Pada penelitian ini telah dihasilkan dua buah temuan baru yaitu metode pereduksian data keluaran FTIR dan pendekatan terbaik untuk menyusun model kalibrasi Gingerol dan Kurkumin dengan pendekatan Bayes. Metode pereduksian data keluaran FTIR yang ditemukan pada penelitian ini adalah pendekatan Regresi Terpenggal. Sedangkan pendekatan terbaik untuk menyusun model kalibrasi Gingerol dan Kurkumin adalah pendekatan Bayes dengan perilaku â berhirarki dan σ acak
Data keluaran FTIR memiliki pola perilaku dimensi data yang besar, n<<p dan terdapat kekolinieran ganda antara peubah persen transmitan yang dihasilkan. Sehingga pada tahap awal penyusunan model kalibrasi, terlebih dahulu perlu dilakukan pereduksian data persen transmitan. Pendekatan regresi terpenggal merupakan metode pereduksian data keluaran spektrum FTIR yang sangat baik digunakan. Pendekatan ini memiliki kelebihan utama yaitu tetap mempertahankan pola spektrum awal. Data hasil reduksi dengan pendekatan regresi terpenggal tetap memiliki sifat kekolinieran ganda. Sehingga perlu penggabungan pendekatan regresi terpenggal dengan metode penyusunan model yang dapat mengatasi permasalahan kekolinieran ganda.
Secara umum pendekatan bayes akan menghasilkan nilai dugaan yang berbias, yaitu dipengaruhi oleh besar simpangan antara prior yang ditetapkan dengan nilai parameter yang sesungguhnya. Meski demikian untuk penyusunan model kalibrasi Gingerol dan Kurukumin ditemukan suatu pendekatan bayes yang bersifat robust, yaitu tidak dipengaruhi oleh jumlah peubah bebas yang digunakan (p), besaran korelasi antara peubah bebas, penetapan nilai awal σ2 dan penetapan sebaran prior â. Pendekatan tersebut adalah pendekatan Bayes dengan perilaku â berhirarki dan σ acak.
Penyusunan model kalibrasi Gingerol dan Kurkumin menggunakan pendekatan regresi terpenggal pada tahap awal dan pendekatan Bayes dengan perilaku â berhirarki dan σ acak, memberikan hasil ketepatan yang sangat baik dibandingkan pendekatan lain. Secara umum perilaku pola spektrum keluaran FTIR adalah sama, sehingga pendekatan ini juga dapat digunakan untuk penyusunan model kalibrasi senyawa aktif lain yang menggunakan alat ukur FTIR.
Pada penyusunan model kalibrasi suatu senyawa aktif, faktor-faktor yang mempengaruhi besaran konsentrasi senyawa aktif harus dimasukkan kedalam model. Pada penyusunan model kalibrasi Gingerol, ternyata faktor lama penyimpanan harus dimasukkan kedalam model. Penelitian ini pada awalnya tidak ditujukan untuk melihat pengaruh waktu penyimpanan terhadap konsentrasi Gingerol dan Kurkumin. Sehingga pada penelitian ini lama penyimpanan tidak tercatat dengan baik, peubah lama penyimpanan yang dimasukkan kedalam model hanya berupa peubah dummy. Sehingga masih diperlukan kajian lebih lanjut penyusunan model kalibrasi Gingerol dengan memperhatikan waktu penyimpanan.
DAFTAR PUSTAKA
[Anonim]. 2004. Bayesian Regression with Conjugate and Convenient Priors. http:// home.unchicago.edu/~grynav/bayes/ABSLec12.ppt [15 Juni 2004]. Arnita. 2005. Koreksi pencaran dalam model kalibrasi peubah ganda pada data
senyawa gingerol serbuk rimpang (Zingiber Officinale Roscue) [Tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Berger JO. 1985. Statistical Decision Theory and Bayesian Analysis. Ed ke-2. New York: Springer-Verlag.
Brown PJ. 1982. Multivariate calibration. J.R. Statistic. Soc. B 44(3):287-321. Brown PJ, Fearn T, Vanucci M. 2001. Bayesian wavelet regression on curves
with application to a spectroscopic calibration problem. Journal of the American Statistical Association 96(454): 398-408.
Chan CC, May CK, Chi TH. 1986. Pungent Compounds of Ginger (Zingiber Officinale Roscoe) Extracted by Liquid Carbon Dioxide. J. Agric. Food Chem. 34(3): 1033-1043.
Cheng RCH. 1999. Regression metamodelling in simulation using Bayesian methods. Proceedings of the 1999 Winter Simulation Conference. Faculty of Mathematical Studied. University of Southampton. England.
http://www.informs-sim.org/wsc99papers/046.PDF {5 April 2004]
Danutirto H. 2001. Pengembangan fitofarmaka di Indonesia. Lokakarya dan Pameran Pengembangan Agribisnis Berbasis Biofarmaka: Kerjasama Departemen Pertanian dengan Institut Pertanian Bogor. Jakarta. Tgl. 13-16 November 2001.
du Plessis JL. van der Merwe AJ. 1995.A bayesian approach to multivariate conditional calibration. Comp. Stat. and Data Analysis 19:539-552.
Erfiani, Sartono B, Juwita IR. 2004a. Uji kesamaan pola dan pereduksian data keluaran Fourier Transform Infrared (FTIR). Studi kasus : Senyawa aktif Gingerol pada Jahe (Zingiber officinale ross.) dan Senyawa aktif Kurkumin pada Temulawak (Curcuma xontorrhizo Roxb.) Forum Statistika dan Komputasi. Edisi Khusus, September 2004: 206-216.
Erfiani, Afendi FM, Rumahorbo R. 2004b. Pereduksian data keluaran spektrometer Near Infrared (NIR). (Studi kasus : Penerapan pada Regresi Komponen Utama). Forum Statistika dan Komputasi. Edisi Khusus, September 2004: 200-205.
Fahrmeir L, and Kaufmann H. 1985. Consistency and asymptotic normality of the maximum likelihood estimator in generalized linear Models. Annals of Statistics 13: 342-368
Gelman A, Rubin D. 1992. Inference from iterative simulation using multiple sequences. Statistical sciences 7:457-473
Hadiwigeno S. 1993. Sambutan Kepala Badan Penelitian dan Pengembangan Pertanian Departemen Pertanian. Di dalam: S.S. Sugati, B. Dzulkarnain, N.P. Subanu, B. Wahjoedi, L. Widowati dan W.Winarno (Eds.), Prosiding Seminar Saga Manis dan Tempuyang Bagian I; Bogor, 13-14 Januari 1993. Bogor; Warta tumbuhan obat Indonesia 2(2):1-2.
Hayati EK. 2005. Pemilihan Metode Pemisahan untuk Penentuan Konsentrasi Gingerol dan Pola Respons Fourier Transform Infrared pada Rimpang Jahe Emprit (Zingiber Officinale Roscoe) [Tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Herwindiati DE. 1997. Pengkajian Regresi Komponen Utama, Regresi Ridge dan Regresi Kuadrat Terkecil Parsial [Tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Karlsson S. 2001. Bayesian methods in econometrics linear regression. http:/web.hhs.se/personal/SuneK/ [16 Juni 2004]
Krishtiningrum MN. 1997. Metode Regresi Komponen Utama untuk Kalibrasi Peubah Ganda [skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Küchenhoff H, Wellisch U.1997. Asymptotics for generalized linear segmented regression models with an unknown breakpoint. University of Munich, Institute of Statistics, Akademiestraâe 1, D-80799 München.
Lindley DV, Smith AFM. 1972. Bayes estimates for the linear model. Journal of the Royal Statistical Society, Series B 34:1-41
Lindsay S. 1992. High Performance Liquid Cromatography. England: Jon Wiley and Sons Ltd.
Mattjik AA, Sumertajaya IM. 2002. Perancangan Percobaan : Dengan Aplikasi SAS dan Minitab. Ed. Ke-2. Bogor: IPB Press.
Martens H, Naes T. 1989. Multivariate Calibration. John Willey & Sons. England: Chichester.
Naes T. 1985. Multivariate calibration when the error covariance matrix is structured. Technometrics 27(3): 301-311.
Naes T, Issakson T, Fearn T, Davies T. 2002. Multivariate Calibration and Classification. United Kingdom: NIR Publications Chichester.
Notodiputro KA. 2003. Pendekatan Statistika dalam Kalibrasi. Conference on Statistical and Mathematical Sciences of Islamis Society in South East Asia Region, Bandung, 25-26 April 2003
Qin J, McAvoy TJ. 1992. Nonliniear PLS modeling using Neural Networks. Computer and Chemical Engineering 16:379-391
Nur MA, Adijuwana H. 1989. Teknik Spektroskopi dalam Analisis Biologi. Bogor: Pusat antar Universitas Ilmu Hayat, Institut Pertanian Bogor.
Rahayu W. 2003. Pendekatan Bayes dalam Masalah Kalibrasi [Tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Roy, A. and P. G. Georgopoulos. 1998. Data and Model Assimilation Using a Bayesian Methodology: Markov Chain Monte Carlo Simulation. 3rd CRESP Annual Meeting, June 1998. Environmental and Occupational Health Sciences Institute. A Joint Project of UMDNJ – R. W. Joahnson Medical School and Rutgers University.
www.ccl.rutgers.edu/Cresp98/PDFs/bayesNEW.pdf [6 April 2004]
Sinambela JM. 1985. Fitoterapi, Fitostandar, dan Temulawak. Prosiding Simposium Nasional Temulawak. Bandung, 17 September 1985. Lembaga Penelitian Universitas Padjajaran.
Smith AFM. 1973. A General Bayesian linear model. Journal of the Royal Statistical Society, Series B 35:61-75
Socrates G. 1994. Infrared Characteristic Group Frekuencies Tables and Charts. Ed ke-2, England: John wiley and Sons.
Spiegelhalter et al. 2002. WinBUGS User Manual Version 1.4. http://www.mrc- bsu.cam.ac.uk/bugs. [ 15 Juni 2004]
Sunaryo S. 2005. Model Kalibrasi dengan Transformasi Wavelet sebagai Metode Pra-Pemrosesan [Disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Watson HJ,. Blackstone JH Jr. 1989. Computer Simulation. Ed. Ke-2. New York:John Wiley & Sons.
West M. 2001. Bayesian Regression Analysis in the “Large P, Small n” Paradigm. http://www..statduke.edu/papers/working-papers [9 Juli 2002] West M. 2003. Bayesian Factor Regession Models in the “Large P, Small n”
Paradigm. Bayesian Statistics 7, pp 000-000, Oxford University
http://www..statduke.edu/papers/working-papers [17 April 2003]
Wigena. A.H. dan Aunuddin. 1997. Suatu Kajian dan Terapan Metode PLS. Seminar Nasional Statistika IV di ITS Surabaya, 9-10 Desember 1997. Wigena AH, Aunuddin. 1998. Metode PLS untuk mengatasi kolinearitas dalam
kalibrasi ganda. Forum Statistika dan Komputasi 3(1):1-4.
Wold S et al. 1984. The collinearity problem in linear regression. The partial least squares (PLS) approach to generalized inverses. SIAM J. SCI. Stat. Comput 5(3):753-743
Young HY, Chiang CT, Huang YL, Pan FP, Chen GL. 2002. Analytical and Stability Studies of Ginger Preparations. Journal of Food and Drug Analysis. 10(3):149-153 [serial on line] www.yahoo.com. [April 2003]
Young PJ. 1994. Reformulation of the partial least square regression algorithm. Siam J.SCL STAT Comput. 5(1): 225-230.