parameter, sehingga metode ini sering disebut metode lunak
Ratnaningsih, 2004. Metode tersebut diperoleh secara iteratif dan tidak memiliki formula tertutup untuk mencari ragam koefisien regresi.
10
III. METODOLOGI PENELITIAN
A. Tempat dan Waktu Penelitian
Kategori