Pemodelan Karakteristik Sifat Optik (Absorbsi, Reflektansi, Transmitansi) pada Barium Titanat dengan Menggunakan Pendekatan

Abstract

Barium titanat adalah salah satu material yang dapat digunakan sebagai penyusun kapasitor yang memiliki konstanta dielektrik yang tinggi. Kapasitor merupakan salah satu komponen penyusun peralatan elektronik yang memiliki sifat menyimpan energi/muatan listrik. Barium titanat ini kemudian dibentuk menjadi suatu lapisan tipis ferroelektrik yang akan digunakan dalam pengukuran jumlah relatif cahaya dengan menggunakan spektrofotometer UV-Vis.. Spektrofotometer bekerja dengan cara mengukur jumlah relatif cahaya dari panjang gelombang yang berbeda diserap (absorbsi), dipantulkan (reflektansi), dan diteruskan (transmisikan) oleh suatu senyawa dengan panjang gelombang yang diukur secara berurut dari panjang gelombang terbesar hingga panjang gelombang terkecil. Kondisi tersebut mengakibatkan adanya hubungan antar (pengukuran cahaya) pengamatan dan hubungan antara cahaya yang direflektansi, diabsorbsi dan ditransmisi. Model yang menggunakan pendekatan hubungan antar amatan adalah model pada deret waktu. Oleh karena itu, model tersebut diadopsi untuk memodelkan data absorbsi, reflektansi, dan transmitansi melalui pendekatan Autoregressive Integrated Moving Average (ARIMA) dan Vector Autoreggressive Integrated Moving Average (VARIMA). Metode ARIMA merupakan metode prediksi dengan menggunakan serangkaian data pada pengamatan sebelumnya yang digunakan untuk mengamati suatu kejadian, peristiwa, atau suatu peubah pada data tersebut. Metode ini pertama kali dibuat oleh George Box dan Gwilym Jenkins untuk analisis deret berkala. ARIMA terbentuk dari tiga metode yaitu AR (Autoregressive), MA (Moving Average), dan ARMA (Autoregressive and Moving Average). Model ARIMA dapat diperoleh dengan melakukan tiga tahap strategi pemodelan yaitu identifikasi, penaksiran, dan pengujian. Metode VARMA merupakan perluasan dari metode Autoregressive Moving Average (ARMA). Model VARMA menjelaskan keterkaitan antar pengamatan pada peubah tertentu dari suatu urutan pengamatan dengan pengamatan pada peubah itu sendiri dari urutan sebelumnya, dan keterkaitannya dengan pengamatan pada peubah lain dari urutan sebelumnya. Model VARMA yang telah melalui proses differencing dinyatakan sebagai model VARIMA. Model VARIMA adalah salah satu metode analisis runtun pengamatan yang melibatkan data runtun pengamatan yang multivariat (peubah ganda). Penelitian ini bertujuan untuk menduga model untuk peubah absorbsi, reflektansi, dan transmitansi dengan menentukan model ARIMA untuk masing-masing peubah serta menentukan model VARIMA untuk vektor ketiga peubah yang selanjutnya model-model yang diperoleh akan dievaluasi sehingga menghasilkan model terbaik untuk peubah absorbsi, reflektansi, dan transmitansi. Berdasarkan hasil pembentukan model ARIMA dan model VARIMA diperoleh model ARIMA bagi peubah absorbsi adalah ARIMA(2, 2, 0), model ARIMA bagi peubah reflektansi adalah ARIMA(0, 1, 1) serta model ARIMA bagi peubah transmitansi adalah ARIMA(1, 1, 4) sedangkan model VARIMA bagi ketiga peubah adalah VARIMA(1, 1, 0). Berdasarkan hasil evaluasi diperoleh bahwa model terbaik untuk peubah absorbsi adalah model VARIMA(1, 1, 0) yang memiliki nilai MAPE yang lebih kecil dari model ARIMA(0, 1, 1) yaitu 0.0818 %. Model terbaik untuk peubah reflektansi adalah model VARIMA(1, 1, 0) yang memiliki nilai MAPE yang lebih kecil dari model ARIMA(2, 2, 0) yaitu 0.0926%. Serta Model terbaik untuk peubah transmitansi adalah model VARIMA(1, 1, 0) yang memiliki nilai MAPE yang lebih kecil dari model ARIMA(1, 1, 4) yaitu 0.0804%.