1
PENDUGAAN KADAR AIR, PROTEIN DAN KARBOHIDRAT
BIJI SORGUM SECARA NON-DESTRUKTIF DENGAN
METODE
NEAR INFRARED
(NIR)
SKRIPSI
NIKITA PUTRI GABBIE
F14070079
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKUTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
PREDICTION OF MOISTURE, PROTEIN AND CARBOHYDRATE CONTENT
OF SORGHUM BY USING NEAR INFRARED (NIR) METHOD
Nikita Putri Gabbie and I Wayan Budiastra
Department of Agricultural Engineering, Faculty of Agricultural Technology,
Bogor Agricultural University, IPB Darmaga Campus, PO Box 220, Bogor, West Java,
Indonesia
Phone 628 57 33437444, e-mail: nikita.gabbie@yahoo.com
ABSTRACT
Sorghum is local resources that can be used as a substitution of corn on feed. Moisture, protein and carbohydrate contents of sorghum can be predicted using near infrared method. The aim of this research was to apply NIR method to analyze moisture, protein and carbohydrate contents of sorghum. The calibration methods that used in this research are principal component regression (PCR) and partial least square (PLS). Some data treatments are applied on absorbance and reflectance spectrum. They are smooth average 3 points, normalization between 0-1, second derivative Savitzky-Golay 9 points, combination of smooth average 3 points and second derivative Savitzky-Golay 9 points, and combination of smooth average 3 points, normalization between 0-1, and second derivative Savitzky-Golay 9 points. PLS method with absorbance data and combination of smooth average 3 points, normalization between 0-1, and second derivative Savitzky-Golay 9 points is the best calibration method and data treatment to predict moisture content of sorghum. The best calibration method to predict protein content is PLS with absorbance data and second derivative Savitzky-Golay 9 points data treatment. PLS method with absorbance data and second derivative Savitzky-Golay is the best calibration method and data treatment to predict carbohydrate content. Standard error of prediction (SEP) and coefficient of variability (CV) respectively were 0.005% and 0.04% for moisture content prediction, 0.01% and 0.18% for protein content prediction, 0.01% and 0.02% for carbohydrate content prediction.
NIKITA PUTRI GABBIE. F14070079. Pendugaan Kadar Air, Protein dan Karbohidrat Biji Sorgum Secara Non-Destruktif dengan Metode Near Infrared (NIR). Di bawah bimbingan Dr. Ir. I Wayan Budiastra, M.Agr. 2011
RINGKASAN
Sorgum merupakan salah satu jenis serealia yang tahan terhadap kekeringan sehingga cocok untuk dibudidayakan di Indonesia. Pemanfaatan sorgum sebagai bahan pakan merupakan salah satu upaya untuk mengatasi ketergantungan terhadap jagung. Sorgum memiliki kandungan gizi yang cukup baik untuk dimanfaatkan sebagai substitusi bahan baku pakan.
Pada umumnya metode yang digunakan untuk menganalisis komponen kimia dalam suatu bahan adalah analisis kimiawi laboratorium dengan metode konvensional secara destruktif. Metode tersebut membutuhkan waktu analisis yang cukup lama, membutuhkan tenaga ahli intensif, dan rumit. Kendala dengan metode konvensional dapat diatasi dengan metode near infrared (NIR). Metode NIR dapat menganalisis komponen kimia dalam suatu bahan secara akurat, cepat, dan ekonomis. Tujuan dilakukannya penelitian ini adalah untuk mengaplikasikan metode NIR dan menentukan metode kalibrasi yang paling baik untuk pendugaan kadar air, protein dan karbohidrat biji sorgum.
Near infrared (NIR) atau infra merah dekat merupakan gelombang elektromagnetik yang memiliki panjang gelombang mulai dari 700 nm sampai 2500 nm. Pada radiasi NIR yang dipancarkan oleh sumber radiasi berkorespondensi dengan frekuensi vibrasi dari molekul-molekul yang ada di dalam bahan akan terjadi penyerapan cahaya yang besar oleh molekul-molekul C-H, O-H, C-N, dan N-H. Radiasi infra merah menyebabkan senyawa organik mengalami rotasi dan getaran (vibrasi) ikatan inter-atomic (Osborne et al., 1993). Radiasi NIR yang dipantulkan dari biji sorgum dapat digunakan untuk menduga kadar air, protein dan karbohidrat biji sorgum. Data pantulan dijadikan sebagai data reflektan (R) biji sorgum. Nilainya diekspresikan sebagai log (1/R) yang memberikan nilai tinggi pada level tinggi absorban. Terdapat hubungan yang linier antara log (1/R) dan konsentrasi komposisi yang diserap. Data reflektan dan absorban yang diperoleh dimasukkan kedalam metode kalibrasi.
Tujuan dari penelitian ini adalah untuk mengkaji pola spektrum reflektan dan absorbansi dari biji sorgum hubungannya dengan perubahan kadar air, protein, dan karbohidrat, melakukan tahap kalibrasi dan validasi sifat reflektan, absorban, dan komposisi kimia sorgum dengan metode kalibrasi multivariatif yaitu principal component regression dan partial least square., dan menentukan metode kalibrasi yang terbaik untuk menduga kadar air, protein, dan karbohidrat biji sorgum.
Bahan yang digunakan dalam penelitian ini adalah biji sorgum varietas lokal yang telah dikeringkan yang diperoleh dari Yogyakarta. Biji sorgum yang digunakan memiliki rata-rata kadar air 13.47%, kadar protein 6.88%, dan kadar karbohidrat 72.75%. Alat yang digunakan pada penelitian ini antara lain NIRFlex Solids dengan cawan petri tipe N-500 Merk BUCHI dan seperangkat komputer yang telah diinstal dengan software bawaan, seperti: NIRWare Operator, NIRWare Management Console, NIRCal 5 serta peralatan laboratorium untuk analisis kimiawi.
Jumlah sampel yang digunakan untuk penelitian ini adalah 70 sampel. Sebanyak 2/3 dari total sampel digunakan untuk tahap kalibrasi dan sebanyak 1/3 dari total sampel digunakan untuk tahap validasi. Metode kalibrasi yang digunakan adalah Principal Component Regression (PCR) dan
Partial Least Square (PLS). Perlakuan data yang diberikan pada kurva absorban dan reflektan NIR antara lain: penghalusan rataan setiap 3 titik, normalisasi antara 0-1, derivatif kedua Savitzky-Golay setiap 9 titik, kombinasi antara penghalusan rataan setiap 3 titik dengan derivatif kedua Savitzky-Golay setiap 9 titik, dan kombinasi antara penghalusan rataan setiap 3 titik, normalisasi antara 0-1 dan derivatif kedua Savitzky-Golay setiap 9 titik. Kisaran panjang gelombang yang digunakan adalah 1000-2500 nm (4000-10000 cm-1) dengan interval pengukuran 4 cm-1.
Metode kalibrasi dapat dikatakan terbaik bila nilai standar error dan koefisien keragaman pada tahap validasi lebih rendah dari tahap kalibrasi dan berada pada selang ideal yang diijinkan. Metode PLS menggunakan data absorban dan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik, normalisasi antara 0-1, dan derivatif kedua Savitzky-Golay setiap 9 titik merupakan metode kalibrasi dan perlakuan data terbaik untuk pendugaan kadar air dengan standar error validasi (SEP) sebesar 0.005% dan koefisien keragaman (CV) sebesar 0.04%.
Metode PLS data absorban NIR dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik merupakan metode terbaik untuk pendugaan kadar protein. Metode ini menghasilkan standar error validasi (SEP) sebesar 0.01% dan koefisien keragaman (CV) sebesar 0.18%.
Pendugaan kadar karbohidrat biji sorgum paling baik diperoleh melalui metode PLS menggunakan data absorban NIR dan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik. Metode ini menghasilkan standar error validasi (SEP) sebesar 0.01% dan koefisien keragaman (CV) sebesar 0.02%.
PENDUGAAN KADAR AIR, PROTEIN DAN KARBOHIDRAT BIJI
SORGUM SECARA NON-DESTRUKTIF DENGAN METODE
NEAR
INFRARED
(NIR)
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN pada Departemen Teknik Mesin dan Biosistem
Fakultas Teknologi Pertanian Institut Pertanian Bogor
Oleh
NIKITA PUTRI GABBIE F14070079
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR BOGOR
Judul Skripsi
:
Pendugaan Kadar Air, Protein dan Karbohidrat Biji Sorgum secara
Non-Destruktif dengan Metode
Near Infrared
(NIR)
Nama
: Nikita Putri Gabbie
NIM
: F 14070079
Bogor, Agustus 2011
Menyetujui,
Dosen Pembimbing Akademik
Dr. Ir. I Wayan Budiastra, M.Agr.
NIP. 19611019 198601 1 002
Mengetahui:
Ketua Departemen Teknik Mesin dan Biosistem
Dr. Ir. Desrial, M.Eng
NIP 19661201 199103 1 004
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI
Saya menyatakan dengan sebenar-benarnya bahwa skripsi ini dengan judul Pendugaan Kadar Air, Protein dan Karbohidrat Biji Sorgum secara Non-Destruktif dengan Metode Near Infrared (NIR) adalah hasil karya saya sendiri dengan arahan Dosen Pembimbing Akademik, dan belum diajukan dalam bentuk apapun pada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Bogor, Juli 2011
Yang membuat pernyataan
Nikita Putri Gabbie
RIWAYAT HIDUP
Penulis merupakan anak kedua dari tiga bersaudara, dari pasangan Bapak Gatot Prabowo (Alm) dan Ibu Deborah Soraya Isakh. Penulis dilahirkan pada tanggal 26 Januari 1990 di Surabaya, Jawa Timur. Penulis menempuh pendidikan formal tingkat sekolah dasar di SDN Kadipaten I Bojonegoro, Jawa Timur (1995-2001). Selanjutnya penulis melanjutkan pendidikan menengah pertama di SLTP Negeri I Bojonegoro (2001-2004) dan pendidikan menengah atas di SMA Negeri I Bojonegoro (2004-2007). Pada tahun 2007 penulis lulus seleksi masuk Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI).
Selama mengikuti perkuliahan, penulis aktif dalam berbagai kepanitiaan, yaitu panitia Pekan Teknik Pertanian 2008, SAPA 2009, dan kepanitiaan lainnya. Penulis memiliki beberapa prestasi selama masa perkuliahan diantaranya menjadi finalis mahasiswa berprestasi Departemen Teknik Pertanian pada tahun 2010. Penulis juga sempat menjadi asisten praktikum M.K. Praktikum Terpadu Mekanika dan Bahan Teknik (2009/2010).
Pada bulan Juni sampai Agustus 2009, penulis telah melaksanakan praktek lapangan di PG
Madukismo PT Madubaru, Yogyakarta dengan judul “Mempelajari Aspek Keteknikan dalam Proses Produksi Gula di PG Madukismo”. Sebagai tugas akhir penulis melakukan penelitian dengan judul “Pendugaan Kadar Air, Protein dan Karbohidrat Biji Sorgum secara Non-Destruktif dengan Metode
KATA PENGANTAR
Segala Puji dan Syukur penulis panjatkan kehadirat Tuhan Yesus Kristus karena berkat pimpinan dan penyertaan-Nya skripsi ini berhasil diselesaikan. Penelitian dengan judul “Pendugaan Kadar Air, Karbohidrat dan Protein Biji Sorgum secara Non-Destruktif dengan Metode Near Infrared (NIR)” dilaksanakan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian Departemen Teknik Pertanian sejak bulan Maret sampai Mei 2011. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian (S.TP) pada Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Topik ini dipilih karena saat ini dibutuhkan metode yang dapat digunakan untuk menduga komposisi kimia suatu bahan secara non-destruktif dengan tingkat kecepatan dan keakuratan yang tinggi.
Dengan selesainya penelitian hingga tersusunnya skripsi ini, penulis ingin menyampaikan penghargaan dan terima kasih yang sebesar-besarnya kepada:
1. Dr. Ir. I Wayan Budiastra, M.Agr selaku dosen pembimbing yang telah memberikan arahan, bimbingan, saran, dan kritik kepada penulis mulai dari penyusunan proposal usulan penelitian, pelaksanaan penelitian, hingga penulisan skripsi.
2. Dr. Ir. Emmy Darmawati, M.si selaku dosen penguji yang telah memberikan saran, kritik, serta arahan kepada penulis dalam melakukan penulisan skripsi.
3. Dr. Ir. Dewa Made Subrata M.Agr selaku dosen penguji yang telah memberikan saran, kritik, serta arahan kepada penulis dalam melakukan penulisan skripsi.
4. Orang tua tercinta, Ir.Gatot Prabowo (Alm) dan Ibu Deborah serta mas Bimo dan Indra atas setiap dukungan dan kasih sayang yang diberikan sehingga penulis dapat memberikan yang terbaik.
5. Bapak Sulyaden (Teknisi Lab. TPPHP) dan Bapak Taufik yang telah memberikan banyak bantuan dan saran kepada penulis selama melakukan penelitian.
6. Teman penelitian, Salsabil Thalib atas kerjasama dan bantuannya selama penelitian NIR. 7. Teman-teman Lab. TPPHP, Teman-teman sebimbingan, dan teman-teman TEP angkatan
44 atas kebersamaannya selama ini.
8. Agustino Aritonang atas semangat, doa, dan kasih sayang yang diberikan kepada penulis.
9. Pipit dan Tsani, Fathia, Puput, Endro, Hadasa, Pheni atas suka, duka, serta keceriaan yang dibagi bersama
10. Mas Fajar, Kak Sam atas bantuan dan dukungannya sehingga penelitian dapat dilakukan sampai terselesaikannya skripsi ini.
Akhirnya penulis berharap semoga tulisan ini bermanfaat dan memberikan kontribusi yang nyata terhadap perkembangan ilmu pengetahuan.
Bogor, Juli 2011
DAFTAR ISI
KATA PENGANTAR ... iv
DAFTAR ISI ... v
DAFTAR TABEL ... vii
DAFTAR GAMBAR ... ix
DAFTAR LAMPIRAN ... xii
KETERANGAN SIMBOL ... xiii
I. PENDAHULUAN ... 1
A. Latar Belakang ... 1
B. Tujuan ... 2
II. TINJAUAN PUSTAKA ... ... 3
A. Tanaman Sorgum ... 3
B. Metode Near Infrared (NIR) ... 5
C. Kalibrasi dan Validasi ... 7
D. Metode Kalibrasi Multivariatif ... 8
1. Metode Principal Component Regression (PCR) ... 8
2. Metode Partial Least Square (PLS) ... 8
III. METODOLOGI PENELITIAN ... 10
A. Tempat dan Waktu Penelitian ... 10
B. Bahan dan Alat Penelitian ... 10
1. Bahan Penelitian ... 10
2. Alat Penelitian ... 10
C. Metode Penelitian ... 12
1. Persiapan Sampel Penelitian ... 12
2. Persiapan Instrumen NIR ... 12
3. Pengukuran Pantulan Spektrum NIR ... 12
4. Pengukuran Absorban Spektrum NIR ... 13
5. Penentuan Kadar Air, Protein dan Karbohidrat secara Destruktif ... 13
a. Penentuan Kadar Air (Metode Thermogravitimetri) ... 14
b. Penentuan Kadar Protein (Metode Kjeldahl) ... 14
c. Penentuan Kadar Karbohidrat (Metode by difference) ... 14
a. Kalibrasi ... 15
b. Validasi ... 15
c. Data Treatment ... 16
IV. HASIL DAN PEMBAHASAN ... 18
A. Reflektan Near Infrared Biji Sorgum ... 18
B. Absorban Near Infrared Biji Sorgum ... 21
C. Analisis Data Kimiawi Laboratorium dengan Metode Konvensional pada Biji Sorgum ... 23
D. Analisis Data Near Infrared Biji Sorgum ... 24
1. Metode Principal Component Regression (PCR) ... 24
a. Data Reflektan Biji Sorgum ... 24
b. Data Absorban Biji Sorgum ... 28
2. Metode Partial Least Square (PLS) ... 32
a. Data Reflektan Biji Sorgum ... 32
b. Data Absorban Biji Sorgum ... 36
V. SIMPULAN DAN SARAN ... 43
A. Simpulan ... 43
B. Saran ... 43
DAFTAR PUSTAKA ... 44
DAFTAR TABEL
1 Produktivitas sorgum di Indonesia ... 1
2 Perbandingan kandungan nutrisi sorgum dengan sumber pangan/pakan lain ... 4
3 Persebaran daerah penghasil sorgum di Indonesia ... 4
4 Data statistik 70 sampel biji sorgum hasil analisis kimiawi laboratorium ... 23
5 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan data reflektan dengan berbagai perlakuan data pada metode PCR ... 25
6 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar protein berdasarkan data reflektan dengan berbagai perlakuan data pada metode PCR ... 26
7 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar karbohidrat berdasarkan data reflektan dengan berbagai perlakuan data pada metode PCR ... 27
8 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan data absorban dengan berbagai perlakuan data pada metode PCR ... 28
9 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar protein berdasarkan data absorban dengan berbagai perlakuan data pada metode PCR ... 30
10 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar karbohidrat berdasarkan data absorban dengan berbagai perlakuan data pada metode PCR ... 31
11 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan data reflektan dengan berbagai perlakuan data pada metode PLS ... 33
12 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar protein berdasarkan data reflektan dengan berbagai perlakuan data pada metode PLS ... 34
13 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar karbohidrat berdasarkan data reflektan dengan berbagai perlakuan data pada metode PLS ... 35
14 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan data absorban dengan berbagai perlakuan data pada metode PLS ... 37
15 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar protein berdasarkan data absorban dengan berbagai perlakuan data pada metode PLS ... 38
16 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar karbohidrat berdasarkan data absorban dengan berbagai perlakuan data pada metode PLS ... 39
17 Perbandingan hasil kalibrasi dan validasi kadar air dengan perlakuan data terbaik pada data reflektan dan absorban menggunakan metode PCR dan PLS ... 40
DAFTAR GAMBAR
1 Tanaman sorgum ... 3
2 Sampel biji sorgum yang akan digunakan dalam pendugaan kadar air, protein dan karbohidrat dengan NIRFlex Petri Solids N-500 ... 10
3 NIRFlex N-500 Petri Solids ... 11
4 Prinsip fungsional dari alat NIRFlex Solids... 11
5 Sampel yang akan diukur menggunakan NIR ... 12
6 Proses pengukuran kadar air, protein dan karbohidrat biji sorgum dengan NIRFlex Petri Solids ... 13
7 Diagram alir pelaksanaan penelitian pendugaan kadar air, karbohidrat, dan protein biji sorgum ... 17
8 Kurva spektrum reflektan NIR pada 70 sampel biji sorgum ... 18
9 Kurva spektrum reflektan NIR biji sorgum dengan penghalusan rataan setiap 3 titik ... 19
10 Kurva spektrum reflektan NIR biji sorgum dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik ... 20
11 Kurva spektrum reflektan NIR biji sorgum dengan kombinasi ketiga perlakuan data ... 20
12 Kurva spektrum absorban NIR pada 70 sampel biji sorgum ... 21
13 Kurva spektrum absorban NIR biji sorgum dengan perlakuan Data penghalusan rattan setiap 3 titik ... 22
14 Kurva spektrum absorban NIR biji sorgum dengan perlakuan data normalisasi 0-1 ... 22
15 Kurva spektrum absorban NIR biji sorgum dengan perlakuan ... data derivatif kedua Savitzky-Golay setiap 9 titik ... 22
16 Kurva spektrum absorban NIR biji sorgum dengan kombinasi ketiga perlakuan data ... 23
18 Grafik perbandingan kadar protein dugaan data reflektan NIR dengan kadar protein referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PCR dan perlakuan data
penghalusan rataan setiap 3 titik... 26
19 Grafik perbandingan kadar karbohidrat dugaan data reflektan NIR dengan kadar karbohidrat referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PCR dan perlakuan data
penghalusan rataan setiap 3 titik... 28
20 Grafik perbandingan kadar air dugaan data absorban NIR dengan kadar air referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PCR dan perlakuan data normalisasi
antara 0-1. ... 29
21 Grafik perbandingan kadar protein dugaan data absorban NIR dengan kadar protein referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PCR dan perlakuan data normalisasi
antara 0-1. ... 30
22 Grafik perbandingan kadar karbohidrat dugaan data absorban NIR dengan kadar karbohidrat referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PCR dan perlakuan data
normalisasi antara 0-1. ... 31
23 Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar air referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan perlakuan data derivatif kedua
Savitzky-Golay setiap 9 titik. ... 33
24 Grafik perbandingan kadar protein dugaan data reflektan NIR dengan kadar protein referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan perlakuan data derivatif kedua
Savitzky-Golay setiap 9 titik ... 34
25 Grafik perbandingan kadar karbohidrat dugaan data reflektan NIR dengan kadar karbohidrat referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan perlakuan data
derivatif kedua Savitzky-Golay setiap 9 titik. ... 36
26 Grafik perbandingan kadar air dugaan data absorban NIR dengan kadar air referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan kombinasi
dari tiga perlakuan data. ... 37
27 Grafik perbandingan kadar protein dugaan data absorban NIR dengan kadar protein referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan perlakuan data
derivatif kedua Savitzky-Golay setiap 9 titik ... 38
28 Grafik perbandingan kadar karbohidrat dugaan data absorban NIR dengan kadar karbohidrat referensi hasil analisis kimiawi pada tahap kalibrasi dengan metode PLS dan perlakuan data
DAFTAR LAMPIRAN
1 Data kadar air, protein, dan karbohidrat biji sorgum dengan menggunakan analisis kimiawi laboratorium ... 47
2 Data statistik kadar air, protein dan karbohidrat biji sorgum hasil analisis kimiawi laboratorium dengan metode konvensional pada tahap kalibrasi dan validasi untuk masukan data reflektan dan absorban NIR menggunakan metode PCR dan perlakuan data terbaik ... 49
3 Data statistik kadar air, protein dan karbohidrat biji sorgum hasil analisis kimiawi laboratorium dengan metode konvensional pada tahap kalibrasi dan validasi untuk masukan data reflektan dan absorban NIR menggunakan metode PLS dan perlakuan data terbaik ... 50
4 Data perbandingan kadar air hasil analisis proksimat laboratorium terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi menggunakan data reflektan dan
absorban dengan perlakuan data terbaik pada metode PCR dan PLS ... 51
5 Data perbandingan kadar protein hasil analisis proksimat laboratorium terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi menggunakan data reflektan dan
absorban dengan perlakuan data terbaik pada metode PCR dan PLS ... 53
6 Data perbandingan kadar karbohidrat hasil analisis proksimat laboratorium terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi menggunakan data reflektan dan absorban dengan perlakuan data terbaik pada metode PCR dan PLS ... 55
7 Contoh output program NIRCal 5 ... 57
KETERANGAN SIMBOL
A : Nilai absorban atu penyerapan (transformasi Log (1/R))
CV : Koefisien keragaman
Maks : Nilai maksimum suatu data
Min : Nilai minimum suatu data
n : Jumlah sampel
NIR : Near Infrared (Infra merah dekat)
PCR : Metode regresi komponen utama (principal component regression)
PLS : metode regresi kuadrat terkecil (partial least square)
R : 1. Koefisien korelasi
2. Nilai reflektan atau pantulan
R2 : Koefisien determinasi
SD : Standar deviasi
SEC : Standar error kalibrasi
SEP : Standar error validasi
Y : Komponen kimia dengan uji kimia
YNIR : Kompunen kimia dugaan NIR
1
I.
PENDAHULUAN
A.
Latar Belakang
Pakan ternak memegang peran penting dalam menghasilkan produk peternakan yang dapat dimanfaatkan sebagai tambahan protein bagi manusia, seperti daging dan susu. Pada umumnya, sumber protein dalam ransum ternak diperoleh dari jagung. Data Asosiasi Produsen Pakan Ternak mencatat pada tahun 2009 produksi pakan ternak mencapai 9.7 juta ton, tahun 2010 naik menjadi 9.9 juta ton, dan tahun 2011 diprediksi menjadi 10.33 juta ton. Kebutuhan pakan ternak yang semakin meningkat menyebabkan kebutuhan jagung juga semakin meningkat.
Beberapa tanaman dapat dimanfaatkan sebagai sumber protein dalam ransum ternak, salah satunya adalah sorgum. Sorgum memiliki nilai nutrisi yang hampir setara dengan jagung sehingga dapat dimanfaatkan sebagai substitusi terhadap jagung.
Sorgum (Sorghum bicolor L.) adalah tanaman serealia yang potensial untuk dibudidayakan khususnya di daerah kering di Indonesia. Keunggulan sorgum terletak pada daya adaptasi agroekologi yang luas, tahan terhadap kekeringan, produksi tinggi, perlu input lebih sedikit serta lebih tahan terhadap hama dan penyakit dibading tanaman pangan lain. Selain itu, tanaman sorgum memiliki kandungan nutrisi yang tinggi, sehingga sangat baik digunakan sebagai sumber bahan pangan maupun pakan ternak alternatif (Anonima, 2010).
Tanaman sorgum di Indonesia sebenarnya sudah sejak lama dikenal tetapi pengembangannya masih kurang dan daerah yang memanfaatkan sorgum sebagai bahan pangan masih terbatas. Rata-rata produktivitas sorgum di daerah penghasil sorgum cukup bervariasi. Data produktivitas daerah-daerah penghasil sorgum yang teridentifikasi pada tahun 2003 diperlihatkan pada tabel berikut.
Tabel 1. Produktivitas Sorgum di Indonesia
Tempat Luas tanam (ha) Produksi (ton) Produktivitas (ton/ha)
Jawa Tengah 15.309 17.35 1.13
Jawa Timur 5.963 10.522 1.76
DI Yogyakarta 1.813 670 0.37
Nusa Tenggara Barat 30 54 1.8
Nusa Tenggara Timur 26 39 1.5
Sumber : Sirappa, 2003
Departemen Pertanian menargetkan pengembangan sorgum dari tahun ke tahun yaitu tahun 2007 sebanyak 57.000 ton dengan luas lahan tanam 19.000 ha dan akan ditingkatkan pada tahun 2009 dengan menargetkan produksi 75.000 ton.
Menurut Buckle et al. (1987) dalam Kusumaningtyas (2004), komponen kimia utama yang terkandung pada serealia adalah karbohidrat (terutama pati; sekitar 80% dari bahan kering), protein (sekitar 11% dari bahan kering), lemak, dan air.
Pendugaan komponen kimia biasanya dilakukan dengan metode-metode konvensional. Namun metode ini membutuhkan waktu yang lama, dan membutuhkan zat-zat kimia untuk mendukung pengukuran tersebut. Karena metode ini merusak bahan, memerlukan waktu yang lama, dan menimbulkan polusi (limbah sisa pengukuran) maka diperlukan metode lain yang lebih efektif dan efisien.
Pada saat ini sejumlah metode atau teknologi instrumentasi telah dikembangkan untuk menentukan komposisi kimia suatu bahan dengan cepat, tepat, akurat, dan tidak merusak bahan. Salah satu metode non-destruktif yang dapat digunakan untuk mengukur kualitas internal dan eksternal seperti kekerasan, keasaman, total padatan terlarut, rasa, dan kandungan kimia bahan adalah dengan metode Near Infrared (NIR). Metode NIR dapat menganalisis dengan kecepatan tinggi, tidak menimbulkan polusi, penggunaan preparat contoh yang sederhana, tidak menggunakan bahan kimia, dan dapat menganalisis contoh dengan tidak merusak bahan.
Untuk menguji komposisi kimia sorgum dalam jumlah yang besar seperti pada industri pakan, metode NIR merupakan alternatif yang baik. Biaya investasi yang dibutuhkan untuk menggunakan metode NIR cukup tinggi sehingga cocok diaplikasikan untuk menduga komponen kimia suatu komoditas dalam jumlah besar secara cepat dan akurat.
B. Tujuan
Tujuan umum penelitian ini adalah menentukan kadar air, protein, dan karbohidrat biji sorgum dengan metode near infrared (NIR). Sedangkan tujuan khusus dalam penelitian ini adalah sebagai berikut:
1. Mengkaji pola spektrum reflektan dan absorbansi dari biji sorgum hubungannya dengan perubahan kadar air, protein, dan karbohidrat.
2. Melakukan tahap kalibrasi dan validasi sifat reflektan, absorban, dan komposisi kimia sorgum dengan metode kalibrasi multivariatif yaitu principal component regression dan
partial least square.
3
II. TINJAUAN PUSTAKA
A.
Tanaman Sorgum
Sorgum (Sorghum bicolor L.) merupakan tanaman yang termasuk di dalam family
Gramineae bersama padi, jagung, gandum, dan lain-lain. Sorghum bicolor (L.) termasuk dalam genus
Sorghum, ordo Cyperales, kelas Liliopsida, divisi Magnoliophyta, superdivisi Spermatophyta, supkingdom Traechobionta, dan kingdom plantae. Sorgum memiliki istilah yang berbeda-beda tiap
daerah. Sebagai contoh, sorgum dikenal dengan nama „cantel‟ di Jawa Tengah dan Jawa Timur, „jagung cantrik‟ di daerah Jawa Barat, dan „batara tojeng‟ di Sulawesi Selatan (Mudjisihono dan
Suprapto, 1987).
1.a. Tangkai Sorgum 1.b. Biji Sorgum
Gambar 1. Tanaman Sorgum
Sorgum memiliki banyak varietas, dari sorgum yang berwarna putih hingga sorgum yang berwarna merah kecoklatan (FSD, 2003). Tanaman sorgum dibagi dalam dua kelompok, yaitu sorgum yang berumur pendek (musiman) dan sorgum tahunan. Sorgum musiman terdiri dari empat kelompok, yaitu sorgum manis (sweet sorghum) yang batangnya mengandung gula (17%) sehingga dapat dipakai untuk membuat sirup dan gula, sorgum biji (grain sorghum) yang batang dan daunnya dapat dimanfaatkan untuk pakan ternak, sorgum sapu (broom sorghum) yang banyak ditanam di Amerika Serikat dan China yang dimanfaatkan untuk membuat sapu/sikat, dan yang terakhir adalah sorgum rumput (grass sorghum) yang dikenal sebagai rumput sudan di Indonesia yang tahan kekeringan. Sorgum tahunan tidak menghasilkan biji, namun dapat dimanfaatkan sebagai pakan ternak.
Tanaman sorgum tidak membentuk akar tunggang, tetapi hanya membentuk akar lateral yang halus dan terletak agak dibawah tanah. Akar lateral ini menyebabkan tanaman sorgum mampu menyerap air tanah dengan cukup intensif. Hal ini menjadi salah satu penyebab tanaman sorgum tahan terhadap kekeringan.
Batang sorgum tegak lurus dan beruas-ruas. Setiap ruas mempunyai alur yang letaknya berselang-seling. Dari setiap buku keluar daun berhadapan dengan alur. Batang sorgum ada yang banyak mengandung air dengan kadar gula yang cukup tinggi dan ada yang berair tapi tidak manis (Mudjisihono dan Suprapto, 1987)
Daun sorgum dilapisi oleh sejenis lilin yang agak tebal dan berwarna putih. Lapisan lilin ini memiliki fungsi untuk menahan atau mengurangi penguapan. Tanaman sorgum mempunyai daya regenerasi yang cukup kuat serta lebih tahan terhadap serangan hama daripada tanaman jagung.
Bunga sorgum berbentuk malai bertangkai panjang tegak lurus terlihat pada pucuk batang. Selain itu ada juga tanaman sorgum yang tidak mempunyai tangkai malai. Malai sorgum bentuknya dapat terbuka, terurai atau setengah terurai, kompak atau kompak agak padat.
Biji sorgum terdiri dari 7.3-9.3% kulit luar, 7.8-12.1% lembaga, dan 80-84.6% endosperm. Kulit luar terdiri dari epikarp, endokarp, dan mesokarp. Epikarp adalah bagian terluar yang tersusun atas dua atau tiga lapisan memanjang. Mesokarp merupakan lapisan tengah dan cukup tebal, berbentuk poligonal serta mengandung sedikit granula pati. Endokarp tersusun atas sel menyilang dan sel berbentuk tabung, akan rusak selama proses penggilingan yang menghilangkan kulit luar. (Rooney
et al., 1980). Endosperm merupakan 81-84% dari biji sorgum yang terdiri dari lapisan endosperm luar (peripherial endosperm), lapisan endosperm (corneus endosperm), dan lapisan endosperm dalam (floury endosperm) (Hubbard et al.,1969).
Di bawah lapisan perikarp terdapat lapisan kulit biji (testa). Pada lapisan perikarp dan testa sering terdapat senyawa fenolik. Lapisan testa tedapat di bawah endokarp dan di sekeliling permukaan endosperm biji. Lapisan aleuron atau bekatul terdapat pada permukaan endosperm biji. Sel-sel aleuron tidak mengandung granula pati tapi mengandung protein, lemak dengan kadar air cukup tinggi, sejumlah mineral dan vitamin yang larut dalam air (Rooney et al., 1980).
Sebagai bahan pangan dan pakan ternak alternatif sorgum memiliki kandungan nutrisi yang baik, bahkan kandungan proteinnya lebih tinggi daripada beras. Kandungan nutrisi sorgum dibanding sumber pangan/pakan lain disajikan dalam tabel berikut:
Tabel 2. Perbandingan kandungan nutrisi sorgum dengan sumber pangan/pakan lain
Unsur Nutrisi
Kandungan/100 g
Beras Jagung Singkong Sorgum Kedelai
Kalori (cal) 360 361 146 332 286
Protein (g) 6.8 8.7 1.2 11 30.2
Lemak (g) 0.7 4.5 0.3 3.3 15.6
Karbohidrat (g) 78.9 72.4 34.7 73 30.1
Kalsium (mg) 6 9 33 28 196
Besi (mg) 0.8 4.6 0.7 4.4 6.9
Posfor (mg) 140 380 40 287 506
Vit. B1 (mg) 0.12 0.27 0.06 0.38 0.93
Sumber: Beti et al., (1990).
Beberapa daerah telah menjadi sentra produksi sorgum di Indonesia. Tabel 2 menunjukkan daerah-daerah penghasil sorgum berdasarkan data yang terdapat di Direktorat Jendral Tanaman Pangan Departemen Pertanian (1996).
Tabel 3. Persebaran daerah penghasil sorgum di Indonesia
Propinsi Daerah Penghasil
Jawa Barat Indramayu, Cirebon, Kuningan, Ciamis, Garut, Cianjur dan Sukabumi
Jawa Tengah Tegal, Kebumen, Kendal, Wonogiri, Demak, Grobogan, Boyolali, Sukoharjo, dan Wonogiri
DI. Yogyakarta
Kulon Progo, Sleman, Bantul dan Gunung Kidul
Jawa Timur Pacitan, Bojonegoro, Tuban, Lamongan, Bangkalan, Pamekasan, Sampang, Sumenep, Pasuruan, Malang, Probolinggo, Lumajang
NTB Lombok tengah, Sumbawa, Bima, dan Dompu
NTT Sumba Barat, Sumba Timur, Manggarai, Ngada, Ende, Sikka, Flores Timur, Lembata, Alor, Timor Tengah Utara, Kupang belu, Timor Tengah Selatan, dan Rote Ndao
Sumber : Direktorat Jendral Tanaman Pangan Departemen Pertanian (1996)
Higari, Badik, Gadam, Sangkur, Numbu dan Kawali. Ada beberapa varietas yang telah dikembangkan oleh Balai Penelitian Tanaman Pangan Bogor, diantaranya adalah varietas UPCA-S1, UPCA-S2, No. 46, No. 6c, No. 7c dan masih banyak introduksi baru dari luar negeri untuk disebarluaskan ke daerah-daerah dalam usaha peningkatan hasil produksinya (Mudjisihono dan Suprapto, 1987).
B.
Metode
Near Infrared
(NIR)
Near infrared (NIR) atau infra merah dekat merupakan gelombang elektromagnetik yang memiliki panjang gelombang mulai dari 700 nm sampai 2500 nm (Dryden, 2003). Kisaran panjang gelombang ini telah lama dipelajari dan digunakan sebagai metode analitik berbagai material baik organik maupun anorganik. Cahaya tampak diterima oleh mata sesuai dengan besarnya pantulan, seperti halnya warna dihasilkan dari cahaya yang dipantulkan dari suatu objek. Setiap bahan memiliki gabungan pantulan spektrum inframerah dekat yang unik yang dihasilkan dari efek penyebaran, penyerapan, dan pantulan cahaya oleh bahan.
Dalam penerapannya, metode NIR memiliki kelebihan, antara lain dapat menganalisa dengan kecepatan tinggi, tidak menimbulkan polusi, penggunaan preparat contoh yang sederhana, tidak mengguakan bahan kimia, dan dapat menganalisa contoh secara non-destruktif. Sedangkan kendala dalam penggunaan metode NIR adalah biaya investasi alat yang tinggi.
Semua bahan organik terdiri dari atom karbon, oksigen, hidrogen, nitrogen, phosphor, sulfur dengan sejumlah kecil elemen lainnya. Atom-atom ini berkombinasi melalui ikatan kovalen atau elektrovalen membentuk molekul. Karena sifat ikatannya, gaya elektrostatik ada dalam atom dan molekul tersebut. Sehingga molekul bergerak secara konstan, ini dikenal dengan keadaan stabil. Molekul bervibrasi pada frekuensi yang berkaitan dengan panjang gelombang daerah infra merah dari spektrum elektromagnetik.
Setelah dipancarkan maka radiasi ini akan diserap oleh semua bahan organik dan informasi utama yang dapat diekstrak adalah stretching dan bending ikatan kimia C-H (seperti bahan organik turunan minyak bumi), O-H (seperti kadar air, karbohidrat, dan lemak), C-N, dan N-H (seperti protein dan asam amino) yang merupakan ikatan dasar dari semua ikatan kimia bahan-bahan organik.
Informasi tersebut dapat dilihat dari pantulan NIR yang dihasilkan dalam bentuk spektrum pantulan. Radiasi infra merah tidak mempunyai energi yang cukup untuk mengeksitasi electron pada senyawa tetapi dapat menyebabkan senyawa organik mengalami rotasi dan getaran (vibrasi) ikatan
inter-atomic (Osborne et al., 1993).
Cahaya infra merah dekat yang mengenai bahan memiliki energi yang kecil dan hanya menembus sekitar satu millimeter permukaan bahan, tergantung dari komposisi bahan tersebut. Jika cahaya mengalami penyebaran, spektrum tersebut tetap mengandung informasi contoh penyerapan permukaan bahan tetapi terjadi distorsi pada puncak gelombang. Variasi pada ukuran dan suhu partikel sampel mempengaruhi penyebaran radiasi infra merah pada saat melewati sampel. Partikel berukuran besar tidak dapat menyebarkan radiasi infra merah sebanyak partikel kecil. Makin banyak radiasi yang diserap dapat memberikan nilai absorban yang tinggi dan efeknya besar pada panjang gelombang yang diserap lebih kuat (Dryden, 2003)
Metode NIR telah banyak digunakan di beberapa negara di Eropa, Amerika Utara, Asia, Australia, dan New Zealand baik dalam bidang industri maupun dalam bidang pertanian. Di Indonesia, metode ini belum banyak digunakan terutama dalam bidang pertanian.
Penerapan metode NIR telah lama berkembang terutama untuk keperluan bahan pangan, pertanian, kedokteran, farmasi dan industri kimia. Untuk bahan pangan dan hasil pertanian seperti beras, jagung, kedelai, daging, ikan, hortikultura, metode NIR dapat digunakan untuk penentuan komposisi kimia seperti kadar air, karbohidrat, protein, lemak, asam, gula, dan berbagai senyawa lainnya.
Aplikasi metode NIR dalam industri produk pangan diawali oleh Norris dan Hart (1962) yang menemukan bahwa kadar air yang terkandung dalam biji-bijian dan bibit tanaman dapat diukur pada panjang gelombang 1940 nm. Pengaplikasian secara komersil metode IR pertama diperkenalkan oleh Williams (1973) yang menganalisis gandum dan biji-biji berkadar minyak.
Metode NIR juga dapat digunakan untuk memperkirakan konsentrasi gula dan asam pada buah-buahan, seperti mangga yang dilakukan oleh Budiastra et al. (1995). Mereka mengklasifikasikan mangga menjadi tiga jenis rasa yaitu rasa manis, manis asam, dan asam yang diukur dengan teknologi NIR pada 200 contoh mangga dengan kisaran panjang gelombang 1400-1975 nm. Metode stepwise
dari regresi berganda (SMLR) digunakan untuk memilih panjang gelombang optimal untuk menduga konsentrasi sukrosa dan asam malat. Panjang gelombang terpilih untuk memprediksi sukrosa dengan NIR adalah 1533 nm, 1605 nm, 1821 nm sedangkan untuk asam malat adalah 1621 nm, 1813 nm, 1821 nm, 1933 nm, 1941 nm, 1965 nm, dan 1968 nm.
Sugiana (1995) menggunakan NIR Spectrophotometer untuk mendeteksi kememaran buah apel varietas Rome Beauty dengan panjang gelombang 900-1400 nm. Hasil yang diperoleh adalah panjang gelombang NIR yang tepat untuk mendeteksi kememaran buah apel tersebut adalah 930 nm, 940 nm, 950 nm, 960 nm, 1110 nm, dan 1390 nm. Disimpulkan pula bahwa kekerasan buah apel tidak terlalu berpengaruh terhadap pantulan spektrum yan dihasilkan, sehingga hasil pantulan spektrum yang diperoleh dari setiap apel dikatakan memiliki sifat yang sama.
Victor (1996) dengan menggunakan sistem NIR melakukan pengelompokan buah apel varietas Manalagi berdasarkan kememaran dengan panjang gelombang 900-2000 nm. Disimpilkan bahwa kedalaman dan diameter memar buah apel tidak dipengaruhi oleh lama penyimpanan, tetapi dipengaruhi oleh ketinggian perlakuan memar yang diberikan serta panjang gelombang 1400-2000 nm tidak dapat digunakan untuk membedakan secara nyata adanya kememaran pada buah apel Manalagi.
Chang et al. (1998) melakukan penelitian untuk menduga total padatan terlarut jus jeruk, apel, papaya, pear dan pisang. Dari berbagai jus buah tersebut dikembangkan algoritma umum penentuan total padatan terlarut beberapa jus buah.
Rosita (2001) menerapkan metode NIR untuk memprediksi mutu buah duku. Dari penelitian tersebut disimpulkan bahwa NIR dapat memprediksi kadar gula dan kekerasan buah duku dengan baik. Disimpulkan pula bahwa data absorbansi NIR memberikan korelasi yang lebih tinggi (0.91), standar error yang lebih rendah (0.87) dan koefisien keragaman yang akurat (5.39).
Fontaine et al. (2002) menerapkan NIR dalam menduga kandungan asam amino kedelai. Didapat bahwa 85-98% variasi asam amino mampu dijelaskan dengan baik menggunakan NIR. Mereka juga telah menggunakan metode tersebut untuk memprediksi kandungan asam amino esensial beberapa bahan pakan yakni kedelai, rapeseed meal, tepung biji bunga matahari, polong, tepung daging, tepung ikan, dan tepung produk samping pemotongan ayam.
Munawar (2002) menerapkan metode NIR untuk menduga kadar gula dan kekerasan buah belimbing. Dari hasil penelitian disimpulkan bahwa data absorban NIR dapat menduga kadar gula dan kekerasan buah belimbing dengan baik. Hal ini ditunjukkan dengan korelasi yang tinggi.
Mitamala (2003) menerapkan metode NIR untuk menduga kadar air, karbohidrat, protein, dan lemak tepung jagung. Dari penelitian tersebut disimpulkan bahwa NIR dapat memprediksi kadar air, karbohidrat, protein, dan lemak tepung jagung dengan baik. Penggunaan data reflektan mampu menentukan kadar protein lebih baik daripada data absorban. Sedangkan untuk menduga kadar lemak dan amilosa data absorban lebih baik dibandingkan data reflektan.
Kusumaningtyas (2004) melakukan pendugaan kadar air, karbohidrat, lemak, dan amilosa pada beras dengan metode NIR. Panjang gelombang yang digunakan untuk menduga adalah 900-2000 nm. Data reflektan NIR dapat menduga kadar air, karbohidrat, dan protein lebih baik daripada data absorban. Sedangkan untuk menduga kadar lemak dan amilosa, data absorban lebih baik daripada data reflektan.
Marthaningtyas (2005) melakukan pendugaan total padatan terlarut dan kadar asam belimbing dengan menggunakan metode NIR dan JST. Penggunaan analisis komponen utama dalam mereduksi hasil data absorbansi dari spektrum infra merah dekat sangat efektif.
Andrianyta (2006) menerapkan metode NIR dan JST dalam menentukan komposisi kimia jagung secara non-destruktif. Komposisi kimia yang ditentukan adalah kandungan proksimat, lemak, air, karbohidrat, methionin, tyrosin, threonin, arginin, dan leusin.
Quddus (2006) melakukan penentuan kandungan energi bruto pada tepung ikan untuk bahan pakan ternak menggunakan metode NIR. Analisis pendugaan kandungan energi pada tepung ikan tersebut menggunakan metode kalibrasi SMLR dan PCR. Persamaan kalibrasi dengan metode SMLR menyatakan bahwa prediksi nilai EM menggunakan data reflektan dan absorban mendekati hasil uji
bioassay. Sedangkan persamaan kalibrasi dengan metode PCR menghasilkan 10 komponen utama dalam tepung ikan tersebut.
disimpulkan bahwa metode JST mampu menduga kandungan air, protein, lisin, dan metionin tepung ikan dengan akurasi yang lebih baik dibandingkan menggunakan persamaan regresi yang diperoleh melalui metode SMLR.
Susilowati (2007) menduga total padatan terlarut buah papaya selama penyimpanan dan pemeraman dengan metode NIR menggunakan panjang gelombang 900-1400 nm. Namun panjang gelombang tersebut tidak dapat menentukan kekerasan buah. Hubungan antara data absorban NIR dengan total padatan terlarut dan kekerasan pada penelitian tersebut dipelajari dengan kalibrasi menggunakan metode SMLR, PCR, PLS.
Purba (2010) melakukan pendugaan komposisi kimia tepung MOCAF menggunakan metode NIR. Komposisi kimia MOCAf menyerap pada panjang gelombang NIR, antara lain: 2280-2320 nm untuk penyerapan kadar amilosa, 1940 nm dan 1200 nm untuk penyerapan kadar air, 1440-1590 nm untuk penyerapan pH, dan 1000 nm dan 1180 nm untuk penyerapan kadar abu. Pendugaan kadar abu, pH, dan kadar amilosa MOCAF paling baik diperoleh dengan metode PLS menggunakan data absorban NIR.
C.
Kalibrasi dan Validasi
Osborne et al. (1993) menjelaskan bahwa instrument NIR berguna dalam menentukan komposisi kimia dengan menggunakan nilai pantulan (R) dan absorban (log (1/R)). Dalam menentukan spektrum pantulan dan absorban NIR diperlukan hasil analisis kimiawi laboratorium. Untuk mengetahui hubungan antar spektrum tersebut dengan nilai referensi dari analisis kimiawi di laboratorium (metode konvensional) maka perlu menggunakan metode matematika dengan cara mengkalibrasinya. Untuk tahap kalibrasi sering digunakan untuk sampel yang memiliki karakteristik yang hampir mendekati sama.
Berbagai macam metode kalibrasi spektrum NIR telah tersedia tetapi dapat dibagi dalam dua kategori yaitu metode kalibrasi untuk panjang gelombang terpilih atau sering disebut dengan metode lokal dan metode yang melibatkan seluruh spektrum atau sering disebut metode global atau juga sering disebut metode kalibrasi spektrum penuh, seperti principal component regression (PCR) dan
partial least square (PLS).
Metode full spectrum banyak digunakan karena data dalam spektrum direduksi untuk mencegah masalah overfitting tanpa mengurangi atau menghilangkan satu atau beberapa informasi yang sangat berguna. Jumlah sampel yang digunakan untuk tahap kalibrasi dan validasi harus cukup banyak. Jumlah sampel untuk tahap kalibrasi harus lebih banyak daripada untuk tahap validasi. Validasi bertujuan menguji ketepatan pendugaan komposisi kimia persamaan regresi kalibrasi yang telah dibangun.
Kesulitan dalam mengkalibrasi adalah masalah informasi alam yang kompleks dalam spektrum infra merah contohnya setiap puncak spektrum hampir selalu tumpang tindih oleh satu atau lebih puncak-puncak lain (Osborne et al., 1993)
Selain itu, dikenal pula beberapa perlakuan data sebelum spektrum dianalisis seperti
smoothing, normalisasi, derivatif pertama dan kedua, standard normal variate (SNV) dan de-trending
(DT) (Osborne et al., 1993). Setiap perlakuan data memiliki fungsi yang berbeda terhadap data spektrum. Pada penelitian ini perlakuan data yang diberikan adalah smoothing, derivatif kedua Savitzky-Golay, normalisasi, kombinasi antara smoothing dan derivatif kedua, dan kombinasi antara
smoothing, derivatif kedua dan normalisasi.
Prosedur derivatif kedua yang paling umum digunakan yaitu prosedur Savitzky-Golay yang dikelaskan oleh Noris dan William (1990). Data spektrum sering diubah menjadi bentuk smoothing
dan derivatif, secara umum untuk memperbaiki bentuk dan model persamaan regresi kalibrasi.
Smoothing berfungsi untuk memilih penghalusan fungsi dengan teliti tanpa menghilangkan informasi spektrum yang ada dan mengurangi guncangan (noise) dan memperkecil galat (kekeliruan) yang terjadi selama pengukuran NIR dan analisis kimiawi laboratorium. Derivatif kedua Savitzky-Golay berfungsi untuk mereduksi efek basis dari adanya pertambahan dari proses absorban (shoulder effect) serta menghilangkan masalah basis kemiringan persamaan regresi.
Normalisasi dilakukan untuk meminimalkan atau menghilangkan pengaruh tegangan dari alat
near infrared terhadap hasil yang diberikan.
D.
Metode Kalibrasi Multivariatif
Analisis data NIR dapat dimanfaatkan dengan mempelajari hubungannya dengan sifat bahan yang diukur. Kegiatan mempelajari hubungan tersebut pada umumnya dilakukan dengan beberapa metode kalibrasi, antara lain stepwise multiple linear regression (SMLR), principal component regression (PCR), backward dan partial least square (PLS).
Lammertyn et al., (1998) menganalisis data NIR Spectroscopy menggunakan metode kalibrasi multivariatif seperti partial least square dan principal component regression dalam memprediksi sifat-sifat kimiawi seperti keasaman dan total padatan terlarut pada buah apel Jonagold.
Metode kalibrasi multivariatif yang digunakan pada penelitian yang berjudul pendugaaan kadar air, protein dan karbohidrat biji sorgum adalah principal component regression (PCR) dan
partial least square (PLS).
1. Metode principal component regression (PCR)
Metode principal component regression (PCR) merupakan suatu metode kombinasi antara analisis regresi dan analisis komponen utama (principal component analysis). Prinsip analisis komponen utama adalah mencari komponen utama yang merupakan kombinasi linier dari variabel asli.
Metode regresi komponen utama (PCR) ditetapkan bila dalam pembentukan model pendugaan variabel bebas yang digunakan banyak dan terdapat hubungan yang erat antar variabel bebasnya. Metode tersebut dapat digunakan untuk pendugaan kalibrasi peubah ganda dan mengatasi kolinier ganda.
Menurut Miller & Miller (2000) komponen-komponen utama yang dipilih sedemikian rupa sehingga komponen utama pertama memiliki variasi yang terbesar dalam set data, sedangkan komponen utama kedua tegak lurus terhadap komponen utama pertama dan memiliki variasi terbesar berikutnya.
Metode ini pertama kali diperkenalkan oleh Pearson (1901) dan secara terpisah oleh Hotelling (1993). Pemikiran dasar metode analisis ini adalah mendeskripsikan variasi sebuah set data multivariatif dengan sebuah set data baru dimana variable-variabel baru tidak berkorelasi satu sama lain. Variabel-variabel baru adalah kombinasi linier dari variable asal. Variabel baru diturunkan dalam arah menurun sehingga beberapa komponen pertama mengandung sebanyak mungkin variasi data asal (Pearson, 1901 dalam Marthaningtiyas, 2005).
Siska dan Hurburgh (1996) dalam Andrianyta (2006), menggunakan metode principal component regression (PCR) untuk mengidentifikasi variasi-variasi utama pada spektrum absorban sampel jagung. Sedangkan Quddus (2006) menentukan kandungan energi bruto tepung ikan untuk bahan pakan ternak dengan data reflektan dan absorban menggunakan metode kalibrasi multivariatif PCR.
2. Metode partial least square (PLS)
Metode regresi kuadrat terkecil parsial atau sering disebut partial least square (PLS) pertama kali dikembangkan oleh Herman Wold (1982). Model partial least square didefinisikan dari dua persamaan linier yang disebut model struktural dan metode pengukuran (Wold, 1982 dalam
Wulandari 2000).
Metode partial least square digunakan untuk memperkirakan serangkaian variabel tidak bebas (respons) dari variable bebas (prediktor) yang jumlahnya sangat banyak, memiliki struktur sistematik linear atau non linear, dengan atau tanpa data yang hilang, dan memiliki kolinearitas yang tinggi. Metode ini membentuk model dari variabel yang ada untuk merangkai respons dengan menggunakan regresi kuadrat terkecil dalam bentuk matriks (Lindblom, 2004 dalam Saragih, 2007).
Metode tersebut juga mempunyai keuntungan yaitu dapat mengoptimalkan hubungan prediktif antara dua kelompok peubah bebas dan tidak bebas dan pemodelannya tidak mengasumsikan sebaran dari peubah bebas saja tetapi peubah tidak bebas ikut diasumsikan (Wold, 1982 dalam
Wulandari 2000).
Pada dasarnya pendekatan PLS adalah penggabungan model pendugaan sebagai pengembangan model-model kalibrasi yang melibatkan lebih dari dua peubah laten (bebas dan tidak bebas). Proses pendugaan menggunakan metode kuadrat terkecil yang diaplikasikan pada persamaan hubungan model struktural dan model pengukuran (Ratnaningsih, 2004).
10
III. METODOLOGI PENELITIAN
A.
Tempat dan Waktu Penelitian
Penelitian dilaksanakan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian Departemen Teknik Mesin dan Biosistem, Laboratorium Kimia Pangan Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian. Waktu penelitian dilaksanakan mulai Maret 2011 sampai April 2011.
B.
Bahan dan Alat Penelitian
1. Bahan Penelitian
Bahan yang digunakan adalah biji sorgum varietas lokal yang diperoleh dari Yogyakarta. Sampel biji sorgum yang digunakan dalam pendugaan kadar air, protein dan karbohidrat dengan metode NIR dapat dilihat pada Gambar 2.
Gambar 2. Sampel biji sorgum yang akan digunakan dalam pendugaan kadar air, protein dan karbohidrat dengan NIRFlex Petri Solids N-500
Bahan kimia yang digunakan untuk menganalisis kadar karbohidrat, protein dan kadar air dengan analisis kimiawi antara lain aquades, asam perklorat, HCl 0.02 N, 1.9 mg K2SO4, 40 mg HgO,
2 ml H2SO4, H3BO3, NaOH-Na2S203.
2. Alat Penelitian
a. Instrumen NIRFLex Tipe N-500 merk Buchi
NIRFlex Tipe N-500 memiliki berbagai macam sistem atau bentuk, yaitu NIRFlex Solids
5 4
3
2
6 11
14 12
13 15
16
17
1
7 8
9
10 Gambar 3. NIRFlex N-500 Petri Solids
1. Detektor 10. Penyangga Cawan Petri
2. Sensor magnet 11. Piringan berputar
3. LED 12. Motor
4. Tombol start 13. Optik 1
5. Tombol stop 14. Penghalang Sinar
6. Referensi Internal 15. Cermin 1
7. Koding magnetik 16. Cermin 2
8. Sampel 17. Optik 2
9. Cawan Petri
b. Komputer
Komputer (PC) digunakan mengolah data dan mengukur pendugaan komposisi kimia sorgum menggunakan NIRFlex N-500 petri solids sehingga diperoleh data reflektan dan absorban baik dalam bentuk tabel maupun grafik. Software bawaan yang akan digunakan untuk penelitian ini adalah NIRWare Operator, NIRWareManagement Console, dan NIRCal 5.
c. Peralatan Lainnya
Peralatan lain yang digunakan selama penelitian antara lain oven untuk pengukuran kadar air dengan cara pengeringan. Selain itu digunakan pula timbangan digital, cawan, gelas Erlenmeyer, dan desikator.
C.
Metode Penelitian
Diagram alir pelaksanaan penelitian dapat dilihat pada Gambar 7. Metode yang digunakan dalam penelitian adalah sebagai berikut:
1. Persiapan Sampel Penelitian
Sampel yang akan digunakan dalam penelitian ini adalah biji sorgum varietas lokal yang diperoleh dari Yogyakarta. Sampel yang akan diukur dimasukkan ke dalam cawan petri. Masing-masing sampel memiliki berat 100 gram. Gambar 5 menunjukkan sampel yang telah dimasukkan ke dalam cawan petri.
Gambar 5. Sampel yang akan diukur menggunakan NIR
2. Persiapan Instrumen NIR
Sebelum dilakukan pengukuran instrument NIRFlex N-500 Petri Solids dinyalakan dan dibiarkan terlebih dahulu beberapa saat. Kemudian sebelum dilakukan pengukuran ke sampel biji nyamplung, terlebih dahulu dilakukan proses kalibrasi dengan software bawaan yang akan digunakan untuk proses kalibrasi adalah NIRWare Operator (Anonimousb,2008).
3. Pengukuran Pantulan Spektrum NIR
Pendugaan sampel biji sorgum dengan cara pengukuran dengan instrument NIRFlex N-500 Petri Solids dan software bawaan yaitu NIRWare Operator, lama pengukuran setiap sampel adalah 8-9 detik. Jumlah sampel yang akan diukur sebanyak 70 sampel, dimana setiap sampel dilakukan 3 pengulangan dengan 3 titik pengukuran yang berbeda.
Selanjutnya biji sorgum akan disinari inframerah dekat (NIR) dengan panjang gelombang 1000-2500 nm dan daerah yang disinari akan memberikan pantulan atau gambaran berupa spektrum. Hasil pantulan spektrum akan ditangkap oleh lensa optik yang kemudian direkam oleh detektor. Informasi yang diperoleh merupakan hasil interaksi gelombang elektronika dengan komponen penyusun bahan komposisi kimia tersebut.
lanjut dengan software bawaan NIR. Setelah dilakukan pengambilan pantulan spektrum NIR biji sorgum, dilakukan analisis kimiawi biji sorgum dengan metode konvensional. Proses pengukuran dengan NIRFLex petri solids ditunjukkan pada Gambar 6.
Spektrum dihitung dengan menggunakan persamaan sebagai berikut:
Dimana:
V contoh = Tegangan pantulan contoh/sampel (Volt) V standar = Tegangan pantulan standar putih (Volt)
Gambar 6. Proses pengukuran kadar air, protein dan karbohidrat biji sorgum dengan NIRFlex petri solids.
4. Penentuan Absorban Spektrum NIR
Data absorban diperoleh dengan cara mentransformasikan nilai reflektan kedalam bentuk log (1/R). nilai absorban dari NIRFlex N-500 petri solids diperoleh dari hasil penyerapan (absorban) oleh objek dengan persamaan:
Dimana:
A = nilai absorban
S = intensitas panjang gelombang pada sampel D = intensitas panjang gelombang pada dark
R = intensitas panjang gelombang pada reference
5. Penentuan Kadar Air, Protein dan Karbohidrat Secara Destruktif
a. Penentuan Kadar Air (Metode Thermogravitimetri)
Penentuan kadar air dilakukan dengan metode thermogravitimetri atau pengeringan. Cawan aluminium kosong dan tutupnya dikeringkan dalam oven pada suhu 1300 C selama 15 menit dan didinginkan dalam desikator selama 30 menit. Cawan ditimbang menggunakan neraca analitik (A). Sampel sebanyak 2 gram (W) yang sudah dihomogenisasi dimasukkan ke dalam cawan tersebut, kemudian cawan beserta sampel ditimbang dengan neraca analitik, tutup cawan diangkat, dan cawan beserta isi dan tutupnya ditempatkan dalam oven pada suhu 1300C selama 1 jam. Kemudian cawan berisi sampel didinginkan dalam desikator, kemudian ditimbang (Y). setelah itu, cawan berisi sampel dikeringkan kembali dalam ven selama 15-30 menit, lalu ditimbang kembali. Pengeringan diulangi
hingga diperoleh bobot konstan (selisih bobot ≤0.005 gram). Penentuan kadar air dilakukan sebanyak
[image:30.595.117.435.138.366.2]Dimana:
W = Bobot sampel awal (g)
X = Bobot sampel dan cawan setelah dikeringkan (g) A = Bobot cawan kosong (g)
b. Penentuan Kadar Protein
Penentuan kadar protein dilakukan dengan metode Kjeldahl. Metode Kjeldahl merupakan metode yang paling mudah digunakan untuk mengukur kandungan protein bahan yaitu dengan mengukur besarnya kandungan nitrogen dalam bahan. Metode ini juga lebih baik digunakan untuk mengukur bahan-bahan dengan kandungan protein lebih besar dari 10% (Winarno 1980).
Sampel ditimbang seberat 5-10 mg, kemudian dimasukkan ke dalam labu kjehdahl 30 ml. Ditambahkan 1.9 mg K2SO4, 40 mg HgO, 2 ml H2SO4, dan beberapa butir batu didih. Kemudian
dididihkan 1-1.5 jam sampai cairan menjadi jernih. Kemudian didinginkan dan ditambah sedikit air secara perlahan. Isi labu dipindahkan ke dalam alat destilasi Erlenmeyer 125 ml berisi 5 ml larutan H3BO3 dan 4 tetes indikator (campuran 2 bagian metal merah 0.2 % dalam alkohol) diletakkan di
bawah kondensor.
Tambahkan 8-10 ml larutan NaOH-Na2S2O3 dan didestilasi sampai tertampung 15 ml destilat
dalam Erlenmeyer. Tabung kondensor dibilas dengan air dan air bilasan dimasukkan Erlenmeyer yang sama. Isi Erlenmeyer diencerkan sampai kira-kira 50 ml, kemudian dititrasi dengan HCL 0.02 N sampai terbentuk warna abu-abu.
Kadar protein dihitung dengan persamaan sebagai berikut:
c. Penentuan Kadar Karbohidrat by difference
Perhitungan kadar karbohidrat dilakukan secara by different yaitu dengan cara mengurangkan 100% dengan komponen gizi lainnya (kadar air, abu, lemak, dan protein) dalam basis basah. Rumus yang digunakan adalah:
Kadar karbohidrat (basis basah) = 100% - (A+B+C+D)
6. Analisis Data Penelitian
Data-data yang diperole akan dianalisis dengan menggunakan bantuan perangkat lunak (software) komputer, seperti : Microsoft excel 2007 dan software bawaan dari NIRflex N-500 merk BUCHI yaitu NIRWare Management Console dan NIRCal 5.
Microsoft Excel 2007 digunakan untuk pembuatan kurva reflektan (R) dan absorban (log(1/R)) NIR. Penggunaan NIRWare Management Console untuk memasukkan data hasil analisis kimiawi laboratorium (data referensi). Sedangkan NIRCal 5 digunakan untuk membuat bentuk dan model kalibrasi antara data reflektan dan absorban NIR terhadap hasil analisis kimiawi laboratorium dengan metode kalibrasi multivariatif yaitu principal component regression (PCR) dan partial least square (PLS).
Keluaran hasil analisis data penelitian dari metode kalibrasi multivariatif tersebut dengan menggunakan software NIRCal 5 adalah data dugaan, grafik, dan persamaan regresi kalibrasi antara data reflektan atau absorban NIR dengan nilai hasil analisis kimiawi laboratorium yang memiliki koefisien korelasi (R) dan koefisien determinasi (R2) yang tinggi serta standar deviasi dan bias yang rendah.
untuk validasi sebanyak 25 sampel (1/3 total sampel). Selain itu, range data yang digunakan untuk tahap kalibrasi harus lebih besar daripada tahap validasi.
a. Kalibrasi
1. Metode partial least square (PLS)
Tahap kalibrasi ini dilakukan untuk menentukan hubungan antara komposisi kimia sorgum dengan data reflektan maupun absorban NIR. Untuk pendugaan komposisi kimia sorgum dapat dilakukan dengan metode kalibrasi multivariatif yaitu partial least square (PLS). Metode kalibrasi ini memiliki struktur sistematik linier dan non-linier (Herve, 2003 dalam Saragih, 2007).
Metode PLS digunakan memperoleh pendugaan bagi Y sebagai fungsi peubah-peubah Xn yang terpilih. Persamaan regresi kalibrasi antara peubah Y dengan a dan b sebagai konstanta kuadrat terkecil parsial X terpilih (Naes, 1985 dalam Rumahorbo), dinyatakan sebagai berikut:
Y = a + b1X1 + b2X2+ … + bnXn
Dimana:
Y = Kadar air/karbohidrat/protein sorgum A dan b = Konstanta kuadrat terkecil parsial
X = Fungsi peubah kuadrat terkecil parsial pada kisaran panjang gelombang antara 1000-2500 nm.
2. Metode principal component regression (PCR)
PCR merupakan metode kalibrasi multivariatif untuk menganalisis statistika peubah ganda yang dapat digunakan untuk keperluan mereduksi sejumlah peubah asal menjadi beberapa peubah baru yang bersifat orthogonal dan tidak mengurangi serta tetap mempertahankan total keragaman yang jumlahnya lebih besar dari peubah asalnya (Matjik et al., 2006).
Hasil analisis berupa akar cirri, vector cirri, proporsi dan proporso kumulatif total keragaman yang diterangkan oleh masing-masing komponen serta skor komponen. Persamaan regresi kalibrasi dapat dibangun dengan menggunakan metode principal component regression (Matjik et al., 2006), dinyatakan sebagai berikut:
Y = a +b1P1 + b2P2 + b3P3 + … + bnPn
Dimana:
Y = Kadar air/karbohidrat/protein sorgum A dan b = Konstanta komponen utama
P = komponen utama pada kisaran panjang gelombang antara 1000-2500 nm.
b. Validasi
Setelah didapatkan model persamaan regresi kalibrasi, dilakukan tahap validasi dengan menggunakan sisa data yang lain. Data sampel yang berbeda tersebut dimasukkan ke dalam persamaan regresi kalibrasi, sehingga diperoleh data kadar air, protein, dan karbohidrat sorgum dugaan NIR. Validasi bertujuan menguji ketepatan pendugaan komposisi kimia dengan persamaan regresi kalibrasi yang telah dibangun.
R2 = (R)2
Data komposisi kimia dugaan NIR akan divalidasi dengan data hasil pengujian secara kimiawi di laboratorium kimia dan dibuat hubungan antara keduanya, setelah itu akan dihitung standar error. Standar error merupakan selisih antara nilai hasil dugaan dengan nilai sebenarnya. SE yang semakin kecil menunjukkan model yang semakin baik. Nilai kecil yang baik adalah nilai yang semakin mendekati nol sehingga dipastikan model dapat memprediksi dengan baik kadar dugaan. Standar error diperoleh dengan menggunakan persamaan sebagai berikut:
Dimana:
SE = Standar error validasi
YNIR = Kadar air, protein, karbohidrat dugaan NIR
Y = Kadar air, protein, karbohidrat dengan uji kimia n = Jumlah sampel
Setelah dihitung standar error (SE), dihitung pula koefisien keragaman (Coefficent of Variability). Walpole (1995) menyatakan bahwa dengan simpangan baku (standar deviasi) saja tidak dapat mengatakan banyak mengenai keragaman satu kumpulan data.
Ukuran lain yang mungkin lebih layak adalah koefisien keragaman (CV). CV menunjukkan besarnya error sebanding dengan rata-rata hasil analisis kimiawi laboratorium (data referensi). CV dapat digunakan untuk membandingkan dua keragaman kelompok data yang selang nilainya jauh berbeda satu sama lain bahkan dapat digunakan untuk membandingkan keragaman dua atau lebih kelompok data meskipun satuan pengukurannya tidak sama.
Menurut Matjik et al. (2006) besaran ideal nilai CV sangat tergantung pada bidang studi yang digeluti, misalnya untuk bidang pertanian nilai CV yang dianggap wajar adalah 20-25 %, namun percobaan dilakukan di laboratorium nilai CV diharapkan jauh lebih kecil mengingat sebagian kondisi lingkungan dalam keadaan terkontrol.
Fontaine et al. (2002) mendefinisikan CV sebagai relatif standar deviasi (RSD) untuk membandingkan keragaman crude protein dengan asam amino hasil kalibrasi NIRS. SE dan CV terkecil menunjukkan hasil yang paling baik. Coefficient of variability dirumuskan dengan:
Dimana:
CV = Koefisien keragaman SE = Standar error validasi
= Rataan kadar air, protein, karbohidrat aktual sampel penelitian
c. Data Treatment
Gambar 7. Diagram alir pelaksanaan penelitian pendugaan kadar air, karbohidrat, dan protein biji sorgum.
Biji Sorgum sebanyak 70 sampel
Pengukuran spektrum biji sorgum dengan NIRFlex Solids Spectrometer
N-500 dengan NIRWare
Metode kalibrasi dan seleksi spektrum kalibrasi/validasi 1. Kalibrasi (2/3 total sampel)
2. Validasi (1/3 total sampel)
Perancangan model kalibrasi dengan metode multivariatif, yaitu:
1. Principal Component Regression (PCR) 2. Partial Least Square (PLS)
Penentuan persamaan regresi kalibrasi
Penentuan validasi R2, koefisien keragaman
(CV), dan standar error kalibrasi (SEC)
R2, koefisien keragaman (CV), dan standar error
validasi (SEP)
Data pantulan (Reflektan,R) Data absorban (Log 1/R)
Data analisis kimia bii sorgum dalam
software yaitu NIRWare Management Console
Proses kalibrasi dan validasi menggunakan software NIRCal 5 Analisis kimiawi kadar air,
karbohidrat dan protein biji sorgum secara destruktif
Data Treatment
Mulai
18
IV. HASIL DAN PEMBAHASAN
A.
Reflektan
Near Infrared
Biji Sorgum
Data pengukuran yang dihasilkan dari perangkat NIRFlex petri Solids N-500 yang digunakan dalam penelitian ini adalah data reflektan (R) NIR dengan panjang gelombang 4000-10000 cm-1 atau 1000-2500 nm dengan interval 4 cm-1. Menurut Mohsenin (1984) apabila sinar dipancarkan dari sumber ke bahan organik, maka sekitar 4% akan dipantulkan kembali oleh permukaan luar (regular refraction), dan sekitar 96 % sisanya akan masuk ke dalam produk yang selanjutnya mengalami penyerapan (absorption), pemantulan (body reflection), penyebaran (scattering), dan penerusan cahaya (transmitten). Analisis NIR untuk bahan pertanian cenderung menggunakan reflektan karena pada umumnya bahan pertanian tidak tembus cahaya.
Metode NIR mengukur besarnya parameter optik akibat interaksi antara gelombang cahaya dengan molekul-molekul materi. Pada saat radiasi infra merah mengenai sampel padat, beberapa dipantulkan dari permukaan sampel. Proporsi radiasi lainnya masuk ke sampel dan diserap sekitar 2 mm. Radiasi yang tidak diserap diteruskan melalui sampel atau dipantulkan dari dalam sampel (Dryden, 2003).
[image:35.595.110.529.375.766.2]Menurut Ruiz (2001) dalam Purba (2011) setiap bahan atau material biologi memiliki spektrum NIR yang spesifik. Apabila dua sampel bahan yang mempunyai komposisi kimia dan fisik berbeda, maka spektrum NIR juga berbeda, yaitu dilihat dari puncak-puncak gelombang pada spektrum reflektan. Kurva spektrum reflektan NIR dapat dilihat pada Gambar 8.
Gambar 8. Kurva spektrum reflektan NIR pada 70 sampel biji sorgum
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
4000 4400 4800 5200 5600 6000 6400 6800 7200 7600 8000 8400 8800 9200 9600 10000
R
e
fl
e
kta
n
Panjang Gelombang (cm-1)
sorgum 1 sorgum 2 sorgum 3 sorgum 4 sorgum 5 sorgum 6 sorgum 7
sorgum 8 sorgum 9 sorgum 10 sorgum 11 sorgum 12 sorgum 13 sorgum 14
sorgum 15 sorgum 16 sorgum 17 sorgum 18 sorgum 19 sorgum 20 sorgum 21
sorgum 22 sorgum 23 sorgum 24 sorgum 25 sorgum 26 sorgum 27 sorgum 28
sorgum 29 sorgum 30 sorgum 31 sorgum 32 sorgum 33 sorgum 34 sorgum 35
sorgum 36 sorgum 37 sorgum 38 sorgum 39 sorgum 40 sorgum 41 sorgum 42
sorgum 43 sorgum 44 sorgum 45 sorgum 46 sorgum 47 sorgum 48 sorgum 49
sorgum 50 sorgum 51 sorgum 52 sorgum 53 sorgum 54 sorgum 55 sorgum 56
sorgum 57 sorgum 58 sorgum 59 sorgum 60 sorgum 61 sorgum 62 sorgum 63
Dari kurva spektrum reflektan biji sorgum pada Gambar 8 dapat dilihat bahwa seluruh sampel biji sorgum memiliki bentuk spektrum yang sama tetapi memiliki tingkat reflektan yang berbeda. Hal ini menunjukkan bahwa setiap sampel biji sorgum memiliki kadar air, karbohidrat, dan protein yang berbeda-beda.
Pada kurva spektrum reflektan NIR diberikan proses urutan perlakuan data (data treatment) untuk persamaan regresi kalibrasi pendugaan kadar air, protein, dan karbohidrat biji sorgum. Perlakuan data dilakukan karena pada kurva spektrum reflektan N
