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

Abstract

Masalah utama dalam pemodelan data kalibrasi adalah peubah X (absorban senyawa kimia) yang berdimensi lebih besar
dari peubah Y (konsentrasi zat aktif) dan terjadinya kolinearitas antar peubah X. Dalam makalah ini ingin dikaji ketepatan
pendugaan Gingerol (Y) metode Neural Network (NN) menggunakan preprocessing Principle Component (PC) dan
Discrete Fourier Transform (DFT). Data peubah X berupa absorban senyawa Gingerol pada 1866 panjang gelombang yang
diukur 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 menguji
model. Dengan kriteria NMRSE minimum ketepatan dugaan hasil metode PC-NN dan DFT-NN diperbandingkan. Hasil
simulasi menunjukkan bahwa metode DFT-NN relatif lebih baik daripada PC-NN.