PERBANDINGAN PREPROCESSING METODE NN (NEURAL NETWORK) MENGGUNAKAN DISCRETE FOURIER TRANSFORM (DFT) DAN PRINCIPAL COMPONENT (PC) PADA DATA KALIBRASI

Mohamad Atok
Khairil Anwar Notodiputro

Statistika
Vol 4, No 2 (2004)

Masalah utama dalam pemodelan data kalibrasi adalah peubah X (absorban senyawa kimia) yang berdimensi lebih besardari peubah Y (konsentrasi zat aktif) dan terjadinya kolinearitas antar peubah X. Dalam makalah ini ingin dikaji ketepatanpendugaan Gingerol (Y) metode Neural Network (NN) menggunakan preprocessing Principle Component (PC) danDiscrete Fourier Transform (DFT). Data peubah X berupa absorban senyawa Gingerol pada 1866 panjang gelombang yangdiukur menggunakan spektrometer FTIR. Peubah Y merupakan hasil pengukuran Gingerol menggunakan metode HPLC.Dari 15 pengamatan, data dibagi 3, bagian pertama dan kedua untuk pembuatan model. dan bagian ketiga untuk mengujimodel. Dengan kriteria NMRSE minimum ketepatan dugaan hasil metode PC-NN dan DFT-NN diperbandingkan. Hasilsimulasi menunjukkan bahwa metode DFT-NN relatif lebih baik daripada PC-NN.