dikombinasikan dengan kalibrasi multivariat dapat dilakukan penetapan masing –
masing komponen tersebut secara simultan tanpa pemisahan. Selain melakukan scanning antara baku dan campuran baku juga
dilakukan scanning terhadap sampel dan campuran baku untuk melihat kemiripan antara sampel dan campuran baku, seperti ditunjukkan pada Gambar 8. Hal ini
juga untuk melihat apakah ada eksipien pada sampel yang memberikan serapan pada panjang gelombang parasetamol dan kafein, dari gambar 8 dapat dilihat
bahwa tidak terdapat serapan dari eksipien pada panjang gelombang parasetamol dan kafein.
Gambar 8. Overlay campuran parasetamol PCT dan kafein CAF dan sampel yang mengandung parasetamol PCT dan kafein CAF pada panjang gelombang
Kalibrasi multivariat partial least square PLS digunakan untuk melakukan pengolahan data absorbansi. Partial least square PLS digunakan
untuk melakukan pengolahan data karena mampu menghasilkan model kalibrasi dengan kemampuan prediksi yang baik untuk jumlah data yang banyak. Data
absorbansi dari 20 set kalibrasi disiapkan sebagai model kalibrasi diukur pada
Sampel Campuran baku
PCT dan CAF
220 - 400 nm
B. Optimasi Kalibrasi Multivariat Menggunakan Partial Least Square PLS
panjang gelombang 220-310 nm dengan interval panjang gelombang 2 nm. Pada partial least square PLS dilakukan pemilihan panjang gelombang, hal ini
bertujuan untuk memperoleh kinerja model yang optimum meskipun pada metode partial least square PLS secara komputerisasi dapat mencakup seluruh spektrum
El Gindy, 2006. Pada penelitian ini dipilih pengukuran pada panjang gelombang 220
–310 nm karena pada panjang gelombang ini memberikan nilai korelasi yang paling optimum. Pengukuran pada panjang gelombang 220-310 nm juga bertujuan
untuk mengurangi data yang mungkin bersifat tidak informatif yang
dikhawatirkan dapat mengganggu dalam proses pengolahan data.
Data absorbansi dari set kalibrasi diolah menggunakan perangkat lunak Minitab®, hasil dari pengolahan data menggunakan perangkat lunak Minitab
menghasilkan model kalibrasi, dengan hasil prediksi dari model kalibrasi yang ditampilkan pada tabel III. Kebaikan suatu model kalibrasi dapat dilihat dari nilai
koefisien determinasi R
2
dan nilai RMSEC root mean square error of calibration. Hasil dari analisis varian untuk senyawa parasetamol dan kafein
adalah nilai p = 0,000 menunjukkan bahwa terdapat hubungan yang signifikan antara kedua variabel dalam hal ini konsetrasi dan absorbansi. Selisih antara nilai
sebenarnya dan nilai terhitung yang dihasilkan sangat kecil yang menunjukkan pengukuran yang dilakukan oleh model kalibrasi baik. Nilai sebenarnya
merupakan konsentrasi yang dibuat berdasarkan bilangan acak pada set kalibrasi, sedangkan nilai terhitung merupakan nilai hasil prediksi oleh model. Nilai
sebenarnya dan nilai terhitung kemudian diproses menggunakan Microsoft Excel untuk menentukan nilai R
2
dan nilai RMSEC. Nilai RMSEC Root mean square
error of calibration yang diperoleh adalah 0,0036 untuk parasetamol PCT dan 0,0027 untuk kafein CAF.
Tabel III. Nilai sebenarnya dan terhitung hasil kalibrasi PLS dari model kalibrasi parasetamol PCT dan kafein CAF tanpa validasi silang cross validation pada
panjang gelombang 220-310 nm
Nomor Konsentrasi µgmL
PCT CAF
Sebenarnya Terhitung
Sebenarnya Terhitung
1 6,4
6,3969 1,0
1,0006 2
5,8 5,7967
0,6 0,5995
3 4,3
4,3040 0,6
0,6010 4
5,7 5,6999
0,8 0,8008
5 7,0
7,0079 0,8
0,8003 6
4,5 4,4903
0,5 0,4996
7 6,9
6,8925 1,0
0,9991 8
5,5 5,5026
0,9 0,9003
9 6,3
6,3059 0,6
0,5980 10
7,2 7,2042
1,1 1,0988
11 5,1
5,0986 0,6
0,6010 12
4,1 4,1015
1,1 1,0992
13 7,0
7,0006 1,0
1,0012 14
7,4 7,4102
0,7 0,6997
15 6,9
6,8993 0,8
0,7994 16
8,1 8,0983
0,9 0,9012
17 7,6
7,5935 0,8
0,7982 18
8,0 7,9950
0,8 0,8014
19 5,3
5,3059 0,5
0,4994 20
5,8 5,7952
0,5 0,5005
Persamaan : y = 1x + 0,0004
y = 1x + 0,00002 RMSEC
0,0036 0,0027
R
2
0,999 0,999
Nilai RMSEC yang dihasilkan baik karena mendekati 0, dapat ditunjukkan bahwa tingkat kesalahan prediksi dari model sangat kecil. Nilai
koefisien determinasi R
2
dari model kalibrasi parasetamol adalah 0,999 dan kafein sebesar 0,999, dengan persamaan linier hubungan nilai sebenarnya dan
nilai terhitung untuk parasetamol PCT y = 1x + 0,0004 dan y = 1x + 0,00002
untuk kafein CAF. Menurut Danzer 2004 akurasi model kalibrasi dapat dilihat dari persamaan garis y = bx+a, dimana y merupakan kadar terhitung dihubungkan
dengan x kadar sebenarnya. Jika nilai a mendekati 0 dan nilai b mendekati 1 maka dapat dinyatakan bahwa akurasi dari pemodelan baik.
Pada gambar 9 dan gambar 10 dapat dilihat hubungan nilai sebenarnya dan nilai terhitung untuk parasetamol dan kafein.
Gambar 9. Kurva hubungan nilai sebenarnya dan nilai terhitung model kalibrasi parasetamol
Gambar 10. Kurva hubungan nilai sebenarnya dan nilai terhitung model kalibrasi kafein
y = 1x + 0.0004 R² = 0,999
0,0000 2,0000
4,0000 6,0000
8,0000 10,0000
0,0000 2,0000
4,0000 6,0000
8,0000 10,0000
Kurva Hubungan Nilai Sebenarnya vs Nilai Terhitung
Model PLS Parasetamol
y = 1x + 0,00002 R² = 0,999
0,0000 0,5000
1,0000 1,5000
0,0000 0,2000
0,4000 0,6000
0,8000 1,0000
1,2000
Kurva Hubungan Nilai Sebenarnya vs Nilai terhitung
Model PLS Kafein
Dapat dilihat pada kurva setiap titik dilewati oleh garis linier yang menunjukkan hubungan yang sangat baik antara nilai sebenarnya dan nilai
terhitung.
C. Validasi Model Kalibrasi Multivariat Partial Least Square PLS
