ε = kesalahan pengukuran pemodelan. Haenlein, 2004.
Kelebihan metode PLS dibandingkan dengan metode kalibrasi lain adalah: a.
Dibandingkan dengan LSR, PLS jauh lebih cepat dan lebih mudah diimplementasikan. Kemungkinan terjadinya over-fitting pada PLS jauh lebih
kecil dibandingkan dengan metode kalibrasi lain. b.
PLS memiliki kemampuan tinggi ketika diterapkan pada data dengan dimensi yang luas.
Land et al., 2011.
D. Validasi Metode Analisis
1. Validasi metode kalibrasi multivariat
Validasi metode analisis merupakan suatu prosedur yang digunakan untuk membuktikan apakah suatu metode analisis memenuhi persyaratan yang
ditentukan atau tidak, sehingga hasil analisis dapat dipertanggungjawabkan. Tujuan utama validasi metode adalah untuk memberikan hasil analisis yang
paling baik United States Pharmacopeial Covention, 2007. Validasi adalah suatu tindakan penilaian terhadap parameter tertentu
pada prosedur penetapan yang dipakai untuk membuktikan bahwa parameter tersebut memenuhi persyaratan untuk penggunaannya Harmita, 2004. Suatu
metode analisis harus divalidasi untuk melakukan verifikasi bahwa parameter- parameter kerjanya cukup mampu untuk mengatasi masalah analisis Gandjar
dan Rohman, 2008. Validasi metode analisis dilakukan dengan uji labratorium, dengan demikian dapat ditunjukkan bahwa karakteristik kinerjanya telah
memenuhi persyaratan untuk diterapkan dalam analisis senyawa atau sediaan yang bersangkutan Satiadarma, dkk., 2004.
Menurut Richard Kramer 2005, suatu metode kemometrika bisa divalidasi dengan dua cara; 1 Dengan adanya sampel validasi eksternal; 2
Dengan menggunakan cross validation. Sampel validasi eksternal akan semakin baik jika semakin banyak jumlahnya. Idealnya, sampel eksternal
hendaknya memberikan konsentrasi terhitung yang seakurat mungkin dengan nilai sebenarnya. Secara umum, suatu sampel validasi memiliki nilai simpangan
tidak lebih dari ±5. Sampel validasi masih dapat dipercaya apabila nilai simpangan tidak lebih dari ±10. Namun, sampel validasi eksternal tidak perlu
diterapkan apabila nilai simpangan mencapai ±20 dan disarankan untuk melakukan cross validation.
Validasi dengan sampel eksternal atau juga sering disebut dengan test set validation dilakukan dengan memproses sejumlah data training set dengan
metode yang sama pada saat memproses data calibration set. Dalam hal ini, ada dua kelompok data yang berbeda yaitu data training set yang mana merupakan
sejumlah data tambahan yang bukan merupakan calibration set. Hasil pengolahan statistik kedua kelompok data baik dari calibration set dan training
set dibandingkan untuk melihat kemampuan sebuah model dalam mengekstrak suatu populasi data dengan jumlah data yang berbeda. Hal ini bertujuan untuk
mengukur seberapa optimal model mampu menentukan komponen pembeda dari jumlah data yang berbeda. Diharapkan terjadi kesamaan hasil antara data
calibration set dengan training set. Sangat jarang diperoleh cukup data yang
baik untuk melakukan test set validation. Oleh karena itu bisa digunakan sebagian dari calibration set untuk melakukan validasi, dan hal ini disebut
dengan cross validation Kim, 2002. Standard cross validation melibatkan sebuah data dari bagian populasi
yang diujikan pada populasi data yang sama untuk mengevalusasi kemampuan prediksi dari sebuah model. Metode validasi standard cross validation
memisahkan populasi data menjadi dua bagian tidak harus dengan jumlah yang sama untuk melihat kemampuan model terhadap satu bagian yang memvalidasi
model tersebut Esposito et al., 2010. Tahap pengerjaan suatu cross validation bisa digambarkan sebagai
berikut; 1 memisahkan satu data dari kelompok data atau populasi; 2 memisahkan satu data secara bergilir dari kelompok data atau populasi; 3
menetapkan data yang terpisah sebagai suatu sampel dan kelompok data yang tersisa sebagai predictor. Perbedaan nilai sebenarnya dengan nilai prediksi
digambarkan sebagai nilai PRESS predivtive residual error sum of squares Reyment, 2002.
2. Parameter Validasi Metode Analisis Multivariat