33
BAB IV HASIL DAN PEMBAHASAN
A. Optimasi Kalibrasi Multivariat Menggunakan Partial Least Square
PLS
Permasalahan dalam analisis senyawa multikomponen secara simultan dengan menggunakan metode spektrofotometri adalah overlapping spektra antara
satu senyawa dan senyawa lainnya. Overlapping terjadi pada senyawa campuran parasetamol PCT dan propifenazon PPZ yang ditunjukkan pada gambar 5.
Gambar 5. Overlay spektra uv parasetamol PCT, propifenazon PPZ, dan
campuran kedua senyawa pada konsentrasi 5 µgmL, yang diukur
pada λ 200 – 400 nm.
Analisis masing-masing komponen senyawa dalam campuran yang mempunyai spektra overlapping hanya dapat diatasi dengan metode pemisahan
secara kromatografi atau metode spektrofotometri yang dikombinasikan dengan kalibrasi multivariat. Permasalahan overlapping pada senyawa PCT dan PPZ dapat
diatasi dengan adanya kombinasi antara spektrofotometry UV dengan kemometrika.
Campuran PCT PPZ
PCT PPZ
Metode kemometrika yang dipilih dalam penelitian ini adalah kalibrasi multivariat partial least square PLS. PLS memiliki keunggulan dalam
menghasilkan model kalibrasi dengan kemampuan tinggi untuk jumlah data yang banyak. Pembuatan model PLS menggunakan 20 larutan calibration set yang
dibuat berdasarkan nilai acak, bisa dilihat pada Tabel I. Bilangan acak dibuat dengan menggunakan kertas kerja perangkat lunak Microsoft Excel 2013 dengan
memanfaatkan fungsi =RANDperbandingan kekuatan senyawa. 20 larutan calibration set diukur menggunakan spektrofotometri UV pada panjang gelombang
220-310 nm dengan interval pengukuran sebesar 2 nm menghasilkan serangkaian data absobansi Lampiran 5. Menurut El Gindy 2006, pemilihan panjang
gelombang pada PLS sangat diperlukan supaya kinerja model dapat optimum. Pemusatan pengukuran pada panjang gelombang 220-310 nm bertujuan
untuk mengurangi sebagian data yang mungkin bersifat tidak informatif dan dapat mengganggu dalam proses pengolahan data. Pemilihan panjang gelombang dalam
pengukuran calibration set bertujuan untuk mendapatkan model kalibrasi dengan kemampuan prediksi yang optimum.
Data absorbansi dari calibration set Lampiran 5 diolah menggunakan software Minitab® 16.0 dan menghasilkan model kalibrasi Lampiran 6 dan 7
dengan hasil prediksi yang bisa dilihat Tabel III. Evaluasi kebaikan model kalibrasi bisa ditinjau dari nilai koefisien determinasi R
2
, nilai RMSEC root mean square error of calibration, RMSECP root mean square error of calibration prediction,
RMSECV root mean square error of calibration validation Danzer, 2004.
Tabel III. Evaluasi nilai sebenarnya dan terhitung hasil kalibrasi PLS dari calibration set yang mengandung parasetamol PCT dan
propifenazon PPZ tanpa validasi silang
cross validation pada panjang gelombang 220
– 310 nm.
Nomor Campuran
Konsentrasi µgmL PCT
PPZ Sebenarnya
Terhitung Sebenarnya
Terhitung 1
4,6 4,59855
4,8 4,79666
2 6,2
6,19876 3,2
3,19951 3
5,9 5,90068
2,1 2,09950
4 7,1
7,09596 2,8
2,79778 5
6,6 6,59500
2,4 2,40322
6 3,5
3,50287 3,7
3,70177 7
7,4 7,40500
3,3 3,29885
8 5,5
5,50788 2,7
2,69844 9
7,6 7,59500
2,5 2,50311
10 4,5
4,49114 4,6
4,60151 11
4,5 4,50400
4,1 4,09412
12 4,0
4,00057 2,0
2,00203 13
3,8 3,79800
4,4 4,40221
14 5,8
5,79342 3,5
3,50376 15
8,1 8,09979
2,5 2,49891
16 3,2
3,19200 3,6
3,60394 17
4,9 4,89693
2,7 2,69325
18 5,8
5,80521 4,3
4,30484 19
8,7 8,69789
3,8 3,80062
20 4,6
4,60800 4,0
3,99677 Persamaan :
y = 0,9999x – 0,0002
y = 1x + 0,0001 R
2
0,9999 0,9999
RMSEC 0,0043
0,0031
Tabel III merupakan hasil pengolahan data yang diperoleh dari pembuatan model kalibrasi parasetamol dan propifenazon. Nilai sebenarnya merupakan nilai
konsentrasi yang dibuat berdasarkan bilangan acak pada tahap pembuatan calibration set, sementara itu nilai terhitung merupakan nilai yang diprediksikan
oleh model kalibrasi PLS. Nilai sebenarnya dan nilai terhitung kemudian diproses menggunakan perangkat lunak Microsoft Excel 2013 untuk menentukan nilai R
2
dan nilai RMSEC. Diperoleh persamaan y=0,9999x-0,0002 untuk PCT dengan nilai R
2
-PCT sebesar 0,9999 dan nilai RMSEC-PCT sebesar 0,0043. Persamaan linier hubungan nilai sebenarnya dengan nilai terhitung untuk PPZ y=1x+0,0001 dengan
nilai R
2
-PPZ sebesar 0,9999 dan nilai RMSEC-PPZ sebesar 0,0031. Menurut Danzer 2004 akurasi model kalibrasi bisa dideskripsikan dari persamaan garis
y=bx+a, y merupakan kadar terhitung dihubungkan dengan x yang merupakan kadar sebenarnya. Jika nilai a mendekati 0 dan nilai b mendekati 1 maka dapat
dinyatakan akurasi dari pemodelan baik. Model dinyatakan memiliki kemampuan prediksi tinggi dengan nilai R
2
untuk kedua senyawa yang mendekati 1 serta memiliki kemungkinan kesalahan prediksi yang rendah ditunjukkan RMSEC yang
mendekati 0. Data Tabel III bisa digambarkan dengan kurva hubungan antara nilai sebenarnya dan nilai terhitung untuk kedua senyawa bisa dilihat pada gambar 6 dan
7.
Gambar 6. Kurva hubungan nilai Sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS parasetamol.
y = 0.9999x - 0.0002 R² = 0,9999
0.00000 1.00000
2.00000 3.00000
4.00000 5.00000
6.00000 7.00000
8.00000 9.00000
10.00000
0.00000 2.00000
4.00000 6.00000
8.00000 10.00000
Kurva Hubungan Nilai Sebenarnya vs Terhitung Model PLS Parasetamol
Gambar 7. Kurva hubungan nilai Sebenarnya dengan nilai terhitung pada model kalibrasi multivariat PLS propifenazon.
Informasi secara visual mengenai kemampuan prediksi model kalibrasi bisa dilihat pada gambar 6 dan gambar 7. Sesuai dengan nilai R
2
dari masing-masing senyawa yang bernilai 0,9999 menunjukkan hubungan yang sangat baik antara nilai
sebenarnya terhadap nilai terhitung dan memberikan pola garis lurus yang melewati setiap titik.
Model kalibrasi multivariat diharapkan memiliki kemampuan prediksi tinggi agar mampu menetapkan kadar sedekat mungkin dengan kadar sebenarnya
dari suatu sampel. Kemampuan prediksi dari model kalibrasi multivariat divalidasi dengan dua proses yaitu validasi internal dan validasi eksternal. Validasi internal
atau cross validation bertujuan untuk menangani masalah overfitting yang
seringkali terjadi dalam proses pembuatan model. Validasi eksternal bertujuan untuk menentukan validitas dari model yang telah melewati proses cross validation.
y = 1x + 0,0001 R² = 0,9999
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
B. Validasi Model Kalibrasi Multivariat Partial Least Square PLS