dianalisis dengan menggunakan

(1)

1. Eksplorasi data keluaran FTIR a. Membuat plot antara nilai

dan bilangan gelombang

bahan temuan. Sumbu vertikal untuk nilai absorban dan sumbu horizontal untuk bilangan gelombang. Nilai absorban dari bawah ke atas untuk nilai dari kecil ke besar, sedangkan sumbu horisontal dari kiri ke kanan untuk bilangan gelombang dari ke kecil.

b. Menentukan korelasi masing komponen data spektrum FTIR ketiga kelompok tanaman herbal tersebut.

2. Pereduksian dimensi sekumpulan peubah asal menjadi peubah baru yang berdimensi lebih kecil menggunakan analisis komponen utama. Dengan peubah asal seluruh informasi bilangan gelombang dan bilangan gelombang pada daerah sidik jari. Peubah asal nXpdireduksi menjadi peubah baru yang berdimensi lebih kecil dengan q banyaknya komponen utama yang digunakan.

3. Pemodelan yaitu menyusun fungsi diskriminan kanonik.

 Model 1: Berdasarkan seluruh informasi bilangan gelombang

 Model 2 : Berdasarkan informas bilangan gelombang pada daerah sidik jari

4. Validasi model yaitu p

keberhasilan penempatan data dalam kelompok. Tingkat keakuratan pendugaan model dapat dilihat dari

pengamatan yang

diklasifikasikan ke dalam kelompok yang sebenarnya. Langkah awal

pengamatan baru (data uji) cara mengalikan pengamatan dengan koefisien komponen utama Sehingga akan diperoleh berukuran nxq, dimana n

pengamatan dan q merupakan jumlah komponen utama yang digunakan.

5. Menentukan model terbaik, dengan membandingkan kedua model

terbentuk.

HASIL DAN PEMBAHASAN Eksplorasi Data Keluaran FTIR

Objek amatan dalam penelitian ini dari 67 buah contoh yang terdiri dari 22 contoh temulawak, 21 contoh

contoh kunyit. Setelah c diekstraksi dalam larutan metanol

FTIR

ra nilai absorban gelombang untuk setiap . Sumbu vertikal untuk n sumbu horizontal gelombang. Nilai dari bawah ke atas untuk nilai dari kecil ke besar, sedangkan dari kiri ke kanan gelombang dari besar lasi masing-masing data spektrum FTIR dari ketiga kelompok tanaman herbal reduksian dimensi sekumpulan peubah asal menjadi peubah baru yang berdimensi lebih kecil menggunakan analisis komponen utama. Dengan peubah asal eluruh informasi bilangan gelombang dan bilangan gelombang pada daerah sidik jari.

direduksi menjadi peubah yang berdimensi lebih kecil nYq banyaknya komponen utama Pemodelan yaitu menyusun fungsi Model 1: Berdasarkan seluruh informasi bilangan gelombang

Model 2 : Berdasarkan informasi bilangan gelombang pada daerah sidik pengujian tingkat keberhasilan penempatan data dalam

ingkat keakuratan pendugaan dilihat dari jumlah pengamatan yang telah berhasil ke dalam kelompok yang Langkah awal evaluasi pengamatan baru (data uji) yaitu dengan pengamatan FTIR nXp dengan koefisien komponen utama pVq. Sehingga akan diperoleh Y yang

n adalah jumlah

merupakan jumlah komponen utama yang digunakan.

Menentukan model terbaik, dengan membandingkan kedua model yang telah

HASIL DAN PEMBAHASAN Eksplorasi Data Keluaran FTIR

Objek amatan dalam penelitian ini terdiri yang terdiri dari 22 contoh bangle, dan 24 Setelah contoh tersebut diekstraksi dalam larutan metanol kemudian

dianalisis dengan menggunakan FTIR sehingga diperoleh data berupa nilai absorban dan bilangan gelombang.

Grafik spektrum FTIR tidak memiliki pola tertentu dan bersifat fluktuatif. Plot

spektrum FTIR temulawak dapat dilihat pada Gambar 2. Data spektrum FTIR yang digunakan berada pada kisaran bilangan gelombang antara 3996.21 cm

399.24 cm-1_{. Bilangan gelombang pada plot}

datanya dari kiri ke kanan adalah untuk bilangan gelombang dari besar ke kecil nilai absorban dari bawah ke atas untuk nilai dari kecil ke besar. Contoh CX

berasal dari kabupaten Wonogiri kecamatan Ngadirejo cenderung memiliki nilai

yang paling rendah dibandingkan lainnya pada setiap bilangan gelombang. Secara keseluruhan nilai absorban contoh pada kisaran bilangan gelombang 3996.21 cm-1 _{sampai dengan 3681.87}

relatif stabil. Dua puluh dua

temulawak yang digunakan pada penelitian ini mengalami peningkatan nilai

dimulai pada bilangan gelombang cm-1_{, kemudian nilai absorban}

penurunan sampai dengan

gelombang 2993.33 cm-1_{. Grafik spektrum}

FTIR temulawak pada bilangan gelombang 2993.33 cm-1 _{– 2750.32 cm}

-stalagmit pada puncaknya dan nilai pada bilangan gelombang 2750.3 sampai 1758.98 cm-1 _{mengalami penurunan}

yang relatif stabil. Grafik spektrum FTIR temulawak berbentuk stalagmit terj kembali pada kisaran bilangan

antara 1758.98 cm-1 _{hingga 339.2}

Daerah pada kisaran bilangan gelombang ini merupakan daerah sidik jari.

A bs or ba n Bilangan Gelombang (cm-1 Gambar 2 Plot data spektrum

temulawak

dengan menggunakan FTIR data berupa nilai absorban Grafik spektrum FTIR tidak memiliki pola Plot dari data spektrum FTIR temulawak dapat dilihat pada . Data spektrum FTIR yang digunakan berada pada kisaran bilangan cm-1 _sampai

. Bilangan gelombang pada plot datanya dari kiri ke kanan adalah untuk bilangan gelombang dari besar ke kecil dan

dari bawah ke atas untuk nilai CX-37 yang berasal dari kabupaten Wonogiri kecamatan rung memiliki nilai absorban yang paling rendah dibandingkan contoh lainnya pada setiap bilangan gelombang. absorban setiap bilangan gelombang sampai dengan 3681.87 cm-1

Dua puluh dua contoh temulawak yang digunakan pada penelitian ini mengalami peningkatan nilai absorban

ilangan gelombang 3681.87 absorban mengalami penurunan sampai dengan bilangan Grafik spektrum pada bilangan gelombang

-1 _berbentuk

nilai absorban 2750.32 cm-1 mengalami penurunan

spektrum FTIR berbentuk stalagmit terjadi kembali pada kisaran bilangan gelombang hingga 339.24 cm-1_.

pada kisaran bilangan gelombang ini

1₎

(2)

menunjukkan adanya keganjilan seperti halnya plot spektrum FTIR bangle.

Spektrum FTIR memiliki korelasi nilai absorban yang sangat tinggi antar bilangan gelombang. Nilai korelasi terbesar mencapai kisaran 1, salah satunya terjadi antara nilai absorban pada bilangan gelombang 3996.21 cm-1 _{dan 3994,34 cm}-1_.

Analisis Komponen Utama

Karakteristik output spektrum FTIR memiliki korelasi nilai absorban yang sangat tinggi antar bilangan gelombang sehingga sebelum melakukan analisis diskriminan kanonik data tersebut dianalisis terlebih dahulu menggunakan AKU. Dalam penelitian ini, penentuan banyaknya komponen utama yang akan digunakan dalam analisis selanjutnya berdasarkan pada persentase kumulatif proporsi keragaman total yang mampu dijelaskan.

 Informasi Seluruh Bilangan Gelombang Berdasarkan hasil analisis komponen utama yang dilakukan pada data seluruh informasi bilangan gelombang yaitu sebanyak 1866 bilangan gelombang, diketahui bahwa komponen utama pertama mampu menerangkan keragaman data sebesar 44.89% dan komponen utama kedua mampu menerangkan keragaman data sebesar 26.27% (Lampiran 5 dan Lampiran 7). Agar sebagian besar informasi dapat diketahui, maka diharapkan 99.99% keragaman data dapat dijelaskan oleh komponen utama. Sehingga banyaknya komponen utama yang sebaiknya digunakan yaitu 42 komponen utama pertama.

 Informasi Bilangan Gelombang pada

Daerah Sidik Jari

Data informasi bilangan gelombang pada daerah sidik jari yaitu sebanyak 706 bilangan gelombang juga dianalisis menggunakan AKU. Scree plot pada Lampiran 6 dan hasil AKU (Lampiran 8) menunjukkan bahwa 99.99% keragaman

sebelumnya. Model 1 menggunakan skor 42 komponen utama pertama sedangkan model 2 menggunakan skor 37 komponen utama pertama.

 Informasi Seluruh Bilangan Gelombang Hasil analisis diskriminan kanonik model 1 yang menggunakan skor 42 komponen utama menghasilkan dua fungsi diskriminan kanonik. Akar ciri dan statistik uji V-Barlett dari diskriminan kanonik pada kedua fungsi diskriminan yang terbentuk, dapat dilihat pada Tabel 2. Akar ciri pertama dan akar ciri kedua menerangkan keragaman data masing-masing 97.87% dan 2.13%, hal tersebut menjelaskan bahwa sebagian besar keragaman antar kelompok terfokus pada fungsi diskriminan kanonik pertama. Tabel 2 Akar ciri diskriminan kanonik

dan statistik uji V-Barlett model 1

Akar Ciri ProporKeragaman Statistik _{Uji χ}2 db si Kumulatif

1034.4329 0.9787 0.9787 318.2005 84 22.5477 0.0213 1.0000 99.5094 41

Hipotesis nol yang menyatakan bahwa tidak diperlukan fungsi diskriminan 1 untuk membedakan keragaman antar kelompok tanaman herbal ditolak pada taraf α=0.01, demikian pula dengan hipotesis nol yang menyatakan bahwa fungsi diskriminan 2 tidak diperlukan untuk membedakan keragaman kelompok. Kedua fungsi diskriminan kanonik tersebut akan membentuk ruang diskriminan berdimensi dua yang dapat menerangkan seluruh keragaman antar kelompok. Fungsi diskriminan kanonik 1 dan fungsi diskriminan kanonik 2 tidak dapat diabaikan dalam membedakan keragaman antar kelompok tanaman herbal tersebut. Koefisien-koefisien fungsi diskriminan kanonik 1 dan 2 untuk model 1 dapat dilihat pada Lampiran 9.

(3)

Gambar 3 Plot sebaran data model 1

Melalui persamaan 7 akan dihasilkan skor-skor diskriminan. Skor-skor diskriminan beserta centroid-centroid kelompok tanaman herbal disajikan pada Lampiran 10. Dengan menggunakan skor-skor diskriminan, pengamatan akan diplot terhadap sumbu diskriminan. Plot sebaran data dapat dilihat pada Gambar 3.

Kedua fungsi diskriminan kanonik yang terbentuk sudah baik dalam memisahkan individu pada masing-masing kelompok. Gambar 3 menunjukkan bahwa

centroid kelompok temulawak berdekatan

dengan centroid kelompok kunyit, nilai kuadrat jarak mahalonobisnya sebesar 5.9954. Centroid kelompok bangle memiliki jarak yang cukup jauh dari

centroid kedua kelompok lainnya, terbukti

dari besarnya nilai kuadrat jarak mahalonobis antara centroid kelompok bangle dan kunyit yaitu sebesar 212.3049 dan kuadrat jarak mahalonobis antara

centroid kelompok bangle dan temulawak

sebesar 198.5675.

Pada penelitian ini juga dilakukan pemodelan fungsi diskriminan kanonik menggunakan jumlah komponen utama yang berbeda-beda. Pemilihan jumlah komponen utama yang digunakan dilihat dari persentase kumulatif proporsi keragaman total yang mampu dijelaskan, antara lain pada persentase kumulatif proporsi keragaman total sebesar 80.34% (3 komponen utama), 95.12% (7

komponen utama), 97.36% (10 komponen utama), dan 98.32% (12 komponen utama). Analisis diskriminan yang dilakukan pada setiap jumlah komponen utama yang berbeda-beda menghasilkan masing-masing dua fungsi diskriminan kanonik. Pada tabel 3 yaitu akar ciri diskriminan kanonik dan hasil statistik uji

V-Barlett menunjukkan bahwa kedua

fungsi diskriminan kanonik yang terbentuk dari 3, 7, 10, dan 12 komponen utama tidak dapat diabaikan dalam membedakan keragaman antar kelompok pada taraf α=0.01.

Tabel 3 Akar ciri diskriminan kanonik dan statistik uji V-Barlett berdasarkan seluruh informasi bilangan gelombang Jumlah Komponen Utama Akar Ciri Statistik

Uji χ2 Derajat _Bebas

3 2.3028_1.2746 102,8453_41.9120 6₂ 7 10.1889_1.9579 171,4707_53.1395 14₆ 10 13.9310_3.3082 197,7881_69.3747 20₉ 12 26.6240_4.1687 230,7007_76.3819 24₁₁

Sedangkan berdasarkan plot sebaran data pada Lampiran 11 dapat diketahui bahwa fungsi diskriminan kanonik yang terbentuk telah mampu memisahkan

T : Temulawak B : Bangle K : Kunyit

(4)

kanonik yang terbentuk dari 3, 7, 10, dan 12 komponen utama. Dikatakan demikian karena fungsi diskriminan kanonik berdasarkan 42 komponen utama mampu memisahkan individu pada masing-masing kelompok secara lebih jelas.

Berdasarkan analisis diskriminan kanonik menggunakan 37 skor komponen utama ini terbentuk dua fungsi diskriminan kanonik. Koefisien-koefisien fungsi diskriminan kanonik 1 dan 2 untuk model 2 dapat dilihat pada Lampiran 12.

Akar ciri pertama menerangkan 76.58% keragaman antar kelompok sedangkan akar ciri kedua menerangkan 23.42% keragaman antar kelompok (Tabel 4). Walaupun sebagian besar keragaman antar kelompok masih terfokus pada fungsi diskriminan kanonik 1, namun peran serta fungsi diskriminan kanonik 2

diskriminan tersebut tidak dapat diabaikan dalam membedakan keragaman antar kelompok.

Tabel 4 Akar ciri diskriminan kanonik dan statistik uji V-Barlett model 2

Akar Ciri Propor-Keragaman Statistik _{Uji χ}2 Db si Kumu-latif

109.6138 0.7658 0.7658 280.4226 74 33.5248 0.2342 1.0000 120.4170 36

Lampiran 13 menyajikan skor-skor diskriminan yang dihasilkan berdasarkan persamaan 7 dan centroid-centroid

kelompok tanaman herbal. Kedua fungsi diskriminan yang dibentuk berdasarkan informasi bilangan gelombang pada daerah sidik jari juga memiliki kemampuan yang baik dalam memisahkan setiap kelompok tanaman herbal (Gambar 4).

Gambar 4 Plot sebaran data model 2

T : Temulawak B : Bangle K : Kunyit

(5)

Berdasarkan Gambar 4 yang merupakan plot sebaran data pengamatan ketiga kelompok telah terlihat adanya pemisahan kelompok ditunjukkan oleh perbedaan centroid ketiga kelompok. Dari plot sebaran data tersebut diketahui bahwa ketiga centroid kelompok tanaman herbal tersebut memiliki jarak yang cukup jauh. Jarak antar centroid kelompok dapat dilihat pada Lampiran 14.

Tabel 5 Akar ciri diskriminan kanonik dan statistik uji V-Barlett berdasarkan bilangan gelombang daerah sidik jari Jumlah Komponen Utama Akar Ciri Statistik

Uji χ2 Derajat _Bebas

3 7,5967_0,2448 120,8880_11,1677 6₂ 7 12,2175_3,6565 201,8705_75,3749 14₆ 8 13,9910_3,6621 205,9754_74,6641 16₇ 10 16,7250_5,8800 228,1707_91,6094 20₉ Pada bilangan gelombang daerah sidik jari juga dilakukan pemodelan fungsi diskriminan kanonik dengan menggunakan 3, 7, 8, dan 10 komponen utama. Analisis diskriminan yang dilakukan pada setiap jumlah komponen utama yang berbeda-beda menghasilkan masing-masing dua fungsi diskriminan kanonik. Hasil statistik uji V-Barlett (Tabel 5) menunjukkan bahwa kedua fungsi diskriminan kanonik yang terbentuk dari 3, 7, 8, dan 10 komponen utama tidak dapat diabaikan dalam membedakan keragaman antar kelompok pada taraf α=0.01.Fungsi diskriminan kanonik berdasarkan 37 komponen utama mampu memisahkan individu pada masing-masing kelompok secara lebih jelas jika dibandingkan dengan fungsi diskriminan kanonik yang terbentuk dari 3, 7, 8, dan 10 komponen utama. Untuk lebih jelasnya dapat dilihat pada Lampiran 15.

Validasi Model

Untuk melihat kemampuan fungsi diskriminan dalam menempatkan pengamatan ke kelompok dengan benar dapat dilihat dari jumlah keberhasilan fungsi diskriminan tersebut dalam mengklasifikasikan pengamatan ke dalam kelompok yang sebenarnya. Pada tahapan validasi digunakan 20% dari total keseluruhan contoh yang digunakan.

 Informasi Seluruh Bilangan Gelombang Berdasarkan fungsi diskriminan yang terbentuk diketahui bahwa dari 4 pengamatan kelompok temulawak, hanya satu pengamatan yang telah sesuai diklasifikasikan ke dalam kelompok temulawak. Pengklasifikasian seluruh contoh pengamatan kelompok kunyit telah sesuai dan 2 dari 3 pengamatan kelompok bangle telah diklasifikasikan secara tepat. Secara keseluruhan penempatan pengamatan yang sesuai ke dalam kelompok yang sebenarnya sudah cukup baik. Tabel 6 yang merupakan tabel hasil klasifikasi model 1 menunjukkan bahwa dari total 12 pengamatan, 8 diantaranya telah diklasifikasikan secara tepat. Tabel 6 Hasil klasifikasi model 1

Kelompok Awal

Kelompok berdasarkan Fs. Diskriminan _Total

Temu-lawak Bang-le Ku-nyit

Temulawak 1 0 3 4

Bangle 0 2 1 3

Kunyit 0 0 5 5

Total 1 2 9 12

Gambar 5 Plot sebaran data uji model 1 Kesalahan pengelompokkan paling banyak terjadi pada kelompok tanaman herbal temulawak dan bangle. Tiga pengamatan temulawak dan satu pengamatan bangle diklasifikasikan secara salah ke dalam kelompok kunyit. Hal tersebut membuktikan bahwa antara kelompok tanaman herbal tersebut memiliki karekteristik yang hampir sama (Gambar 5). Hasil penelitian yang dilakukan oleh Rahardjo dan Rostiana (2005) mengungkapkan bahwa temulawak dan kunyit memiliki kandungan komponen kimia yang hampir sama kandungan yaitu protein, pati, kurkuminoid, dan minyak atsiri., namun persentase komposisinya berbeda.

T : Temulawak B : Bangle K : Kunyit * : Centroid Temulawak # : Centroid Bangle @ : Centroid Kunyit

(6)

Gambar 6 Diagram dahan daun kadar kurkuminoid ekstrak data training tanaman obat herbal Ketiga tanaman herbal tersebut

mengandung kurkuminoid, namun kadar kurkuminoid ekstraknya berbeda antara satu dengan yang lainnya.

tanaman herbal tersebut, kadar kandungan kurkuminoid ekstrak terbesar dimiliki oleh kunyit yaitu sebesar 33%

bangle memiliki kadar kandungan kurkuminoid ekstrak yang paling rendah jika dibandingkan dengan kunyit dan temulawak, rata-rata kandungan kurkuminoid ekstrak yang dimiliki tananaman obat herbal bangle yaitu sebesar 6.24% (Rohaeti et al.

beberapa pengamatan data

kadar kurkuminoid ekstraknya jauh lebih besar dan jauh lebih kecil jika dibandingkan dengan rata

kurkuminoid ekstrak pada masing kelompok tanaman herbal

Pada data uji juga ditemukan adanya data yang serupa, antara lain

dan CL-5. Hal ini mengidentifikasikan bahwa data tersebut merupakan pencilan. Adanya pengamatan seperti itu pada data uji dapat menyebabkan kesalahan pengklasifikasian pada tahap validasi model.

Kemampuan fungsi diskriminan dalam menempatkan pengamatan ke dalam kelompok dengan benar oleh model 1 yang dibentuk berdasarkan 42 skor

utama tersebut sama besarnya dengan kemampuan fungsi diskriminan yang terbentuk dari 3, 7, 10, dan 12 skor komponen utama. Delapan dari 12 pengamatan data uji telah diklasifikasikan secara tepat ke dalam kelompok yang sebenarnya. Hasil validasi m dapat dilihat pada Gambar 7

Diagram dahan daun kadar kurkuminoid ekstrak data training tanaman obat herbal Ketiga tanaman herbal tersebut

mengandung kurkuminoid, namun kadar kurkuminoid ekstraknya berbeda antara satu dengan yang lainnya. Diantara ketiga tanaman herbal tersebut, kadar kandungan kurkuminoid ekstrak terbesar dimiliki oleh

yaitu sebesar 33%. Sedangkan bangle memiliki kadar kandungan kurkuminoid ekstrak yang paling rendah jika dibandingkan dengan kunyit dan rata kandungan kurkuminoid ekstrak yang dimiliki tananaman obat herbal bangle yaitu

et al., 2009). Ada

beberapa pengamatan data training yang kadar kurkuminoid ekstraknya jauh lebih besar dan jauh lebih kecil jika ngan rata-rata kandungan kurkuminoid ekstrak pada masing-masing kelompok tanaman herbal(Gambar 6). Pada data uji juga ditemukan adanya data ara lain CX-39, ZC-28, . Hal ini mengidentifikasikan bahwa data tersebut merupakan pencilan.

pengamatan seperti itu pada data uji dapat menyebabkan kesalahan pada tahap validasi Kemampuan fungsi diskriminan dalam menempatkan pengamatan ke dalam kelompok dengan benar oleh model 1 yang dibentuk berdasarkan 42 skor komponen utama tersebut sama besarnya dengan kemampuan fungsi diskriminan yang terbentuk dari 3, 7, 10, dan 12 skor Delapan dari 12 pengamatan data uji telah diklasifikasikan secara tepat ke dalam kelompok yang Hasil validasi modelnya

Gambar 7.

Gambar 7 Keberhasilan pengklasifikasian fungsi diskriminan kanonik berdasarkan seluruh informasi bilangan gelombang

Lebih dari setengah pengamatan ditempatkan pada kelompok yang tepat. Pengklasifikasian seluruh pengamatan kelompok bangle telah ditempatkan ke dalam kelompok bangle secara tepat. Dua dari empat pengamatan

temulawak telah diklasifikasikan secara tepat, sedangkan dua pengamatan lainnya salah diklasifikasikan ke dalam kelompok bangle. Selain itu, dari 5

kelompok kunyit hanya satu pengamatan yang salah klasifikasinya.

jelasnya dapat dilihat pada Tabel 7 dan plot sebaran data uji model 2 (Ga

Tabel 7 Hasil klasifikasi model 2

Kelompok Awal Kelompok berdasarkan Fs. Diskriminan Temu-lawak Bang-le Temulawak 2 2 Bangle 0 3 Kunyit 0 1 Total 2 6 0 1 2 3 4 5 6 7 8 3 7 10 12 K la si fi ka si

Jumlah Komponen Utama Klasifikasi Tepat Klasifikasi Tidak Tepat

2 4 0 1 4 6 Diagram dahan daun kadar kurkuminoid ekstrak data training tanaman obat herbal

Gambar 7 Keberhasilan pengklasifikasian fungsi diskriminan kanonik berdasarkan seluruh informasi bilangan gelombang

Informasi Bilangan Gelombang pada

setengah pengamatan atkan pada kelompok yang tepat. Pengklasifikasian seluruh pengamatan kelompok bangle telah ditempatkan ke dalam kelompok bangle secara tepat. Dua kelompok temulawak telah diklasifikasikan secara kan dua pengamatan lainnya salah diklasifikasikan ke dalam kelompok dari 5 pengamatan kelompok kunyit hanya satu pengamatan yang salah klasifikasinya. Untuk lebih jelasnya dapat dilihat pada Tabel 7 dan plot sebaran data uji model 2 (Gambar 8). Tabel 7 Hasil klasifikasi model 2

Kelompok berdasarkan Fs. Total Ku-nyit 0 4 0 3 4 5 4 12 42 Jumlah Komponen Utama

(7)

Gambar 8 Plot sebaran data uji model

Gambar 9 Keberhasilan pengklasifikasian fungsi diskriminan kanonik berdasarkan informasi bila ngan gelombang pada daerah sidik jari

Dari hasil validasi, diketahui bahwa kemampuan fungsi diskriminan dalam menempatkan pengamatan ke kelompok dengan benar pada model 2 (berdasarkan 37 skor komponen utama) lebih baik dari pada kemampuan fungsi diskriminan yang dibentuk dari 3, 7, 8, dan 10 skor komponen utama (Gambar 9).

SIMPULAN

Hasil diskriminan kanonik yang dilakukan setelah data direduksi menggunakan AKU menghasilkan masing-masing dua fungsi diskriminan untuk model 1 dan mode

tiap model, diketahui bahwa agar seluruh keragaman antar kelompok dapat diterangkan maka kedua fungsi tersebut akan digunakan.

Kedua fungsi diskriminan kanonik yang dibentuk memiliki kemampuan yang baik dalam memisahkan setiap kelompok. Kemampuan fungsi diskriminan model 2 dalam menempatkan pengamatan ke

0 2 4 6 8 10 3 7 8 K la si fi ka si

Jumlah Komponen Utama Klasifikasi Tepat Klasifikasi Tidak Tepat

T : Temulawak B : Bangle * : Centroid Temulawak # : Centroid

Plot sebaran data uji model 2

Gambar 9 Keberhasilan pengklasifikasian fungsi diskriminan kanonik berdasarkan informasi bila-ngan gelombang pada daerah

Dari hasil validasi, diketahui bahwa kemampuan fungsi diskriminan dalam menempatkan pengamatan ke kelompok dengan benar pada model 2 (berdasarkan 37 skor komponen utama) lebih baik dari ampuan fungsi diskriminan yang dibentuk dari 3, 7, 8, dan 10 skor komponen utama (Gambar 9).

SIMPULAN

Hasil diskriminan kanonik yang dilakukan setelah data direduksi menggunakan AKU masing dua fungsi diskriminan untuk model 1 dan model 2. Pada tiap model, diketahui bahwa agar seluruh keragaman antar kelompok dapat diterangkan maka kedua fungsi tersebut akan digunakan.

Kedua fungsi diskriminan kanonik yang dibentuk memiliki kemampuan yang baik dalam memisahkan setiap kelompok. n fungsi diskriminan model 2 dalam menempatkan pengamatan ke

kelompok dengan benar lebih baik dari pada kemampuan fungsi diskriminan model 1.

Penyusunan fungsi diskriminan sebagai fungsi pembeda kelompok terbaik bisa dilakukan hanya dengan menggunakan informasi bilangan gelombang pada daerah sidik jari saja. Karena informasi bilangan gelombang pada daerah sidik jari dirasa telah cukup untuk mewakili seluruh informasi nilai absorban pada bilangan gelombang, mengingat daerah sidik jari merupakan daerah seluruh molekul senyawa dimana pada daerah ini akan dihasilkan getaran yang khas.

SARAN

Pada penelitian selanjutnya perlu dilakukan analisis diskriminan lebih lanjut mengenai data spektrum FTIR tanaman herbal tersebut. Metode yang bisa digunakan salah satunya yaitu Generalized Nonlinear Discriminant Analysis (GNDA)

tersebut biasa digunakan pada kasus khusus, yaitu data yang bersifat nonlinear.

GNDA secara khusus dibahas Kernel Fisher diskriminan analisis (Zhang et al.,

DAFTAR PUSTAKA

BPOM. 2005. Peraturan Perundang undangan di bidang Obat Tradisional, Obat Herbal Terstandar dan Fitofarmaka.

Indonesia.

Dillon, W. R., Goldstein,

Multivariate Analysis Methods and Applications. John Wiley and Sons, Inc.,

Canada.

Fachriyah, E., Kurniawan, A., Meiny, Gunadi. 2007. Senyawa Kimia Fraksi Metanol

Rimpang Bengle (Zingiber Cassumunar Roxb.). Media Medika Indonesiana vol no. 1 (Apr. 2007), halaman 21.

Harborne, J.B. 1987. Phytochemical Method, second edition. Chapman and Hall, London.

Johnson, R.A., Wichern, D.W. 1988.

Multivariate Stastistical Analysis,

Edition. Pritice-Hall International, Inc., New Jersey.

Khattree, R., Naik, D. N. 2000.

Data Reduction and Discrimination With SAS Sofware, SAS Institute Inc. Cary. N.C

Manly, B. F. J. 1988. Multivariate Statistical

Methods : A Primer. Chapman and Hall,

London.

Rahardjo, M., Rostiana, O. 2005.

Tanaman Kunyit. Balai Penelitian Tanaman Obat dan Aromatika, Indonesia.

10 37

Jumlah Komponen Utama Klasifikasi Tidak Tepat

K : Kunyit

Centroid Bangle @ : Centroid Kunyit

kelompok dengan benar lebih baik dari pada kemampuan fungsi diskriminan model 1.

Penyusunan fungsi diskriminan sebagai fungsi pembeda kelompok terbaik bisa dilakukan hanya dengan menggunakan informasi bilangan gelombang pada daerah sidik jari saja. Karena informasi bilangan gelombang pada daerah sidik jari dirasa telah kili seluruh informasi nilai absorban pada bilangan gelombang, mengingat daerah sidik jari merupakan daerah seluruh molekul senyawa dimana pada daerah ini akan dihasilkan getaran yang khas.

Pada penelitian selanjutnya perlu dilakukan analisis diskriminan lebih lanjut mengenai data spektrum FTIR tanaman herbal tersebut. Metode yang bisa digunakan salah

Generalized Nonlinear

(GNDA). Metode nakan pada kasus khusus,

nonlinear. Didalam

GNDA secara khusus dibahas Kernel Fisher ., 2008).

DAFTAR PUSTAKA

Peraturan Perundang-undangan di bidang Obat Tradisional, Obat Herbal Terstandar dan Fitofarmaka.

Goldstein, M. 1984.

sis Methods and

John Wiley and Sons, Inc., Fachriyah, E., Kurniawan, A., Meiny, Gunadi.

Senyawa Kimia Fraksi Metanol Rimpang Bengle (Zingiber Cassumunar Media Medika Indonesiana vol. 42

, halaman 21.

Phytochemical Method,