PEMBAHASAN UMUM Improvement Calibration Models with bayesian Approach (Cases Medicinal Plants)

mampu memberikan nilai RMSEP, MSEP dan SEP yang lebih kecil dibanding model kalibrasi yang dibentuk dari data yang tidak dikoreksi pencarannya. Pada penelitian ini penulis menggunakan pendekatan Regresi Terpenggal Segmented Regression untuk pereduksian data keluaran FTIR. Penerapan pendekatan ini untuk pereduksian data keluaran FTIR belum pernah dilakukan oleh peneliti lain . Hasil penelitian ini menunjukkan adanya kelebihan atau keunggulan penggunaan pendekatan Regresi Terpenggal untuk model kalibrasi. Beberapa kelebihan pendekatan ini adalah 1 Pereduksian data dilakukan dengan tidak mengilangkan pola sebaran data 2 Menanggulangi permasalahan dimensi data yang besar, dan 3 Pengukuran kebaikan hasil menggunakan acuan yang pasti. Secara teori juga dibuktikan bahwa pendekatan regresi terpenggal memungkinkan dilakukan untuk berbagai pola spektrum keluaran FTIR. Pada pendekatan ini suatu spektrum dipenggal menjadi beberapa bagian, dengan tiap bagian membentuk suatu pola garis lurus. Antara tiap bagian dihubungkan oleh satu titik breakpoints. Besaran titik breakpoints akan selalu diperoleh karena vektor dugaan parameter persamaan garis lurus termasuk didalamnya dugaan titik breakpoints pada setiap bagian bersifat konsisten dan asymptotic solution . Pendekatan regresi terpenggal akan mereduksi jumlah titik persen transmitan suatu spektrum p menjadi lebih kecil p , p p. Pendekatan ini menghasilkan p peubah bebas yang tetap saling berkorelasi. Sehingga bila ingin dilakukan penyusunan model kalibrasi masih diperlukan tahapan analisis untuk mengatasi permasalahan kekolinearan ganda antara peubah bebas yaitu pentransformasian dari peubah yang bersifat kolinear tersebut menjadi peubah baru yang relatif lebih bebas satu sama lain, atau dipilih metode pendekatan yang dapat diterapkan pada kasus terdapat kekolinearan ganda. Salah satu pendekatan yang dapat digunakan pada kasus terdapat kekolinearan ganda adalah pendekatan Bayes. Pendekatan ini memungkinkan digunakan untuk mengatasi masalah kolinearitas, karena dalam pendekatan ini informasi baru ditambahkan kedalam model dengan cara mengganggap bahwa parameter model berasal dari sebaran tertentu sehingga tidak bersifat deterministik. Sebaran ini dikenal sebagai sebaran prior yang mencerminkan keyakinan kita tentang besarnya parameter tersebut. Beberapa kajian pustaka yang disajikan pada BAB II menunjukkan bahwa pendekatan Bayes ini sangat baik digunakan untuk menyusun model kalibrasi du Plessis dan van der Merwe 1995; Wigena dan Aunuddin 1998; West 2003; Rahayu 2003; Notodiputro 2003. Kriteria kebaikan model yang diperoleh dilihat dari koefisien Jumlah Kuadrat Galat JKG dan R 2 . Hasil keseluruhan yang diperoleh menunjukkan bahwa pendekatan Bayes memberikan hasil yang lebih baik dibandingkan pendekatan lain. Berdasarkan kajian pustaka tersebut dilakukan kajian simulasi dan teori penyusunan model kalibrasi menggunakan pendekatan Bayes. Model pendekatan Bayes terbaik hasil kajian simulasi, diterapkan pada data pengamatan yang diperoleh dari tiga sumber data yaitu: 1 Data hasil pengamatan rimpang temulawak dan jahe dua daerah sentra produksi tanaman obat yaitu Kulonprogo- Jawa Tengah dan Karanganyar-D.I. Yogyakarta, 2 Data hasil percobaan rimpang temulawak di Kebun percobaan Biofarmaka-IPB yang berlokasi di Cikabayan- Bogor, dan 3 Data hasil pembelian contoh rimpang jahe dan temulawak yang berasal dari Balitro, Bogor, Majalengka dan Sukabumi. Selanjutnya dalam kajian simulasi penyusunan model kalibrasi digunakan pendekatan bayes dengan kondisi data np dan terdapat kekolinearan ganda. Penggunaan pendekatan Bayes non hirarki untuk menyusun model kalibrasi dipengaruhi oleh beberapa hal yaitu jumlah peubah bebas yang digunakan p, besaran korelasi antara peubah bebas, penetapan nilai awal σ 2 dan penetapan sebaran prior â. Secara keseluruhan hasil yang diperoleh menunjukkan pendekatan Bayes berhirarki lebih baik digunakan dibandingkan pendekatan Bayes non hirarki. Pada penelitian ini diperoleh pendekatan Bayes berhirarki yang bersifat robust, yaitu pendekatan yang tidak dipengaruhi oleh jumlah peubah bebas yang digunakan p, besaran korelasi antara peubah bebas, penetapan nilai awal σ 2 dan penetapan sebaran prior â. Pendekatan ini menghasilkan nilai JKG dan RMSE yang lebih baik dibandingkan model lainnya. Pendekatan terbaik yang diperoleh untuk penyusunan model kalibrasi adalah pendekatan Bayes dengan perilaku â berhirarki dan σ acak Secara teori ditunjukkan bahwa sifat-sifat statistik dari dugaan model kalibrasi dengan pendekatan Bayes bersifat bias. Besarnya bias dipengaruhi oleh simpangan antara prior yang ditetapkan dengan nilai parameter yang sesungguhnya. Semakin besar simpangan antara prior yang ditetapkan dengan nilai parameter yang sesungguhnya, maka bias yang dihasilkan akan semakin besar. Pada penyusunan model kalibrasi Gingerol dan Kurkumin untuk data pengamatan, data persen transmitan hasil keluaran FTIR terlebih dahulu direduksi menggunakan pendekatan Regresi Terpenggal. Penyusunan model kalibrasi dilakukan menggunakan pendekatan bayes dengan perilaku â berhirarki dan σ acak. Pada model kalibrasi Gingerol dimasukkan peubah dummy waktu penyimpanan, karena untuk Gingerol lama penyimpanan serbuk Jahe akan mempengaruhi konsentrasi Gingerol dari serbuk Jahe tersebut. Penggunaan dummy waktu penyimpanan karena dalam penelitian ini tidak dilakukan pengamatan lama penyimpanan serbuk jahe. Dua kategori dummy waktu yang digunakan, yaitu untuk waktu penyimpanan yang relatif sebentar kurang dari 3 bulan dan waktu penyimpanan lama lebih dari 3 bulan. Model kalibrasi Gingerol dan Kurkumin yang diperoleh memberikan nilai dugaan konsentrasi pengamatan dengan tingkat ketelitian yang cukup tinggi. Hasil dugaan konsentrasi Gingerol dan Kurkumin yang diperoleh mendekati nilai pengamatan yang sesungguhnya. Sunaryo 2005 dan Arnita 2005 menggunakan data yang sama dengan penelitian ini menyusun model kalibrasi Gingerol dan Kurkumin dengan menggunakan dua pendekatan yang berbeda. Sunaryo 2005 dengan menggunakan transformasi wavelet dan Regresi Komponen Utama menghasilkan nilai RMSEP untuk penyusunan model kalibrasi Gingerol dan Kurkumin masing- masing sebesar 0.1072 dan 0.1715. Arnita 2005 menggunakan koreksi pencaran dan Regresi Komponen Utama untuk penyusunan model kalibrasi Gingerol menghasilkan RMSEP sebesar 0,1096. Pada penelitian ini besaran RMSEP yang dihasilkan pada penyusunan model kalibrasi Gingerol dan Kurkumin masing- masing sebesar 0.0622 dan 0.107 Sehingga secara umum besaran RMSEP yang diperoleh pada model kalibrasi Gingerol maupun model kalibrasi Kurkumin menggunakan pendekatan Regresi terpenggal dan pendekatan Bayes dengan perilaku â berhirarki dan σ acak jauh lebih rendah bila dibandingkan hasil yang diperoleh menggunakan Regresi Komponen Utama dengan transformasi wavelet atau regresi Komponen Utama dengan menggunakan koreksi pencaran.

BAB VIII. SIMPULAN UMUM

Pada penelitian ini telah dihasilkan dua buah temuan baru yaitu metode pereduksian data keluaran FTIR dan pendekatan terbaik untuk menyusun model kalibrasi Gingerol dan Kurkumin dengan pendekatan Bayes. Metode pereduksian data keluaran FTIR yang ditemukan pada penelitian ini adalah pendekatan Regresi Terpenggal. Sedangkan pendekatan terbaik untuk menyusun model kalibrasi Gingerol dan Kurkumin adalah pendekatan Bayes dengan perilaku â berhirarki dan σ acak Data keluaran FTIR memiliki pola perilaku dimensi data yang besar, np dan terdapat kekolinieran ganda antara peubah persen transmitan yang dihasilkan. Sehingga pada tahap awal penyusunan model kalibrasi, terlebih dahulu perlu dilakukan pereduksian data persen transmitan. Pendekatan regresi terpenggal merupakan metode pereduksian data keluaran spektrum FTIR yang sangat baik digunakan. Pendekatan ini memiliki kelebihan utama yaitu tetap mempertahankan pola spektrum awal. Data hasil reduksi dengan pendekatan regresi terpenggal tetap memiliki sifat kekolinieran ganda. Sehingga perlu penggabungan pendekatan regresi terpenggal dengan metode penyusunan model yang dapat mengatasi permasalahan kekolinieran ganda. Secara umum pendekatan bayes akan menghasilkan nilai dugaan yang berbias, yaitu dipengaruhi oleh besar simpangan antara prior yang ditetapkan dengan nilai parameter yang sesungguhnya. Meski demikian untuk penyusunan model kalibrasi Gingerol dan Kurukumin ditemukan suatu pendekatan bayes yang bersifat robust, yaitu tidak dipengaruhi oleh jumlah peubah bebas yang digunakan p, besaran korelasi antara peubah bebas, penetapan nilai awal σ 2 dan penetapan sebaran prior â. Pendekatan tersebut adalah pendekatan Bayes dengan perilaku â berhirarki dan σ acak. Penyusunan model kalibrasi Gingerol dan Kurkumin menggunakan pendekatan regresi terpenggal pada tahap awal dan pendekatan Bayes dengan perilaku â berhirarki dan σ acak, memberikan hasil ketepatan yang sangat baik dibandingkan pendekatan lain. Secara umum perilaku pola spektrum keluaran FTIR adalah sama, sehingga pendekatan ini juga dapat digunakan untuk penyusunan model kalibrasi senyawa aktif lain yang menggunakan alat ukur FTIR. Pada penyusunan model kalibrasi suatu senyawa aktif, faktor-faktor yang mempengaruhi besaran konsentrasi senyawa aktif harus dimasukkan kedalam model. Pada penyusunan model kalibrasi Gingerol, ternyata faktor lama penyimpanan harus dimasukkan kedalam model. Penelitian ini pada awalnya tidak ditujukan untuk melihat pengaruh waktu penyimpanan terhadap konsentrasi Gingerol dan Kurkumin. Sehingga pada penelitian ini lama penyimpanan tidak tercatat dengan baik, peubah lama penyimpanan yang dimasukkan kedalam model hanya berupa peubah dummy. Sehingga masih diperlukan kajian lebih lanjut penyusunan model kalibrasi Gingerol dengan memperhatikan waktu penyimpanan.