B. Validasi Model Kalibrasi Multivariat Partial Least Square PLS
Terjadinya over-fitting merupakan halangan yang mungkin terjadi pada suatu pembuatan model kalibrasi partial least square PLS. Over-fitting
merupakan keadaan model yang nampak sempurna dengan nilai korelasi yang tinggi dan kesalahan yang kecil, namun tidak mampu memberikan hasil yang baik
pada kelompok data yang berbeda Faber and Rajko, 2007. Dengan kata lain, model kalibrasi yang over-fitting merupakan model kalibrasi yang nampak
sempurna namun data dalam pembuatan model tidak seluruhnya representatif terhadap populasi data. Over-fitting dapat diatasi dengan melakukan proses validasi
silang cross-validation dan salah satu jenis validasi silang adalah leave-one-out. Metode validasi cross-validation adalah metode yang memisahkan populasi data
menjadi dua kelompok data. Kelompok data pertama berperan sebagai model kalibrasi PLS yang akan dipergunakan untuk mengkoreksi kelompok data kedua.
Untuk leave-one-out, salah satu data dikeluarkan dari populasi yang nantinya akan dikoreksi. Proses leave-one-out terjadi terus menerus sampai semua data
mengalami proses yang sama. Prosedur ini memungkinkan adanya pemerataan perlakuan terhadap keseluruhan populasi data. Proses cross-validation
menghasilkan nilai PRESS predicted error sum of square menunjukkan kesalahan prediksi yang terjadi selama proses leave-one-out.
Validasi untuk model kalibrasi multivariat dilakukan dengan menghitung nilai RMSECV root mean square error of calibration validation, RMSECP root
mean square oerror of calibration prediction, dan menghitung nilai R
2
dari hasil penerapan model PLS cross validation dan validasi internal Tabel IV dan Tabel
V. Nilai PRESS merupakan kesalahan prediksi yang mungkin terjadi saat proses leave-one-out sehingga model kalibrasi yang baik ditunjukkan dengan nilai
kesalahan yang kecil.
Tabel IV. Evaluasi nilai sebenarnya dan terhitung hasil kalibrasi PLS dari calibration set yang mengandung parasetamol PCT dan
propifenazon PPZ validasi silang
cross validation pada panjang gelombang 220
– 310 nm.
Nomor Campuran
Konsentrasi µgmL PCT
PPZ Sebenarnya
Terhitung Sebenarnya
Terhitung 1
4,59923 4,59133
4,77883 4,86036
2 6,19954
6,25355 3,22254
3,29549 3
5,90135 5,85821
2,10841 2,11580
4 7,09683
7,17165 2,79615
2,83061 5
6,59580 6,62938
2,40815 2,41408
6 3,50336
3,46906 3,71317
3,58343 7
7,40558 7,55815
3,28641 3,28615
8 5,50855
5,49268 2,66386
2,55679 9
7,59546 7,56259
2,51307 2,54287
10 4,49177
4,33013 4,62123
4,59725 11
4,50431 4,70494
4,12715 4,15553
12 4,00106
3,83181 1,96686
1,93820 13
3,79882 3,73688
4,39440 4,43945
14 5,79418
5,79628 3,54164
3,57541 15
8,10071 7,97535
2,52987 2,53176
16 3,19245
3,14689 3,59519
3,58348 17
4,89757 5,05211
2,71188 2,76029
18 5,80602
5,89842 4,31184
4,38921 19
8,69893 8,56349
3,74920 3,63162
20 4,60848
4,59006 3,96016
3,87003 Persamaan :
y = 1,0022x – 0,0166
y = 1,0069x – 0,0253
R
2
0,9958 0,9946
RMSEC 0,1027
0,0782 PRESS
0,2112 0,1225
Tabel IV merupakan hasil pengolahan data yang diperoleh dari model kalibrasi PLS yang telah mengalami proses cross-validation. Nilai sebenarnya dari
Tabel IV merupakan nilai konsentrasi yang diperoleh dari pembuatan model PLS
sebelumnya, sementara itu nilai terhitung diperoleh dari nilai prediksi yang dilakukan pada proses leave-one-out.
Diperoleh persamaan linier hubungan nilai sebenarnya dan nilai terhitung untuk parasetamol y=1,0022x-0,0166 dengan nilai R
2
-PCT sebesar 0,9958, nilai RMSEC-PCT sebesar 0,1027 serta nilai PRESS-PCT sebesar 0,2112. Untuk
propifenazon memiliki persamaan linier y=1,0069x-0,0253 dengan nilai R
2
-PPZ sebesar 0,9946, nilai RMSEC-PPZ sebesar 0,1027 serta nilain PRESS-PPZ sebesar
0,1225. Perlu diketahui, metode kalibrasi partial least square PLS merupakan
metode yang dalam pembuatan model kalibrasinya berfokus pada data yang memiliki karakteristik koolinieritas tinggi Geladi dan Kowalski, 1986. Hal ini
mengakibatkan adanya kemungkinan terjadinya overfitting pada model kalibrasi sehingga perlu dilakukan proses validasi internal. Model kalibrasi yang telah
melewat proses validasi internal merupakan model yang dianggap telah mewakili data secara keseluruhan, oleh karena itu model pada tahap ini digunakan untuk
proses penetapan kadar sampel. Proses validasi internal telah berhasil dilakukkan dengan hasil yang dapat dilihat pada Tabel IV dan digambarkan dengan kurva
hubungan antara nilai sebenarnya dan nilai terhitung untuk kedua senyawa bisa dilihat pada gambar 8 dan gambar 9.
Gambar 8. Kurva hubungan nilai Sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS parasetamol yang telah
tervalidasi
cross validation leave-one-out.
Gambar 9. Kurva hubungan nilai Sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS propifenazon yang telah
tervalidasi
cross validation leave-one-out.
Gambar 8 dan 9 merupakan bentuk visual dari Tabel IV untuk senyawa parasetamol. Diperoleh garis lurus yang menunjukkan adanya hubungan yang baik
y = 1.0022x - 0.0166 R² = 0.9958
0.00000
2.00000
4.00000 6.00000
8.00000 10.00000
0.00000 2.00000
4.00000 6.00000
8.00000 10.00000
Kurva Hubungan Nilai Sebenarnya vs Terhitung Model PLS Parasetamol Cross-
Validation
y = 1.0069x - 0.0253 R² = 0.9946
0.00000 1.00000
2.00000 3.00000
4.00000 5.00000
6.00000
0.00000 1.00000
2.00000 3.00000
4.00000 5.00000
6.00000
Kurva Hubungan Nilai Sebenarnya vs Terhitung Model PLS Profipenazon Cross-
Validation
antara nilai sebenarnya dan nilai terhitung meskipun garis tidak melewati keseluruhan titik secara sempura.
Selain melakukan validasi internal, juga dilakukan validasi eksternal dengan menetapkan konsentrasi 10 larutan validasi dengan hasil yang dapat dilihat
pada Tabel V. Nilai sebenarnya merupakan nilai yang dibuat pada proses penentuan konsentrasi lauran, sementara itu nilai terhitung merupakan nilai yang diperoleh
dari penetapan konsentrasi larutan dengan koefisien model kalibrasi yang telah melewati proses validasi internal Lampiran 11. Validasi eksternal bertujuan untuk
mengetahui kemampuan prediksi dari keseluruhan model kalibrasi multivariat PLS dengan menetapkan konsentrasi larutan yang telah diketahui. Dalam hal ini,
penetapan kadar dilakukan dengan memperlakukan 20 calibration set sebagai model kalibrasi dan 10 validation set sebagai sampel validasi dengan hasil yang
tertera pada Tabel V.
Tabel V. Evaluasi nilai sebenarnya dan terhitung hasil kalibrasi PLS dari 10 larutan
validation set yang mengandung parasetamol PCT dan propifenazon PPZ.
No PCT
PPZ Sebenarnya
Terhitung Sebenarnya
Terhitung 1
6,9 6,870302
3,9 3,934337
2 6,1
6,181929 2,2
2,260078 3
6,5 6,790661
3,3 3,384502
4 7,3
7,358271 3,1
3,055978 5
6,7 6,728688
4,6 4,603562
6 3,4
3,376150 2,5
2,421000 7
4,1 4,201722
2,6 2,668312
8 7,1
7,247233 3,6
3,774002 9
4,8 4,901076
2,4 2,303021
10 6,6
6,433702 3,5
3,438472 Persamaan :
y=1.0037x + 0,0369 y = 1.0248x
– 0,0644 R2
0,9922 0,9886
RMSECP 0,3813
0,2509
Data yang diperoleh dari Tabel V menjelaskan kemampuan prediksi dari model kalibrasi PLS yang diperoleh setelah tahap cross validation leave-one-out.
Kemampuan prediksi yang masih dapat diterima pada validasi eksternal terlihat dengan nilai R
2
yang diperoleh untuk parasetamol dan propifenazon sebesar 0,9922 dan propifenazon senilai 0,9886 serta nilai RMSECP parasetamol 0,3813 dan
propifenazon 0,2509. Korelasi antara nilai sebenarnya dan terhitung pada Tabel V bisa diamati secara visual pada gambar 10 dan 11. Secara visual digambarkan
hubungan yang baik dari nilai sebenarnya dan nilai terhitung pada proses validasi internal dengan adanya garis lurus yang berada tidak jauh dari sekitaran titik dan
ada beberapa titik yang tepat dilewati garis.
Gambar 10. Kurva hubungan nilai sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS parasetamol validasi eksternal.
y = 1.0037x + 0.0369 R² = 0.9922
1 2
3 4
5 6
7 8
1 2
3 4
5 6
7 8
Kurva Hubungan Nilai Sebenarnya vs Terhitung Model PLS Parasetamol Validasi
eksternal
Gambar 11. Kurva hubungan nilai sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS propifenazon validasi
eksternal.
Rekapitulasi dari proses optimasi dan validasi bisa dilihat pada Tabel VI
sehingga dapat dilihat kemampuan prediksi dari model kalibrasi multivariat PLS untuk analisis senyawa parasetamol dan propifenazon secara keseluruhan.
Tabel VI. Rekapitulasi parameter validasi metode spektrofotometri UV- PLS
Tahapan Parameter
PCT PPZ
Kalibarasi R
2
0,9999 0,9999
a 0,0002
0,0001 b
0,9999 1
RMSEC 0,0043
0,0031 Validasi
Internal R
2
0,9958 0,9946
a 0,0166
0,0253 b
1,0022 1,0069
PRESS 0,2112
0,1225 RMSECV
0,1027 0,0782
Validasi Eksternal
R
2
0,9922 0,9886
a 0,0369
0,0644 b
1,0037 1,0248
RMSECP 0,3813
0,2509
Presisi dan akurasi model yang baik dapat terlihat berdasarkan rekapitulasi pada Tabel VI di atas. Akurasi yang baik pada suatu pemodelan ditunjukkan dengan
y = 1.0248x - 0.0644
R² = 0.9886
1 2
3 4
5
1 2
3 4
5
Kurva Hubungan Nilai Sebenarnya vs Terhitung Model PLS Profipenazon Validasi
eksternal
nilai R
2
yang mendekati 1. Untuk model kalibrasi diperoleh R
2
yang mendekati nilai 1. Presisi ditunjukkan dengan nilai RMSEC, RMSECV,RMSECP, dan PRESS.
Nilai RMSEC, RMSECV, RMSECP, dan PRESS merupakan nilai simpangan atau kesalahan model sehingga nilai yang baik adalah nilai yang mendekati 0. Dengan
demikian metode kalibrasi multivariat memiliki akurasi dan presisi yang baik dan ini siap digunakan untuk tahap penetapan kadar sampel.
C. Penetapan Kadar Sediaan Tablet Farmasi Parasetamol dan Profpenazon