A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Beberapa Metode Pendekatan untuk Model Kalibrasi Gingerol
Model Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada y yang tidak diketahui berdasarkan informasi pada X yang tersedia (Martens dan Naes 1989). Dalam bidang kimia, model kalibrasi merupakan suatu fungsi hubungan antara absorban (X) pada panjang gelombang yang dihasilkan oleh spektrometer dengan konsentrasi (y) larutan unsur atau senyawa yang akan dianalisis (Nur dan Adijuwana, 1989). Dengan kalibrasi, konsentrasi larutan contoh dapat diketahui berdasarkan absorbannya. Beberapa penelitian telah dilakukakan untuk menyusun model kalibrasi Gingerol. Hasil Penelitian menunjukkan dari beberapa pendekatan yang dicobakan diperoleh nila Root Mean Squares Error of Prediction (RMSEP) masing-masing sebagai berikut: Regresi Komponen Utama (0.1096), metode Transformasi Wavelet Diskret (0.1072), Pendekatan Bayes (0.0622), Regresi Sinyal P-spline (0.0686) dan Regresi Kontinum (0.0453). Regresi Kontinum dengan melakukan pre-processing Transformasi Wavelet Diskret ternyata memberikan hasil nilai RMSEP terkecil dan persentase R2y vs yˆ terbesar dibandingkan pendekatan lainnya.
Beberapa Metode Pendekatan untuk Model Kalibrasi Gingerol
Model Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada y yang tidak diketahui berdasarkan informasi pada X yang tersedia (Martens dan Naes 1989). Dalam bidang kimia, model kalibrasi merupakan suatu fungsi hubungan antara absorban (X) pada panjang gelombang yang dihasilkan oleh spektrometer dengan konsentrasi (y) larutan unsur atau senyawa yang akan dianalisis (Nur dan Adijuwana, 1989). Dengan kalibrasi, konsentrasi larutan contoh dapat diketahui berdasarkan absorbannya. Beberapa penelitian telah dilakukakan untuk menyusun model kalibrasi Gingerol. Hasil Penelitian menunjukkan dari beberapa pendekatan yang dicobakan diperoleh nila Root Mean Squares Error of Prediction (RMSEP) masing-masing sebagai berikut: Regresi Komponen Utama (0.1096), metode Transformasi Wavelet Diskret (0.1072), Pendekatan Bayes (0.0622), Regresi Sinyal P-spline (0.0686) dan Regresi Kontinum (0.0453). Regresi Kontinum dengan melakukan pre-processing Transformasi Wavelet Diskret ternyata memberikan hasil nilai RMSEP terkecil dan persentase R2y vs yˆ terbesar dibandingkan pendekatan lainnya.
Beberapa Metode Pendekatan untuk Model Kalibrasi Gingerol
Erfiani Erfiani (author)
2014
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
PRE-PROCESSING PADA DATA KALIBRASI RIMPANG JAHE UNTUK MENINGKATKAN KEBAIKANMODEL
| DOAJ | 2014
Penerapan Standar ISO 55000 Untuk Manajemen Aset Dengan Pendekatan Metode Topsis
| DOAJ | 2022