Rapid Estimation of the chemical component composition of mangium (Acacia mangium Willd.) with Near Infrared (NIR) Spectroscopy

(1)

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2014

MERRY SABED

PENDUGAAN KOMPOSISI KIMIA KAYU MANGIUM

(

Acacia mangium

Willd.) MENGGUNAKAN

(2)

(3)

PERNYATAAN MENGENAI TESIS DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa tesis berjudul Pendugaan Komposisi Kimia Kayu Mangium (Acacia mangium Willd.) Menggunakan Spektroskopi NIR adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. 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 tesis ini.

Dengan ini saya melimpahkan hak cipta dari tesis saya kepada Institut Pertanian Bogor.

(4)

SUMMARY

MERRY SABED. Rapid Estimation of the chemical component composition of mangium (Acacia mangium Willd.) with Near Infrared (NIR) Spectroscopy. Supervised by LINA KARLINASARI, NYOMAN J. WISTARA and Y. ARIS PURWANTO.

Mangium (Acacia mangium Willd.) is a fast growing species with the characteristics of high soil tolerance and high wood quality. Its characteristics have led mangium to be a preferred species for pulpwood. Information on chemical components of the wood cell wall determines the preference of wood utilization. An accurate and rapid method of chemical components measurement is thus paramount. Accuracy and promptness of near infrared (NIR) spectroscopy method in the measurement of chemical components of various organic materials has been reported. The present study was aimed to develop a fast and accurate measurement method of the chemical components of mangium based on NIR spectroscopy techniques. The study was conducted by measuring the NIR spectra of mangium wood both in the form of solid wood and wood meal.

In the present works, wood samples were procured from 5, 6, and 7 years old trees. NIR spectroscopy measurements were carried out on both solid and wood meal samples. Chemical methods of measurements on chemical components of wood were also carried out. These included the measurements of holocellulose, α-cellulose, hemicellulose, lignin, and alcohol-benzene soluble extractives. Modeling analysis for the calibration and validation of the NIR spectra was done by Partial Least Square (PLS).

It was found that the content of α-cellulose, hemicellulose, and extractives of the mangium wood was significantly influenced by the age of wood. However, only the lignin content of the 5 years old wood was significantly different from the others. The spectra of NIR absorbance of the solid wood samples were of a wider range compared to these of the wood meal samples. The average of solid wood absorbance was higher than that of the wood meal.

The best calibration model was obtained for the estimation of α-cellulose and hemicellulose content both for solid wood and wood meal samples. R2cal

(5)

RINGKASAN

MERRY SABED. Pendugaan Komposisi Kimia Kayu Mangium (Acacia mangium Willd.) Menggunakan Spektroskopi NIR. Dibimbing oleh LINA KARLINASARI, NYOMAN J. WISTARA and Y. ARIS PURWANTO.

Mangium (Acacia mangium Willd.) menjadi tanaman favorit HTI sehubungan dengan perannya dalam memenuhi kebutuhan serat terutama dalam pemenuhan kebutuhan bahan baku pulp dan kertas. Komponen kimia penyusun dinding sel kayu merupakan salah satu faktor penting yang menentukan arah pemanfaatan kayu. Metode pendugaan komposisi kimia suatu bahan menggunakan near infrared (NIR) merupakan metode nondestruktif yang cepat dengan keakuratan yang baik. Tujuan penelitian ini adalah mengembangkan metode deteksi komponen kimia kayu mangium secara cepat menggunakan spektroskopi NIR. Penelitian dilakukan dengan mengukur spektra NIR kayu mangium pada dua bentuk contoh uji yaitu kayu utuh dan serbuk kayu.

Contoh uji yang digunakan berasal dari 3 umur kayu yaitu 5, 6 dan 7 tahun. Bentuk contoh uji yang digunakan dalam pengukuran spektra NIR terdiri atas contoh uji kayu utuh dan serbuk kayu. Komponen kimia kayu yang diuji di

laboratorium meliputi α-selulosa, hemiselulosa, holoselulosa, lignin dan ekstraktif terlarut alkohol-benzena. Analisis pemodelan kalibrasi dan validasi dari spektra NIR menggunakan metode Partial Least square (PLS).

Hasil penelitian menunjukkan bahwa umur kayu berpengaruh secara nyata terhadap kandungan kimia kayu mangium. Rata-rata kandungan kimia untuk α -selulosa, hemiselulosa dan ekstraktif terlarut alkohol-benzena memiliki perbedaan yang nyata diantara 3 umur kayu, sedangkan pada lignin hanya kayu berumur 5 tahun yang berbeda nyata. Spektra NIR kayu mangium pada contoh uji kayu utuh memiliki rentang absorbansi yang lebih lebar daripada spektra pada contoh uji serbuk kayu. Spektra rata-rata NIR kayu mangium menunjukkan bahwa absorbansi spektra NIR pada contoh uji kayu utuh lebih tinggi daripada serbuk kayu.

Model kalibrasi terbaik diperoleh untuk menduga kandungan α-selulosa dan hemiselulosa baik menggunakan contoh uji kayu utuh maupun serbuk kayu. Nilai R2cal untuk α-selulosa contoh uji kayu utuh dan serbuk kayu masing-masing adalah 0.7773 dan 0.7779; serta nilai RPD sebesar 1.68 dan 2.00. Untuk hemiselulosa nilai R2cal untuk contoh uji kayu dan serbuk kayu secara berurutan adalah 0.7756

dan 0.8277; serta nilai RPD sebesar 2.08 dan 2.21. Pendugaan kandungan α -selulosa dan hemi-selulosa menggunakan teknik spektroskopi NIR lebih baik menggunakan contoh uji serbuk kayu daripada kayu utuh. Sementara itu untuk pendugaan kandungan lignin dan zat ekstraktif terlarut alkohol-benzena lebih baik menggunakan contoh uji kayu utuh daripada serbuk kayu.

(6)

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB

(7)

Tesis

sebagai salah satu syarat untuk memperoleh gelar Magister Sains

pada

Program Studi Ilmu dan Teknologi Hasil Hutan

MERRY SABED

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2014

PENDUGAAN KOMOPISI KIMIA KAYU MANGIUM

(

Acacia mangium

Willd.) MENGGUNAKAN

(8)

(9)

Judul Tesis : Pendugaan Komposisi Kimia Kayu Mangium (Acacia mangium Willd.) Menggunakan Spektroskopi NIR

Nama : Merry Sabed NIM : E251110031

Disetujui oleh Komisi Pembimbing

Dr Lina Karlinasari, SHut MSc Ftrop Ketua

Nyoman J Wistara, PhD Anggota

Dr Ir Y Aris Purwanto, MSc Anggota

Diketahui oleh

Ketua Program Studi Departemen Hasil Hutan

Prof Dr Ir I Wayan Darmawan, MSc

Dekan Sekolah Pascasarjana

Dr Ir Dahrul Syah, MscAgr

(10)

(11)

PRAKATA

Segala puji hanya milik Allah SWT atas segala nikmat, rahmat dan karunia-Nya yang tak telah dilimpahkan sehingga penulis dapat menyelesaikan tesis yang berjudul Pendugaan Komposisi Kimia Kayu Mangium (Acacia mangium Willd.) Menggunakan Spektroskopi NIR.

Tesis ini disusun untuk memenuhi salah satu persyaratan memperoleh gelar Master of Science (MSi) dalam bidang keahlian kehutanan pada program studi Ilmu dan Teknologi Hasil Hutan Institut Pertanian Bogor dengan sumber dana yang berasal dari dana penelitian dosen pembimbing yang merupakan bagian dari Penelitian Unggulan Strategis Perguruan Tinggi-Hibah Bersaing dengan No. Kontrak 17/I3.24.4/SPK-PUS/IPB/2012 tanggal 1 Maret 2012.

Oleh karena itu, pada kesempatan ini penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada Dirjen Tinggi (Dikti) yang telah memberikan beasiswa kepada penulis hingga tahap akhir studi ini. Selain itu penulis juga menyampaikan rasa hormat dan terima kasih kepada:

1. Ibu Dr Lina Karlinasari, SHut MSc FTrop atas seluruh motivasi, bimbingan, arahan dan waktu yang telah diluangkan sehingga penulis dapat bersemangat untuk terus belajar, berkarya dan memberikan yang terbaik dalam proses belajar dan menggali ilmu.

2. Bapak Nyoman J. Wistara, PhD yang telah memberikan semangat mental tersendiri bagi penulis untuk menjadi yang terbaik.

3. Bapak Dr Ir Y Aris Purwanto, MSc dengan segala arahannnya sehingga penulis dapat lebih fokus pada kedalaman riset yang dilakukan.

4. Kepada ayahanda dan ibunda tercinta Bapak Ja’far Lubis dan Ibu Musta’ah yang selalu memberikan doa, cinta, dukungan moril dan materil sehingga penulis dapat menempuh pendidikan hingga perguruan tinggi, serta adik-adik tersayang Shelly Lubis, Trida Marsaulina dan Ade Maulana Lubis yang telah banyak membantu dengan tulus sebuah janji yang terikat di Lauhul Mahfudz. 5. Spesial teruntuk suami tercinta mas Panji Kumoro atas kasih sayang dan

pengertiannya serta dukungannya dalam penyelesaian tesis ini. Semoga Allah melanggengkan mahligai rumah tangga kita hingga bertemu di Jannah-Nya. 6. Teruntuk teman-teman se-angkatan kak Neng, Abigael, Esi Fajriani,

Fakhruzy, B Reynardus dan Ammar Affif, banyak kisah terajut selama mencari ilmu bersama dikampus tercinta ini, berbagi suka maupun duka, saling membantu dikala susah maupun senang. Terima kasih atas bantuannya semoga menjadi amal kebaikan bagi kita semua.

7. Saudara seperjuangan Sri Wardani, Heni Mariati, K Nurhayati Hamzah, K Middle Lita, K Risna Wati dan Pak Ripqi Lubis. Bersama kalian ku ukir persaudaraan yang indah di kota hujan ini, berbagi semangat baik suka maupun duka dan berbagi cerita tentang semua. Semoga kelak kita bisa berkumpul bersama kembali dalam cerita yang lebih indah.

8. Bapak Supriatin, Bapak Sulyaden, Bapak Kadiman, Bapak Suhada, mas Gunawan dan Sugiharti yang telah membantu selama penelitian di laboratorium.

(12)

Mega, Sri, Lisda, Mb Ida, Bu Wiwit, Mb Ami, Tia, Rike, Aish dan Nadea semoga Allah melanggengkan ikatan ukhuwah diantara kita dan mempertemukan kita di Jannah-Nya.

10. Teman-teman statistik Adis, Ita, Nabila, Nurul, Dewi terima kasih atas ilmu yang telah dibagikan selama penulis mengambil studi ilmu statistik lanjutan, semoga menjadi ilmu yang bermanfaat.

Tiada gading yang tak retak. Penulis menyadari bahwa tesis ini masih banyak kelemahan dan kekurangan yang disebabkan oleh keterbatasan pengetahuan dan wawasan penulis. Oleh karena itu penulis sangat mengharapkan saran dan kritik yang membangun untuk menyempurnakan tesis ini. Penulis berharap tesis ini dapat bermanfaat baik bagi penulis sendiri dan pembaca serta menjadi referensi bagi ilmu pengetahuan.

Akhirnya hanya kepada Allah SWT penulis berharap keberkahan dan keridhoan dalam menjalani proses mencari, mengkaji dan mengaplikasikan ilmu yang telah diperoleh. Amin.

(13)

RIWAYAT HIDUP

Penulis dilahirkan di Pontianak Kalimantan Barat pada tanggal 16 Agustus 1985 dari ayah Ja’far Lubis dan Musta’ah. Penulis merupakan anak pertama dari empat bersaudara.

Tahun 2004 penulis lulus dari SMA Negeri 3 Pontianak dan melanjutkan pendidikan sarjana pada jurusan Teknologi Hasil Hutan, Fakultas Kehutanan, Universitas Tanjungpura (UNTAN) Pontianak dan lulus pada tahun 2010. Pada tahun yang sama penulis menjadi Sarjana Pendamping Desa (SPD) yang merupakan salah satu program kerja dari Bupati Kubu Raya, Kalimantan Barat untuk pendampingan desa-desa yang sedang berkembang.

(14)

DAFTAR ISI

DAFTAR TABEL xi

DAFTAR GAMBAR xi

DAFTAR LAMPIRAN xi

1 PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 2

Tujuan Penelitian 2

Manfaat Penelitian 2

2 TINJAUAN PUSTAKA 2

Mangium (Acacia mangium Willd.) 2

Near Infrared (NIR) 3

Partial Least Square (PLS) 5

3 METODE 6

Tempat dan Waktu Penelitian 6

Bahan dan Alat 6

Prosedur Penelitian 7

4 HASIL DAN PEMBAHASAN 11

Analisis Kimia 11

Karakteristik Gelombang NIR Kayu Utuh dan Serbuk Kayu Mangium 12

5 SIMPULAN DAN SARAN 20

Simpulan 20

Saran 20

DAFTAR PUSTAKA 20

(15)

DAFTAR TABEL

1 Nilai rata-rata kandungan kimia kayu mangium 11

2 Serapan panjang gelombang NIR dengan struktur kimia kayu 15 3 Hasil kalibrasi dan validasi kayu mangium pada contoh uji kayu utuh 18 4 Hasil kalibrasi dan validasi kayu mangium pada contoh uji serbuk kayu 18

DAFTAR GAMBAR

1 Contoh uji kayu mangium untuk pengujian NIR (a) kayu utuh (b)

serbuk kayu 7

2 Pengukuran NIR kayu mangium menggunakan NIRFlex N-500 (a)

kayu utuh (b) serbuk kayu 8

3 Diagram alir penelitian 10

4 Spektra absorban kayu mangium (a) kayu utuh (b) serbuk kayu 13

5 Spektra rata-rata NIR kayu mangium 14

6 Spektra absorban contoh uji kayu utuh dan serbuk kayu mangium 14 7 Hubungan antara nilai pengukuran laboratorium dengan nilai dugaan

spektroskopi NIR berdasarkan model kalibrasi 16

8 Hubungan antara nilai pengukuran laboratorium dengan nilai dugaan

spektroskopi NIR berdasarkan model validasi 17

DAFTAR LAMPIRAN

(16)

1

1 PENDAHULUAN

Latar Belakang

Mangium (Acacia mangium Willd.) memiliki keunggulan dalam hal kecepatan pertumbuhan, mutu kayu, dan toleransi terhadap komposisi tanah (Perrineau et al. 2011). Tekanan terhadap ekosistem hutan alam Indonesia menyebabkan penggunaan kayu cepat tumbuh seperti kayu mangium kian melesat guna memenuhi kebutuhan pasokan kayu (Krisnawati et al. 2011). Tanaman ini menjadi tanaman favorit Hutan Tanaman Industri (HTI) sehubungan dengan perannya dalam memenuhi kebutuhan serat terutama dalam pemenuhan kebutuhan bahan baku pulp dan kertas. Saat ini usia panen pohon mangium sekitar 7 tahun. Bukan tidak mungkin apabila informasi berkaitan dengan sifat kayu yang semakin muda menunjukkan hasil positif maka pemanenan kayunya juga akan semakin dini atau awal.

Komponen kimia penyusun dinding sel kayu seperti selulosa, hemiselulosa, lignin dan ekstraktif merupakan salah satu faktor penting yang menentukan arah pemanfaatan kayu. Metode konvensional biasa digunakan untuk menentukan komponen-komponen kimia tersebut. Metode ini memakan waktu lama dan dianggap kurang praktis. Metode pendugaan komposisi kimia suatu bahan menggunakan spektroskopi near infrared (NIR) merupakan salah satu teknologi yang relatif cepat dengan keakuratan yang baik. NIR merupakan teknik spektroskopi yang menggunakan wilayah panjang gelombang inframerah pada spektrum elektromagnetik tertentu (780 nm sampai 2 500 nm). Ketika suatu bahan diradiasi dengan cahaya inframerah, maka molekul pada bahan menjadi bergetar yang menimbulkan pita penyerapan pada ikatan-ikatan molekul gugus fungsi C-O, O-H, C-H dan N-H. Besarnya penyerapan merupakan fungsi dari konsentrasi atau kadar materi dan spesifik pada panjang gelombang tertentu.

Teknologi NIR saat ini telah berhasil diaplikasikan untuk memprediksi sifat-sifat dasar kayu (Tsuchikawa 2007). Pendeteksian komponen kimia kayu telah dilakukan oleh Poke dan Raymond (2006) dan Chen et al. (2010). Penelitian spektroskopi NIR khusus untuk kayu akasia telah dilakukan di China oleh Yao et al. (2010) untuk menduga kadar lignin kayu Acacia spp., sementara itu Zhang et al. (2011) membangun model kalibrasi NIR untuk menduga bilangan kappa dan rendemen pulp pada jenis kayu yang sama.

Informasi yang diperoleh dari spektroskopi NIR terdiri dari puncak dan lembah spektra yang sangat kompleks dengan panjang gelombang yang lebar. Spektra NIR yang diamati tidak dapat langsung dapat diinterpretasikan sebagai komponen tunggal yang bisa menentukan karakteristik bahan secara langsung. Dibutuhkan metode matematika berupa model kalibrasi yang bisa menyatakan hubungan karakteristik bahan (Y) dengan karakteristik penyerapan atau absorbansi pada spektroskopi NIR (X). Metode matematika dengan teknik kalibrasi PLS (Partial Least Squares) umum digunakan dalam menyelesaikan model kalibrasi pada spektroskopi NIR. Teknik ini dianggap dapat menyelesaikan masalah multikolinearitas antar peubah bebas yang tinggi dan memiliki struktur sistematik linier ataupun non linier yang sering muncul dalam analisis data (Tobias 2011).

(17)

2

data spektra NIR. Beberapa teknik perlakuan awal yang umum digunakan adalah normalisasi, derivative, smoothing dan standard normal variate (SNV).

Perumusan Masalah

Kecenderungan pemanfaatan kayu mangium yang semakin muda sangat perlu didukung informasi sifat kayunya pada usia muda tersebut. Pada penelitian ini umur kayu mangium yang digunakan adalah umur 5, 6, dan 7 tahun. Komponen kimia kayu merupakan salah satu faktor penting dalam arah pemanfaatan kayu. Saat ini pengujian kandungan kimia kayu masih menggunakan cara konvensional yang dilakukan di laboratorium. Cara ini memiliki beberapa keterbatasan terutama dalam hal waktu pengujiannya yang cukup lama. Metode spektroskopi NIR dapat digunakan untuk dapat menduga komponen kimia kayu dengan cepat dan akurat sehingga dapat menjawab permasalahan tersebut diatas.

Tujuan Penelitian

Tujuan penelitian ini adalah mengembangkan metode deteksi komponen kimia kayu mangium secara cepat menggunakan spektroskopi NIR.

Manfaat Penelitian

Hasil dari penelitian diharapkan dapat menjadi data base dalam pengembangan informasi ilmiah tentang pendugaan komposisi kimia kayu mangium.

2 TINJAUAN PUSTAKA

Mangium (Acacia Mangium Willd.)

(18)

3

Ciri umum dari kayu mangium adalah memiliki teras berwarna coklat tua sampai coklat kelabu, dengan kayu gubal berwarna kuning pucat sampai kuning jerami. Kayu ini memiliki corak yang polos atau berjalur-jalur berwarna gelap dan terang bergantian pada bidang radial dengan tekstur yang halus sampai agak kasar. Permukaan kayu agak mengkilap dan memiliki kesan raba yang licin. Kayu mangium memiliki berat jenis rata-rata 0.61 dengan kelas kuat II-III dan memiliki nilai kalori sebesar 4.800 sampai 4.900 kkal/kg (Pandit dan Kurniawan 2008).

Mangium dapat beradaptasi dengan baik pada berbagai jenis tanah dan kondisi lingkungan. Jenis ini tumbuh baik pada tanah laterit, yaitu tanah dengan kandungan oksida besi dan aluminium yang tinggi. Mangium dapat tumbuh dengan cepat di lokasi dengan level nutrisi tanah yang rendah, bahkan pada tanah-tanah asam dan terdegradasi (Krisnawati et al. 2011). Menurut Sanchez dan Logan (1992) sepertiga dari tanah wilayah tropis bereaksi asam. Hal ini memberikan keuntungan dalam pengembangan jenis mangium di Indonesia. Meskipun demikian, jenis ini tidak toleran terhadap naungan yang menyebabkan pertumbuhan mangium kurang sempurna dengan bentuk tinggi dan kurus. Jenis ini merupakan jenis tanaman pionir yang dapat meregenerasi secara alami di lokasi tanah yang sudah rusak.

Mangium tumbuh secara alami di hutan tropis lembab di Australia bagian timur laut, Papua Nugini dan Kepulauan Maluku kawasan timur Indonesia. Setelah berhasil diintroduksikan ke Sabah, Malaysia, pada pertengahan tahun 1960-an, mangium banyak diintroduksikan ke berbagai negara, termasuk Indonesia, Malaysia, Papua Nugini, Bangladesh, Cina, India, Filipina, Sri Lanka, Thailand dan Vietnam. Di Indonesia, jenis ini pertama kali diintroduksikan ke daerah lain selain Kepulauan Maluku pada akhir tahun 1970-an sebagai jenis pohon untuk program reboisasi (Krisnawati et al. 2011).

Pemanfatan kayu mangium saat ini telah mengalami peningkatan pemanfaatan yang semakin luas, baik untuk kayu serat (pulp dan kertas), kayu pertukangan (finir dan perabot, seperti lemari, kusen, pintu dan jendela) maupun kayu energi (bahan bakar dan arang). Menurut Pandit dan Kurniawan (2008) kegunaan kayu mangium selain sebagai bahan baku serat juga dapat digunakan sebagai bahan konstruksi ringan, batang korek api, papan partikel, papan serat, vinir, kayu lapis dan kayu bakar. Berbagai penelitian telah dilakukan untuk menunjang perluasan pemanfaatan kayu akasia mangium dalam bentuk kayu utuh, partikel, serat ataupun turunan kayu.

Near Infrared (NIR)

Teori Near Infrared (NIR)

(19)

4

panjang gelombang dalam daerah inframerah dari spektrum elektromagnetik. Ketika molekul diradiasi dengan sumber energi, molekul memerlukan energi potensial untuk perubahan energi (Murray dan Williams 1990).

Menurut Shenk et al. (2007) sinar yang dipancarkan ke sumber organik mengalami penyerapan (absorption), pemantulan (difuse reflectance), penyebaran (scattering), pembiasan (refraction) dan penerusan cahaya (transmitance). Hilangnya energi dari contoh uji terjadi karena pemantulan cahaya pada permukaan contoh uji, pembiasan internal dan penyerapan yang menyeluruh. Contoh uji yang tidak menyerap sama sekali akan menyebabkan terjadinya pemantulan total.

Jika suatu bahan menyerap sinar inframerah, maka elektron yang ada dalam atom atau elektron ikatan pada suatu molekul tersebut akan bergetar (vibrasi). Sinar yang masuk ke dalam bahan dan sinar setelah melewati bahan tidak dapat diukur, yang dapat diukur adalah perbandingan sinar datang dengan sinar setelah melewati bahan. Sinar yang diserap diukur sebagai absorbansi (A) sedangkan sinar yang dihamburkan sebagai transmitansi (T). Berdasarkan hukum Lambert-Beer, banyaknya sinar yang dihamburkan adalah: (Workman dan Weyer 2007). sementara itu reflektan (R) merupakan fungsi dari transmitan yaitu:

R = f (T) ...(3) sehingga absorbansi dapat ditentukan dengan persamaan:

A = log

...(4)

A = log ...(5) A = k.c.l ...(6) dimana Ir merupakan intensitas cahaya yang dipantulkan, k adalah absorbsi molekuler, c adalah konsentrasi penyerapan molekul dan l adalah jarak antara sumber energi ke contoh uji.

Teknologi Near Infrared (NIR)

(20)

5

Gierlinger et al. (2003) menyelidiki keandalan spektroskopi FT-NIR untuk menentukan keawetan alami kayu teras pohon Larch. Pengujian dilakukan menggunakan dua jenis jamur yaitu Poria placenta dan Coniophora puteana. Hasil yang diperoleh menunjukkan bahwa kalibrasi terbaik yang diperoleh dapat digunakan untuk menduga kerusakan kayu dan ketahanan alami kayu teras pohon Larch dengan koefisen korelasi sebesar 0.97.

Poke dan Raymond (2006) menduga kadar ekstraktif, lignin dan selulosa pada kayu utuh dengan menggunakan model kalibrasi dari serbuk kayu Eucalyptus globulus. Hasilnya menunjukkan bahwa kualitas kalibrasi spektra contoh uji serbuk kayu lebih baik daripada kayu utuh. Namun penggunaan kalibrasi spektra contoh uji kayu utuh lebih menghemat waktu dan biaya untuk aplikasi di lapangan karena tidak melewati tahap pembuatan serbuk kayu. Hou dan Li (2010) mengkarakterisasi pembusukan dan komposisi kimia kayu poplar. Hasil riset menunjukkan bahwa model kalibrasi yang dibangun memiliki nilai koefisien determinasi (R2) untuk lignin, holoselulosa, α-selulosa dan S/G rasio lignin masing-masing sebesar 0.984; 0.988; 0.971 dan 0.925. Hal ini menunjukkan keandalan metode spektroskopi NIR untuk menduga komposisi kimia kayu.

Selain itu NIR juga dapat digunakan untuk mengetahui kerusakan kayu akibat serangan jamur, pengontrolan kayu baik pada kayu utuh maupun kayu modifikasi. Di dalam industri pulp dan kertas NIR telah digunakan untuk menduga bilangan kappa dan konsumsi alkali. Selanjutnya, NIR dapat dimanfaatkan untuk menduga rendemen pemasakan dan kandungan kimia pulp. Aplikasi pemanfaatan NIR dalam bidang kehutanan memiliki prospek yang bagus terutama dalam industri pulp dan kertas. Pengontrolan kegiatan produksi dari awal hingga akhir akan menjamin mutu produk yang dihasilkan. Salah satu diantaranya adalah kemungkinan penyediaan bahan baku berkualitas melalui pendeteksian awal kayu yang datang dari hutan tanaman.

Partial Least Square (PLS)

Dalam analisisi regresi yang melibatkan variabel independen yang banyak jumlahnya dengan tingkat kolinearitas tinggi maka analisis menggunakan metode kalibrasi multivariasi merupakan salah satu solusi untuk menjawab permasalahan yang ada. Spektra NIR terdiri dari ribuan variabel X yang berkaitan dengan varibel Y yaitu sifat bahan, sehingga hal ini membutuhkan model kalibrasi multivariasi dalam intepretasinya. Salah satu metode yang umum digunakan dalam analisis data spektroskopi adalah PLS.

(21)

6

iteratif dan tidak memiliki formula tertutup untuk mencari ragam koefisien regresinya (Harjono 2008).

Salah satu aplikasi yang cukup penting dalam teknik PLS adalah kalibrasi multivariasi yang berfungsi untuk memprediksi konsentrasi suatu material organik berdasarkan data spektranya. Spektra secara khas terdiri dari nilai-nilai yang mencakup panjang gelombang dengan kisaran yang luas, sehingga terdiri dari ratusan komponen, sedangkan faktor konsentrasi umumnya terbatas. Menurut Harjono (2008) kalibrasi dengan teknik PLS khususnya untuk data spektrofotomerik merupakan salah satu metode yang handal untuk mengatasi adanya multikolinieritas antar prediktor dan permasalahan jumlah prediktor yang melimpah. Dengan aplikasi teknik ini, data absorbansi yang berasal dari berbagai panjang gelombang dengan jumlah yang sangat banyak dapat direduksi secara lebih sempurna. Data konsentrasi sejak awal telah dilibatkan dalam proses analisis sehingga tidak terjadi korelasi antara variabel prediktor dan respon. Dengan metode ini diharapkan dapat diperoleh model kalibrasi dengan daya prediksi yang baik.

Pada dasarnya pendekatan PLS adalah penggabungan model pendugaan sebagai pengembangan model-model kalibrasi yang melibatkan lebih dari dua peubah (bebas dan tidak bebas). Proses pendugaan menggunakan PLS yang diaplikasikan pada persamaan hubungan model struktural dan model pengukuran. Metode PLS tidak memerlukan asumsi-asumsi yang ketat terhadap sebaran dari peubah, sisaan dan parameter, sehingga metode ini sering disebut metode lunak. Metode tersebut diperoleh secara iteratif dan tidak memiliki formula tertutup untuk mencari ragam koefisien regresi. PLS dapat memprediksi contoh uji yang tidak diketahui dengan ketepatan lebih baik dibandingkan dengan teknik kalibrasi multivariasi lainnya (Naes et al. 2002).

3 METODE

Tempat dan Waktu Penelitian

Penelitian ini dilaksanakan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Mesin dan Biosistem (TMB) Fakultas Teknologi Pertanian dan Laboratorium Kimia Kayu Bagian Kimia Hasil Hutan Fakultas Kehutanan Institut Pertanian Bogor. Waktu penelitian dilaksanakan pada bulan April 2012 hingga Mei 2013.

Bahan dan Alat

Dalam penelitian ini contoh uji diambil dari 12 pohon mangium yang terdiri atas umur 5, 6 dan 7 tahun yang diperoleh dari BKPH Parung Panjang, KPH Bogor, Perum Perhutani Unit III Jawa Barat. Bahan yang digunakan untuk menentukan kadar komponen kimia kayu antara lain adalah etanol (C2H5OH), benzena (C6H6), sodium klorit (NaClO2), asam asetat glasial (CH3COOH), natrium hidroksida (NaOH) dan asam sulfat (H2SO4).

(22)

7

contoh uji utuh, sedangkan NIRFlex solid petri N-500 digunakan untuk contoh uji serbuk kayu. Pengolahan data dilakukan menggunakan perangkat lunak bawaan dari NIRFlex N-500 yaitu NIR Ware Operator, NIR Ware Management Console dan NIRCal5. Alat lain yang digunakan adalah gergaji, mesin giling Willey mills beserta ayakan 40 sampai 60 mesh.

Prosedur Penelitian

Persiapan Contoh Uji Penelitian

Contoh uji diambil dari pohon mangium dengan 3 umur berbeda masing-masing 4 pohon. Setiap pohon diambil 3 batang log yang mewakili bagian pangkal, tengah, dan ujung. Log tersebut selanjutnya dikonversi menjadi potongan papan. Untuk setiap umur diambil secara acak dari setiap bagiannya sebanyak masing-masing 50 contoh uji papan yang mewakili ketiga umur pohon. Ukuran tebal x lebar x panjang papan bebas cacat yang dipergunakan adalah 3 cm x 10 cm x 25 cm. Selanjutnya papan-papan tersebut dianginkan hingga mencapai kadar air kering udara (sekitar 15%) yang dilanjutkan dengan penghalusan permukaan kayu menggunakan amplas. Bidang yang digunakan untuk pengukuran spektroskopi NIR adalah bidang penampang lintang (transversal). Contoh uji papan ini selanjutnya disebut contoh uji kayu utuh pada pengujian spektroskopi NIR (Gambar 1).

Contoh uji serbuk kayu pada pengujian spektroskopi NIR diperoleh dengan mengkonversi contoh uji kayu utuh menjadi serbuk kayu. Proses konversi dilakukan dengan mencacah papan menjadi potongan-potongan kecil kemudian digiling menggunakan Willey mills untuk memperoleh partikel berukuran 40 sampai 60 mesh. Contoh uji serbuk kayu ini dijaga untuk tetap dalam kondisi kering udara yang digunakan untuk pengujian spektroskopi NIR dan dilanjutkan dengan analisis komponen kimia kayu.

Pengukuran dengan Spektroskopi NIR

Proses kalibrasi instrumen NIR dilakukan sebelum pengukuran spektra NIR spektroskopi bahan yaitu dengan melakukan pengukuran reflektan awal yang menyesuaikan dengan referensi panjang gelombang yang tersedia pada perangkat lunak. Pengukuran spektra NIR dilakukan dengan memindai kayu mangium terhadap total 150 contoh uji dari 3 umur kayu baik dalam bentuk kayu utuh dan serbuk kayu dengan spektrum panjang gelombang 1 000 nm sampai 2 500 nm. Pengukuran NIR untuk setiap contoh uji dilakukan selama ± 30 detik. Ulangan pengukuran untuk setiap contoh uji

(a) (b)

(23)

8

adalah tiga kali sehingga total data spektra yang dihasilkan adalah 450 buah. Pada contoh uji kayu utuh pengukuran spektra NIR dilakukan pada tiga permukaan lintang berbeda yang mewakili bagian teras, gubal, dan transisi keduanya (Gambar 2.a). Sedangkan pemindaian untuk contoh uji serbuk kayu dilakukan dengan menempatkan serbuk kayu sebanyak ± 20 g pada cawan petri (Gambar 2.b). Contoh uji diukur di dalam ruangan dengan temperatur berkisar antara 20 sampai 23 0C.

Prinsip pengukuran spektra NIR adalah dengan memancarkan sinar halogen ke bahan uji yang menyebabkan terjadinya getaran dan regangan pada kelompok ikatan atom OH, NH dan CH. Getaran dan regangan tersebut menyebabkan terjadinya penyerapan, pemantulan dan penerusan energi. Energi yang dipantulkan akan ditangkap oleh detektor sebagai frekuensi dalam bentuk analog yang kemudian ditransformasi menggunakan transformasi Fourier sehingga menjadi data spektra reflektan. Informasi tersebut merupakan hasil interaksi antara gelombang elektromagnetik dengan komposisi kimia bahan contoh uji uji. Data yang diperoleh dari pengukuran spektra NIR adalah data spektra reflektan.

Perlakuan Awal

Perlakuan awal (pre-treatment) terhadap data spektra NIR dilakukan untuk meminimalkan heterogenitas data spektra yang menyebabkan banyak pencilan data. Dari perlakukan awal ini diperoleh jumlah komponen atau peubah laten yang menyebabkan pemulusan data spektra. Jumlah komponen ditentukan dari komponen yang memiliki nilai RMSECV (Root Mean Squared Error Cross Validation) minimum. Metode perlakuan awal yang dilakukan pada penelitian ini adalah metode turunan (derivatives), smoothing, dan standard normal variate (SNV).

Setiap perlakuan awal data memiliki fungsi yang berbeda-beda terhadap spektrum NIR. First derivative berfungsi untuk memisahkan komponen menjadi data yang tunggal sehingga hasil kalibrasi dapat menjadi lebih baik. Second derivative berfungsi untuk mereduksi efek basis dari adanya pertambahan proses absorban serta menghilangkan masalah basis kemiringan model regresi (Tiaprasit dan Sangpithukwong 2010). Smoothing berfungsi untuk memilih penghalusan fungsi dengan teliti tanpa menghilangkan informasi spektrum yang ada, mengurangi pengaruh guncangan (noise) dan memperkecil galat (kekeliruan) yang terjadi selama pengukuran NIR dan analisis kimiawi laboratorium. Sedangkan SNV berfungsi untuk mengurangi pengaruh pemencaran pada spektra NIR yang dihasilkan (Qu et al. 2005).

(a) (b)

(24)

9

Analisis Data

Data yang digunakan dalam penelitian terdiri atas 1 500 peubah bebas dan 4 peubah respon. Peubah bebas (X) berupa data absorbansi yang diukur menggunakan alat NIR spektroskopi dengan panjang gelombang 1 000 nm sampai 2 500 nm. Peubah respon (Y) berupa konsentrasi komponen kimia kayu berdasarkan pengujian laboratorium yang mengacu pada standar untuk pengujian yaitu selulosa, hemiselulosa, lignin, dan zat ekstraktif terlarut alkohol-benzena.

Model Kalibrasi dan Validasi NIR

Model kalibrasi dan validasi spektroskopi NIR dilakukan dengan metode kalibrasi multivariasi (PLS). Pada tahap awal dilakukan pemilihan secara acak sejumlah data untuk membentuk model kalibrasi dan sejumlah data lainnya untuk validasi model kalibrasi. Biasanya data kalibrasi adalah sebanyak 2/3 data sedangkan 1/3 data lainnya adalah untuk data validasi model kalibrasi. Proses pengolahan dan analisis data dilakukan menggunakan perangkat lunak (software) pada alat yaitu NIRCal 5.2 yang terintegrasi dengan spektometer.

Setelah didapatkan model kalibrasi maka dilakukan tahap validasi dengan menggunakan sisa data yang lain berdasarkan model kalibrasi yang terbentuk. Data contoh uji yang berbeda tersebut dimasukkan ke model kalibrasi sehingga diperoleh nilai variable respon yaitu nilai dari komponen kimia kayu.

Analisis data dilakukan dengan menghitung beberapa parameter statistik yaitu root mean squared error calibration (RMSEC) dan koefisien determinasi (R2) kalibrasi untuk mengukur kebaikan model, serta root mean square error prediction (RMSEP), R2 validasi dan korelasi (r) untuk menguji kemampuan model dalam memprediksi (validasi). Root mean square error (RMSE) adalah pengukuran langsung dari kesalahan pendugaan dan kesalahan pemodelan. RMSE mengekspresikan kesalahan rata-rata yang diharapkan pada pendugaan dan merupakan ukuran yang baik dari model yang terbangun. Selain itu biasanya ditentukan nilai ratio prediction to deviation (RPD). RPD merupakan rasio antara standar deviasi (SD) contoh uji validasi dan nilai SEP. RPD yang tinggi juga menjadi salah satu syarat diterimanya model kalibrasi. Nilai RPD antara 2.0 sampai 3.0 menggambarkan model yang dibangun dianggap memadai khususnya untuk produk yang berkaitan dengan komoditas tanaman. Semakin tinggi nilai RPD suatu model maka pemodelan yang dibangun dapat diterima sebagai alat untuk pendugaan. Menurut Maja et al. (2010) nilai RPD merupakan indikator kualitas sebuah model kalibrasi. Persamaan (7) dan (8) digunakan untuk menyelesaikan RMSE dan RPD.

...(7)

(25)

10

Gambar 3 Diagram alir penelitian Tidak

Ya

Selesai Uji kualitas model

(R2, RMSEP, dan RPD) Model kalibrasi dengan

kriteria RMSEC

Komponen kimia prediksi NIR

Perlakuan awal spektra

Validasi Proses kalibrasi

Model kalibrasi dengan kriteria RMSECV Perlakuan awal spektra

Analisis multivariasi (PLS)

2/3 data kalibrasi 1/3 data validasi

Mulai

Sampel kayu utuhan Kayu mangium

A alisis ki iawi α-selulosa , hemiselulosa, lignin dan ekstraktif

Sampel serbuk

Pengukuran spektrum NIR

(26)

11

Penentuan Kadar Komponen Kimia Kayu Mangium Secara Kimia

Pengujian kimia dilakukan menggunakan contoh uji serbuk kayu lolos saringan 40 dan tertahan saringan 60 mesh. Komponen kimia kayu dianalisis secara kuantitatif mengikuti prosedur standar TAPPI Volume 1 (1999). Komponen kimia kayu yang dianalisis berdasarkan standar tersebut meliputi kadar holoselulosa, lignin, dan kelarutan ekstraktif dalam alkohol-benzena. Kadar holoselulosa, lignin, dan kelarutan ekstraktif dalam alkohol-benzena ditentukan masing-masing dengan TAPPI T 9 m-54, TAPPI T 222 om-88 dan TAPPI T 204 om-88. Untuk kadar hemiselulosa dilakukan dengan mengurangkan kadar holoselulosa dengan α-selulosa.

Untuk kadar α-selulosa ditentukan di laboratorium dengan menggunakan contoh uji dari serbuk holoselulosa. Sebanyak 2 g serbuk holoselulosa dimasukkan ke dalam gelas piala 250 ml lalu ditambahkan 10 ml NaOH 17.5% pada suhu 20 oC. Setiap interval waktu 5 menit ditambahkan 5 ml larutan NaOH 17.5% sebanyak 3 kali hingga total volume 25 ml. Setelah itu contoh uji dibiarkan selama 30 menit kemudian ditambahkan air destilata sebanyak 33 ml sambil diaduk dan dibiarkan selama 1 jam pada suhu 20 oC. Contoh uji kemudian disaring lalu dibilas dengan 100 ml NaOH 8.3% dan dilanjutkan dengan pembilasan menggunakan air destilata. Setelah itu contoh uji dikeringkan pada suhu 103±2 oC selama 24 jam hingga konstan. Kadar α-selulosa dihitung dengan persamaan:

α-selulosa (%) = ...(9) dimana A adalah berat α-selulosa (g) dan B adalah BKT bebas ekstraktif (g).

4 HASIL DAN PEMBAHASAN

Analisis Kimia

Komponen kimia kayu mangium yang diuji adalah α-selulosa, hemiselulosa, lignin dan ekstraktif terlarut alkohol-benzena dari total 150 contoh uji. Data analisis kimia kayu mangium dapat dilihat pada Tabel 1.

Hasil analisis sidik ragam pada Lampiran 1 menunjukkan bahwa umur kayu berpengaruh terhadap kandungan kimia kayu mangium. Uji lanjut selang berganda Duncan menunjukkan bahwa rata-rata kandungan kimia untuk α-selulosa, hemiselulosa dan ekstraktif memiliki perbedaan yang nyata diantara 3 umur kayu tersebut. Sedangkan

Tabel 1 Nilai rata-rata kandungan kimia kayu mangium Komponen Kimia Umur (tahun) Rata-rata

(27)

12

pada lignin hanya kayu berumur 5 tahun yang berbeda nyata sedangkan pada umur 6 dan 7 tahun kandungan lignin berbeda tidak nyata.

Pengaruh umur yang signifikan terhadap kandungan kimia kayu diduga erat kaitannya dengan pertumbuhan pohon. Pertumbuhan pohon sangat dipengaruhi oleh banyak hal diantaranya adalah zat pengatur tumbuh seperti asam giberelin. Asam giberelin merupakan hormon pada tanaman yang mempunyai pengaruh memacu pertumbuhan, serta dapat meningkatkan pertumbuhan bunga, daun dan buah. Respon tanaman pada asam giberelin meliputi peningkatan pembelahan sel dan pembesaran sel. Menurut Davies (1995) asam giberelin merupakan hormon tanaman yang mempunyai efek fisiologis perkembangan kambium dalam proses pembentukan berkas pengangkut. Adanya hormon ini dapat meningkatkan jumlah floem yang terbentuk. Menurut Mudyantini (2008) selulosa dan lignin sebagai unsur utama penyusun dinding sel akan meningkat jumlahnya seiring dengan meningkatnya jumlah floem dalam kayu.

Ekstraktif terlarut dalam alkohol-benzena bervariasi seiring dengan penambahan umur. Kandungan tertinggi terdapat pada kayu berumur 5 tahun, menurun pada umur 6 tahun dan kembali meningkat pada umur 7 tahun. Pada umur 5 tahun diduga terjadi akumulasi senyawa ekstraktif dalam struktur kayu baik dalam dinding sel kayu maupun lumen atau rongga sel yang diindikasikan oleh tingginya kelarutan dalam pelarut tersebut. Menurunnya kadar kandungan ekstraktif dalam kayu seiring pertambahan umur juga dilaporkan oleh Lukmandaru (2009) yang menunjukkan kayu jati yang berumur lebih tua memiliki kandungan ekstraktif yang lebih rendah. Hal ini karena terjadinya polimerisasi senyawa yang lebih intensif pada umur tua sehingga mempunyai lebih banyak senyawa penyusun ekstraktif dengan berat molekul tinggi.

Nilai rata-rata selulosa, hemiselulosa dan lignin kayu mangium dalam penelitian ini (Tabel 1) secara berturut-turut adalah 46.57%; 26.97% dan 27.30%. Nilai selulosa yang diperoleh lebih rendah dibandingkan dengan nilai selulosa dari mangium yang berasal dari Papua Nugini dan Indonesia Timur yang dilaporkan oleh (Syafii dan Siregar 2006) yaitu masing-masing 48.62% dan 45.72%. Hal ini terjadi karena perbedaan tempat tumbuh dari kayu mangium yang diteliti. Kesuburan tanah menggambarkan kualitas tempat tumbuh yang berpengaruh terhadap pertumbuhan tanaman. Kualitas tempat tumbuh merupakan gabungan dari banyak faktor lingkungan diantaranya jenis tanah, kedalaman tanah, tekstur tanah, karakteristik profil tanah, komposisi mineral, kecuraman lereng, arah lereng, dan iklim mikro.

Karakteristik Gelombang NIR Kayu Utuh dan Serbuk Kayu Mangium

(28)

13

Ab

so

rb

an

A

bsor

ba

n

Panjang gelombang (nm)

1000 1200 1400 1600 1800 2000 2200 2400

Gambar 4 Spektra absorban kayu mangium (a) kayu utuh (b) serbuk kayu

Dari Gambar 4 dapat dilihat bahwa spektra kayu utuh memiliki rentang absorbansi yang lebih lebar dari spektra serbuk kayu. Absorbansi spektra kayu utuh berkisar antara 0.044 sampai 1.006, sedangkan serbuk kayu antara 0.049 sampai 0.587. Besarnya variasi pada spektra kayu utuh menunjukkan terjadinya penghamburan spektra. Hal ini disebabkan oleh kondisi permukaan yang berpori pada contoh uji kayu utuh sebagai bentuk umum struktur kayu. Pada contoh uji serbuk struktur kayu sudah tidak utuh lagi. Hal ini menyebabkan porositas pada serbuk kayu lebih rapat, sehingga meminimalisir terjadinya penghamburan spektra.

Spektra rata-rata NIR yang diperoleh dari contoh uji kayu utuh dan serbuk kayu dapat dilihat pada Gambar 5. Spektra kayu utuh memiliki nilai absorbansi yang lebih tinggi dari spektra serbuk kayu. Perbedaan antara keduanya terus meningkat hingga panjang gelombang 2500 nm. Perbedaan ini disebabkan oleh bervariasinya karakteristik kayu pada permukaan bidang aksial yang menunjukkan adanya empulur, kayu teras hingga gubal. Sedangkan pada contoh uji serbuk kayu variasi tersebut lebih rendah karena contoh uji telah tercampur sehingga lebih homogen (Hein et al. 2010). Pernyataan tersebut menjelaskan bahwa contoh uji yang heterogen memiliki daya serap gelombang infra merah yang lebih tinggi dibandingkan contoh uji homogen.

Spektra pantulan hasil dari radiasi NIR dengan panjang gelombang 1000 sampai 2500 nm menunjukkan adanya puncak dan lembah gelombang dengan kapasitas berbeda tergantung dari serapan gugus fungsi pada setiap jenis bahan organik. Penyinaran pada

a

(29)

14

molekul organik menyebabkan terjadinya penyerapan energi pada panjang gelombang yang spesifik (Sandak et al. 2010).

Cukup sulit untuk menginterpretasi spektra hanya berdasarkan spektra mentah atau original dari hasil pemindaian NIR. Gambar 6 menunjukkan spektra NIR rata-rata setelah perlakuan awal data second derivative-SNV. Menurut Johnson (2003) aplikasi perlakuan awal pada rata-rata spektra NIR dilakukan untuk perbandingan visual dengan pergeseran skalar. Variasi panjang gelombang sumbu X pada Gambar 6 menunjukkan perbedaan karakteristik sifat kimia pada kayu dengan indeks serapan panjang gelombang spektra NIR yang dapat dilihat pada Tabel 2.

Gambar 5 Spektra rata-rata NIR kayu mangium

0

1000 1200 1400 1600 1800 2000 2200 2400

Abs

Gambar 6 Spektra absorban contoh uji kayu utuh dan serbuk kayu mangium

-6

1000 1200 1400 1600 1800 2000 2200 2400

(30)

15

Sebagian besar spektra NIR didominasi oleh ikatan hidrogen karena atom hidrogen paling kuat menyerap gelombang NIR. Puncak penyerapan tampak jelas berbeda pada panjang gelombang 1910 nm yang mempengaruhi profil spektra karena adanya kandungan air (Louw dan Teron 2010). Namun puncak penyerapan ini cenderung bergeser dari spektra serapan air pada umumnya. Menurut Workman dan Weyer (2007) gugus OH yang terkandung dalam air diserap pada panjang gelombang 1916 sampai 1940 nm.

Penyerapan oleh selulosa terjadi pada panjang gelombang 1428 nm oleh gugus fungsi OH, panjang gelombang 1780 nm oleh CH2, 2080 nm oleh ikatan OH dan CH, 2291nm oleh CO dan OH, 2335 nm dan 2361 nm oleh ikatan CH. Hemiselulosa terdapat pada panjang gelombang 1370 nm dan 1724 nm dengan adanya ikatan CH. Komponen kimia lignin diserap pada panjang gelombang 1170 nm oleh CH=HC, 1672 nm dan 1685 nm oleh CH, serta pada 2134 nm oleh CH dan CC. Sementara itu, untuk zat ekstraktif terdapat pada panjang gelombang 2220 nm dengan gugus fungsi CH dan CO. Kandungan ekstraktif agak sulit terlihat karena juga berhimpit dengan lignin pada panjang gelombang 1410 nm (Workman dan Weyer 2007; Schwanninger 2011). Selain itu beragamnya kandungan ekstraktif di dalam kayu menyebabkan pembacaan spektra lebih sulit dengan gugus fungsi yang sangat bervariasi.

Kalibrasi dan Validasi NIR

Hubungan antara nilai pengukuran laboratorium dengan nilai dugaan spektroskopi NIR menggambarkan kualitas model kalibrasi-validasi yang terbentuk dapat dilihat pada Gambar 7 dan 8. Hasil penelitian menunjukkan untuk α-selulosa dan hemiselulosa nilai dugaan spektroskopi NIR mendekati nilai pengukuran laboratorium sedangkan lignin dan ekstraktif terlarut dalam alkohol-benzena nilai dugaan spektroskopi NIR belum

Tabel 2 Serapan panjang gelombang NIR dengan struktur kimia kayu Indeksa nm Getaran ikatan

(31)

16

mendekati nilai pengukuran laboratorium baik untuk contoh uji kayu utuh maupun serbuk kayu.

α-selulosa kayu utuh pengukuran (%)

(32)

17

Pada penelitian ini perlakuan awal dan jumlah komponen utama untuk setiap kandungan kimia dibuat sama baik untuk contoh uji kayu utuh maupun serbuk kayu. Hal ini dilakukan untuk menghindari terjadinya bias pada data yang akan di uji, sehingga

Gambar 8 Hubungan antara nilai pengukuran laboratorium dengan nilai dugaan spektroskopi NIR berdasarkan model validasi

α-selulosa kayu utuh pengukuran (%)

(33)

18

dapat diketahui pengaruh bentuk contoh uji terhadap model kalibrasi yang terbentuk. Menurut Kelley et al. (2004) komponen utama merupakan faktor penting yang menentukan keakuratan sebuah model. Jika komponen utama yang digunakan terlalu banyak maka akan terjadi over-fitting sedangkan jika terlalu sedikit maka akan terjadi penghilangan informasi data. Pada Tabel 3 dan 4 dapat dilihat komponen utama terendah terdapat pada lignin yaitu 4 komponen utama dan tertinggi terdapat pada hemiselulosa yaitu 15 komponen utama.

Berdasarkan Tabel 3 dan 4 dapat dilihat bahwa model kalibrasi yang terbentuk

untuk α-selulosa dan hemiselulosa memiliki kualitas yang lebih baik dibandingkan dengan model kalibrasi untuk lignin dan ekstraktif terlarut dalam alkohol-benzena baik untuk contoh uji kayu utuh maupun serbuk kayu. Hal ini dapat terlihat dari parameter uji kualitas model baik dari nilai R2 (koefisien determinasi) dan RPD yang tinggi serta nilai

RMSEC dan RMSEP yang rendah untuk α-selulosa dan hemiselulosa. Rendahnya kualitas persamaan kalibrasi yang terbentuk untuk lignin dan ektraktif diduga terjadi karena struktur kimia yang dimiliki lignin dan zat ekstraktif lebih kompleks dan beragam. Menurut Haygreen dan Bowyer (1996) lignin adalah polimer yang kompleks dengan berat molekul tinggi yang tersusun dari unit-unit fenil propana. Sedangkan zat ekstraktif merupakan komponen non-struktural dalam kayu berupa bahan organik yang terdapat pada lumen dan sebagian pada dinding sel. Zat ekstraktif umumnya banyak terdapat pada

Tabel 3 Hasil kalibrasi dan validasi kayu mangium pada contoh uji kayu utuh Komponen

n= jumlah data, R²cal =coefficient of determination kalibrasi, R²val= coefficient of determination validasi,

RMSEC= root mean squared error kalibrasi, RMSEP= root mean squared error kalibrasi, RPD= ratio

prediction to deviation, db1=1stderivatif BCAP, ds2=2ndderivative smoothing, sa3=smoothing average

3 zavitsky golay, SNV=standard normal variate

Tabel 4 Hasil kalibrasi dan validasi kayu mangium pada contoh uji serbuk kayu Komponen

n= jumlah data, R²cal =coefficient of determination kalibrasi, R²val= coefficient of determination validasi,

RMSEC= root mean squared error kalibrasi, RMSEP= root mean squared error kalibrasi, RPD= ratio

prediction to deviation, db1=1stderivatif BCAP, ds2=2ndderivative smoothing, sa3=smoothing average

(34)

19

kayu teras. Beberapa contoh zat ekstraktif adalah getah, lemak, resin, lilin, tanin dan alkaloid (Tsoumis 1991). Kandungan ekstraktif dalam kayu berbeda-beda bahkan diantara spesies kayu karena perbedaan tempat tumbuh dan iklim.

Disisi lain dapat dilihat bahwa model kalibrasi untuk α-selulosa dan hemiselulosa lebih baik menggunakan contoh uji serbuk kayu daripada kayu utuh, sedangkan pada lignin dan ekstraktif terlarut dalam alkohol-benzena lebih baik menggunakan contoh uji kayu utuh walaupun kualitas model yang dihasilkan masih lebih rendah dari model α -selulosa dan hemi-selulosa. Hal ini diduga terjadi karena dalam struktur kayu lignin merupakan matriks yang membungkus selulosa dan hemiselulosa sehingga dalam proses pemindaian spektroskopi NIR lignin pada contoh uji kayu utuh menerima serapan sinar NIR terlebih dahulu.

Penelitian yang dilakukan oleh Poke dan Raymond (2006) tentang pendugaan komponen kimia kayu Eucalyptus globulus pada contoh uji kayu utuh dan serbuk kayu menunjukkan bahwa pendugaan selulosa, lignin dan ekstraktif menggunakan contoh uji kayu utuh lebih baik daripada serbuk kayu namun untuk lignin terlarut asam lebih baik menggunakan serbuk kayu. Walaupun contoh uji serbuk kayu menghasilkan spektra yang lebih seragam, namun spektra dari serbuk kayu memiliki variasi sudut ketika cahaya NIR ditembakkan ke bahan, sedangkan pada kayu utuh spektra lebih konsisten dalam proses terbentuknya sudut selama pemindaian cahaya NIR.

Tingginya kualitas model kalibrasi menggunakan contoh uji serbuk kayu daripada contoh uji kayu utuh dimungkinkan terjadi karena perbedaan kadar air dari kedua contoh uji tersebut. Contoh uji serbuk kayu memiliki nilai kadar air yang lebih seragam yaitu berkisar antara 5.07% sampai 9.45%. Sedangkan contoh uji kayu utuh kadar air berkisar antara 15.66% sampai 24.67%. Menurut Fagan et al. (2011) perbedaan kadar air menyebabkan terjadinya perbedaan serapan NIR. Contoh uji dengan kadar air rendah memiliki nilai serapan yang lebih tinggi. Hal ini menunjukkan bahwa serapan NIR akan lebih akurat menggunakan contoh uji dengan kadar air yang rendah dan stabil.

Berdasarkan Tabel 3 dan 4 juga terlihat bahwa nilai R2 dan RPD tertinggi terdapat pada model hemiselulosa menggunakan contoh uji serbuk kayu. Namun model ini memiliki nilai RMSEC dan RMSEP yang lebih tinggi daripada α-selulosa yaitu sebesar

3.627 dan 3.630, sedangkan α-selulosa pada contoh uji serbuk kayu nilainya hampir sama yaitu sebesar 1.998 dan 1.999. Hal ini menggambarkan kestabilan model yang terbentuk. RMSEP yang lebih rendah dari RMSEC menandakan terjadinya overfitting pada model, dan sebaliknya jika nilai RMSEP lebih besar RMSEC dapat menyebabkan terjadinya underfitting, sehingga membuat kemampuan prediksi model rendah (Baranska et al. 2004).

Dibandingkan dengan penelitian yang dilakukan oleh Chen (2010), nilai yang diperoleh dari penelitian ini masih lebih rendah. Walaupun demikian untuk keperluan pendugaan komponen kimia kayu dalam industri pulp dan kertas sudah cukup memadai. Hal ini dapat dilihat dari kualitas model yang terbentuk untuk α-selulosa dan hemiselulosa yang sudah dapat digunakan. Sedangkan untuk pendugaan kandungan lignin

(35)

20

5 SIMPULAN DAN SARAN

Simpulan

1. Spektroskopi NIR dapat digunakan untuk menduga secara cepat komposisi kimia

mangium (α-selulosa, hemiselulosa, lignin dan ekstraktif terlarut alkohol benzena). 2. Model kalibrasi terbaik diperoleh untuk pendugaan α-selulosa menggunakan contoh

uji serbuk kayu. Secara umum kualitas model kalibrasi dari contoh uji serbuk kayu lebih baik dibandingkan dengan kayu utuh.

3. Untuk menduga kandungan α-selulosa dan hemiselulosa menggunakan teknik spektroskopi NIR bentuk contoh uji serbuk kayu lebih baik dibandingkan kayu utuh. Sementara itu untuk pendugaan kandungan lignin dan zat ekstraktif terlarut alkohol-benzena contoh uji kayu utuh lebih baik dibandingkan serbuk kayu.

Saran

Untuk pembuatan model kalibrasi pendugaan sifat kimia kayu perlu memperhatikan kadar air contoh uji.

DAFTAR PUSTAKA

Baranska M, Schulz H, Siuda R, Strehle MA, Ro P, Popp J, Joubert E, Manley M. 2005. Quality control of Harpagophytum procumbens and its related phytopharmaceuti-cal products by means of NIR-FT-Raman spectroscopy. Biopolymers. 77:1-8. doi:10.1002 /bip.20158.

Chen H, Ferrari C, Angiuli M, Yao J, Raspi C, Bramanti E. 2010. Qualitative and quantitative analysis of wood sample by Fourier transform infrared spectroscopy and multivariate analysis. Carbohydrate Polymers. 82:772-778. doi:10.1016/j.carbpol. 2010.05.052.

Davies JP. 1995. Plant hormone: their nature, occurrence and function. In: P.J. Davies (ed.): Plant Hormones: Byosinthesis, signal transduction, action. Boston: Kluwer Academic Publisher.

Fagan CC, Everard CD, McDonnell K. 2011. Prediction of moisture, calorific value, ash and carbon content of two dedicated bioenergy crops using near-infrared spectroscopy. Bioresource Technol. 102:5200-5206. doi:10.1016/j.biortech.2011.11.0.87.

Fujimoto T, Yamamoto H, Tsuchikawa S. 2007. Estimation of wood stiffness and strength properties of hybrid larch by near-infrared spectroscopy. Applied spectrosc. 61(8):882-888.

Gierlinger N, Jacques D, Schwanninger M, Wimmer R, Barbara H, Paques LE. 2003. Rapid prediction of natural durability of larch heartwood using Fourier transform near-infrared spectroscopy. Can J For Res. 33:1727-1736. doi:10.1139/X03-092.

(36)

21

Haygreen JG, Bowyer JL. 1996. Hasil Hutan dan Ilmu Kayu. Yogyakarta (ID): Terjemahan Gadjah Mada University.

Hein PRG, Lima JT, Chaix G. 2010. Effects of sample preparation on NIR spectroscopic estimation of chemical properties of Eucalptus urophylla. S.T. Blake wood. Holzforschung. 64:45-54. doi:10.1515/HF.2010.0011.

Hou S, Li L. 2010. Rapid characterization of woody biomass digestibility and chemical composition using near-infrared spectroscopy. J Integrative Plant Biol. 00(00):1-10. doi:10.1111/j.1744-7909.2010.01003.x.

Johnson PR. 2003. NDE of clear wood subjected to environmental and mechanical loading using near infrared spectroscopy [tesis]. Washington (USA): Washington State University.

Kelley SS, Rials TG, Snell R, Groom LH, Sluiter A. 2004. Use of near infrared spectroscopy to measure the chemical and mechanical properties of solid wood. Wood Sci Technol. 38:257-276. doi: 10.1007/s00226-003-0213-5.

Krisnawati H, Kallo M, Kanninen M. 2011. Acacia mangium Willd. ekologi, silvikultur dan produktivitas. [Internet]. Bogor (ID): CIFOR. hlm 1-16; [diunduh 2012 Jul 10]. Tersedia pada:http://www.cifor.org/publications/pdf_files/Books/Bkrisnawati1106pdf. Louw ED, Theron KI. 2010. Robust prediction models for quality parameters in japanese

plums (Prunus salicina L.) using NIR spectroscopy. Postharvest Biol Tech. 58: 176-184. doi:10.1016/j.postharvbio.2010.07.001.

Lukmandaru G. 2009. Sifat kimia dan warna kayu teras Jati pada tiga umur berbeda. J TropWood Scie Technol. 7(1):1-7.

Maja P, Martin S, Dejan S, Marjeta CP. 2010. Application of near infrared spectroscopy to predict chemical composition of meat and meat product. Technologija Mesa. 51(2):133-142.

Murray I, Williams PC. 1990. Chemical Prinsiple of Near-Infrared Technology. Di dalam: Williams P, Norris K, editor. Near-Infrared Technology in the Agricultural and Food Industries. Ed ke-2. Minnesota (USA): St. Paul.

Mudyantini W. 2008. Pertumbuhan, kandungan selulosa dan lignin pada rami (Boehmeria nivea L. Gaudich) dengan pemberian asam giberelat (GA3). Biodiversitas. 9(4):269-274.

Naes T, Isaksson T, Fearn T, Davies T. 2002. Multivariate Calibration and Classificati- on. Chichester: NIR Publications.

Osborne BG, T Fearn, PH Hindle, D Browning. 1993. Practical NIR Spectroscopy in Food and Baverage Analysis. Ed ke-2. New York (USA): Longman Scientific Technical.

Pandit IKN, Kurniawan D. 2008. Struktur Kayu Sifat Kayu sebagai Bahan Baku dan Ciri Diagnostik Kayu Perdagangan Indonesia. Bogor (ID): Fakultas Kehutanan. Institut Pertanian Bogor.

Perrineau MM, Roux CL, Faria SM, Balieiro FC, Galiana A. 2011. Genetic diversity of symbiotic Bradyrhizobium elkanii populations recovered from inoculated and non-inoculated Acacia mangium ﬁeld trials in Brazil. Systematic Applied Microbiol. 34:376-384. doi:10.1016/j.syapm.2011.03.003.

(37)

22

Qu H, Qu D, Cheng Y. 2005. Background correction in near-infrared spectra of plant extract by orthogonal signal correction. J Zhejiang Univ Sci. 6(8):838-843. doi:10.1631/ jzus.2005.B0838.

Sanchez PA, Logan TJ. 1992. Myths and science about the chemistry and fertility of soils in the tropics. Di dalam: Lal R, Sanchez PA. Myths and Science of Soils of the Tropics. Special publication no. 29. USA (ID): Soil Science Society of America and American society of Agronomy.

Sandak J, Sandak A, Negri M. 2010. Mechanical testing of wood assisted by infrared spectroscopy and thermal imaging. World Conference on Timber Engineering. Proceeding.

Schwanininger M, Rodrigues JC, Fackler K. 2011. A review of band assignments in near infrared spectra of wood and wood components. J Near Infrared Spectrosc. 19:287-308. doi:10.1255/jnirs.955.

Shenk JS, Workman JJ, Westerhaus MO. 2001. Application of NIR spectroscopy to agricultural products. Di dalam: Burns DA, Ciurzack EW (eds) Handbook of Near Infrared Analysis, Marcel Dekker inc., New York, pp.419.

Syafii W, Siregar IZ. 2006. Sifat kimia dan dimensi serat kayu mangium (Acacia mangium Willd.) dari tiga provenans. J Trop Wood Sci Technol. 4(1):28-32.

[TAPPI] Technical Association of the Pulp and Paper Industry. 1990. TAPPI Test Method. Atlanta (USA): TAPPI Press.

Tiaprasit W, Sangpithukwong C. 2010. BUCHI NIRFlex N-500 Training Course. Bangkok (TH): BUCHI NIR Application Support.

Tsoumis. 1991. Science and Technology of Wood; Stucture, Properties and Utlization. New York (USA): Van Nostrand Reinhold.

Tobias RD. 2011. An introduction to partial least squares regression. [internet]. SAS Institute Inc., Cary, NC. [diunduh 2013 Des 2]. Tersedia pada: http://support.com/app/ papers/pls.pdf.

Tsuchikawa S. 2007. A review of recent near infrared for wood and paper. Applied Spectrosc Reviews. 42:43-71. doi:10.1080/05704920601036707.

Workman JJ, Weyer L. 2007. Practical Guide to Interpretive Near-Infrared Spectroscopy. New York (USA): CRC Press.

Yao S, Wu G, Xing M, Zhou S, Pu J. 2010. Determination of lignin content in Acacia spp. using near-infrared reflectance spectroscopy. Bioresources. 5(2):556-562.

(38)

23

Lampiran 1 Analisis statistik kimia kayu mangium menggunakan software SAS

The ANOVA Procedure

Class Level Information

Class Levels Values Ulangan 3 1 2 3

perlakuan 3 umur05 umur06 umur07

Number of observations 152

Dependent Variables With Equivalent Missing Value Patterns Dependent Pattern Obs Variables 1 147 alfa hemi 2 150 lignin 3 148 ekstra

NOTE: Variables in each group are consistent with respect to the presence or absence of missing values.

Dependent Variable: alfa alfa

Sum of

Source DF Squares Mean Square F Value Pr > F Model 4 1566.759114 391.689778 Infty <.0001 Error 142 0.000000 0.000000

Corrected Total 146 1566.759114

R-Square Coeff Var Root MSE alfa Mean 1.000000 0 0 46.56864

(39)

24

Lampiran 1 (Lanjutan..)

Duncan's Multiple Range Test for alfa

NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate.

Alpha 0.05 Error Degrees of Freedom 142 Error Mean Square 0 Harmonic Mean of Cell Sizes 48.95833 NOTE: Cell sizes are not equal.

Number of Means 2 3 Critical Range 0 0

Means with the same letter are not significantly different.

Duncan Grouping Mean N perlakuan A 50.25 50 umur07 B 45.13 47 umur06 C 44.24 50 umur05

Dependent Variable: hemi hemi

Sum of

Source DF Squares Mean Square F Value Pr > F Model 4 2983.570512 745.892628 Infty <.0001 Error 142 0.000000 0.000000

R-Square Coeff Var Root MSE hemi Mean 1.000000 0 0 26.97313

(40)

25

Duncan's Multiple Range Test for hemi

Alpha 0.05 Error Degrees of Freedom 142 Error Mean Square 0 Harmonic Mean of Cell Sizes 48.95833 NOTE: Cell sizes are not equal.

Number of Means 2 3 Critical Range 0 0

Duncan Grouping Mean N perlakuan A 30.99 50 umur05 B 27.70 47 umur06 C 22.27 50 umur07

Dependent Variable: lignin lignin

Sum of

Source DF Squares Mean Square F Value Pr > F Model 4 184.3196938 46.0799235 11.87 <.0001 Error 145 562.9229602 3.8822273

R-Square Coeff Var Root MSE lignin Mean 0.246666 7.216849 1.970337 27.30190

(41)

26

Duncan's Multiple Range Test for lignin

Alpha 0.05 Error Degrees of Freedom 145 Error Mean Square 3.882227

Number of Means 2 3 Critical Range .7789 .8198

Duncan Grouping Mean N perlakuan A 28.3244 50 umur07 B 27.1614 50 umur05 B

B 26.4199 50 umur06

Dependent Variable: ekstra ekstra

Sum of

Source DF Squares Mean Square F Value Pr > F Model 4 313.3110082 78.3277520 27.78 <.0001 Error 143 403.2166431 2.8196968

R-Square Coeff Var Root MSE ekstra Mean 0.437263 34.63499 1.679195 4.848263

(42)

27

Duncan's Multiple Range Test for ekstra

Alpha 0.05 Error Degrees of Freedom 143 Error Mean Square 2.819697 Harmonic Mean of Cell Sizes 49.31507 NOTE: Cell sizes are not equal.

Number of Means 2 3 Critical Range .6684 .7036