i
KINERJA FOTOMETER SEBAGAI ALAT UKUR WARNA KULIT MANUSIA SECARA IN VITRO DAN IN VIVO
FRENGKI SIBURIAN
DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
ii
ABSTRAK FRENGKI SIBURIAN. Kinerja Fotometer sebagai Alat Ukur Warna Kulit Manusia Secara In Vitro dan In Vivo. Dibimbing oleh RUDI HERYANTO dan ARYO TEDJO. Pengukuran kuantitatif warna kulit, khususnya dalam menentukan perubahan kecerahan warna kulit, digunakan secara luas di dalam penelitian bahan kosmetika kulit. Alat yang dapat digunakan untuk mengukur warna kulit adalah Chromameter® Konica Minolta CR 400 dengan hasil keluaran berupa nilai L*a*b*. Alat tersebut tergolong mahal sehingga diperlukan alternatif peralatan pengukur warna kulit yang lebih murah, fotometer menjadi salah satu solusinya. Penelitian ini bertujuan mendapatkan model perhitungan yang paling baik untuk alat fotometer, digunakan pemodelan persamaan (curve fit) dan partial least square (PLS). Pemodelan dilakukan berdasarkan pengukuran secara in vitro (menggunakan standar warna dari produk pencerah kulit komersial) dan in vivo (langsung pada kulit). Hasil dari analisis komponen utama menunjukkan kombinasi lampu light emitting diodes yang memberikan kemiripan pola antara hasil pengukuran menggunakan chromameter dan fotometer adalah lampu merah, biru, dan ungu. Pendekatan untuk menghitung nilai L* kulit normal manusia yang memberikan hasil mendekati nilai L* sebenarnya adalah menggunakan metode kemometrik (teknik PLS), model tersebut memiliki R2 kalibrasi = 0.9936, R2 prediksi = 0.9906, RMSEC = 0.8790, dan RMSEP = 1.1334, sehingga fotometer berpotensi untuk dijadikan alat pengukur perubahan kecerahan warna kulit normal manusia.
ABSTRACT FRENGKI SIBURIAN. Perfomances of Photometer as Human Skin Color Meter According to In Vitro and In Vivo Methods. Supervised by RUDI HERYANTO and ARYO TEDJO. Quantitative measurement of skin color, especially in determining brightness changes in skin color, is used extensively in studying of skin cosmetics ingredients. The common instrument used in measuring skin color is Konica Minolta Chromameter® CR 400 with the output of L*a*b*. The instrument is quite expensive, therefore an alternative skin colormeter that is cheaper is needed, Photometer becomes a solution. The objective of this research is obtain the best model for the calculation in photometer instrument, by using equation modeling (curve fit) and partial least square (PLS). Modeling was based on measurements in vitro (using color tones of commercial skin whitening products) and in vivo (directly on the skin). The results of the partial component analysis showing a combination of light emitting diodes lights that gives the resemblance pattern between the measurement results using chromameter and photometer were light red, blue, and purple. An approach to calculate the L* value of a human normal skin that gives close results on to the actual value of L* was a model generated from chemometrics method (PLS techniques). This method had value of R2 calibration = 0.9936, R2 predicted = 0.9906, RMSEC = 0.8790, and RMSEP = 1.1334. From the results, it showed that the photometer has the potential to be used as meter for measuring human normal skin brightness changes.
iii
KINERJA FOTOMETER SEBAGAI ALAT UKUR WARNA KULIT MANUSIA SECARA IN VITRO DAN IN VIVO
FRENGKI SIBURIAN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Kimia
DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
iv
Judul
: Kinerja Fotometer sebagai Alat Ukur Warna Kulit Manusia Secara In Vitro dan In Vivo Nama : Frengki Siburian NIM : G44070050
Disetujui Pembimbing I
Pembimbing II
Aryo Tedjo S.Si., M.Si. NIP 19750202 200812 1 001
Rudi Heryanto, S.Si., M.Si. NIP 19760428 200501 1 002
Diketahui Ketua Departemen Kimia
Prof. Dr. Ir. Tun Tedja Irawadi, MS. NIP 19501227 197603 2 002
Tanggal lulus :
v
PRAKATA Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus yang telah memberikan berkat-Nya sehingga penulis dapat menyelesaikan karya ilmiah yang berjudul “Karakterisasi Kinerja Fotometer sebagai Alat Ukur Warna Kulit Manusia Secara In Vitro dan In Vivo”. Penelitian ini bertujuan mendapatkan model perhitungan yang paling baik untuk alat fotometer, digunakan pemodelan persamaan (curve fit) dan partial least square (PLS). Penelitian dilaksanakan sejak bulan Februari sampai Juli 2011 di Laboratorium Kimia Analitik, Departemen Kimia, Laboratorium Spektroskopi Departemen Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Penulis mengucapkan terima kasih kepada Bapak Rudi Heryanto S.Si., M.Si., dan Bapak Aryo Tedjo S.Si., M.Si. selaku pembimbing atas segala saran, kritik, dorongan, serta bimbingannya selama penelitian dan penyusunan karya ilmiah ini. Penulis juga mengucapkan terima kasih kepada Yayasan Karya Salemba Empat (PT Indofood Sukses Makmur, Tbk) yang telah memberikan bantuan biaya penelitian, serta staf Laboratorium Kimia Analitik atas segala fasilitas dan kemudahan yang telah diberikan. Ucapan terima kasih tak terhingga kepada kedua orang tua atas nasihat, semangat, bantuan materi, dan doa-doanya. Selain itu penulis mengucapkan terima kasih kepada teman satu bimbingan (Derry, Vidya, Suci), Shynta, Aji, Pak Agus, Marsam, Wawan, dan Muis atas doa, kebersamaan, diskusi, dan semangatnya yang telah membantu dalam penyelesaian karya ilmiah ini. Semoga tulisan ini bermanfaat dan dapat menambah wawasan ilmu pengetahuan bagi penulis khususnya dan pembaca umumnya.
Bogor, September 2011
Frengki Siburian
v
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 1 Juli 1988 dari pasangan Arnold Siburian dan Herdina Simanjuntak. Penulis merupakan anak pertama dari tiga bersaudara. Pada tahun 2007 penulis lulus dari Sekolah Menengah Analis Kimia Bogor (SMAKBo) dan pada tahun yang sama penulis masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis masuk Program Studi S1 Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama masa perkuliahan penulis aktif di organisasi Persekutuan Mahasiswa Kristen (PMK), Paduan Suara Mahasiswa Agriaswara, Ikatan Mahasiswa Kimia (Imasika). Pada bulan Juli-Agustus 2008, penulis berkesempatan melaksanakan kegiatan magang di Laboratorium Air dan Udara Services Laboratory SEAMEO BIOTROP dan pada bulan Juli-Agustus 2010 penulis melaksanakan kegiatan Praktik Lapangan di PT Aneka Tambang (Persero), Tbk Unit Geomin. Selama menjadi mahasiswa, penulis juga pernah menjadi asisten praktikum Kimia Dasar (Tingkat Persiapan Bersama), Kimia Analitik 2 (Program Ekstensi), Kimia Organik Berbasis Kompetensi, Spektrofotometri dan Aplikasi Kemometrik, Kimia Pangan dan Kimia Organik (Program Diploma). Pada bulan Juli 2011 penulis memperoleh kesempatan untuk mengikuti Pekan Ilmiah Mahasiswa Nasional XXIV di Universitas Hasanuddin-Makassar, melalui Program Kreatifitas Mahasiswa bidang Penelitian dengan karya ilmiah yang berjudul “Membran Selulosa Berbahan Dasar Kulit Nanas: Aplikasi Membran Sebagai Adsorben Limbah Cair Zat Warna Tekstil Biru Metilena”. Sejak tahun 2009, penulis memperoleh beasiswa dari Yayasan Karya Salemba Empat (PT Indofood Sukses Makmur, Tbk).
vii
DAFTAR ISI
Halaman
DAFTAR ISI ......................................................................................................... vii DAFTAR GAMBAR ........................................................................................... viii DAFTAR TABEL ................................................................................................ viii DAFTAR LAMPIRAN .......................................................................................... ix PENDAHULUAN ...................................................................................................1 TINJAUAN PUSTAKA ..........................................................................................1 Kulit Manusia...................................................................................................... 1 Fotometer Reflektans .......................................................................................... 2 Light Emitting Diodes (LED).............................................................................. 2 Light Dependent Resistor (LDR) ........................................................................ 2 Sistem L*a*b* .................................................................................................... 3 Analisis Komponen Utama (AKU) ..................................................................... 3 Partial Least Square (PLS)................................................................................. 3 BAHAN DAN METODE ........................................................................................4 Bahan dan Alat .................................................................................................... 4 Metode Penelitian ............................................................................................... 4 HASIL DAN PEMBAHASAN................................................................................6 SIMPULAN DAN SARAN ...................................................................................13 DAFTAR PUSTAKA ............................................................................................13 LAMPIRAN ...........................................................................................................16
viii
DAFTAR GAMBAR
Halaman
1 Tiga Lapisan Utama Kulit Beserta Distribusi pigmen, M (Melanin), O,R (Oksi dan Hemoglobin Tereduksi, C (Karoten), S (Hamburan Cahaya) .... 2 2 Fotometer yang Sedang Dikembangkan (Skematik) .......................................... 2 3 Bentuk Fisik Lampu LED ................................................................................... 2 4 Bentuk Fisik LDR ............................................................................................... 3 5 Rentang Warna CIELAB (Weatherall dan Coombs 1992) ................................. 3 6 Prinsip PLS ......................................................................................................... 4 7 Spektrum Lampu LED ........................................................................................ 6 8 Nilai Aktual dan Prediksi Standar Warna A (a), B (b), C (d), D (d) .................. 8 9 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Chromamater (L*a*b*) ............................................................................................................. 9 10 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Fotometer (5 Lampu) ........................................................................................ 9 11 Loading PCA 16 Standar Warna A dengan Fotometer (5 Lampu) ................... 9 12 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Fotometer (2 Lampu).......................................................................................................... 9 13 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Fotometer (Lampu Merah, Biru, Ungu) ........................................................................... 10 14 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Fotometer (Lampu Merah, Biru, Kuning) ........................................................................ 10 15 Skor PCA 16 Standar Warna A Hasil Pengukuran dengan Fotometer (Lampu Merah, Biru, Hijau) ........................................................................... 10 16 Nilai Aktual dan Prediksi Standar Warna A (a), B (b), C (d), D (d) .............. 12 17 Nilai Aktual dan Prediksi Kulit Normal dari Pemodelan Persamaan ............. 13 18 Nilai Aktual dan Prediksi Kulit Normal dari Metode Kemometrik (PLS) ..... 13
DAFTAR TABEL
Halaman
1 Hasil Karakterisasi Lampu LED ......................................................................... 6 2 Fungsi-Fungsi Penyesuaian Warna Pengamat CIE 1931 .................................... 7 3 Hasil Prediksi Nilai L* Standar Warna Menggunakan Teknik PLS ................. 11
ix
DAFTAR LAMPIRAN
Halaman
1 Bagan Alir Penelitian ........................................................................................ 17 2 Standar Warna dari Produk Pencerah Kulit Komersial yang Telah Dimodifikasi .................................................................................. 18 3 Alat Chromameter® Konica Minolta CR 400 ................................................... 19 4 Fotometer yang Sedang Dikembangkan ........................................................... 19 5 Otoskop Sumber Sinar ...................................................................................... 19 6 Data Pengukuran Standar Warna A Menggunakan Fotometer (Data Model) .................................................................................................... 20 7 Data Pengukuran Standar Warna B, C, D Menggunakan Fotometer (Data Validasi).................................................................................................. 21 8 Data Pengukuran Standar Warna A Menggunakan Chromameter CR 400 (Data Model) .................................................................................................... 22 9 Data Pengukuran Standar Warna B, C, D Menggunakan Chromameter CR 400 (Data Validasi) ............................................................. 22 10 Perhitungan untuk Pemodelan Persamaan (Data Pengukuran Lampu Ungu)...................................................................... 23 11 Perhitungan Nilai k untuk Pemodelan Persamaan .......................................... 24 12 Perhitungan Nilai Y/Yn untuk Pemodelan Persamaan ................................... 24 13 Hasil Keluaran Perangkat Lunak Pengolahan Data untuk Pemodelan Persamaan (5 Lampu) ..................................................................................... 25 14 Hasil Keluaran Perangkat Lunak Pengolahan Data untuk Pemodelan Persamaan (3 Lampu) ..................................................................................... 25 15 Data Hasil Perhitungan Menggunakan Pemodelan Persamaan (5 Lampu) .... 26 16 Data Hasil Perhitungan Menggunakan Pemodelan Persamaan (3 Lampu) .... 27 17 Data Pengukuran Kulit Menggunakan Fotometer .......................................... 28 18 Data Pengukuran Kulit Menggunakan Chromameter CR 400 ....................... 28 19 Data Hasil Perhitungan Kulit Normal Manusia .............................................. 29 20 Plot Proporsi Semua Komponen Utama PCA (5 Lampu) .............................. 29 21 Predict Vs Reference PLS 16 Standar Warna (3 Lampu) ............................... 29
1
PENDAHULUAN Latar Belakang Warna kulit ditentukan oleh pigmen seperti hemoglobin, melanin, bilirubin, dan karotenoid. Komponen warna kulit dipengaruhi secara signifikan oleh sinar UV, bekas luka, dan beberapa zat di dalam obatobatan. Pengukuran secara kuantitatif dalam menentukan perubahan warna kulit secara eksperimen, digunakan secara luas di dalam penelitian bahan kosmetika kulit. Penelitian tersebut menjadi hal yang menarik karena distribusi warna kulit dapat memengaruhi persepsi usia, daya tarik (Matts et al. 2007), serta tingkat kesehatan seseorang (Stephen et al. 2009, Matts 2008), hal ini disebabkan karena kromofor melanin dan hemoglobin tersebut. Oleh karena itu, di dalam bidang tersebut respons warna menjadi hal yang penting, karena dapat digunakan sebagai indikator karakteristik kulit (kemampuan pertahanan kulit dan tingkat sensitivitas), karakteristik obat (konsentrasi dan bioavibilitas), penentuan formulasi bahan pencerah kulit yang baik, serta karakteristik tingkat perlindungan kulit terhadap sinar matahari (Clarys et al. 2000). Peranan pengukuran warna kulit tersebut mendorong banyak dilakukan penelitian untuk dapat mengukur warna kulit secara kuantitatif baik in vitro maupun in vivo. Pengukuran warna kulit dapat dilakukan dengan analisis tristimulus dengan memanfaatkan sinar yang direfleksikan dari struktur kulit (Fullerton et al. 1996). Alat tristimulus reflektans yang digunakan dalam menentukan warna kulit adalah Konica Minolta Chromameter® CR 200, 300, dan 400 (diproduksi di Osaka, Jepang). Alat ini menghasilkan nilai keluaran berdasarkan sistem Commission Internationale de l’Eclairage (CIE) yang dapat digunakan untuk mengukur warna kulit, dan hasil keluaran diekspresikan secara tiga dimensi (L*, a*, b*). Nilai L* dan b* memiliki korelasi yang baik dalam hal distribusi pigmen (Draaijers et al. 2004), sedangkan nilai a* menunjukkan korelasi dengan indeks eritema/kandungan hemoglobin (Stephen et al. 2009, Clarys et al. 2000). Alat yang telah disebutkan di atas tergolong mahal, sehingga diperlukan alternatif peralatan pengukur warna kulit yang lebih murah dan minimal nilai yang dikeluarkan memiliki kemiripan pola dengan alat standar (chromameter).
Fotometer yang digunakan dalam penelitian ini memanfaatkan sinar reflektans yang dihasilkan setelah sinar diberikan pada permukaan benda. Salah satu penggunaan fotometer ini, sudah pernah diteliti oleh Zain et al. (2007), yaitu untuk metode deteksi dini kanker karena dengan menggunakan fotometer ini dapat dibedakan sel dan jaringan karsinoma (kanker) dengan sel jaringan normal menggunakan metode autofluoresensi multieksitasi. Penggunaan fotometer untuk aplikasi lainnya dilakukan pada penelitian ini, dengan tujuan mendapatkan model perhitungan yang paling baik untuk alat fotometer, sehingga nantinya alat ini dapat digunakan untuk memprediksi perubahan kecerahan warna kulit di dalam proses pengembangan formula bahan pencerah kulit. Model perhitungan yang menjadi target luaran dalam penelitian ini diperoleh melalui dua pendekatan, yang pertama dengan menggunakan model perhitungan yang diperoleh dari optimasi menggunakan pemodelan persamaan (Curve Fit) sehingga menghasilkan koefisien yang dapat ditambahkan di dalam sebuah rumus untuk menghitung nilai L*a*b*. Pendekatan yang kedua, dilakukan menggunakan metode kemometrik yaitu Partial Component Analysis (PCA) / Analisis Komponen Utama (AKU) dan Partial Least Square (PLS). Pengenalan pola antara nilai yang dihasilkan dari alat chromameter dan fotometer dapat dilakukan dengan metode AKU, sedangkan model perhitungan yang dapat digunakan untuk memprediksi nilai L*a*b* dapat dilakukan menggunakan metode PLS. Pengukuran di dalam penelitian ini dilakukan secara in vitro (menggunakan standar warna dari produk pencerah kulit komersial) dan in vivo (langsung pada kulit).
TINJAUAN PUSTAKA Kulit Manusia Kulit merupakan bagian terbesar dari tubuh manusia dan jumlahnya sekitar 15% dari total berat badan. Bagian tubuh ini terdiri dari tiga lapisan kulit, yaitu epidermis, dermis, dan sel adiposa subkutan (Li dan Urmacher 2007, Marieb 1988). Masing-masing dari setiap lapisan tersebut memiliki sifat yang unik serta memiliki struktur dan fungsi yang kompleks, dengan berbagai macam variasinya tergantung dari umur, jenis kelamin, ras, dan lokasi anatomi (Li dan Urmacher 2007).
2
Light Emitting Diodes (LED)
Gambar 1 Tiga lapisan utama kulit beserta distribusi pigmen, M (melanin), O,R (oksi dan hemoglobin tereduksi, C (karoten), S (hamburan cahaya) Fotometer Reflektans Fotometer ini memanfaatkan sinar reflektans yang dihasilkan setelah sinar diberikan pada permukaan benda. Refleksi adalah pemantulan radiasi oleh permukaan bahan/benda tanpa mengalami perubahan panjang gelombang (Feather et al. 1988). Sinar yang direfleksikan oleh kulit dipengaruhi oleh interaksi dengan udara/antarmuka stratum corneum (sudut iluminasi, mikrorelif, sisik pada kulit), penghamburan sinar ke dalam dan ke luar dari struktur bagian dalam, khususnya lapisan dermis. Pada alat Konica Minolta Chromameter®, pengukuran warna kulit didasarkan pada pengukuran warna sinar yang direfleksikan, di mana fotosel silikon bersensitivitas tinggi berfungsi sebagai penangkap sinar yang telah melewati filter yang telah disesuaikan dengan standar warna dasar dari CIE yaitu biru (450 nm), hijau (550 nm), dan merah (610 nm). Hasil pengukuran berupa nilai X, Y, Z (nilai tristimulus) yang memberikan informasi mengenai jumlah relatif warna sesuai dengan penyesuai warna (Zwinkels 1996).
Gambar
2
Fotometer yang sedang dikembangkan (skematik)
Sumber sinar pada alat fotometer menggunakan Light Emitting Diodes (LED), yang merupakan sebuah peralatan elektronik kecil (semikonduktor) yang memancarkan cahaya saat dilewati arus. LED digunakan untuk mengubah energi cahaya jika diberikan tegangan maju (forward bias) (Chandra et al. 2010). Jenis lampu ini mempunyai banyak keuntungan, seperti ukurannya kecil sehingga dapat digunakan pada pengukuran warna kulit secara langsung, penggunaan energi listrik hanya dengan daya yang kecil (20–100 mA), dapat digunakan dengan tegangan yang rendah (2–5 V) sehingga tepat digunakan pada instrumen jinjing (Menn 2004, Feather et al. 1988). Hampir semua energi yang dipancarkan LED muncul dalam spektrum yang tampak oleh mata (Feather et al. 1988).
Gambar 3 Bentuk fisik lampu LED Light Dependent Resistor (LDR) Light Dependent Resistor (LDR) atau disebut juga dengan fotokonduktor merupakan salah satu jenis sensor optik yang digunakan dalam rangkaian elektronika. Seperti fotodioda, LDR juga memanfaatkan intensitas cahaya. LDR berfungsi untuk mengubah intensitas cahaya menjadi tahanan listrik (resistansi) pada rangkaian elektronika. Resistansi yang dihasilkan LDR berubah sesuai perubahan intensitas cahaya yang masuk (Chandra et al. 2010). LDR terbuat dari bahan semikonduktor seperti kadmium sulfida, dengan bahan ini energi dari cahaya yang jatuh menyebabkan lebih banyak muatan yang dilepas atau arus listrik meningkat yang berarti resistansi bahan telah mengalami penurunan (Anonim 2008). Resistansi pada LDR tersebut dirangkaikan dengan rangkaian konversi hambatan ke tegangan dengan menggunakan IC op-amp UA741.
3
bahwa terdapat hubungan antara nilai L* (kecerahan relatif) dan M (melanin indeks). Di sisi lain, informasi yang dapat merefleksikan hemoglobin darah, dapat dilihat dari nilai a*, kulit yang mengandung hemoglobin lebih besar dan peningkatan warna kemerahan pada kulit memberikan nilai a* yang lebih tinggi. Sedangkan nilai b* dapat merepresentasikan adanya pigmen karotenoid (Stephen et al. 2009). Analisis Komponen Utama (AKU) Gambar 4 Bentuk fisik LDR Sistem L*a*b* Pengukuran warna kulit dapat menggunakan sistem L*a*b*. Nilai L* spesifik untuk posisi sumbu vertikal gelap– terang, jadi merupakan ukuran yang menyatakan kecerahan relatif dari sampel pada kisaran hitam total (L* = 0) hingga putih total (L* = 100). Nilai a* spesifik pada posisi sumbu merah–hijau (positif a* = merah, negatif a* = hijau), dan nilai b* spesifik untuk sumbu kuning–hijau (positif b* = kuning, negatif b* = biru). Sistem L*a*b* memiliki keuntungan karena hasilnya kurang lebih sesuai dengan struktur penglihatan sebenarnya, dan dapat digunakan dalam menduga warna kulit (Muizzuddin et al. 1990).
AKU dikenal juga sebagai metode pereduksi atau penekan data, terkait dengan tujuannya mengurangi jumlah variabel dalam suatu matriks untuk menghasilkan variabel baru dengan tetap mempertahankan informasi yang dimiliki oleh data. AKU memudahkan visualisasi pengelompokkan data, evaluasi awalan kesamaan antar kelompok atau kelas, dan menemukan faktor atau alasan di balik pola yang teramati melalui korelasi dengan sarana kimia atau fisika-kimia contoh. Setiap variabel baru (skor atau PC) yang dihasilkan AKU merupakan kombinasi linear variabel asli pengukuran (Miller & Miller 2000). Skor dinilai bersama dengan satu set vektor yang disebut loading. Loading mengukur hubungan di antara variabel. Antara skor dan loading terhubung dalam fungsi X = TP’ + E TP’ (1) X adalah matriks data awal, T merupakan matriks dengan kolom berupa skor, P’ adalah matriks dengan kolomnya berupa loading, dan E adalah matriks residual. Skor disusun berdasarkan proporsi utama varian. Skor pertama mewakili bagian yang paling penting dalam varian. Skor selanjutnya mewakili varian yang lebih kecil daripada skor sebelumnya. Biasanya, jumlah skor yang berguna kurang dari jumlah variabel asli (Miller & Miller 2000). Partial Least Square (PLS)
Gambar
5
Rentang warna CIELAB (Weatherall dan Coombs 1992)
Berdasarkan hasil penelitian yang dilakukan Trujillo et al. (1996), informasi mengenai pigmentasi relatif dapat ditinjau berdasarkan nilai L*, sehingga kulit yang lebih gelap memiliki nilai L* lebih rendah dibandingkan dengan kulit yang cerah. Hal ini ditegaskan lagi oleh Shriver dan Parra (2000),
PLS lebih umum digunakan dalam kalibrasi multivariat karena mutu model kalibrasi yang dihasilkan dan kemudahan penerapannya. PLS mampu menganalisis data dengan jumlah yang cukup banyak, mewakili tingkat kolinearitas tinggi, sejumlah besar variabel x, dan beberapa variabel respons y (Wold et al. 2001). Ide utama PLS adalah menghitung nilai prinsipal komponen data matriks X dan Y dan membangun model regresi antar nilai (dan
4
dari data perkiraan). X adalah matriks penduga yang berisi data hasil sumber percobaan, sedangkan Y merupakan matriks respons dengan data yang dapat menginformasikan tentang proses percobaan. Pada PLS, variabel penduga yang menunjukkan korelasi yang tinggi dengan variabel respons akan diberikan penekanan ekstra karena lebih efektif diprediksi (Miller dan Miller 2000). Gambar 6 menunjukkan bahwa matriks X diuraikan menjadi matriks T (matriks scores), matriks P′ (matriks loading) dan matriks error E, sedangkan matriks Y diuraikan menjadi U dan Q dan error F. Kedua persamaan ini disebut „hubungan luar‟. Hasil dari T dan P mendekati data spektrum, sedangkan hasil U dan Q mendekati konsentrasi sebenarnya. Tujuan dari algoritma PLS adalah untuk meminimumkan F dengan terus menjaga korelasi antara X dan Y dalam „hubungan dalam‟ U=BT (Lohninger 2004).
Alat-alat yang digunakan adalah fotometer, adaptor (input 220 V, output DC 3– 12 V, current DC 1200 mA), lampu LED (merah, kuning, hijau, biru, ungu), kamera digital, Spektrofotometer tipe USB-2000 Fiber Optic Vis-Nir (Ocean optics), dan Chromameter Konica Minolta CR 400. Perangkat lunak yang digunakan adalah Corel Draw versi X.5, Microsoft Excel 2007, DataFit 9 (Trial Version), dan Unscrambler X 10.0.1 (Camo Inc.) (Trial Version). Metode Penelitian Pembuatan Standar Warna Standar warna yang mewakili gradasi warna kulit normal manusia (bernomor 1-16) dibuat dengan bantuan perangkat lunak Corel Draw versi X.5, kemudian dicetak pada kertas Art Paper. Standar warna dicetak sebanyak empat kali dengan komposisi gradasi warna yang sama, diberi kode A (model utama); B, C, dan D (model validasi). Karakterisasi Panjang Gelombang Lampu LED
Gambar 6 Prinsip PLS Berbeda dengan metode AKU, kebaikan suatu model klasifikasi pada metode PLS cukup dilihat dari nilai determination coefficient (R2), root mean square error of calibration (RMSEC) dan root mean square error of prediction (RMSEP). Nilai RMSEC merupakan galat yang dihasilkan dari set kalibrasi.
BAHAN DAN METODE Bahan dan Alat Bahan-bahan yang digunakan ialah batu baterai, alkohol 70%, dan standar warna dari produk pencerah kulit komersial yang telah dimodifikasi.
Fotometer dihubungkan dengan listrik, ditekan tombol power, lalu ditentukan intensitas awal fotometer dengan meletakkan lampu LED pada karton berwarna putih sebagai kontrol. Lampu LED diletakkan tegak lurus (90°) dengan permukaan karton. Perbedaan intensitas sinar pantul diperiksa pada karton berwarna putih dan hitam. Apabila tidak terdapat perbedaan maka dinaikkan nilai intensitas awal. Detektor alat Spektrofotometer tipe USB-2000 Fiber Optic Vis-Nir (Ocean optics) diletakkan di depan lampu LED yang telah dinyalakan. Spektrum yang terlihat di layar komputer disimpan dengan format Tab Limited. Data yang telah disimpan, disalin di Microsoft Excel 2007, dan dibuat grafik hubungan antara panjang gelombang dan intensitas. Pengukuran Sinar Reflektans Standar Warna Menggunakan Fotometer dan Chromameter Intensitas lampu LED berwarna merah dikalibrasi dengan karton berwarna putih dan hitam, lalu permukaan standar warna disinari dengan lampu LED tersebut. Besarnya sinar yang dipantulkan standar warna ditangkap oleh detektor LDR dan intensitas sinar tersebut diubah menjadi perbedaan tegangan
5
listrik. Perbedaan tegangan listrik yang dihasilkan ini, dideteksi oleh voltmeter dan dicatat sebagai hasil berupa angka, terlihat pada layar voltmeter, angka dicatat setelah nilai yang muncul stabil. Cara yang sama dilakukan untuk lampu LED kuning, hijau, biru, dan ungu. Setiap standar warna dilakukan tiga kali pengukuran untuk setiap lampu. Untuk mengetahui nilai L*a*b* sebenarnya dari standar warna, dilakukan pengukuran dengan menggunakan alat chromameter. Pengukuran standar warna berkode A (model utama) dilakukan dua kali pengukuran, sedangkan standar warna berkode B, C, dan D hanya dilakukan satu kali pengukuran. Pengukuran dilakukan pada daerah cahaya tampak dengan panjang gelombang 400–700 nm. Analisis Data dengan Persamaan (Curve Fit)
Pemodelan
Data yang telah diperoleh dari pengukuran standar warna disalin ke dalam worksheet Microsoft Excel 2007. Perhitungan nilai reflektans dilakukan dengan menggunakan rumus (Wallace et al. 2000): (2) R(λ) (Sλ- Zλ) / (Yλ - Zλ) dengan Sλ = sinyal standar warna, Zλ = sinyal standar warna hitam, dan Yλ = sinyal standar warna putih. Penentuan koefisien dilakukan dengan menentukan nilai X, Y, Z dari warna obyek ditentukan dengan persamaan (CIE 2000 di dalam McCaig 2002):
Xk Y k
700
R()S() x() 400 700
(3)
R()S() y()
(4)
400
700
Z k R( )S( ) z( ) 400
k
100 700
S() y()
(5) (6)
400
dengan: X, Y, Z : nilai-nilai tristimulus R (λ) : nilai reflektans S (λ) : intensitas spektrum lampu LED
x (λ), y k
(λ), z (λ): fungsi –fungsi penyesuaian warna pengamat CIE 1931 : faktor normalisasi yang menghasilkan nilai Y sama dengan 100
Transformasi nilai X, Y, dan Z ke skala CIELAB menggunakan pendekatan rumus yang dikembangkan oleh Weatherall dan Coombs (1992) berikut ini:
L* 116(Y/Yn)1/3 -16
b * 200(Y/Y )
a * 500 (X/Xn ) n
1/3
1/3
(Y/Yn)
1/3
- (Z/Zn)1/3
(7) (8) (9)
dengan Xn, Yn, dan Zn merupakan nilai tristimulus XYZ, dengan memasukkan nilai R (λ) = 1.0 pada rumus XYZ di atas. Setelah itu akan diperoleh nilai (Y/ Yn), (X/ Xn), dan (Z/ Zn), lalu dengan menggunakan program DataFit 9 (Trial Version) maka akan diperoleh nilai koefisien sehingga menyebabkan diperolehnya nilai yang setara dengan L*a*b* standar warna yang diukur. Analisis Data Secara Kemometrik Data yang diperoleh dari pengukuran standar warna disalin ke dalam worksheet Microsoft Excel 2007. Analisis data dilakukan dengan menggunakan perangkat lunak Unscrambler X 10.0.1 (Camo Inc.) (Trial Version). Kalibrasi dan validasi model analisis multivariat dilakukan dengan teknik validasi silang. Kemiripan pola yang dihasilkan dari kedua peralatan tersebut dilihat dari jumlah komponen utama yang terlibat, total variasi yang terwakili, dan visualisasi plot skor, sedangkan keakuratan model prediksi diukur dengan nilai korelasi dan nilai galat yang dihasilkan. Pengukuran Sinar Reflektans Kulit Normal Manusia Menggunakan Fotometer dan Chromameter Sampel kulit normal dua orang mahasiswa yang akan diukur, dibersihkan dengan alkohol 70%, yang bertujuan agar kotoran/lemak yang ada di permukaan kulit hilang sehingga tidak mengganggu pengukuran reflektans. Pengukuran dilakukan pada tangan kanan (punggung tangan dan lengan bagian bawah).
6
Nilai XYZ diperoleh dari pengukuran menggunakan fotometer dengan cara yang sama seperti pengukuran sinar reflektans standar warna. Nilai XYZ ditransformasikan ke dalam rumus L*a*b*. Untuk mengetahui nilai L*a*b* standar dilakukan pengukuran menggunakan chromameter pada bagian tubuh yang sama. Pengukuran menggunakan Fotometer dan Chromameter dilakukan sebanyak tiga kali pada setiap bagian tubuh.
dibuat serupa dengan gradasi warna kulit normal manusia, sehingga diharapkan dengan pengukuran standar warna tersebut, diperoleh data model yang nantinya dapat digunakan untuk memprediksi perubahan warna kulit normal manusia. Pengukuran nilai L*a*b* menggunakan chromameter juga dilakukan pada standar warna, agar diperoleh data standar yang dapat digunakan untuk tahap karakterisasi selanjutnya.
HASIL DAN PEMBAHASAN
Karakterisasi Panjang Gelombang Lampu LED
Dalam mencapai target luaran, yaitu untuk mendapatkan model perhitungan yang paling baik untuk alat fotometer yang sedang dikembangkan ini, yang pada akhirnya alat ini dapat digunakan untuk memprediksi perubahan kecerahan warna kulit di dalam proses pengembangan formula bahan pencerah kulit, maka kerangka penelitian dilakukan secara in vitro (menggunakan standar warna dari produk pencerah kulit komersial) dan in vivo (langsung pada kulit). Pengukuran secara in vitro dimulai dengan pembuatan standar warna, karakterisasi panjang gelombang lampu LED, pengukuran sinar reflektans standar warna menggunakan fotometer, serta pengukuran nilai L*a*b* standar warna menggunakan chromameter, kemudian data tersebut dianalisis dengan pemodelan persamaan (Curve Fit) dan metode kemometrik (Lampiran 1). Target awal penelitian ini ialah untuk mendapatkan model perhitungan nilai L*a*b* bagi alat fotometer, tetapi untuk memprediksi a* dan b* tidak diperoleh model yang baik, sehingga penelitan ini difokuskan pada nilai L* saja. Setelah diperoleh rumus untuk menghitung nilai L* melalui pemodelan persamaan, pengenalan pola serta model prediksi nilai L* menggunakan metode kemometrik, maka pengukuran dilanjutkan ke tahap in vivo (langsung pada kulit). Dari hasil pengukuran dan perhitungan pada tahap ini, maka dapat diketahui potensi alat fotometer ini untuk dijadikan alat pengukur perubahan kecerahan warna kulit manusia.
Pengukuran ini menggunakan alat Spektrofotometer tipe USB-2000 Fiber Optic Vis-Nir (Ocean optics). Sebelum dilakukan pengukuran sinar reflektans pada standar warna dan kulit normal manusia, lampu LED dikarakterisasi panjang gelombangnya. Hasil karakterisasi ini memberikan informasi mengenai panjang gelombang dominan yang dikeluarkan oleh lampu LED. Dari hasil karakterisasi (Gambar 7) diperoleh data seperti pada Tabel 1 berikut ini. Tabel 1 Hasil karakterisasi lampu LED Lampu LED
Intensitas tertinggi [Sλ)] (a.u.)
Ungu
Panjang Gelombang dominan (nm) 402.28
Biru
462.32
2914.86
Hijau
527.62
3072.42
Kuning
587.72
3049.27
Merah
634.65
2860.41
3486.03
Panjang gelombang dominan dilihat dari nilai intensitas tertinggi, data panjang gelombang dominan lampu LED tersebut, dapat digunakan untuk proses karakterisasi lebih lanjut alat fotometer.
Pembuatan Standar Warna Standar warna di dalam penelitian ini dibuat mirip dengan color tone produk pencerah kulit komersial yang biasa digunakan untuk mengetahui perubahan warna kulit setelah penggunaan produk tersebut (Lampiran 2). Standar warna yang
Gambar 7 Spektrum lampu LED
7
Pengukuran Sinar Reflektans Warna Menggunakan Fotometer
Standar
Karakterisasi panjang gelombang dominan lima lampu LED telah dilakukan, maka tahap selanjutnya adalah pengukuran standar warna. Sebelum dilakukan pengukuran sinar reflektans standar warna, alat fotometer harus dikalibrasi menggunakan karton berwarna putih, hal ini bertujuan agar diperoleh data yang konsisten untuk setiap ulangan. Pengukuran dilakukan pada ruangan yang intensitas pencahayaannya rendah, hal ini dilakukan agar hasil yang diperoleh tidak bias, ketika dilakukan pada ruangan yang intensitas pencahayaannya tinggi, dikhawatirkan ada cahaya yang berasal dari sekeliling tempat pengukuran, ikut terdeteksi oleh detektor LDR sehingga nilai yang dihasilkan lebih besar dari yang seharusnya. Pengukuran standar warna dilakukan dari lampu LED yang memiliki energi lebih rendah (lampu LED merah) ke energi lebih tinggi (lampu LED ungu). Perhitungan Koefisien Baru untuk Prediksi Nilai L* Menggunakan 5 Lampu Pengukuran standar warna menggunakan chromameter dan fotometer telah dilakukan, tahap selanjutnya adalah mengolah data hasil pengukuran tersebut dengan menghitung nilai reflektans [R(λ)] menggunakan rumus nomor 2. Dilanjutkan dengan memasukkan [R(λ)] dan [Sλ)] untuk didapatkan nilai XYZ. Dalam perhitungan nilai XYZ diperlukan data fungsifungsi penyesuaian warna pengamat CIE 1931, yang diperoleh dari data sekunder (Soesatyo dan Marwah 2005), seperti pada Tabel 2 berikut ini: Tabel 2 Fungsi-fungsi penyesuaian warna pengamat CIE 1931
λ (nm)
x
y
z
402.28
0.018359
0.000507
0.087162
462.32
0.272379
0.066449
1.603730
527.62
0.138892
0.829251
0.049343
587.72
1.004549
0.784041
0.001237
634.65 0.548935 0.220360 0.000031 *diolah dari Soesatyo dan Marwah (2005) Pengukuran menggunakan alat chromameter dilakukan pada panjang gelombang mulai dari 400 sampai 700 nm,
namun dengan menggunakan alat fotometer hanya dilakukan pada panjang gelombang 402.28, 462.32, 527.62, 587.72, dan 634.65 nm. Hal ini dikarenakan lampu LED yang berwarna monokromatis hanya didapatkan dengan komposisi warna seperti itu, namun tidak mengabaikan panjang gelombang kromofor yang terdapat pada permukaan kulit. Perhitungan dilanjutkan dengan menetapkan koefisien yang ada di dalam rumus L*a*b* sehingga menyebabkan diperolehnya nilai yang setara dengan L*a*b* yang dikeluarkan chromameter, dalam penentuan koefisien ini hanya digunakan standar warna A (sebagai model utama) dan digunakan 5 lampu (merah, kuning, hijau, biru, dan ungu). Berdasarkan hasil perhitungan dengan menggunakan rumus dan nilai pangkat yang serupa (1/3), dari perangkat lunak DataFit 9 dihasilkan nilai koefisien baru sehingga rumus untuk menghitung L* menjadi: L * 142.28(Y/Yn)1/3 - 54.28 (10) Penelitian pendahuluan ini hanya meninjau nilai L* dikarenakan sulitnya memperoleh model perhitungan yang menghasilkan nilai a* dan b* dengan kemiripan pola yang sama. Karena menurut Soesatyo dan Marwah (2005) nilai a* dan b* merupakan koordinat kromatisitas, sehingga agak sulit untuk memperoleh nilai-nilai tersebut dengan menggunakan alat fotometer sederhana ini dan hanya melalui pendekatan rumus seperti itu. Sesuai dengan yang telah disebutkan sebelumnya, fotometer ini nantinya akan digunakan sebagai alat untuk memprediksi perubahan kecerahan warna kulit karena penggunaan produk kosmetika pencerah kulit. Kecerahan kulit seseorang dipengaruhi oleh kandungan melanin yang terkandung pada kulit. Menurut Trujillo et al. (1996), informasi mengenai pigmentasi relatif dapat ditinjau berdasarkan nilai L*, sehingga kulit yang gelap memiliki nilai L* lebih rendah dibandingkan dengan kulit yang cerah. Clarys et al. (2000) dan (Shriver & Parra 2000), menyimpulkan bahwa terdapat hubungan antara nilai L* (kecerahan relatif) dan M (melanin indeks) sehingga pendekatan dengan hanya menghitung nilai L* menggunakan fotometer untuk tujuan tersebut masih dapat diandalkan. Setelah diperoleh rumus L* untuk model utama, dilakukan validasi rumus (10) dengan menghitung nilai L* standar warna B, C, D (Gambar 8a-d). Dari grafik terlihat bahwa
8
dengan menggunakan rumus baru (10) untuk perhitungan nilai L*, memang tidak diperoleh nilai prediksi (pengukuran menggunakan fotometer kemudian nilai L* diprediksi menggunakan persamaan baru) yang sama dengan nilai aktual (pengukuran menggunakan chromameter), namun memiliki kemiripan pola. Kemiripan pola yang dimaksud adalah dengan menggunakan rumus tersebut, nilai L* standar warna yang diperoleh dari alat chromameter (aktual) terlihat menurun dari nomor 1 hingga 16, demikian halnya dengan nilai L* yang dihasilkan dari fotometer. Hal yang berbeda ditemukan pada standar warna A, B, C, D bernomor 4, hal ini dikarenakan perbedaan warna yang dimiliki antara standar warna sebelum (nomor 3) dan sesudah (nomor 5), gradasi standar warna nomor 4 tidak percis terletak di antara keduanya.
(d) Gambar 8 Nilai aktual dan prediksi standar warna A (a), B (b), C (d), D (d) Walaupun nilai aktual dan prediksi dari setiap standar warna tidak memiliki nilai yang sama, namun bila dilihat nilai korelasi (R2) antara nilai aktual dan prediksi untuk standar warna A, B, C, D berurut-urut adalah sebagai berikut 0.982; 0.990; 0.984; dan 0.987, nilainilai secara rinci dapat dilihat pada Lampiran 12. Hal ini dapat juga menegaskan bahwa terdapat kesesuaian pola antara nilai yang dihasilkan dari alat fotometer dan chromameter. Analisis Data dengan Metode Kemometrik Pengenalan Pola Antara Nilai Keluaran dari Fotometer dan Chromameter
(a)
(b)
(c)
Persamaan baru untuk memperoleh nilai L* (10) telah digunakan dan dapat dilihat hasilnya, namun dengan pendekatan seperti itu, agak rumit di dalam perhitungan variabelvariabel untuk memperoleh nilai Y/Yn, sehingga perlu dilakukan pemodelan dengan metode lain, salah satunya dapat dilakukan menggunakan metode kemometrik. Langkah pertama adalah analisis pengenalan pola antara nilai keluaran dari fotometer (voltase) dan chromameter (L*a*b*) sehingga secara tidak langsung dapat diperoleh gambaran awal mengenai potensi kelayakan hasil pengukuran fotometer untuk dapat disejajarkan dengan hasil pengukuran dari chromamater. Hal ini dikarenakan, data nilai L*a*b* standar warna yang diperoleh dari alat chromameter (3 variabel), sulit dilihat kemiripan polanya dengan fotometer secara langsung, sebab data keluaran dari fotometer hanya angka bersatuan milivolt dengan lima variasi panjang gelombang (5 variabel), sehingga harus dicari dicari variabel baru dengan tetap mempertahankan informasi yang dimiliki oleh data. Proses ini dapat dilakukan
9
menggunakan teknik Analisis Komponen Utama (AKU), dan digunakan program Unscrambler versi X 10.0.1 (Trial Version), sehingga nantinya dapat dilihat kemiripan pola antara data yang dihasilkan dari kedua alat tersebut serta diketahui kombinasi lampu LED fotometer yang dapat menyebabkan hal itu. Dalam analisis AKU langsung digunakan data pengukuran asli hasil pengukuran standar warna berkode A (model utama) menggunakan kedua instrumen. Hasil analisis AKU dikatakan baik bila dengan jumlah komponen utama yang sedikit mampu menggambarkan total variasi yang besar. Total variasi yang terwakili untuk hasil pengukuran menggunakan chromameter dan fotometer (Gambar 9 dan 10) mencapai 99% dengan rincian masing-masing adalah (PC1 = 93%, PC2 = 6%) dan (PC1 = 98%, PC2 = 1%). Pengelompokkan untuk semua nomor standar warna dari 1-16 berada di keempat kuadran dan beberapa nomor standar warna hasil pengukuran menggunakan chromameter menempati kuadran yang sama, begitu pula dengan hasil pengukuran yang menggunakan fotometer, walaupun berada di kuadran yang berbeda namun distribusi standar warna pada masing-masing kuadran hasil pengukuran kedua instrumen memiliki kemiripan, dan dapat dikatakan pola yang dihasilkan dari kedua alat ini seperti membentuk bayangan cermin. Sumbangan panjang gelombang dari alat fotometer yang sangat berperan pada pengelompokkan ini adalah berasal dari lampu LED berwarna merah (634.65 nm) dan biru (462.32 nm), hal ini dapat diketahui dari loading PCA pada Gambar 11. Hal ini diperkuat dari skor PCA yang dihasilkan (Gambar 12), apabila hanya menggunakan dua lampu saja (merah dan biru), ternyata sudah diperoleh kemiripan pola yang serupa dengan Gambar 10. Pola yang dihasilkan akibat penggunaan lampu merah dan lampu biru setidaknya sudah dapat merepresentasikan kemiripan pola antara nilai yang dihasilkan dari chromameter dan fotometer. Hal ini disebabkan karena pada alat chromameter, pengukuran didasarkan pada sinar yang direfleksikan, terdapat fotosel bersensitivitas tinggi yang berfungsi sebagai penangkap sinar yang telah melewati filter, dan telah disesuaikan dengan standar warna dasar CIE yaitu biru (450 nm), hijau (550 nm), dan merah (610 nm) (Zwinkels 1996). Pada alat fotometer digunakan lampu LED merah (634.65 nm) dan lampu LED biru
(462.32 nm), kedua lampu itu memiliki panjang gelombang yang mendekati warna dasar dari CIE pada alat chromameter, dengan penggunaan lampu monokromatis dan asumsi bahwa sinar reflektans memiliki panjang gelombang yang sama dengan panjang gelombang sumber sinar yang diberikan, sehingga hal tersebut dapat terjadi.
Gambar 9 Skor PCA 16 standar warna A hasil pengukuran dengan chromamater (L*a*b*)
Gambar 10 Skor PCA 16 standar warna A hasil pengukuran dengan fotometer (5 lampu)
Gambar 11 Loading PCA 16 standar warna A dengan fotometer (5 lampu)
Gambar 12 Skor PCA 16 standar warna A hasil pengukuran dengan fotometer (2 lampu)
10
Penggunaan dua lampu LED (merah dan biru) di dalam pengolahan data menggunakan teknik AKU, diperoleh juga pola seperti bayangan cermin, oleh karena itu berdasarkan plot loading (Gambar 11) dilakukan penambahan data dengan metode trial and error (penambahan data dari pengukuran menggunakan lampu LED kuning, hijau, atau ungu) dengan tujuan akhir yaitu dapat diketahui komposisi lampu yang menghasilkan kemiripan pola antara chromameter dan fotometer. Berdasarkan hasil pengolahan data menggunakan teknik AKU, diketahui bahwa komposisi lampu yang benar-benar memiliki kemiripan pola dengan hasil pengukuran chromameter adalah kombinasi lampu merah, biru, dan ungu (Gambar 13), total variasi yang terwakili untuk hasil pengukuran menggunakan fotometer mencapai 100% dengan rincian PC1 = 97%, PC2 = 3%). Hal ini dikarenakan data yang diperoleh dari penggunaan lampu ungu, menjadi pembobot untuk lampu merah dan biru, dan apabila ditinjau dari plot loading (Gambar 11), skor loading pada PC2 untuk lampu biru dan lampu ungu hampir sejajar, sehingga walaupun panjang gelombang dominan lampu ungu tidak sesuai dengan warna dasar dari CIE, namun apabila ketiga lampu tersebut digabungkan maka dapat menghasilkan kemiripan pola antara nilai dari chromameter dan fotometer. Sedangkan kombinasi lampu merah, biru, dan kuning (Gambar 14) dan lampu merah, biru, dan hijau (Gambar 15), kedua kombinasi lampu tersebut menghasilkan pola seperti Gambar 10, hanya saja pada Gambar 15 terdapat penyimpangan pada standar warna bernomor 14, namun tidak terlalu signifikan.
Gambar 13 Skor PCA 16 standar warna A hasil pengukuran dengan fotometer (lampu merah, biru, ungu)
Gambar 14 Skor PCA 16 standar warna A hasil pengukuran dengan fotometer (lampu merah, biru, kuning)
Gambar 15 Skor PCA 16 standar warna A hasil pengukuran dengan fotometer (lampu merah, biru, hijau) Pembentukan Model Prediksi nilai L* Menggunakan Partial Least Square (PLS) Setelah diketahui bahwa terdapat kemiripan pola antara nilai yang dihasilkan fotometer dan chromameter berarti dapat dikatakan terdapat adanya hubungan antara hasil pengukuran fotometer dan chromameter, maka tahap selanjutnya adalah membentuk model untuk dapat melihat seberapa dekat hubungan antara variabel-variabel dari hasil pengukuran kedua instrumen tersebut, salah satunya untuk memprediksi nilai L*, dalam hal ini digunakan teknik PLS, yang dapat menghubungkan hasil kedua instrumen. Model kalibrasi dibentuk dari nilai pengukuran fotometer sebagai variabel x (prediktor) dan nilai pengukuran chromameter (L*a*b*) sebagai variabel y (respons). Analisis PLS melibatkan tiga komponen respons, yaitu dalam bentuk nilai L*a*b*. Kesahihan model yang terbentuk diuji dengan validasi silang. Teknik validasi silang bermanfaat untuk menentukan jumlah komponen yang optimal dari jumlah contoh yang sedikit, selain itu juga mampu melakukan tes secara independen (Stchur et al. 2002). Berdasarkan hasil trial and error pada tahap sebelumnya, diputuskan untuk
11
menggunakan tiga lampu LED (merah, biru, dan ungu) yang didasarkan pada kemiripan pola antara hasil pengukuran fotometer dan chromameter. Seperti yang telah disebutkan sebelumnya bahwa alat fotometer ini akan difungsikan untuk mengukur tingkat perubahan kecerahan kulit normal manusia yang salah satunya dipengaruhi oleh kandungan melanin yang terkandung di dalam kulit. Menurut Kollias dan Baqer (1985), nilai reflektans yang cukup besar untuk melanin berada panjang gelombang lampu LED berwarna merah, dan Dwyer et al. (2002) menyimpulkan bahwa pada panjang gelombang lampu ungu juga dapat diperoleh hal tersebut, sehingga kombinasi lampu yang diperoleh dari hasil AKU dapat digunakan untuk pengukuran kulit (in vivo). Informasi yang diperoleh dari pengolahan data pengukuran standar warna berkode A (model utama), diperoleh nilai R2 kalibrasi sebesar 0.9936, R2 prediksi sebesar 0.9906, RMSEC sebesar 0.8790, dan RMSEP sebesar 1.1334. Nilai korelasi, RMSEC, dan RMSEP model utama untuk memprediksi nilai L* tersebut, masih dikatakan baik karena menurut Farkas et al. (2004), model yang memiliki nilai root mean square error of calibration (RMSEC) dan root mean square error of
prediction (RMSEP) rendah, nilai korelasi antara y prediksi dan nilai y referensi tinggi, dikatakan model tersebut baik. Model utama tersebut dapat digunakan untuk memprediksi nilai L* standar warna berkode B, C, dan D (Tabel 3). Pengolahan data dengan menggunakan model utama, diperoleh informasi bahwa ketika digunakan model utama (lampu merah, biru, dan ungu) nilai korelasi antara nilai L* aktual dan prediksi untuk standar warna kode B, C, dan D berurut-urut adalah sebagai berikut 0.992; 0.994; 0.994. Hasil-hasil tersebut bisa dikatakan bahwa model utama dapat memprediksi nilai L* dengan cukup baik, walaupun nilai prediksi dan aktual masih terlihat adanya perbedaan (persen deviasi yang masih cukup besar), namun dilihat dari hasil-hasil tersebut adanya kemiripan pola antara hasil pengukuran menggunakan fotometer dan chromameter, dalam arti bahwa nilai L* untuk masing-masing standar warna berkode A, B, C, dan D dari nomor 1–16 sama-sama memiliki pola nilai yang semakin menurun, kecuali pada standar warna berkode C dan D bernomor 4, hal ini dikarenakan perbedaan gradasi antara standar warna bernomor 3 dan 5.
Tabel 3 Hasil prediksi nilai L* standar warna menggunakan teknik PLS A
B
C
D
Nomor Standar Warna
L* Aktual
L* Prediksi
% Deviasi
L* Aktual
L* Prediksi
% Deviasi
L* Aktual
L* Prediksi
% Deviasi
L* aktual
L* Prediksi
% Deviasi
1
83.80
82.18
1.93
83.98
83.75
0.27
83.68
83.14
0.65
83.49
83.14
0.42
2
82.14
81.37
0.94
82.07
81.30
0.93
82.11
82.27
0.20
81.72
81.56
0.20
3
78.97
79.92
1.20
78.77
79.98
1.54
78.97
79.27
0.38
78.75
79.01
0.34
4
77.97
79.70
2.22
77.94
79.62
2.15
78.04
79.62
2.02
77.80
79.26
1.88
5
76.60
77.28
0.89
76.51
77.64
1.47
76.34
77.28
1.23
75.97
77.28
1.72
6
74.22
74.07
0.20
73.78
74.73
1.29
73.86
74.38
0.70
73.65
74.38
0.99
7
70.79
72.07
1.81
70.76
72.70
2.74
70.87
72.60
2.43
70.63
71.99
1.92
8
68.87
67.70
1.69
68.64
68.54
0.15
68.52
68.89
0.54
68.35
68.89
0.79
9
66.89
65.45
2.15
66.79
66.60
0.28
66.76
66.70
0.08
66.70
66.00
1.06
10
64.57
64.08
0.75
64.25
65.28
1.60
64.48
65.28
1.24
64.19
65.28
1.70
11
60.53
60.50
0.05
60.14
61.47
2.21
60.52
61.82
2.15
60.27
61.57
2.16
12
57.64
56.69
1.65
57.09
57.77
1.19
57.35
57.77
0.73
57.01
58.12
1.95
13
55.83
55.71
0.21
54.99
57.15
3.94
55.43
57.15
3.11
55.40
57.15
3.17
14
54.42
54.96
0.99
53.25
56.44
6.00
53.40
55.83
4.56
53.15
55.83
5.05
15
52.43
51.70
1.39
50.63
53.35
5.36
51.63
53.09
2.83
51.44
53.09
3.21
16
47.98
50.41
5.07
46.72
50.81
8.75
47.04
51.06
8.55
46.64
50.71
8.72
12
Perhitungan Koefisien Baru untuk Prediksi Nilai L* Menggunakan 3 Lampu Berdasarkan pengenalan pola menggunakan teknik AKU, diketahui bahwa dengan menggunakan tiga lampu (merah, biru, dan ungu) dapat diperoleh pola yang mirip antara nilai pengukuran menggunakan fotometer dan chromameter, oleh karena itu dilakukan juga pemodelan persamaan (Curve Fit) menggunakan tiga lampu. Berdasarkan hasil perhitungan dengan menggunakan rumus sejenis dan nilai pangkat yang serupa (1/3), dari perangkat lunak DataFit 9 dihasilkan nilai koefisien baru sehingga rumus untuk menghitung L* menjadi: (11) L* 164.22(Y/Yn)1/3 - 77.81 Setelah diperoleh rumus L* maka dilakukan validasi rumus tersebut dengan memprediksi standar warna berkode B, C, dan D (Gambar 16a-d).
(d) Gambar 16 Nilai aktual dan prediksi standar warna A (a), B (b), C (d), D (d) Seperti hasil prediksi menggunakan lima lampu, ketika digunakan hanya 3 lampu terlihat belum dihasilkannya nilai prediksi yang sama dengan nilai aktual, namun bila dilihat nilai korelasi (R2) antara nilai aktual dan prediksi untuk standar warna A, B, C, D berurut-urut adalah sebagai berikut 0.979, 0.976, 0.977, 0.981, hal ini dapat juga menegaskan bahwa terdapat kesesuaian pola antara nilai yang dihasilkan dari alat fotometer dan chromameter. Pengukuran Warna Kulit Normal Manusia
(a)
(b)
(c)
Setelah dilakukan pengukuran secara in vitro, untuk mencapai target luaran maka dilakukan pengukuran secara in vivo (pengukuran secara langsung pada kulit manusia). Pengukuran kulit manusia hanya dilakukan pada dua mahasiswa saja namun terdapat dua letak target pengukuran pada setiap mahasiswa, hal ini dikarenakan keterbatasan akses dalam penggunaan chromameter. Dalam penelitian ini, dipilih kulit normal manusia (tidak dalam kondisi sakit kulit), pada bagian punggung tangan kanan (PF, PA) dan lengan bagian bawah tangan kanan (FF, FA) untuk setiap mahasiswa. Penelitian ini merupakan penelitian pendahuluan fotometer untuk dijadikan pengukur perubahan kecerahan warna kulit, jadi belum dilakukan proses perlakuan (pemberian bahan kosmetika pencerah kulit) pada kulit tangan yang dijadikan contoh pengukuran. Dasar pemilihan punggung tangan dan lengan bagian bawah, dikarenakan kedua bagian tangan ini memiliki perbedaan warna yang cukup signifikan, sehingga dapat dianalogikan pada target luaran yaitu untuk mengukur perubahan kecerahan warna kulit. Proses prediksi
13
menggunakan pendekatan pemodelan persamaan (Curve Fit) dan kemometrik (PLS) dengan kombinasi tiga lampu LED (merah, biru, dan ungu). Hasil yang diperoleh (Gambar 17 dan 18) ketika digunakan pendekatan pemodelan persamaan (rumus nomor 11) dan kemometrik memiliki nilai korelasi berurut-urut sebagai berikut 0.979 dan 0.975. Walaupun nilai aktual dan prediksi pengukuran kulit menggunakan pemodelan persamaan memiliki nilai korelasi sedikit lebih tinggi, namun apabila dilihat dari grafik terlihat bahwa pendekatan menggunakan metode kemometrik memiliki nilai prediksi yang mendekati nilai sebenarnya, hal ini dikarenakan proses prediksi menggunakan pemodelan persamaan menggunakan satu rumus saja sehingga kemampuan untuk mendekati nilai sebenarnya agak terbatas, sedangkan ketika digunakan pendekatan kemometrik (PLS), komposisi model yang digunakan lebih kompleks dan menyertakan pembobot (W) sehingga dapat memaksimalkan korelasi antara model skor dari X dan Y. Berdasarkan Gambar 17 dan 18 dapat terlihat bahwa kemampuan model untuk menghasilkan nilai prediksi yang mendekati nilai aktual belum begitu baik, karena nilai prediksi masih jauh dari nilai sebenarnya. Hal ini dikarenakan model yang digunakan berdasarkan pengukuran secara in vitro (menggunakan standar warna A yang dicetak pada kertas), tentu saja memiliki matriks yang berbeda dengan kulit manusia sebenarnya, karena warna kulit ditentukan oleh pigmen seperti hemoglobin, melanin, bilirubin, dan karotenoid, sehingga pigmen-pigmen inilah yang diduga dapat memengaruhi hasil pengukuran kulit yang dilakukan secara langsung. Walaupun secara kuantitatif belum diperoleh kecenderungan nilai prediksi yang hampir sama dengan nilai aktual, namun dengan model-model tersebut dapat terlihat kemiripan pola antara pengukuran menggunakan chromameter dan fotometer.
Gambar 18 Nilai aktual dan prediksi kulit normal dari metode kemometrik (PLS)
SIMPULAN DAN SARAN Simpulan Pendekatan menggunakan pemodelan persamaan (Curve Fit) dan metode kemometrik (teknik PLS) dapat digunakan untuk memprediksi nilai L* standar warna dan kulit normal manusia. Kombinasi lampu yang memberikan kesamaan pola antara hasil pengukuran menggunakan chromameter dan fotometer adalah lampu merah, biru, dan ungu. Pendekatan untuk menghitung nilai L* kulit normal manusia yang memberikan hasil mendekati nilai L* sebenarnya adalah model yang dihasilkan dari metode kemometrik (teknik PLS). Dari hasil-hasil penelitian yang telah disebutkan di atas, menunjukkan bahwa fotometer ini berpotensi untuk dijadikan alat ukur perubahan kecerahan warna kulit normal manusia. Saran Pengukuran secara langsung pada kulit normal manusia perlu dilakukan pada beragam variasi kecerahan kulit normal manusia, kemudian pembuatan model prediksi nilai L* dibuat berdasarkan pengukuran tersebut, sehingga dapat lebih dipastikan bahwa alat fotometer ini layak digunakan sebagai alat alternatif selain chromameter secara khusus untuk digunakan dalam bidang pengembangan formula bahan kosmetika kulit.
DAFTAR PUSTAKA
Gambar 17 Nilai aktual dan prediksi kulit normal dari pemodelan persamaan
Anonim. 2008. Light Dependent Resistor– LDR. [terhubung berkala]. http://www.sunrom.com/files/3190datasheet.pdf [2 Des 2010]. Chandra, Franky, Arifianto D. 2010. Jago
14
Elektronika Rangkaian Sistem Otomatis. Jakarta: Kawan Pustaka. CIE Publication No. E308–99. 2000. Standard practice for computing the colors of objects by using the CIE system. In ASTM standards on color and appearance measurement Ed ke–6. CIE Central Bureau Kegelgasse 27 A-1030 Wien, Austria. Clarys P, Alewaeters K, Lambrecht R, Barel AO. 2000. Skin color measurements: comparison between three instruments: the Chromameter®, the DermaSpectrometer® and the Mexameter®. Skin Research and Technology 6:230–238. Draaijers LJ, Tempelman FRH, Yvonne, Botman YAM, Kreis RW, Middelkoop E, van Zuijlen PPM. 2004. Colour evaluation in scars: tristimulus colorimeter, narrow-band simple reflectance meter or subjective evaluation?. Burns 30: 103–107. Dwyer T, Blizzard L, Ashbolt R, Plumb J, Berwick M, Stankovich JM. 2002. Cutaneous melanin density of Caucasians measured by spectrophotometry and risk of malignant melanoma, basal cell carcinoma, and squamous cell carcinoma of the skin. Am J Epidemiol 155:614–621. Farkas O, Jakus J, Heberger K. 2004. Quantitative Structure antioxidant activity relationship of flavonoid compounds. Molecules 9: 1079-1088. Feather JW, Ellis DJ, Leslie G. 1988. A portable reflectometer for the rapid quantification of cutaneous haemoglobin and melanin. Phys Med Biol. 33(6):711– 722. Fullerton A, Fischer T, Lahti A, Wilhelm KP, Takiwaki H, Serup J. 1996. Guidelines for measurement of skin colour and erythema, A report from the Standarization Group of the European Society of Contact Dermatitis. Contact Dermatitis 35:1–10. Kollias N, Baqer A. 1985. Spectroscopic characteristics of human melanin in vivo. J Invest Dermatol. 85:38–42.
Li M, Urmacher CD. 2007. Histology for Pathologists Ed ke–3. Mills SE, editor. New York: Lippincott William & Wilkins. Lohninger H. 2004. Multivariate calibration.[terhubung berkala]. http://www.vias.org/tmdatanaleng/cc_m ultivaritae.html [20 Februari 2010]. Marieb EN, 1988. Essentials of Human Anatomy and Physiology Ed ke–2. California: The Benjamin/Cummings. Matts PJ. 2008. New insights into skin appearance and measurement. J of Investigative Dermatology Symposium Proceedings 13:6–9. Matts PJ, Fink B, Grammer K, Burquest M. 2007. Color homogeneity and visual perception of age, health, and attractiveness of female facial skin. J of the American Academy of Dermatology 57:977–984. McCaig TN. 2002. Extending the use of visible/near-infrared reflectance spectrophotometers to measure colour of food and agricultural product. Food Research Inernational 35:731–736. Menn N. 2004. Practical Optics. New York: Elsevier. Miller JC, Miller JN. 2000. Statistic and Chemometrics for Analytical Chemistry. Ed ke-4. Harlow: Pearson Education. Muizzuddin N, Marenus K, Maes D, Smith WP. 1990. Use of Chromameter in assessing the efficacy of anti–irritants and tanning accelerators. J Soc Cosmet Chem. 41:369–378. Shriver MD, Parra EJ. 2000. Comparison of narrow–band reflectance spectroscopy and tristimulus colorimetry for measurements of skin and hair color in persons of different biological ancestry. American J of Physical Anthropology 112:17–27. Soesatyo B, Marwah SD. 2005. Pengungkapan nilai negatif a,b pada chromameter dengan analisa perhitungan. PPI–KIM 2:71–79.
15
Soesatyo B, Marwah SD. 2005. Penentuan perbedaan warna bahan ditinjau pada nilai pencahayaan L. Instrumentasi 29: 13-21. Stchur P, Cleveland D, Zhou J, Michel RG. 2002. A review of recent applications of near infrared spectroscopy, and the characteristics of a novel PbS CCD array-based near infrared spectrometer. Appl Spect Rev 37:383-428. Stephen ID, Smith MJL, Stirrat MR, Perrett DI. 2009. Facial skin coloration affects perceived health of human faces. Int J Primatol 30: 845–857. Trujillo O, Vanezis P, Cermignani M. 1996. Photometric assessment of skin colour and lightness using a tristimulus calorimeter: reliability of inter and intra– investigator observations in healthy adult volunteers. Forensic Science Int 81:1–10. Wallace VP, Crawford DC, Mortimer PS, Ott RJ, Bamber JC. 2000. Spectrophotometric assessment of pigmented skin lesions: methods and feature selection for evaluation of diagnostic performance. Phys Med Biol 45: 735–751. Weatherall IL, Coombs BD. 1992. Skin color measurement in terms of CIELAB color space values. J Invest Dermatol 99: 468–473. Wold S, Sjostrom M, Eriksson L. 2001. PLSregression: a basic tool of chemometrics. Chem Intel Lab Syst 58: 109-130. Zain
H, Tedjo A, Kusmardi. 2007. Karakterisasi sifat autofluoresensi jaringan adenokarsinoma menggunakan metode analisis multieksitasi. Makara Kesehatan 11:69-75.
Zwinkels JC. 1996. Colour–measuring instruments and their calibration. Displays 16 (4):163–171.
16
LAMPIRAN
17
Lampiran 1 Diagram alir penelitian Lampiran 1 Bagan alir penelitian
Pembuatan standar warna dari produk pencerah kulit komersial
Karakterisasi panjang gelombang lampu LED
Pengukuran Standar Warna Menggunakan Fotometer dan Chromameter
Analisis data menggunakan Curve Fit
Pengukuran Reflektans Kulit Manusia Menggunakan Fotometer dan Chromameter
Koefisien dan Persamaan baru
Nilai X, Y, Z
Analisis data menggunakan Kemometrik Hasil
PCA
PLS
Pembandingan
Alat Fotometer sebagai alat Pengukur Warna Kulit
18
Lampiran 2 Standar warna dari produk pencerah kulit komersial yang telah dimodifikasi
19
Lampiran 3 Alat Chromameter® Konica Minolta CR 400
Lampiran 4 Fotometer yang sedang dikembangkan
Lampiran 5 Otoskop sumber sinar
20
Lampiran 6 Data pengukuran standar warna A menggunakan fotometer (data model)
Nomor Standar
Lampu merah (mV) 1
2
3
1
1995
2000 1995
2
1995
3
Lampu kuning (mV)
Rerata
1
2
3
1995
1995.00
1990
2000 1990
1994
1994
1994.33
1987
1993
1992
1993
1992.67
4
1995
1995
1995
5
1992
1993
1993
6
1991
1992
1991
7
1988
1990
8
1981
9
1977
10
Lampu hijau (mV)
Rerata
1
2
1989
1989.67
1984
1984
1987
1986
1986.67
1981
1985
1984
1984
1984.33
1995.00
1987
1986
1985
1992.67
1984
1984
1982
1991.33
1983
1981
1980
1989
1989.00
1976
1976
1982
1981
1981.33
1969
1979
1979
1978.33
1968
1976
1978
1978
1977.33
11
1970
1971
1972
12
1963
1963
1964
13
1962
1962
1962
14
1960
1962
1962
15
1956
1956
16
1952
1952
Kontrol
3
Lampu biru (mV)
Rerata
1
2
3
2000 1985
1984.33
1986
2000 1987
1981
1981
1981.00
1984
1976
1976
1977
1976.33
1986.00
1978
1976
1977
1983.33
1973
1972
1972
1981.33
1970
1971
1970
1974
1975.33
1967
1967
1970
1967
1968.67
1965
1968
1967
1967.67
1961
1966
1965
1965
1965.33
1971.00
1959
1959
1958
1963.33
1953
1952
1952
1962.00
1952
1953
1953
1961.33
1949
1951
1950
1957
1956.33
1944
1945
1952
1952.00
1941
1942
Lampu ungu (mV)
Rerata
1
2
3
Rerata
1987
1986.67
1956
2000 1956
1957
1956.33
1985
1985
1984.67
1955
1955
1955
1955.00
1982
1982
1982
1982.00
1954
1953
1953
1953.33
1977.00
1980
1980
1980
1980.00
1953
1951
1951
1951.67
1972.33
1977
1978
1978
1977.67
1949
1949
1950
1949.33
1970.33
1975
1976
1975
1975.33
1944
1943
1944
1943.67
1967
1967.00
1974
1974
1974
1974.00
1940
1941
1940
1940.33
1965
1964
1964.67
1973
1973
1973
1973.00
1937
1938
1938
1937.67
1960
1960
1960.33
1970
1970
1971
1970.33
1936
1937
1936
1936.33
1956
1956
1956
1956.00
1969
1969
1970
1969.33
1934
1934
1934
1934.00
1958.67
1954
1953
1952
1953.00
1968
1968
1968
1968.00
1930
1931
1932
1931.00
1952.33
1949
1950
1948
1949.00
1967
1967
1967
1967.00
1929
1929
1929
1929.00
1952.67
1948
1948
1946
1947.33
1966
1966
1966
1966.00
1928
1928
1928
1928.00
1950.00
1940
1941
1942
1941.00
1965
1965
1965
1965.00
1927
1927
1927
1927.00
1945
1944.67
1938
1937
1938
1937.67
1964
1963
1963
1963.33
1925
1924
1925
1924.67
1941
1941.33
1932
1932
1933
1932.33
1963
1962
1963
1962.67
1924
1923
1923
1923.33
21
Lampiran 7 Data pengukuran standar warna B, C, D menggunakan fotometer (data validasi)
Nomor Standar
Lampu merah (mV) B
C
1
1994
2000 1994
2
1994
3
Lampu hijau (mV)
Lampu biru (mV)
Lampu ungu (mV)
B
C
D
B
C
D
B
C
D
B
C
D
1994
1990
2000 1989
1990
1986
2000 1984
1984
1988
2000 1987
1987
1959
2000 1958
1958
1994
1994
1988
1988
1987
1981
1980
1979
1984
1985
1985
1955
1957
1955
1993
1992
1992
1986
1985
1985
1976
1976
1976
1983
1983
1982
1953
1952
1952
4
1995
1995
1994
1985
1985
1985
1977
1977
1976
1983
1983
1983
1950
1950
1950
5
1993
1993
1993
1983
1982
1982
1972
1973
1973
1978
1978
1978
1950
1949
1949
6
1992
1991
1991
1980
1980
1979
1970
1971
1971
1975
1975
1975
1945
1945
1945
7
1990
1989
1988
1975
1975
1975
1969
1968
1968
1974
1975
1974
1942
1942
1942
8
1981
1982
1982
1970
1970
1970
1964
1965
1965
1973
1973
1973
1940
1940
1940
9
1979
1980
1978
1968
1968
1968
1961
1961
1961
1971
1970
1970
1938
1938
1938
10
1979
1978
1978
1965
1968
1967
1958
1958
1958
1970
1970
1970
1935
1936
1936
11
1972
1973
1972
1961
1961
1959
1955
1955
1956
1969
1969
1968
1932
1932
1933
12
1964
1964
1965
1954
1955
1955
1951
1950
1950
1967
1967
1967
1931
1931
1931
13
1964
1964
1964
1954
1954
1954
1948
1950
1948
1966
1966
1966
1930
1930
1930
14
1963
1962
1962
1951
1951
1951
1944
1945
1944
1966
1965
1965
1929
1929
1929
15
1957
1957
1957
1948
1948
1948
1940
1940
1940
1965
1964
1964
1927
1927
1927
16
1953
1953
1952
1943
1942
1942
1935
1935
1935
1962
1963
1963
1926
1926
1926
Kontrol
D
Lampu kuning (mV)
22
Lampiran 8 Data pengukuran standar warna A menggunakan Chromameter CR 400 (data model) Nomor Standar
L*
Pelat putih
Rerata
a*
Rerata
3.53
3.55
Rerata
1
83.85
93.97 83.75
2
82.21
82.07
82.14
5.87
6.20
6.04
7.31
3
78.96
78.97
78.97
6.22
6.44
6.33
10.24
9.98
10.11
4
77.89
78.05
77.97
7.93
7.95
7.94
13.93
13.92
13.93
5
76.60
76.59
76.60
8.17
8.23
8.20
15.10
15.10
15.10
6
74.16
74.27
74.22
8.32
8.37
8.35
20.31
20.15
20.23
7
70.77
70.81
70.79
12.08
12.33
12.21
18.54
18.19
18.37
8
68.90
68.83
68.87
11.17
11.21
11.19
15.69
15.74
15.72
9
66.94
66.84
66.89
9.89
10.04
9.97
19.30
19.07
19.19
10
64.49
64.64
64.57
11.31
10.97
11.14
21.75
21.91
21.83
11
60.49
60.56
60.53
10.32
10.24
10.28
20.11
19.78
19.95
12
57.57
57.71
57.64
9.20
9.17
9.19
16.80
16.84
16.82
13
55.63
56.03
55.83
10.78
10.62
10.70
19.92
20.06
19.99
14
54.24
54.60
54.42
7.27
7.54
7.41
21.42
21.09
21.26
15
52.20
52.65
52.43
8.18
8.35
8.27
21.77
21.99
21.88
16
47.93
48.03
47.98
9.21
9.33
9.27
19.88
19.90
19.89
83.80
-0.62 3.57
b*
7.29
5.43 7.27
7.28
7.03
7.17
Lampiran 9 Data pengukuran standar warna B, C, D menggunakan Chromameter CR 400 (data validasi) Nomor Standar
L* B
C
1
83.98
94.01 83.68
2
82.07
3
78.77
4
a* B
C
83.49
3.13
-0.63 3.68
3.55
82.11
81.72
5.62
5.96
5.89
7.91
7.58
7.88
78.97
78.75
5.70
6.00
5.46
11.20
10.49
11.71
77.94
78.04
77.80
7.54
7.54
7.42
14.94
14.90
15.53
5
76.51
76.34
75.97
7.91
8.17
8.34
15.53
15.42
15.79
6
73.78
73.86
73.65
8.25
8.55
8.18
21.02
20.58
21.08
7
70.76
70.87
70.63
11.37
11.49
11.51
19.59
19.42
19.33
8
68.64
68.52
68.35
10.68
10.84
10.39
17.27
16.66
16.70
9
66.79
66.76
66.70
9.19
9.33
9.52
20.64
20.44
20.55
10
64.25
64.48
64.19
10.46
9.96
10.39
22.83
22.85
23.26
11
60.14
60.52
60.27
9.52
9.55
9.38
21.16
21.16
21.30
12
57.09
57.35
57.01
8.03
8.08
8.14
17.87
17.49
17.65
13
54.99
55.43
55.40
9.54
9.37
8.94
20.67
20.22
20.21
14
53.25
53.40
53.15
6.44
6.89
6.31
22.57
21.89
22.02
15
50.63
51.63
51.44
7.46
7.52
6.98
22.25
21.82
22.11
16
46.72
47.04
46.64
8.39
8.31
7.88
19.31
19.02
19.14
Pelat putih
D
b* D
B
C
D
7.98
5.45 7.55
7.61
23
Lampiran 10 Perhitungan untuk pemodelan persamaan (data pengukuran lampu ungu)
Nomor Standar Warna
Rerata Sinyal Standar Warna (S)
Sinyal Standar warna putih (Y)
Reflektans karton putih (R’)
S-Z
Y-Z
R (402.28 nm)
Intensitas tertinggi (a.u.) (S’)
x (garis)
y (garis)
z (garis)
X
Y
Z
R
Xn
Yn
Zn
1
1956.33
2000.00
0.87721
59.33
103.00
0.58
3486.03
0.018359
0.000507
0.087162
36.867328
1.018124
175.032957
1.00
64.000025
1.767417
303.849347
2
1955.00
2000.00
0.87721
58.00
103.00
0.56
3486.03
0.018359
0.000507
0.087162
36.038849
0.995245
171.099632
1.00
64.000025
1.767417
303.849347
3
1953.33
2000.00
0.87721
56.33
103.00
0.55
3486.03
0.018359
0.000507
0.087162
35.003250
0.966646
166.182976
1.00
64.000025
1.767417
303.849347
4
1951.67
2000.00
0.87721
54.67
103.00
0.53
3486.03
0.018359
0.000507
0.087162
33.967651
0.938047
161.266320
1.00
64.000025
1.767417
303.849347
5
1949.33
2000.00
0.87721
52.33
103.00
0.51
3486.03
0.018359
0.000507
0.087162
32.517812
0.898008
154.383001
1.00
64.000025
1.767417
303.849347
6
1943.67
2000.00
0.87721
46.67
103.00
0.45
3486.03
0.018359
0.000507
0.087162
28.996775
0.800772
137.666371
1.00
64.000025
1.767417
303.849347
7
1940.33
2000.00
0.87721
43.33
103.00
0.42
3486.03
0.018359
0.000507
0.087162
26.925577
0.743574
127.833059
1.00
64.000025
1.767417
303.849347
8
1937.67
2000.00
0.87721
40.67
103.00
0.39
3486.03
0.018359
0.000507
0.087162
25.268618
0.697815
119.966409
1.00
64.000025
1.767417
303.849347
9
1936.33
2000.00
0.87721
39.33
103.00
0.38
3486.03
0.018359
0.000507
0.087162
24.440139
0.674936
116.033084
1.00
64.000025
1.767417
303.849347
10
1934.00
2000.00
0.87721
37.00
103.00
0.36
3486.03
0.018359
0.000507
0.087162
22.990300
0.634897
109.149765
1.00
64.000025
1.767417
303.849347
11
1931.00
2000.00
0.87721
34.00
103.00
0.33
3486.03
0.018359
0.000507
0.087162
21.126222
0.583419
100.299784
1.00
64.000025
1.767417
303.849347
12
1929.00
2000.00
0.87721
32.00
103.00
0.31
3486.03
0.018359
0.000507
0.087162
19.883503
0.549100
94.399797
1.00
64.000025
1.767417
303.849347
13
1928.00
2000.00
0.87721
31.00
103.00
0.30
3486.03
0.018359
0.000507
0.087162
19.262143
0.531941
91.449803
1.00
64.000025
1.767417
303.849347
14
1927.00
2000.00
0.87721
30.00
103.00
0.29
3486.03
0.018359
0.000507
0.087162
18.640784
0.514782
88.499810
1.00
64.000025
1.767417
303.849347
15
1924.67
2000.00
0.87721
27.67
103.00
0.27
3486.03
0.018359
0.000507
0.087162
17.190945
0.474743
81.616491
1.00
64.000025
1.767417
303.849347
16
1923.33
2000.00
0.87721
26.33
103.00
0.26
3486.03
0.018359
0.000507
0.087162
16.362466
0.451864
77.683166
1.00
64.000025
1.767417
303.849347
Contoh perhitungan pada standar nomor 1:
R(λ) (Sλ- Zλ) / (Yλ - Zλ) 0.58
Y R( )S( ) y( ) 0.58 3486.03 0.000507 1.018124
24
Lampiran 11 Perhitungan nilai k untuk pemodelan persamaan Intensitas tertinggi (a.u.) (S’) 3486.03 2914.86 2860.41
Lampu Lampu ungu Lampu biru Lampu merah Sigma
y (garis)
S’ x y(garis)
0.000507 0.066449 0.220360
1.767417 193.689532 630.319948 825.776897 100
k
0.121098
k
100 0.121098 825.776897
Lampiran 12 Perhitungan nilai Y/Yn untuk pemodelan persamaan Lampu
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Ungu
1.018124
0.995245
0.966646
0.938047
0.898008
0.800772
0.743574
0.697815
0.674936
0.634897
0.583419
0.549100
0.531941
0.514782
0.474743
0.451864
Biru
142.038990
134.291409
123.961301
116.213719
107.174874
98.136030
92.970975
89.097185
78.767076
74.893286
69.728232
65.854441
61.980650
58.106860
51.650542
49.068015
Merah
597.490784
593.113562
582.170507
597.490784
582.170507
573.416063
558.095787
507.757736
488.060237
481.494404
439.910797
389.572745
380.818302
376.441080
343.611916
315.159974
Sigma
740.547898
728.400215
707.098453
714.642550
690.243390
672.352865
651.810336
597.552736
567.502250
557.022588
510.222448
455.976287
443.330893
435.062721
395.737201
364.679853
k
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
0.121098
Y akhir
89.678931
88.207870
85.628268
86.541843
83.587152
81.420644
78.932983
72.362491
68.723435
67.454368
61.786961
55.217855
53.686522
52.685262
47.923017
44.162031
Yn
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
100.000000
0.896789
0.882079
0.856283
0.865418
0.835872
0.814206
0.789330
0.723625
0.687234
0.674544
0.617870
0.552179
0.536865
0.526853
0.479230
0.441620
0.964339912
0.95903792
0.949596386
0.952961556
0.94199047
0.933780593
0.924172068
0.897782571
0.882473392
0.877007605
0.851724117
0.820401621
0.812746465
0.80766212
0.782554722
0.761522981
Y/Yn 1/3
(Y/Yn)
Y k Sigma 0.121098 740.547898 89.678931
25
Lampiran 13 Hasil keluaran perangkat lunak pengolahan data untuk pemodelan persamaan (5 lampu) DataFit version 9.0 Number of observations = 16 Number of missing observations = 0 Residual tolerance = 0.0000000001 Sum of Residuals = -3.69482222595252E-13 Average Residual = -2.30926389122033E-14 Residual Sum of Squares (Absolute) = 33.1849238190868 Residual Sum of Squares (Relative) = 33.1849238190868 Standard Error of the Estimate = 1.53959465488918 Coefficient of Multiple Determination (R^2) = 0.9828014504 Proportion of Variance Explained = 98.28014504% Adjusted coefficient of multiple determination (Ra^2) = 0.9815729826 Regression Variable Results Variable Value a 142.27925543226 b -54.2809545172111
Lampiran 14 Hasil keluaran perangkat lunak pengolahan data untuk pemodelan persamaan (3 lampu) DataFit version 9.0 Number of observations = 16 Number of missing observations = 0 Residual tolerance = 0.0000000001 Sum of Residuals = 1.70530256582424E-13 Average Residual = 1.06581410364015E-14 Residual Sum of Squares (Absolute) = 39.5256384639378 Residual Sum of Squares (Relative) = 39.5256384639378 Standard Error of the Estimate = 1.68025590023701 Coefficient of Multiple Determination (R^2) = 0.9795152866 Proportion of Variance Explained = 97.95152866% Adjusted coefficient of multiple determination (Ra^2) = 0.9780520928
Regression Variable Results Variable Value a 164.21584393819 b -77.8148427203424
26
Lampiran 15 Data hasil perhitungan menggunakan pemodelan persamaan (5 lampu)
L* Aktual
A L* Prediksi
% Deviasi
L* Aktual
B L* Prediksi
% Deviasi
L* Aktual
C L* Prediksi
% Deviasi
L* aktual
D L* Prediksi
% Deviasi
1
83.80
81.44
2.82
83.98
81.90
2.48
83.68
81.16
3.01
83.49
81.39
2.52
2
82.14
79.83
2.82
82.07
80.09
2.41
82.11
79.88
2.71
81.72
79.40
2.83
3
78.97
77.91
1.34
78.77
78.28
0.62
78.97
77.98
1.25
78.75
77.95
1.02
4
77.97
78.55
0.74
77.94
78.42
0.62
78.04
78.42
0.49
77.80
78.11
0.39
5
76.60
76.48
0.15
76.51
76.35
0.21
76.34
76.36
0.03
75.97
76.36
0.52
6
74.22
75.29
1.44
73.78
74.90
1.52
73.86
75.10
1.68
73.65
74.85
1.63
7
70.79
72.66
2.64
70.76
73.19
3.43
70.87
72.89
2.85
70.63
72.78
3.04
8
68.87
69.65
1.14
68.64
69.80
1.69
68.52
70.16
2.39
68.35
70.16
2.65
9
66.89
67.78
1.33
66.79
68.15
2.03
66.76
68.18
2.13
66.70
68.03
2.00
10
64.57
65.69
1.73
64.25
66.36
3.28
64.48
67.14
4.12
64.19
66.85
4.15
11
60.53
62.18
2.72
60.14
63.66
5.86
60.52
63.74
5.32
60.27
63.33
5.08
12
57.64
58.11
0.82
57.09
59.41
4.06
57.35
59.39
3.56
57.01
59.47
4.32
13
55.83
57.47
2.94
54.99
58.32
6.06
55.43
59.01
6.47
55.40
58.32
5.27
14
54.42
54.12
0.55
53.25
55.79
4.77
53.40
56.01
4.89
53.15
55.65
4.70
15
52.43
50.27
4.11
50.63
52.61
3.91
51.63
52.55
1.79
51.44
52.55
2.16
16
47.98
46.21
3.69
46.72
48.10
2.95
47.04
47.76
1.53
46.64
47.66
2.18
Nomor Standar Warna
% Deviasi
L * Aktual- L * Prediksi 100% L * Aktual 83.80 - 81.44 100% 2.82% 83.80
27
Lampiran 16 Data hasil perhitungan menggunakan pemodelan persamaan (3 lampu) L* Aktual
A L* Prediksi
% Deviasi
L* Aktual
B L* Prediksi
% Deviasi
L* Aktual
C L* Prediksi
% Deviasi
L* aktual
D L* Prediksi
% Deviasi
1
83.80
80.55
3.88
83.98
80.45
4.21
83.68
80.17
4.19
83.49
80.17
3.98
2
82.14
79.67
3.00
82.07
79.33
3.34
82.11
79.61
3.04
81.72
79.61
2.58
3
78.97
78.12
1.07
78.77
78.57
0.26
78.97
78.09
1.12
78.75
77.80
1.21
4
77.97
78.68
0.91
77.94
79.52
2.02
78.04
79.52
1.89
77.80
79.04
1.60
5
76.60
76.87
0.36
76.51
77.14
0.82
76.34
77.13
1.04
75.97
77.13
1.53
6
74.22
75.53
1.76
73.78
75.76
2.69
73.86
75.26
1.90
73.65
75.26
2.19
7
70.79
73.95
4.46
70.76
74.46
5.23
70.87
74.25
4.77
70.63
73.44
3.98
8
68.87
69.62
1.08
68.64
69.44
1.16
68.52
69.98
2.13
68.35
69.98
2.38
9
66.89
67.10
0.32
66.79
67.69
1.35
66.76
67.92
1.74
66.70
66.81
0.16
10
64.57
66.20
2.53
64.25
67.36
4.84
64.48
66.80
3.60
64.19
66.80
4.07
11
60.53
62.05
2.51
60.14
63.00
4.76
60.52
63.59
5.07
60.27
62.65
3.95
12
57.64
56.91
1.27
57.09
57.34
0.44
57.35
57.34
0.02
57.01
57.98
1.70
13
55.83
55.65
0.32
54.99
56.96
3.58
55.43
56.96
2.76
55.40
56.96
2.81
14
54.42
54.82
0.73
53.25
56.31
5.74
53.40
55.26
3.49
53.15
55.26
3.98
15
52.43
50.69
3.31
50.63
51.86
2.43
51.63
51.45
0.36
51.44
51.45
0.01
16
47.98
47.24
1.54
46.72
47.70
2.09
47.04
48.14
2.33
46.64
47.39
1.61
Nomor Standar Warna
28
Lampiran 17 Data pengukuran kulit menggunakan fotometer
Contoh Kontrol Punggung tangan Frengki (PF) Punggung tangan Aji (PA) Forearm Frengki (FF) Forearm Aji (FA)
Lampu merah (mV) 1
2
3
Rerata
Lampu kuning (mV) 1
2000
2
3
Lampu hijau (mV)
Rerata
1
2
3
2000
Lampu biru (mV)
Rerata
1
2000
2
3
Lampu ungu (mV) Rerata
1
2
2000
3
Rerata
2000
1928
1929
1929
1928.67
1920
1919
1919
1919.33
1915
1914
1914
1914.33
1959
1960
1959
1959.33
1912
1913
1912
1912.33
1926
1926
1926
1926.00
1914
1914
1915
1914.33
1911
1911
1911
1911.00
1958
1957
1956
1957.00
1911
1910
1912
1911.00
1935
1936
1935
1935.33
1930
1931
1930
1930.33
1924
1924
1924
1924.00
1964
1964
1963
1963.67
1915
1915
1916
1915.33
1939
1940
1939
1939.33
1932
1931
1932
1931.67
1924
1924
1924
1924.00
1963
1963
1963
1963.00
1916
1915
1915
1915.33
Lampiran 18 Data pengukuran kulit menggunakan chromameter CR 400
Contoh
L* 1
2
a* 3
Rerata
1
2
b* 3
Rerata
1
2
3
Rerata
Pelat Putih Punggung tangan Frengki (PF) Punggung tangan Aji (PA)
54.09
54.26
53.84
54.06
10.48
10.71
10.48
10.56
18.71
18.43
18.74
18.63
48.43
49.31
48.77
48.84
13.96
13.80
14.09
13.95
20.32
20.32
20.38
20.34
Forearm Frengki (FF)
59.74
59.74
59.35
59.61
8.88
9.17
9.10
9.05
18.45
18.16
18.20
18.27
Forearm Aji (FA)
61.20
61.60
61.53
61.44
9.68
9.43
9.24
9.45
17.74
17.58
17.77
17.70
93.97
-0.62
5.43
29
Lampiran 19 Data hasil perhitungan kulit normal manusia
Contoh Punggung tangan Frengki (PF) Punggung tangan Aji (PA) Forearm Frengki (FF) Forearm Aji (FA)
Pemodelan Persamaan (3 lampu) L* L* % Aktual Prediksi Deviasi
PLS L* Aktual
L* Prediksi
% Deviasi
54.06
24.27
55.11
54.06
36.61
32.27
48.84
19.49
60.09
48.84
34.60
29.15
59.61
33.76
43.37
59.61
41.15
30.97
61.44
37.06
39.69
61.44
42.40
31.00
Lampiran 20 Plot proporsi semua komponen utama PCA (5 lampu)
Lampiran 21 Predict Vs Reference PLS 16 standar warna (3 lampu)
