| dc.description.abstract | Pemanfaatan tanaman obat jahe dan temulawak yang cukup besar sebagai bahan baku di industri jamu dan minuman mengharuskan penjaminan mutu yang memenuhi standar. Penentuan kualitas dari bahan baku dapat dilakukan dengan mengukur kadar senyawa aktif yang terkandung di dalamnya. Metode umum yang biasa digunakan dengan High Performance Liquid Chromatography (HPLC) memerlukan waktu dan biaya yang cukup besar. Pemodelan kalibrasi yang menghubungkan data pengukuran HPLC dengan pengukuran FTIR yang relatif lebih murah menjadi cara alternatif untuk menduga kadar senyawa aktif.
Pemodelan kalibrasi memiliki dua masalah utama yaitu dimensi peubah bebas jauh lebih besar dibandingkan banyaknya pengamatan, dan adanya kasus multikolinearitas. Metode pra pemrosesan dengan Transformasi Wavelet Kontinu (TWK) merupakan metode yang menjanjikan untuk mereduksi dimensi data dalam pemodelan kalibrasi. Proses TWK memerlukan suatu mother wavelet untuk membangun fungsi basis. Perbedaan mother wavelet yang dipilih dalam TWK memberikan hasil analisis yang berbeda.
Mother wavelet yang digunakan dalam penelitian ini adalah Mexican Hat dan Daubechies dengan beberapa pertimbangan. Senyawa aktif jahe yang diteliti adalah gingerol, sedangkan senyawa aktif temulawak adalah kurkuminoid. Penelitian ini bertujuan untuk : (1) menentukan mother wavelet yang memberikan hasil lebih baik dalam analisis TWK sebagai metode pra pemrosesan dalam pemodelan kalibrasi data gingerol dan kurkuminoid; (2) menentukan banyaknya komponen utama yang memberikan hasil paling baik dalam pemodelan kalibrasi data gingerol dan kurkuminoid.
Penanganan masalah dimensi peubah bebas dalam penelitian ini diatasi dengan metode pra pemrosesan menggunakan TWK. Analisis TWK dilakukan dengan mother wavelet Daubechies dan Mexican hat menggunakan skala 1, 2, .., 6. Reduksi dimensi dilakukan pada koefisien TWK hasil dari proses transformasi. Pemeriksaan multikolinearitas dilakukan dengan menghitung nilai Variance Inflation Factor (VIF). Apabila masih terdapat korelasi antar peubah, pemodelan dilakukan dengan menggunakan Regresi Komponen Utama (RKU).
Hasil analisis menunjukkan bahwa mother wavelet Daubechies memberikan hasil yang lebih baik dibandingkan Mexican Hat baik pada data gingerol maupun kurkuminoid. Nilai Root Mean Square Error of Prediction (RMSEP) terkecil sebesar 0.209 pada data gingerol diperoleh dengan mother wavelet Daubechies 10 skala 3 menggunakan 3 komponen utama. Pada data kurkuminoid nilai RMSEP terkecil sebesar 0.5494 diperoleh dengan mother wavelet Daubechies 9 skala 5 menggunakan 3 komponen utama. Upaya untuk mendapatkan ukuran kebaikan yang lebih bagus dilakukan dengan menggunakan nilai parameter skala kontinu dengan penambahan nilai 0.1. Nilai RMSEP data kurkuminoid berhasil diperkecil menjadi 0.5475 dengan skala 4.9 menggunakan 3 komponen utama.
Penerapan TWK sebagai metode pra pemrosesan dalam pemodelan kalibrasi memerlukan nilai skala yang kontinu. Hasil analisis data kurkuminoid membuktikan dengan menggunakan parameter skala yang kontinu memberikan RMSEP yang lebih bagus. Dengan demikian penerapan parameter skala dengan penambahan nilai (increment) kecil memungkinkan kita untuk mendapatkan hasil yang lebih baik. | id |
