RANCANG BANGUN TEKNIK DETEKSI
LEMAK BABI PADA DAGING SAPI
BERBASIS SIFAT LISTRIK
SUCIPTO
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI DISERTASI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa disertasi berjudul Rancang Bangun Teknik Deteksi Lemak Babi pada Daging Sapi Berbasis Sifat Listrik 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 disertasi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Juli 2013
Sucipto
RINGKASAN
SUCIPTO. Rancang Bangun Teknik Deteksi Lemak Babi pada Daging Sapi Berbasis Sifat Listrik. Dibimbing oleh ANAS MIFTAH FAUZI, TUN TEDJA IRAWADI, TAUFIK DJATNA, dan IRZAMAN.
Teknologi yang akurat dan sensitif untuk deteksi cemaran lemak babi pada lemak dan daging sapi penting untuk menjamin kehalalan produk pangan yang diperlukan konsumen. Karena itu, dibutuhkan teknik deteksi cemaran lemak babi yang andal. Penggunaan sifat listrik pada deteksi kualitas produk pangan, teknik
data preprocessing, dan teknik klasifikasi berpeluang dimanfaatkan untuk merancang teknik deteksi lemak babi.
Tujuan penelitian ini adalah untuk mendapatkan rentang frekuensi untuk pengukuran sifat listrik bahan lemak babi, lemak sapi, dan daging sapi yang berpengaruh untuk deteksi cemaran lemak babi pada daging sapi; mengembangkan teknik deteksi cemaran lemak babi pada daging sapi berbasis sifat listrik dan data mining, serta menguji akurasinya.
Penelitian ini menggunakan keping sejajar dari tembaga berukuran 20 mm x 10 mm berjarak 5 mm. Penyerapan air sampel dilakukan menggunakan Na2SO4
anhidrat. Pengukuran sifat listrik dilakukan pada suhu kamar (26-27oC) dengan frekuensi 0,100-0,999 MHz, 1,000-3,799 MHz, 3,80-5,00 MHz. Sifat listrik yang digunakan meliputi konduktansi, impedansi, dan kapasitansi. Uji profil asam lemak menggunakan kromatografi gas sebagai pembanding penelitian ini.
Beberapa teknik preprocessing menggunakan rerata, median, smoothing, normalisasi, dan diskritisasi. Teknik-teknik klasifikasi yang digunakan untuk pembedaan lemak babi dengan lemak sapi dan minyak goreng sawit meliputi
naive bayes, decision tree C4.5, simple logistic, support vector machine (SVM), dan multilayer perceptron (MLP). Untuk memprediksi cemaran lemak babi pada daging sapi digunakan teknik-teknik klasifikasi meliputi regresi linier, regresi
sequential minimal optimization (SMO), support vector regression (SVR), dan MLP.
Hasil penelitian menunjukkan bahwa keping sejajar dari tembaga berukuran 20 mm x 10 mm berjarak 5 mm, efektif untuk mengakuisisi data sifat listrik bahan. Penggunaan Na2SO4 anhidrat untuk menyerap air dari sampel lemak dan frekuensi
pada 3,80-5,00 MHz untuk mengukur sifat listrik efektif menghasilkan data yang valid. Sifat listrik yang paling berpengaruh dalam deteksi lemak babi adalah impedansi, kapasitansi, dan konduktansi. Penggunaan teknik preprocessing
normalisasi dan teknik klasifikasi MLP mampu membedakan lemak babi dari lemak sapi dan minyak goreng sawit dengan akurasi 87,52% dan root mean squared error (RMSE) 0,2394. Teknik preprocessing normalisasi dan teknik klasifikasi MLP mampu memprediksi cemaran lemak babi pada daging sapi dengan koefisien korelasi (r) 0,9985 dan RMSE 1,9708. Ke depan, kombinasi sifat listrik bahan dengan teknik preprocessing dan teknik klasifikasi yang tepat berpeluang digunakan untuk mengembangkan deteksi cemaran lemak babi.
SUMMARY
SUCIPTO. Design of Detection Technique of Lard in Beef Based on Electrical Properties. Supervision of ANAS MIFTAH FAUZI, TUN TEDJA IRAWADI, TAUFIK DJATNA and IRZAMAN.
Sensitive and accurate detection technology of lard contaminating tallow and beef is important to assure the halalness of food products, that needed by consumers. Therefore, it is important to develop reliable detection techniques of lard contamination. The using of electrical properties for detecting food product’s quality, data preprocessing and classification techniques are potential for designing lard detection technique.
The objectives of this study was to obtain the frequency range for the measurement of electrical properties of lard, tallow and beef as experiment materials, that are significant for the detection of lard contamination in beef; and to develop a detection technique of lard contamination in beef based on the electrical properties and data mining, as well as to test its accuracy.
In this study, a parallel plate made of copper by dimension of 20 mm x 10 mm separated at 5 mm distance was used. Na2SO4 anhydrous was used to
reduce the water content in the sample. The measurement of electrical properties
was done in room temperature (26-27oC) with frequency range of 0,100-0,999 MHz, 1,000-3,799 MHz and 3,80-5,00 MHz. The measured electrical
properties were conductance, impedance, and capacitance. The test of fatty acid profile by using gas chromatography was used as a comparison in this study.
The preprocessing techniques that used were mean, median, smoothing, normalization and discretization. Techniques of classification that were used to differentiate lard from tallow and palm oil were naive bayes, decision tree C4.5, simple logistic, support vector machine (SVM) and multilayer perceptron (MLP). In order to predict lard contamination in beef, the classification techniques including linear regression, SMO regression, support vector regression (SVR), and MLP were employed.
The results showed that the parallel plate from copper by dimension of 20 mm x 10 mm with 5 mm distance was effective to acquire electrical properties data. The use of Na2SO4 anhydrous to absorb water from fat samples and
frequency at 3,80-5,00 MHz to measure electrical properties resulted valid data. The order of electrical properties that influence to lard detection were impedance, capacitance and conductance. The use of preprocessing techniques normalization and classification technique MLP were able to differentiate lard from tallow and palm oil with correctly classification of 87,52% and root mean squared error (RMSE) of 0,2394. The use of preprocessing normalization and classification technique MLP were able to predict the contamination of lard in beef with correlation coefficient (r) of 0,9985 and RMSE of 1,9708. The future of the combination of materials electrical properties with selected preprocessing and classification techniques can be used to develop a detection of lard contamination.
© Hak Cipta Milik IPB, Tahun 2013
Hak Cipta Dilindungi Undang-Undang
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
Disertasi
sebagai salah satu syarat untuk memperoleh gelar Doktor pada
Program Studi Teknologi Industri Pertanian
RANCANG BANGUN TEKNIK DETEKSI
LEMAK BABI PADA DAGING SAPI
BERBASIS SIFAT LISTRIK
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Penguji pada Ujian Tertutup: 1. Drs Zainal Alim Mas’ud, DEA PhD 2. Dr Ir Husin Alatas, MSi
Judul Disertasi : Rancang Bangun Teknik Deteksi Lemak Babi pada Daging Sapi Berbasis Sifat Listrik
Nama : Sucipto
NIM : F361080151
Disetujui oleh Komisi Pembimbing
Prof Dr Ir Anas Miftah Fauzi, M Eng Ketua
Prof Dr Ir Tun Tedja Irawadi, MS Anggota
Dr Eng Taufik Djatna, STP MSi Anggota
Dr Ir Irzaman, MSi Anggota
Diketahui oleh
Ketua Program Studi
Teknologi Industri Pertanian
Dr Ir Machfud, MS
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian adalah deteksi lemak babi, dengan judul Rancang Bangun Teknik Deteksi Lemak Babi pada Daging Sapi Berbasis Sifat Listrik.
Penghargaan disampaikan penulis kepada Prof Dr Ir Anas Miftah Fauzi, MEng, Prof Dr Ir Tun Tedja Irawadi, MS, Dr Eng Taufik Djatna STP, MSi, dan Dr Ir Irzaman, MSi, selaku pembimbing yang banyak memberi masukan, saran, dan semangat sehingga turut membentuk daya juang penulis. Drs Zainal Alim
Mas’ud, DEA PhD dan Dr Ir Husin Alatas, MSi atas masukan, saran, dan kritik
dalam ujian terutup. Prof Dr Ir Endang Gumbira Sa’id, MADev dan Dr Drh
Hasim Danuri, DEA atas masukan, saran, dan kritik selama ujian terbuka.
Ucapan terima kasih disampaikan pada Heriyanto Safutra, Mamat Rahmat, Jajang Juansah, Fendi, Erus Rustami dari Departemen Fisika. Arif Kamal, Arif Rahman Hakim, Shihab Fahmi dari Departemen Teknologi Industri Pertanian. Dias Indrasti dari Departemen Ilmu dan Teknologi Pangan, Khatibul Umam dari Departemen Kimia, M Baihaqi dari Departemen Teknologi Hasil Ternak, dan teman-teman program doktor TIP IPB, khususnya angkatan 2008 yang membantu penulis berdiskusi terkait riset.
Terima kasih juga penulis sampaikan pada laboran Departemen Fisika dan tenaga pendidikan dan administrasi Departemen Teknologi Industri Pertanian IPB yang membantu selama studi.
Terima kasih juga disampaikan pada Universitas Brawijaya dan Direktorat Jenderal Pendidikan Tinggi Kementerian Pendidikan dan Kebudayaan yang mengizinkan dan memberi dukungan dana selama studi.
Ungkapan terima kasih tak lupa disampaikan pada bapak Sastrowiryo, ibu Mirah, mertua (alm) K. Masduki, Ibu Muhawanah, istri saya Siti Nurul Muzayyanah, kakak Suyitno, Suyatni, dan Suyati atas doa dan kasih sayangnya. Demikian juga putri dan putra kami, Naila, Fahma, dan Rois atas pengorbanan dan doa yang diberikan.
Riset ini merupakan bagian upaya penulis dan pembimbing berkontribusi pada riset halal, mendorong peningkatan produksi produk halal yang dibutuhkan umat muslim dan konsumen umumnya.
Dalam penelitian ini ada sebagian ilmu yang terungkap, namun memiliki berbagai keterbatasan. Semoga hasil ini mendorong penulis dan peneliti lain mengungkap ilmu-ilmu terkait. Akhir kata, semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013
DAFTAR ISI
DAFTAR TABEL xiii
DAFTAR GAMBAR xiii
1 PENDAHULUAN
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
Kebaruan Topik Penelitian 3
Kerangka Umum Penelitian 3
Keterkaitan antar Bab 5
2 PERKEMBANGAN TEKNIK DETEKSI CEMARAN BABI DAN
TANTANGAN PENGGUNAAN SENSOR LISTRIK (SEBUAH TELAAH)
Abstrak 7
Pendahuluan 8
Teknik-Teknik Konvensional 9
Sensor tidak Langsung dengan Polymerase chain reaction (PCR) 9
Sensor Langsung (Tanpa Pelabelan) 10
Tantangan Sensor Listrik 14
Teknik-Teknik Data Mining 16
Simpulan dan Tantangan Masa Depan 17
3 PENGUKURAN SIFAT LISTRIK SEBAGAI BASIS DETEKSI CEMARAN LEMAK BABI (Studi validasi alat, persiapan sampel, dan seleksi frekuensi)
Abstrak 21
Pendahuluan 22
Metode Penelitian 22
Hasil dan Pembahasan 23
Simpulan dan Saran 29
4 APLIKASI SIFAT LISTRIK UNTUK MEMBEDAKAN LEMAK BABI DARI LEMAK SAPI DAN MINYAK GORENG SAWIT
Abstrak 31
Pendahuluan 32
Metode Penelitian 33
Hasil dan Pembahasan 34
Simpulan dan Saran 41
5 APLIKASI SIFAT LISTRIK UNTUK PREDIKSI CEMARAN LEMAK LEMAK BABI PADA DAGING SAPI
Abstrak 45
Pendahuluan 46
Hasil dan Pembahasan 47
Simpulan dan Saran 52
6 KEMAMPUAN PEMBEDAAN DATA PREPROCESSING DAN TEKNIK-TEKNIK KLASIFIKASI TERHADAP LEMAK BABI, LEMAK SAPI, DAN DAN MINYAK GORENG SAWIT BERBASIS SIFAT LISTRIK
Abstrak 55
Pendahuluan 56
Metode Penelitian 57
Hasil dan Pembahasan 58
Simpulan dan Saran 63
7 APLIKASI TEKNIK-TEKNIK KLASIFIKASI UNTUK PREDIKSI CEMARAN LEMAK BABI PADA DAGING SAPI BERBASIS SIFAT LISTRIK
Abstrak 65
Pendahuluan 65
Metode Penelitian 67
Hasil dan Pembahasan 68
Simpulan dan Saran 72
8 PEMBAHASAN UMUM: POTENSI IMPLEMENTASI DETEKSI LEMAK LEMAK BABI BERBASIS SIFAT LISTRIK DALAM RANTAI PASOK PRODUK HALAL
Abstrak 75
Pendahuluan 76
Teknik Deteksi Lemak Babi Berbasis Sifat Listrik dan data Mining 76 Perbandingan Teknik Deteksi Lemak Babi berbasis Sifat Listrik dengan
Beberapa Teknik Sebelumnya 79
Potensi Deteksi Lemak Babi Berbasis Sifat Listrik sebagai Penunjang Audit Audit dan Pengawasan dalam Rantai Pasok Produk Halal 79
Simpulan dan Saran 84
9 SIMPULAN DAN SARAN
Simpulan 87
Saran 87
DAFTAR ISTILAH 88
DAFTAR TABEL
Tabel 2.1 Komposisi asam lemak RBDpalm olein dan lemak babi 11 Tabel 3.1 Karakteristik teknik pengukuran umum untuk menentukan sifat
dielektrik 25
Tabel 3.2 Hubungan rentang frekuensi pengukuran dengan persentase noise
dan koefisien variasi sifat listrik keping sejajar kosong 28 Tabel 3.3 Hubungan rentang frekuensi pengukuran dengan persen noise dan
koefisien variasisi sifat listrik lemak babi dan sapi 28 Tabel 4.1 Profil asam lemak dari lemak babi, lemak sapi, dan minyak
goreng sawit dengan kromatografi gas 36
Tabel 6.1 Keterangan data masukan 59
Tabel 6.2 Akurasi, RSME, dan waktu komputasi klasifikasi lemak pangan
menggunakan variasi preprocessing dan teknik klasifikasi 60 Tabel 7.1 Keterangan data sebelum dan sesudah smoothing 70 Tabel 7.2 Pengaruh teknik klasifikasi sifat listrik cemaran lemak babi pada
daging sapi terhadap akurasi prediksi dan waktu komputasi 71 Tabel 8.1 Perbandingan teknik deteksi lemak babi dan riset terkait 80 Tabel 8.2 Rangkuman hasil dan alternatif riset lanjutan 85
DAFTAR GAMBAR
Gambar 1.1 Kerangka kerja penelitian 4
Gambar 1.2 Keterkaitan antar bab 5
Gambar 2.1 Skema diagram sistem e-nose 11
Gambar 2.2 Spektrum FTIR lemak yang diekstrak dari cake 12 Gambar 2.3 Spektrum perbedaan gelatin babi dan sapi 13 Gambar 2.4 Spektrum FTIR lemak babi dan lemak cokelat murni 14 Gambar 2.5 Representasi ideal spektrum konstanta dielektrik dalam sistem
biologis 15
Gambar 2.6 Hasil pengukuran konduktansi lemak babi dan lemak pangan
lain menggunakan LCR meter 16
Gambar 3.1 Model sederhana kapasitor dan resistor mebran sel 23
Gambar 3.2 Model pengukuran sifat listrik 24
Gambar 3.3 Disain keping sejajar 24
Gambar 3.4 Skema rangkaian alat pengukuran sifat listrik 26 Gambar 3.5 Contoh tampilan spektrum sifat listrik hasil pengukuran 26 Gambar 3.6 Hubungan frekuensi dengan konduktansi lemak babi, lemak
sapi, dan minyak goreng sawit 29
Gambar 4.1 Konduktansi lemak babi, lemak sapi, dan minyak goreng sawit 34 Gambar 4.2 Impedansi lemak babi, lemak sapi, dan minyak goreng sawit 37 Gambar 4.3 Kapasitansi lemak babi, lemak sapi, dan minyak goreng sawit 39 Gambar 4.4 Hubungan frekuensi dengan konstanta dielektrik lemak babi,
lemak sapi, dan minyak goreng sawit 40
Gambar 5.1 Pengaruh frekuensi terhadap rerata dan median sifat listrik
cemaran lemak babi dalam daging sapi 48
Gambar 6.1 Proses pemilihan preprocessing dan teknik klasifikasi 58 Gambar 6.2 Pengaruh frekuensi terhadap konduktansi lemak babi, lemak
sapi, dan minyak goreng sawit 59
Gambar 6.3 Contoh tree pembentuk sebagian rules penggunaan decision
tree C4.5 tanpa preprocessing 61
Gambar 6.4 Hubungan input, hidden layer, dan output dalam MLP
untuk klasifikasi lemak berdasar sifat listrik 62 Gambar 7.1 Hubungan frekuensi dan kapasitansi dari proses smoothing
dengan moving average 5 titik median 69
Gambar 7.2 Hubungan frekuensi dan konduktansi dari proses smoothing
dengan moving average 5 titik median 69
Gambar 7.3 Pemisahan data dalam beberapa dimensi 70 Gambar 8.1 Desain teknik deteksi lemak babi berbasis sifat listrik dan data
mining 77
Gambar 8.2 Peran teknik deteksi bahan haram dalam rantai pasok produk
1
. PENDAHULUAN
Latar Belakang
Kebutuhan jaminan produk halal (JPH) meningkat seiring tumbuhnya kesadaran hidup berkualitas secara fisik dan spiritual. van der Spiegelet al. (2012) menyatakan pasar produk halal meningkat di negeri mayoritas berpenduduk muslim dan minoritas muslim. Riaz dan Chaudry (2004) menyatakan produk halal telah menjadi simbul kualitas baik muslim maupun non muslim. Pada 2009, produk pangan halal bernilai 16% dari seluruh industri pangan di dunia dan menjelaskan 20% perdagangan produk pangan dunia masa depan (Nestle 2009). Eropa, Afrika, dan Asia mencatat masing-masing 10%, 24%, dan 63% dari pasar global (Hashim 2010). Riset Purnomo et al. (2011) menunjukkan pasar halal global juga meningkat dari tahun ke tahun.
Pertumbuhan pasar produk halal seiring peningkatan umat Islam.
Pew Forum on Religion and Public Life (2011) memperkirakan ada 1,62 miliar muslim di dunia atau 23,4% dari perkiraan penduduk tahun 2010 sebesar 6,9 miliar. Populasi muslim Eropa sekitar 44,1 juta jiwa atau 2,7% total penduduk (Pew Forum on Religion and Public-Life 2011). Diperkirakan pada 2030 menjadi 25-30 persen. Di negara-negara Asean ada sekitar 250 juta penduduk muslim. Muslim Indonesia yang mencapai sekitar 185 juta jiwa diperebutkan produsen produk halal (Sucipto 2010).
Standar kehalalan telah ditetapkan secara nasional, regional, dan internasional. Di Indonesia, JPH menjadi kebijakan yang ditangani pemerintah, legislatif, dan Majelis Ulama Indonesia (MUI). JPH penting untuk melindungi konsumen dan mendorong produksi produk halal. Riaz dan Chaudry (2004) menyatakan pangan halal bebas dari segala komponen haram yang seorang muslim dilarang mengkonsumsinya.
JPH sepanjang rantai pasokmemerlukan pengawasan, baik pengawasan pre-marketing maupun post-marketing, untuk mendukung audit sertifikasi, mengontrol proses produksi, dan pengawasan selama distribusi. Untuk menunjang pengawasan produk halal, perlu dikembangkan berbagai teknik deteksi cemaran bahan haram, khususnya cemaran babi dan produk turunannya.
Pencampuran lemak babi pada lemak, daging, dan bahan pangan lain pada industri pangan menjadi isu sensitif bagi konsumen, khususnya umat muslim. Di berbagai negara, banyak industri pengolahan menggunakan bahan babi dan turunan babi karena murah dan lebih tersedia di pasar (Aida et al. 2005). Bahan ini terdiri lemak babi, daging babi, mechanically recovered meats (MRM), gelatin babi, dan plasma darah babi (Nakyinsige et al. 2012). Luasnya penggunaan babi dan turunannya, mendorong para peneliti berupaya mendeteksi cemaran babi dan produk turunannya pada bahan pangan lain dengan berbagai teknik.
Perkembangan teknik deteksi cemaran babi, dapat dikelompokkan menjadi: teknik deteksi konvensional, seperti gas chromatography (GC), gas liquid chromatography (GLC), high performance liquid chromatography (HPLC),
2
tanpa pelabelan, meliputi electronic nose (E-Nose)dan Fourier transform infrared
(FTIR) spectroscopy.
Teknik-teknik konvensional dapat diandalkan, namun membutuhkan waktu persiapan sampel, bahan kimia, dan biaya yang relatif mahal. Teknik sensor tak langsung dan sensor tanpa pelabelan telah mempercepat proses persiapan sampel dan analisis, namun biaya investasi alat analisisnya masih relatif mahal. Karena itu, perlu dikembangkan teknik analisis yang lebih cepat, akurat, dan relatif murah menggunakan instrumen lebih sederhana dibanding teknik sebelumnya. Peluang itu diharapkan dapat diperoleh melalui penggunaan sifat listrik bahan.
Perumusan Masalah
Sifat listrik bahan pangan, dapat digunakan menilai kualitas dan kemurnian bahan secara cepat, non destruktif, mengarah in-situ berdasar energi elektromagnetik, teknik ultrasonik, dan resonansi (Castro-Giráldez et al. 2010). Sifat listrik telah dikembangkan untuk mendeteksi kerusakan daging sapi (Damez
et al. 2008) dan uji pencampuran lemak pangan (Lizhi et al. 2008). Perbedaan komposisi bahan memberikan pengaruh pada perbedaan sifat listrik. Sifat listrik ini meliputi konduktansi, impedansi, kapasitansi, dan konstanta dielektrik. Sifat listrik juga dipengaruhi frekuensi dan suhu pengukuran. Berdasar studi di atas, sifat listrik bahan pangan akan dimanfaatkan sebagai dasar deteksi lemak babi.
Berbagai algoritma preprocessing data dan klasifikasi dalam data mining telah berkembang. Algoritma ini sangat bermanfaat untuk mempercepat pengenalan pola data sehingga membantu proses deteksi semakin cepat dan akurat. Dalam proses klasifikasi data dinamis berskala sangat besar dapat menggunakan teknik skyline query (Djatna dan Morimoto 2008). Untuk bidang kimia, berbagai teknik ini disebut dengan istilah kemometrika yang dibantu dengan berbagai teknik preprocessing data dan klasifikasi.
Kombinasi sifat listrik bahan dengan berbagai teknik preprocessing data dan klasifikasi diharapkan meningkatkan keandalan proses deteksi lemak babi. Untuk itu diperlukan rancang bangun teknik deteksi lemak babi pada daging sapi berbasis sifat listrik. Dengan teknik ini diharapkan proses deteksi lemak babi menjadi lebih sederhana dibanding teknik sebelumnya. Hasil penelitian keseluruhan akan menunjang audit sertifikasi, pengawasan produksi, dan pengawasan distribusi dalam rantai pasok produk halal.
Tujuan Penelitian
Tujuan penelitian ini adalah sebagai berikut.
1. Mendapatkan rentang frekuensi untuk pengukuran sifat listrik bahan lemak babi, lemak sapi, dan daging sapi yang berpengaruh untuk deteksi cemaran lemak babi pada daging sapi.
3
Manfaat Penelitian
Manfaat penelitian sebagai berikut.
1. Menghasilkan teknik deteksi lemak babi menjadi lebih sederhana dan relatif lebih murah dibanding teknik sebelumnya.
2. Memberikan kontribusi dalam pengembangan ilmu pengetahuan dan teknologi penunjang pengawasan produksi, distribusi, dan sertifikasi kehalalan produk pangan. Secara lebih luas di masa depan, teknik ini akan mendukung upaya mewujudkan jaminan produk halal bagi masyarakat.
Ruang Lingkup Penelitian
Ruang lingkup penelitian sebagai berikut.
1. Sifat listrik bahan untuk merancang teknik deteksi dibatasi menggunakan sampel lemak babi, lemak sapi, minyak goreng sawit, dan daging sapi.
2. Pengukuran sifat listrik dilakukan pada suhu ruang (26-27oC) agar memudahkan aplikasi hasil penelitian.
Kebaruan Topik Penelitian
Kebaruan penelitian ini sebagai berikut.
1. Penggunaan sifat listrik impedansi, kapasitansi, dan konduktansi untuk deteksi cemaran lemak babi pada rentang frekuensi tertentu.
2. Kombinasi sifat listrik dengan pilihan teknik preprocessing data dan teknik klasifikasi yang tepat untuk meningkatkan akurasi proses deteksi.
Kerangka umum penelitian
Penelitian berurutan dan terstruktur seperti pada Gambar 1.1. Hasil setiap tahap menentukan tahap berikutnya. Pada tahap awal peneliti melakukan investigasi teknik deteksi cemaran babi dengan berbagai teknik analisis. Tahap ini memberikan pengetahuan perkembangan berbagai teknik deteksi cemaran babi, kelebihan dan kekurangannya. Berikutnya, dilakukan kajian penggunaan sifat listrik bahan pangan, terkait faktor yang memengaruhi, teknik pengukuran, dan pemanfaatannya untuk mendeteksi kualitas dan campuran bahan pangan. Tahap ini diperoleh peluang memanfaatkan sifat listrik bahan untuk deteksi lemak babi.
4
INVESTIGASI TEKNIK DETEKSI CEMARAN BABI
Telaah perkembangan teknik analisis cemaran babi Pengembangan teknik deteksi cemaran babi berbasis sifat listrik bahan
MENGEMBANGKAN INSTRUMEN PENGUKUR SIFAT LISTRIK BAHAN
SEBAGAI BASIS DETEKSI CEMARAN LEMAK BABI
Tahap 1. Perancangan pengukur sifat listrik bahan, teknik persiapan sampel, dan frekuensi pengukuran Tahap 2. Aplikasi sifat listrik untuk membedakan lemak babi dari lemak sapi dan minyak goreng sawit
Tahap 3. Aplikasi sifat listrik untuk memprediksi cemaran lemak babi pada daging sapi
PENGEMBANGAN TEKNIK DETEKSI LEMAK BABI
BERBASIS SIFAT LISTRIK DAN DATA MINING
Tahap 4. Pengembangan teknik deteksi untuk pembedaan lemak babi dari lemak sapi dan minyak goreng sawit, serta prediksi cemaran lemak babi pada daging sapi berbasis sifat listrik (konduktansi,
impedansi, dan kapasitansi), teknik-teknik preprocessing dan teknik klasifikasi
EVALUASI KINERJA TEKNIK DETEKSI
Validasi
Gambar 1.1 Kerangka kerja penelitian
Pengembangan teknik deteksi cemaran lemak babi berbasis sifat listrik diperkuat dengan berbagai teknik preprocessing data dan teknik klasifikasi untuk mengolah data sifat listrik bahan seperti pada Tahap 4. Kinerja teknik deteksi menggunakan berbagai teknik preprocessing data dan teknik klasifikasi diuji dan dipilih yang menghasilkan akurasi tinggi dan waktu komputasi relatif cepat.
5
Keterkaitan antar bab
Untuk memudahkan pembaca menelaah tulisan secara keseluruhan, berikut ini dikemukakan keterkaitan antar bab seperti Gambar 1.2.
Bab 8
Pembahasan Umum:
Potensi Implementasi Teknik Deteksi Lemak Babi
Berbasis Sifat Listrik dalam Rantai Pasok Produk Halal
Bab 9 Simpulan dan Saran
Gambar 1.2 Keterkaitan antar bab
Bab 1 Pendahuluan
Bab 2
Telaah Perkembangan Teknik Deteksi Cemaran Babi dan Tantangan Penggunaan Sensor Berbasis Sifat Listrik
Bab 3
Pengukuran Sifat Elektrik Sebagai Basis Deteksi Cemaran Lemak Babi (Studi alat, persiapan sampel, dan kondisi pengukuran)
Bab 4
Aplikasi Sifat Listrik untuk Membedakan Lemak Babi dari Lemak
Sapi dan Minyak Goreng Sawit
Bab 5
Aplikasi Sifat Listrik untuk Prediksi Cemaran Lemak Babi Pada
Daging Sapi
Bab 7
Aplikasi Teknik-Teknik Klasifikasi untuk Prediksi Cemaran Lemak Babi
pada Daging Sapi Berbasis Sifat Listrik
Bab 6
Kemampuan Pembedaan Data
Preprocessing dan Teknik-Teknik Klasifikasi terhadap Lemak Babi, Lemak Sapi, dan Minyak Goreng
6
Pustaka
Aida AA, Che Man YB, Wong CMVL, Raha AR, Son R. 2005. Analysis of raw meats and fats of pigs using polymerase chain reaction for halal authentication. Meat Sci. 69(1): 47-52.
Castro-Giráldez M, Chenoll C, Fito P J, Toldrá F, Fito P. 2010. Physical sensors for quality control during processing. In Toldra. F. Handbook of meat processing. Wiley-Blackell. A John Wiley & Sons, Inc.
Damez JL, Clerjon S. 2008. Meat quality assessment using biophysical methods related to meat structure. Meat Sci. 80 (1):132- 149.
Djatna T, Morimoto Y. 2008. Attribute selection for numerical databases that contain correlations. Int J Softw Informatics. 2:125-139.
Hashim DD. 2010. The quest for a global halal standard. Paper presented at the
Meat Industry Association of New Zealand annual conference, 19-20 September 2010. Christchurch.
Lizhi H, Toyoda K, Ihara I. 2008. Dielectric properties of edible oils and fatty acids as a function of frequency, temperature, moisture and composition. J. Food Eng. 88:151-158.
Nakyinsige K, Che Man YB, Sazili AQ. 2012. Review halal authenticity issues in meat and meat products. Meat sci. 91(3):207-214. doi.org/10.1016/j.meatsci.2012.02.015
Nestle. 2009. Nestlé and halal. http://www.nestle-
tasteofhome.com/NR/rdonlyres/B519F379-6669-428E-872B-6DCA9DFA2B6B/46458/NestleandHalal_Nov09.pdf
Pew-Forum-on-Religion and Public-Life. 2011. The future global muslim population projections for 2010-2030. Pew Research Center. Washington. Purnomo D, Gumbira-Sa’id E, Fauzi AM, Syamsu K, Tasrif M. 2011. Analisis
kekuatan keunggulan komparatif dan kompetitif Indonesia dalam meningkatkan daya saing agroindustri halal. Jurnal Teknotan. Universitas Padjajaran.
Riaz MN, Chaudry MM. 2004. Halal food production.CRC Press. New York. Sucipto. 2010 Agt 03. Menguak peluang pasar produk halal. Harian Kontan
Rubrik opini:23(kol 3-4).
van der Spiegel M, van der Fels-Klerx HJ, Sterrenburg P, van Ruth SM, Scholtens-Toma IMJ, Kok EJ. 2012. Halal assurance in food supply chains:Verification of halal certificates using audits and laboratory analysis.
7
2. PERKEMBANGAN TEKNIK DETEKSI CEMARAN BABI
DAN TANTANGAN PENGGUNAAN SENSOR LISTRIK
(SEBUAH TELAAH)
Abstrak
Pencampuran daging babi dan turunannya dalam produk pangan, tidak hanya sensitif terhadap penganut Islam dan Yahudi ortodoks, tetapi juga menjadi masalah bagi kesehatan. Relatif murahnya daging babi dan turunannya dibanding dengan produk sejenis dari sapi dan hewan lain menyebabkan bahan ini sering dicampur untuk mengurangi biaya produksi di industri pengolahan pangan. Berdasarkan perspektif teknologi sensor, teknik deteksi pencampuran daging babi dibagi menjadi tiga kelompok. Pertama, teknik deteksi konvensional, seperti GC, GLC, HPLC, DSC, dan lainnya. Kedua, teknik sensor tidak langsung yaitu PCR. Ketiga, teknik sensor tanpa pelabelan, seperti E-Nose dan Spektroskopi FTIR. Karena itu, penting untuk mengetahui perkembangan teknik deteksi babi dan turunan babi dalam produk pangan. Dalam tulisan ini, disajikan peluang sensor biolistrik untuk deteksi babi. Kombinasi sifat biolistrik bahan pangan dan teknik klastering data diharapkan mampu membantu deteksi pencampuran babi menjadi lebih cepat, akurat, dan relatif murah dibanding teknik sebelumnya menggunakan alat lebih sederhana. Teknik ini akan mendukung pengawasan produksi, distribusi, dan sertifikasi halal produk pangan.
Kata kunci: Sensor, sifat listrik, data mining, deteksi babi.
Singkatan: gas chromatography (GC), gas liquid chromatography (GLC), high performance liquid chromatography (HPLC), diferential scanning calorimetry (DSC), polymerase chain reaction (PCR), Electronic nose (E-Nose), Fourier transform infrared (FTIR) spectroscopy
PROGRESS OF LARD AND PORK DETECTION SYSTEM
AND CHALLENGE OF EELECTRIC SENSOR (A REVIEW)
Abstract
8
support the supervision of production, distribution, and certification of halal food products.
Keywords: Sensor, electrical properties, data mining, pork detection.
Abbreviation: gas chromatography (GC), gas liquid chromatography (GLC), high performance liquid chromatography (HPLC), differential scanning calorimetry (DSC), polymerase chain reaction (PCR), electronic nose (E-Nose), Fourier transform infrared (FTIR) spectroscopy
Pendahuluan
Permintaan dan konsumsi daging di negara maju sangat tinggi. Daging adalah produk yang heterogen terkait komposisi, teknologi, dan atribut sensoris yang berpengaruh sebelum penyembelihan (bibit, jenis kelamin, umur, berat, dan lingkungan) dan faktor pasca kematian (waktu simpan dan suhu) (Andres et al.
2007). Variabilitas kualitas daging menjadi perhatian konsumen (Warriss 2004). Saat ini, pencampuran jenis daging dan turunannya menjadi masalah besar di pasar ritel (Asensio et al. 2008). Evaluasi pembuktian dan kualitas produk-produk ini meliputi beberapa isu, seperti substitusi daging dengan nilai komersial tinggi dengan daging bernilai komersial lebih rendah dalam industri daging (Fajardo et al. 2008), dan adanya ketidakjelasan spesies (Aida et al. 2005).
Dari segi gizi, lemak hewani banyak ditolak karena mengandung asam lemak jenuh dalam proporsi besar. Diet kaya lemak babi diduga kuat menyebabkan kolesterol dalam darah, aortic injury, penimbunan lemak dalam aorta, penyakit jantung koroner, dan berbagai timbunan lemak lainnya. Lemak babi juga terkait dengan risiko sesak napas, gangguan pankreas, dan kanker usus besar, serta memicu terjadinya karsinogenesis. Produk pangan yang mengandung daging dan lemak babi menjadi perhatian para pengikut Islam dan Yahudi ortodoks. Kedua agama ini melarang konsumsi daging maupun lemak babi dalam setiap produk (Marikkar et al. 2002; Regenstein et al. 2003). Pelabelan yang akurat merupakan informasi penting bagi proses pemilihan konsumen. Ballin (2010) mengkategorikan teknik pembuktian (authentication) daging antara lain berbasis asal daging, substitusi daging, perlakuan pengolahan daging, dan bahan tambahan non-daging.
9
Teknik-Teknik Konvensional
Berbagai teknik deteksi lemak dan daging babi telah dikembangkan. Teknik deteksi konvensional telah lama dikembangkan untuk mendeteksi babi dan produk turunan babi, seperti differential scanning calorimetry (DSC), gas chromatography (GC), gas liquid chromatography (GLC), high performance liquid chromatography (HPLC).
Differential Scanning Calorimetry (DSC)
Marikkar et al. (2002) menemukan bahwa DSC menjadi teknik yang lebih sensitif untuk menentukan secara kualitatif dan kuantitatif dari enzymatically-randomized lard (ERLD) minyak sawit. Teknik ini dapat mengidentifikasi
refined-bleached-deodorized (RBD) palm olein palsu dengan ERLD dengan limit deteksi 1%. Marikkar et al. (2003) menggunakan DSC berpendingin dan pemanas untuk mendeteksi lemak babi dalam tempe, ayam, sapi, dan produk olahan.
Gas Chromatography (GC)
Indrasti et al.(2010) menerapkan chromatography hyphenated with a time-of-flight mass spectrometry untuk mendeteksi perbedaan antara lemak babi dengan 3 lemak hewani, yaitu lemak sapi, lemak ayam, dan lemak kambing. Perbedaan masing-masing lemak dapat dilihat dari 3 fatty acid methyl esters
(FAME) meliputi methyl trans-9, 12, 15-octadecatrienoate (C18:3 n3t), methyl 11, 14, 17-eicosatrienoate (C20:3 n3t) and methyl 11.14 - eicosadienoate (C20:2 N6). Profil FAME dapat digunakan sebagai basis pembedaan lemak babi dari lemak hewan dalam proses pembuktian.
Gas Liquid Chromatography (GLC)
Marikkar et al. (2005a) mengidentifikasi kontaminasi lemak babi pada minyak sawit, minyak inti sawit, dan minyak kanola menggunakan GLC. Perubahan komposisi asam lemak dalam campuran dianalisis fatty acid methyl esters (FAME), terutama pada 2-monoacylglycerol (2-MG) dan triacylglycerol
(TAG) netral diisolasi dari sampel.
High Performance Liquid Chromatography (HPLC)
HPLC digunakan mengidentifikasi 2% lemak babi dalam minyak inti sawit dan minyak sawit. Profil kromatogram TAG pada waktu retensi tertentu menunjukkan kontaminasi lemak babi pada bahan lain (Marikkar et al. 2005b).
Sensor Tidak Langsung dengan Polymerase Chain Reaction (PCR)
10
mengidentifikasi spesies dan pembuktian halal daging sapi, babi, kerbau, unta, domba, dan kelinci (Murugaiah et al. 2009). Soares et al. (2010) menggunakan PCR untuk mendeteksi daging sapi dan spesies unggas menggunakan Cyt b mitokondria dan 12s rRNA sebagai gen target untuk babi dan unggas. Teknik alternatif ini memiliki biaya rendah, mudah, dan andal untuk memperkirakan pemalsuan daging unggas dengan daging babi.
Ahmed et al. (2010) berhasil membedakan-spesies tertentu dalam kontrol dan daging babi olahan, daging babi, ayam, dan daging sapi menggunakan the loop mediated isothermal amplicons (LAMP) dan disposable electrochemical printed (DEP). LAMP adalah teknik penguatan asam nukleat yang memperkuat DNA target dengan spesifikasi yang tinggi, efisien, dan cepat dalam kondisi isotermal (63oC). Teknik ini merupakan calon biosensor in situ portabel untuk memantau pangan dari spesies daging dalam produk pangan.
Sensor Langsung (Tanpa Pelabelan)
Electronic nose (e-nose)
Electronic nose (e-nose) adalah instrumen yang meniru indera penciuman. Alat ini merupakan bentuk pola sensor untuk mendeteksi dan membedakan bau yang berbeda secara akurat dalam sampel kompleks (Stetter dan Penrose 2002). Pearce et al. (2003) mengemukakan secara umum, instrumen e-nose terdiri atas 3 elemen, yang disebut (i) sistem penanganan sampel, (ii) sistem deteksi, dan (iii) sistem pengolahan data.
E-nose berperan besar dalam teknik deteksi berbasis kimia. Sensor kimia adalah sebuah alat yang mampu mengubah jumlah bahan kimia menjadi sinyal listrik yang berkaitan dengan konsentrasi partikel tertentu seperti atom, molekul, atau ion dalam bentuk gas atau cair (Peris dan Escuder-Gilabert 2009). Jenis sensor dalam e-nose diperlukan untuk merespon molekul gas (senyawa organik
volatile) dengan berat molekul relatif berbeda (Pearce et al. 2003).
Jenis sensor yang digunakan dalam e-nose berdasar literatur (Cattrall 1997; Persaud dan Travers 1997) adalah sebagai berikut.
1. Piezoelectric disebut juga sensor gravimetri atau sensor akustik, berdasarkan propagasi gelombang akustik yang dihasilkan oleh bahan (misalnya kuarsa atau LiNbO3) dalam struktur multilayer. Surface acoustic wave (SAW) dan
bulk acoustic wave (BAW) adalah jenis paling umum dari sensor akustik. Sensor BAW sering disebut sensor thickness shear mode (TSM) atau quartz crystal microbalances (QCM).
2. Sensor elektrokimia, meliputi sensor amperometri, potensiometri, dan sensor konduktimetri atau chemiresistive. Diantaranya adalah sensor chemiresistive
seperti metal oxide semiconductors (MOS) atau dikenal dengan Taguchi Gas Sensor (TGS) dan conducting polymer (CP). Sensor ini banyak digunakan mengukur pola gas atau bau. Beberapa sensor gas potensiometri menggunakan metal oxide semiconductor field effect transistors (MOSFET) sedang dikembangkan dan digunakan dalam teknologi e-nose.
3. Optik, seperti serat optik, digunakan dalam absorbansi, reflektansi,
11 4. Kalorimetri atau sensor panas menggunakan reaksi kimia dengan pemanasan,
meliputi analisis dan pemantauan dengan transduser.
E-nose sering digunakan dalam berbagai diagnostik pangan, industri kosmetik, farmasi, kontrol lingkungan, dan diagnostik klinis. Dalam produk pangan ada 5 kategori penggunaan: (i) monitoring proses, (ii) investigasi umur simpan, (iii) evaluasi kesegaran, (iv) pembuktian lebih lanjut, dan (v) studi kontrol kualitas lainnya (Peris dan Escuder-Gilabert 2009).
Zheng-Hai dan Jun-Wang (2006) mendeteksi pemalsuan minyak jagung pada minyak wijen menggunakan e-nose dengan 10 sensor gas MOS. Secara skematis seperti Gambar 2.1. Berbagai gas yang diuapkan dari sampel ditangkap dengan 10 sensor yang berbeda. Data diolah dalam komputer dengan algoritma tertentu sehingga dapat mengenali pemalsuan minyak.
Gambar 2.1 Skema diagram sistem e-nose (Zheng-Hai dan Jun-Wang 2006)
E-nose telah digunakan mendeteksi cemaran babi atau lemak babi. Surface acoustic wave (SAW) sensor electronic nose (misalnya zNoseTM) digunakan mendeteksi lemak babi sebagai campuran dalam refined-bleached-deodorized (RBD) palm olein. Dalam riset ini lemak babi 1% sampai 20% (b/b) dicampur
RBD palm olein (Che Man et al. 2005). Pembedaan didasarkan pada komposisi asam lemak RBD palm olein dan lemak babi seperti pada Tabel 2.1.
Tabel 2.1 Komposisi asam lemak RBD palm olein dan lemak babi (Che Man et al. 2005)
Asam lemak RBD Palm olein (%) Lemak babi (%)
12:0 0.6 0.15
14:0 1.62 1.70
15:0 - 0.17
16:0 45.6 26.9
16:1 0.21 1.71
17:0 - 0.65
17:1 - 0.32
18:0 3.29 10.9
18:1 38.8 31.8
18:2 9.57 23.1
18:3 0.19 1.41
20:0 0.12 0.24
12
Tabel 2.1 menunjukkan komposisi RBD palm olein dan lemak babi memiliki asam lemak dengan rantai C berkisar dari C12:0 sampai C20:1. RBD palm olein mengandung asam lemak dominan: C16:0, C:18:1, C18:2 dan C18:0, sedang pada lemak babi berturut-turut C18:1, C16:0, C18:1, dan C18:0. Dalam lemak babi terkandung asam lemak rantai ganjil, yaitu C15:0, C17:0 dan C17:1, yang tidak ditemukan dalam minyak nabati. Berdasar komposisi asam lemak tersebut, kemungkinan dapat digunakan sebagai dasar deteksi minyak hewani dalam minyak nabati (Krishnamurthy 1993).
Penelitian menggunakan zNoseTM sensitif untuk mendeteksi lemak babi pada RBD palm olein hingga level 1 persen. Kelebihan menggunakan e-nose tidak membutuhkan perlakuan awal sampel dan bahan kimia untuk analisis, serta akurat dan cepat untuk mengidentifikasi campuran lemak babi dalam RBD palm olein
(Che Man et al. 2005).
Spektroskopi Fourier transform infrared (FTIR)
FTIR merupakan teknik analisis komposisi kimia pada berbagai kimia organik, polimer, gas, sampel biologis, bahan anorganik dan mineral. Analisis FTIR tidak hanya bersifat kualitatif, tetapi juga kuantitatif. FTIR merupakan alat analisis cepat dan non-destruktif untuk studi minyak dan lemak pangan, dan hanya perlu persiapan sampel minimum. FTIR sangat baik untuk analisis kuantitatif karena intensitas pita gelombang menunjukkan proporsi konsentrasi. FTIR telah digunakan untuk membedakan minyak dari berbagai daerah menggunakan teknik klasifikasi non-supervisi. FTIR juga digunakan untuk membedakan minyak zaitun ekstra murni dengan minyak pangan lain yang berharga lebih rendah.
Gambar 2.2 Spektrum FTIR lemak diekstrak dari cake (Syahariza et al. 2005) Dimana (A) 0% lemak babi, (B)-(F) campuran lemak babi/
13 Jaswir et al. (2003) mengkombinasikan spektroskopi FTIR dengan partial least square (PLS) untuk menganalisis lemak babi ketika dicampurkan lemak domba dan sapi. Pemalsuan lemak babi dan domba dikenali pada spektrum gelombang 3010-3000, 1200-1095 dan 968-965 cm-1. Campuran lemak babi pada lemak sapi dikenali pada 1419-1414, 968-965 cm-1. Syahariza et al. (2005) berhasil mendeteksi campuran lemak babi pada formulasi cake pada gelombang 1117-1097 (notasi a) dan 990-950 cm-1 (notasi b) seperti Gambar 2.2. Pada gelombang tersebut absorbansi (A) antar sampel lebih dapat dibedakan.
Potensi penggunaan Spektroskopi FTIR untuk mendeteksi gelatin babi dicampur pada gelatin sapi telah diteliti dengan hasil pada Gambar 2.3. Ada 4 daerah yang digunakan untuk mengidentifikasi perbedaan spektrum, yaitu 3600-2300 cm-1 (amida A), 1656-1644 cm-1 (amida I), 1560-1335 cm-1 (amida II), dan 1240-670 cm-1 (amida III). Gelatin sapi dan gelatin babi memiliki spektrum sangat mirip, sehingga pembedaan difokuskan pada protein dan polipeptida. Secara keseluruhan, perbedaan maksimum antar gelatin ditemukan pada 2 bagian spektrum utama yaitu 3290-3280 cm-1 dan 1660-1200 cm-1 (Hashim et al. 2010).
Gambar 2.3 Spektrum perbedaan gelatin babi dan sapi (Hashim et al. 2010) Analisis pemalsuan minyak ikan dengan spektroskopi FTIR sebagai teknik non destruktif dan cepat telah dilakukan. Dengan ATR dan partial least square
(PLS) dapat diidentifikasi perbedaan minyak ikan dengan lemak hewan lain, meliputi lemak sapi, domba, dan babi. Daerah fingerprint 1500-1030 cm-1 mampu mengenali perbedaan ini. Model validasi dan kalibrasi minyak ikan dicampur dengan lemak babi, puncaknya pada 1035-1030 cm-1, akan terjadi vibrasi grup C-O dalam ikatan ester yang terdiri dari dua vibrasi ikatan asimetris C-C(=O)-O dan O-C-C (Rohman dan Che Man 2009).
14
Gambar 2.4 Spektrum FTIR lemak babi dan lemak cokelat (Che Man et al. 2005) Dari gambar tersebut diperkirakan kelompok gelombang 1400 cm-1 sampai 1000 cm-1 paling sulit diidentifikasi. Diperkirakan pada 1465 cm-1, gelombang g, kedua spektrum lemak babi dan lemak cokelat menunjukkan kelompok gelombang yang merupakan vibrasi ikatan gugus methylene. Kelompok gelombang h, pada 1377 cm-1 mengindikasikan vibrasi simetris kelompok metil. Berikutnya kelompok i, j, k, l, dan m diperkirakan pada 1238, 1163, 1118, 1097, 723 cm-1 (Che Man et al. 2005).
Kombinasi spektroskopi FTIR dengan kemometrika menggunakan PLS dan analisis diskriminan (DA) telah dikembangkan untuk analisis sederhana lemak babi dalam campuran lemak domba, sapi, dan ayam. Perbedaan kualitatif lemak babi dengan lemak lain diperoleh pada spektrum dengan daerah fingerprint pada 1500-900 cm-1 (Rohman dan Che Man 2010).
Rohman et al. (2011) berhasil membedakan campuran bakso daging sapi dan daging babi dengan FTIR di daerah fingerprint 1200-1000 cm-1. Selain teknik di atas teknik deteksi potensial kontaminasi daging babi adalah rasio isotop (Fauzi dan Mas’ud 2009). Demikian juga, sifat listrik bahan pangan.
Tantangan Sensor Listrik
Sifat listrik dalam bahan pangan, dapat digunakan untuk mengukur kualitas maupun kemurnian bahan secara cepat, non destruktif, mengarah in-situ
berdasar energi elektromagnetik, teknik ultrasonik, dan resonansi. Beragam sensor berdasar interaksi pangan dengan gelombang elektromagnetik. Gelombang elektromagnetik terdiri dari bidang listrik dan magnetik (Castro-Giráldez et al.
15
Sifat dielektrik
Sifat dielektrik adalah interaksi bidang elektromagnetik dengan bahan berdaya hantar rendah atau non penghantar. Sifat dielektrik bahan tergantung frekuensi, suhu, kandungan air, densitas, komposisi, dan struktur bahan (Venkatesh dan Raghavan 2004). Pangan memiliki sifat dielektrik dan polarisasi non ideal terkait fenomena disipasi, absorpsi energi, dan kerusakan yang memengaruhi konstanta dielektrik (Castro-Giráldez et al. 2010).
Gambar 2.5 Representasi ideal spektrum konstanta dielektrik dalam sistem biologis (Castro-Giráldez et al. 2007)
Dalam sistem sel, sifat dielektrik didasarkan dua mekanisme yaitu proses resonansi dan relaksasi. Fenomena resonansi terjadi ketika aplikasi bidang listrik menggunakan frekuensi yang sesuai frekuensi getaran alami bahan. Hal itu meliputi polarisasi elektronika dan polarisasi atomik yang dihasilkan pada frekuensi gelombang mikro dan gelombang yang lebih tinggi, seperti Gambar 2.5. Pada Gambar 2.5 menunjukkan kelompok senyawa dalam spektrum dielektrik dapat dideteksi pada rentang frekuensi tertentu. Lizhi et al. (2008) telah menggunakan sifat dielektrik untuk mengidentifikasi campuran 10 minyak pangan dan 6 asam lemak pada frekuensi 100 Hz-1 MHz. Konstanta dielektrik dipengaruhi jumlah ikatan ganda dan panjang rantai molekul. Sifat dielektrik bahan dipengaruhi oleh sifat dielektrik masing-masing komponen bahan.
Spektroskopi dielektrik
16
daging babi segar (kesegaran, keempukan, kandungan lemak) atau mendeteksi daging beku, dan aspek keamanan seperti deteksi mikroba atau kontaminasi kimia. Penggunaan spektroskopi bioimpedansi pada kualitas daging untuk memisahkan daging PSE (pale, soft, exudative), DFD (dark, firm, dry), dan RFN (red, firm, nonexudative) (Castro-Giráldez et al. 2007).
Gambar 2.6 Hasil pengukuran konduktansi lemak babi dan lemak pangan lain menggunakan LCR meter
Pengukuran sifat listrik konduktansi untuk mendeteksi lemak babi dan beberapa lemak lain menggunakan LCR meter telah dikembangkan dalam laboratorium (Sucipto et al. 2011), dengan hasil Gambar 2.6. Gambar tersebut memperlihatkan pada frekuensi di atas 3,80 MHz mulai terjadi pemisahan spektrum konduktansi antara lemak satu dengan lemak lain. Temuan ini berpotensi digunakan untuk mendeteksi lemak babi terhadap lemak lain. Sifat listrik selain konduktansi perlu diteliti lebih lanjut.
Teknik-Teknik Data Mining
Berbagai teknik klasifikasi untuk mengenal pola data dan mendukung deteksi kualitas dan pemalsuan bahan telah dikembangkan. Hasil beberapa pengukuran parameter kualitas dan pemalsuan bahan dapat dibedakan dengan teknik statistika. Dalam bidang kimia teknik ini dikenal dengan kemometrika. Beberapa teknik yang sering digunakan seperti Principal Component Analysis
(PCA), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM) dan
K-nearest neighbor (kNN) (Di et al. 2008; Pravdova et al. 2002; Sikorska et al.
2006). Teknik ini dapat digunakan untuk mengurangi spektrum pengukuran pada suatu kategori di dalam training set. Penghitungan kemometrika berguna untuk menganalisis campuran kompleks dan mampu mengurangi secara cepat dan simultan setiap komponen dalam campuran.
PCA sebuah teknik eksplorasi multivariabel yang mengurangi transformasi seperangkat variabel penduga (berkorelasi) menjadi set (yang lebih kecil) variabel baru yang tidak berkorelasi disebut komponen utama. Teknik ini dapat digunakan untuk deskripsi, klasifikasi, dan interpretasi. PCA digunakan untuk membedakan
5,000.00 10,000.00 15,000.00 20,000.00 25,000.00 30,000.00
1.0 1.6 2.2 2.8 3.2 3.8 4.4 5.0
C
on
d
u
ct
a
n
ce
(n
S
)
Frequency (MHz)
17 minyak zaitun dengan minyak nabati lain menggunakan spektroskopi dielektrik (Lizhi et al. 2010).
Partial Least Squares (PLS) merupakan teknik kalibrasi faktorial multivariabel yang memisahkan spektrum data ke dalam pemuatan dan penilaian, membangun model hubungan kalibrasi dari variabel baru (Martens dan Naes 1989). PLS dipadukan dengan spektroskopi FTIR digunakan untuk membedakan kualitas minyak pangan (Bendini et al. 2007), mengevaluasi komposisi asam lemak dan kualitas minyak zaitun murni (Maggio et al. 2009). Demikian pula, campuran extra virgin olive oil (EVOO) dengan minyak pangan lainnya (Maggio
et al. 2010), dan identifikasi daging babi dan sapi di bakso (Rohman et al. 2011). Prosedur validasi silang digunakan untuk memverifikasi model kalibrasi. Nilai root mean standard error of calibration (RMSEC) dan koefisien determinasi (R2) digunakan sebagai kriteria validasi untuk kalibrasi. Validasi berikutnya menggunakan perbedaan rata-rata (MD) dan perbedaan standar deviasi (SDD) untuk akurasi dan pengulangannya (Rohman et al. 2011).
Simpulan dan Tantangan Masa Depan
Teknik deteksi lemak dan daging babi pada bahan pangan perlu terus dikembangkan. Meskipun teknik konvensional terbukti dapat diandalkan, masih perlu pengembangan lebih lanjut dengan teknik yang lebih cepat, akurat, dan relatif murah. Teknologi sensor seperti, PCR, E-nose, dan FTIR telah membantu mempercepat proses deteksi, namun masih relatif mahal. Berdasarkan studi di atas ada peluang untuk mengembangkan teknik deteksi baru berbasis sifat listrik untuk lebih mempercepat dan mengurangi biaya dengan instrumen relatif sederhana.
Sifat listrik, terutama konduktansi, berpeluang untuk dapat dikembangkan sebagai basis teknik deteksi lemak dan daging babi. Selanjutnya, perlu diteliti sifat listrik lain, seperti impedansi dan kapasitansi untuk deteksi cemaran lemak babi. Integrasi sifat listrik dan data mining diharapkan mempercepat dan meningkatkan akurasi deteksi lemak babi.
Pustaka
Ahmed MU, Hasan Q, Hossain MM, Saito M, Tamiya E. 2010. Meat species identification based on the loop mediated isothermal amplification and electrochemical DNA sensor. Food Control. 21:599-605.
Aida AA, Man YBC, Wong CMVL, Raha AR, Son R. 2005. Analysis of raw meats and fats of pigs using polymerase chain reaction for halal authentication. Meat Sci. 69:47-52.
Andres S, Murray I, Navajas EA, Fisher AV, Lambe NR, Bunger L. 2007. Prediction of sensory characteristics of lamb meat samples by near infrared reflectance spectroscopy. Meat Sci. 76:509-516.
Asensio L, Gonzalez I, Garcia T, Martín R. 2008. Determination of food authenticity by enzyme-linked immunosorbent assay (ELISA). Meat Sci.
18
Ballin NZ. 2010. Review Authentication of meat and meat product. Meat Sci.
86:577-587. doi:10.1016/j.meatsci.2010.06.001.
Bendini A, Cerretani L, Carrasco-Pancorbo A, Gómez-Caravaca AM, Segura-Carretero A, Fernández-Gutiérrez A, Lercker G. 2007. Phenolic Molecules in Virgin Olive Oils: a Survey of Their Sensory Properties, Health Effects, Antioxidant Activity and Analytical Methods. An Overview of the Last Decade Alessandra. Molecules. 12:1679-1719. doi:10.3390/12081679. Castro-Giráldez M, Fito P, Toldrá F. Dielectric spectroscopy studies as a tool for
quality control in meat industry. 2007. In Proceedings, Food- New Options for the Industry. EFFoST/EHEDG Joint Conference 2007-Practical application of research results. Celebrated from 14 th to 16 th of November in Lisbon (Portugal).
Castro-Giráldez M, Chenoll C, Fito P J, Toldrá F, Fito P. 2010. Physical sensors for quality control during processing. In Toldra. F. Handbook of meat processing. Wiley-Blackell. A John Wiley & Sons, Inc.
Cattrall RW. 1997. Chemical Sensors. Oxford University Press.Oxford.1-2. Che Man YB, Gan HL, Nor Aini I, Nazimah SAH, Tan CP. 2005. Detection of
lard adulteration in RBD palm olein using an electronic nose. Food Chem.
90:829-835.
Che Man YB, Syahariza ZA, Mirghani MES, Jinap S, Bakar J. 2005. Analyses of potential lard adulteration in chocolate and chocolate products using Fourier transform infrared Spectroscopy. Food Chem. 90:815-819.
Damez JL, Clerjon S, Abouelkaram S, Lepetit J. 2007. Dielectric behavior of beef meat in the 1-1500 kHz range: Simulation with the Fricke/ Cole-Cole model. Meat Sci. 77(4):512-519.
Damez JL, Clerjon S. 2008. Meat quality assessment using biophysical methods related to meat structure. Meat Sci. 80(1):132- 149.
Di W, Shuijuan F, Xiaojing C, Haiqing Y, Yong H.2008. Independent component analysis and support vector machine combined for brands identification of milk powder based on visible and short-wave near-infrared spectroscopy.
Image Signal Process. Congress on 5. 456-459.
Fajardo V, González I, Martín I, Rojas M, Hernández PE, García T. 2008. Real-time PCR for detection and quantification of red deer (Cervus elaphus), fallow deer (Dama dama), and roe deer (Capreolus capreolus) in meat mixtures. Meat Sci. 79:289-298.
Fauzi AM, Mas’ud ZA. 2009. Instrumentation Techniques for Potential Application in Halal Products Authentication. 3rd IMT-GT International Symposium on Halal Science and Management. Kuala Lumpur Malaysia. December 21th – 22nd.
Girish PS, Anjaneyulu ASR, Viswas KN Shivakumar, BM, Anand M, Patel M, Sharma B. 2005. Meat species identification by polymerase chain reaction-restriction fragment length polymorphism (PCR-RFLP) of mitochondrial 12S rRNA gene. Meat Sci. 70:107-112.
19 Indrasti D, Che Man YB, Mustafa S, Hashim DM. 2010. Lard detection based on fatty acids profile using comprehensive gas chromatography hyphenated with time-of-flight mass spectrometry. Food Chem. 122:1273-1277.
Jaswir I, Mirghani MES, Hassan TH, Said MZM. 2003. Determination of lard in mixture of body fats of mutton and cow by Fourier transform infrared spectroscopy. J oleo sci. 52(12):633-638.
Krishnamurthy MN. 1993. Updated methods for detection of adulterants and contaminants in edible oils and fats: A critical evaluation. J Food Sci Technol. 30:231-238.
Lizhi H, Toyoda K, Ihara I. 2008. Dielectric properties of edible oils and fatty acids as a function of frequency, temperature, moisture and composition.
J Food Eng. 88:151-158.
Lizhi H, Toyoda K, Ihara I. 2010. Discrimination of olive oil adulterated with vegetable oils using dielectric spectroscopy.J Food Eng.96:167-171.
Maggio RM, Kaufman TS, Del Carlo M, Cerretani L, Bendini A, Cichelli A. 2009. Monitoring of fatty acid composition in virgin olive oil by Fourier transformed infrared spectroscopy coupled with partial least squares. Food Chem. 114:1549-1554.
Marikkar JMN, Ghazali HM, Che Man YB, Peiris TSG, Lai OM. 2005a. Use of gas liquid chromatography in combination with pancreatic lipolysis and multivariate data analysis techniques for identification of lard contamination in some vegetable oils. Food Chem.90:23-30.
Marikkar JMN, Ghazali HM, Che Man YB, Peiris TSG, Lai OM. 2005b. Distinguishing lard from other animal fats in admixtures of some vegetable oils using liquid chromatographic data coupled with multivariate data analysis.Food Chem. 91:5-14.
Marikkar JMN, Ghazali HM, Long K, Lai OM. 2003. Lard uptake and its detection in selected food products deep-fried in lard. Food Res Int.
36:1047-1060.
Marikkar JMN, Laia OM, Ghazali HM, Che Man YB. 2002. Compositional and thermal analysis of RBD palm oil adulterated with lipase-catalyzed interesterified lard. Food Chem. 76:249-258.
Martens H, Naes T. 1989. Multivariate calibration. Chichester: Wiley.
Murugaiah C, Mohd Noor, Mastakim Z M, Bilung LM, Selamat J, Radu S. 2009. Meat species identification and Halal authentication analysis using mitochondrial DNA. Meat Sci. 83:57-61.
Pearce TC, Schiffman SS, Nagle HT, Gardner (Eds.) JW. 2003. Handbook of Machine Olfaction: Electronic Nose Technology. Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim.
Peris M, Escuder-Gilabert L. 2009. Review- A 21st century technique for food control: Electronic noses. Anal Chim Acta. 638:1-15.
Persaud KC, Travers PJ. 1997. Arrays of broad specificity films for sensing volatile chemicals, in: Kress-Rogers E. (Ed.). Handbook of Biosensors and Electronic Noses: Medicine, Food and Environment. CRC Press. Boca Raton.563-589.
20
Regenstein JM, Chaudry MM, Regenstein CE. 2003. The kosher and halal food laws. Compr. rev. Food Sci Food Saf.2:111-127.
Rohman A, Che Man YB. 2009. Analysis of Cod-Liver oil adulteration using Fourier transform infrared (FTIR) Spectroscopy. J Am Oil Chem Soc. 86(12):1149-1153. doi:10.1007/s11746-009-1453-9.
Rohman A, Che Man YB. 2010. FTIR spectroscopy combined with chemometrics for analysis of lard in the mixtures with body fats of lamb, cow, and chicken.
Int Food Res J. 17:519-526.
Rohman A, Sismindari, Erwanto Y, Che Man YB. 2011. Analysis of pork adulteration in beef meatball using fourier transform infrared (FTIR) spectroscopy. Meat Sci. 88:91-95.
Sikorska E, Górecki T, Khmelinskii IV, Sikorski M, De Keukeleire D. 2006. Monitoring beer during storage by fluorescence spectroscopy.Food Chem.
96:632-639.
Soares S, Amaral JS, Mafra I, Oliveira MBPP. 2010. Quantitative detection of poultry meat adulteration with pork by duplex PCR assay. Meat Sci.
doi:10.1016/j.meatsci. 2010,03, 001.
Stetter JR and Penrose WR. 2002. Understanding Chemical Sensors and Chemical Sensor Arrays (Electronic Noses): Past, Present, and Future. Sensors Update.
10:189-229.doi: 10.1002/1616-8984(200201)10:1<189:AID-SEUP189>3.0.CO;2-N.
Sucipto, Irzaman, Tun Tedja I, Fauzi AM. 2011. Potential of conductance measurement for lard detection. IJBAS-IJENS. 11(05):26-30. http://www.ijens.org/Vol_11_I_05/114805-9696-IJBAS-IJENS.pdf
Syahariza ZA, Che Man YB, Selamat J, Bakar J. 2005. Detection of lard adulteration in cake formulation by Fourier transform infrared (FTIR) spectroscopy. Food Chem. 92:365–371.
Venkatesh MS, Raghavan GSV. 2004. An overview of microwave processing and dielectric properties of agri-food materials. Biosystems Eng. 88(1):1-11. Warriss PD. 2004. Meat science-an introductory text. Wallingford. Oxon. UK:
CABI Publishing.
21
3. PENGUKURAN SIFAT LISTRIK SEBAGAI
BASIS DETEKSI CEMARAN LEMAK BABI
(STUDI VALIDASI ALAT, PERSIAPAN SAMPEL,
DAN SELEKSI FREKUENSI)
Abstrak
Penelitian ini bertujuan mendapatkan teknik pengukuran sifat listrik, persiapan sampel bahan, dan rentang frekuensi yang tepat sebagai basis deteksi cemaran lemak babi. Penelitian dilakukan dengan merancang keping sejajar yang sesuai untuk mengukur sifat listrik bahan. Sampel lemak dilakukan penyerapan air menggunakan Na2SO4 anhidrat dan tanpa penyerapan air. Pengukuran diuji pada
rentang frekuensi 0,100-0,999 MHz, 1,000-3,799 MHz, dan 3,80-5,00 MHz pada suhu ruang (26-27oC). Hasil penelitian menunjukkan keping sejajar terbuat dari tembaga berukuran 20 mm x 10 mm berjarak 5 mm efektif digunakan untuk mengakuisisi data sifat listrik bahan. Sampel lemak yang diserap airnya menggunakan Na2SO4 anhidrat dan diukur pada frekuensi 3,80-5,00 MHz
menghasilkan data sifat listrik yang valid. Dengan alat, persiapan sampel, dan pilihan frekuensi pengukuran tersebut diharapkan dapat digunakan mengakuisisi data sifat listrik bahan sebagai basis pengembangan teknik deteksi lemak babi pada lemak pangan lain.
Kata kunci: keping sejajar, persiapan sampel, rentang frekuensi, pengukuran sifat listrik, lemak babi
ELECTRICAL PROPERTIES MEASUREMENT
AS BASIS OF LARD CONTAMINATION DETECTION
(STUDY TOOLS VALIDATION, SAMPLE PREPARATION
AND FREQUENCY SELECTION)
Abstact
This study aimed to identify the measurement technique of electrical properties, material sample preparation, and precisely frequency range as a detection basis of lard contamination. The study was conducted by using parallel plate design which is suitable for measuring the electrical properties of materials. Samples are prepared by water absorption using Na2SO4 anhydrous and without
water absorption. The measurements were conducted at frequencies range of 0,100-0,999 MHz, 1,000-3,799 MHz and 3,80-5,00 MHz at room temperature (26-27°C). The results showed that the parallel plate made of copper, by dimension of 20 mm x 10 mm separate at distance 5 mm is effective acquire electrical properties data of materials. Fat were absorbed their water using Na2SO4
anhydrous and measured at frequencies of 3,80-5,00 MHz produced valid electrical properties data. With this instrument, sample preparation, and frequency range were expected can be used to acquire the electrical properties of materials as a basis for the development of lard detection technique on other edible fats.
22
Pendahuluan
Pengukuran sifat listrik bahan dapat dilakukan sesuai kondisi bahan dan tujuan pengukuran. Sifat listrik adalah karakteristik suatu bahan yang mencirikan potensinya dalam merespon pemanasan dielektrik, dan kemampuannya untuk menyimpan, meneruskan, dan memantulkan gelombang elektromagnetik. Pemanfaatan sifat dielektrik dalam bidang pertanian dan pangan meningkat seiring waktu. Sebagai contoh, pengukuran sifat listrik daging dan olahan daging telah dikembangkan untuk menilai kualitas dan kemurnian secara cepat dan non destruktif, mengarah in-situ berdasar energi elektromagnetik, teknik ultrasonik, dan resonansi (Castro-Giraldez et al. 2010). Selain itu, juga dikembangkan deteksi berbasis impedansi spektroskopi untuk evaluasi kerusakan daging sapi (Damez dan Clerjon 2008), dan uji pencampuran lemak (Lizhi et al. 2008). Teknik ini mengukur sifat listrik bahan sebagai penduga kualitas dan pencampuran bahan. Karena itu, informasi mengenai sifat listrik bahan pertanian dan pangan sebagai bahan hidup perlu diketahui. Demikian juga faktor-faktor yang memengaruhi sifat listrik seperti frekuensi, kadar air, temperatur, densitas, komposisi kimia, geometri, dan homogenitas bahan. Pengetahuan ini akan menunjang pemanfaatan sifat listrik bahan pertanian dan pangan secara lebih luas.
Diantara masalah pemanfaatan sifat listrik bahan pertanian dan pangan adalah kurangnya pemahaman keterkaitan sifat listrik, fisik, dan kimia bahan. Alat ukur sifat listrik yang sesuai bahan pertanian dan pangan juga masih terbatas. Demikian juga rentang frekuensi pengukuran sifat listrik dan teknis persiapan bahan pangan belum banyak diketahui.
Penelitian bertujuan mengembangkan alat ukur sifat listrik bahan pangan, khususnya lemak pangan, mencari prosedur persiapan sampel, dan mendapatkan rentang frekuensi pengukuran. Hasil ini diharapkan mendukung akuisisi sifat listrik bahan secara valid sebagai basis pengembangan teknik deteksi lemak babi.
Metode Penelitian
Persiapan sampel
Bahan yang digunakan penelitian terdiri 2 macam. Pertama, bahan keping sejajar sebagai tempat lemak yang diukur sifat listriknya. Kedua, lemak pangan yang diuji sifat listriknya, lemak babi dan lemak sapi. Sampel lemak babi dan lemak sapi diekstraksi dari jaringan lemak masing-masing hewan dengan pemanasan pada suhu 90-100oC selama 2 jam (Marikkar et al 2002). Lemak yang meleleh dikumpulkan dan disaring melalui kain saring. Pada awal penelitian sampel lemak hasil ekstraksi langsung diukur sifat listriknya. Pada penelitian selanjutnya, lemak pangan dilakukan persiapan sampel diserap airnya menggunakan Na2SO4 anhidrat.
Pengukuran sifat listrik
23
Penilaian validitas hasil akuisisi data
Untuk menilai validitas hasil akuisisi data sifat listrik setiap rentang frekuensi, dihitung dengan kriteria persen terjadinya noise selama akuisisi data.
[image:37.595.100.493.30.835.2]Persen noise = (( noise/ ( n x titik frekuensi)) x 100% ………….…. (3.1) Selain itu, dihitung rerata ( ), standar deviasi ( ), dan koefisien variasi ( ) setiap sifat listrik yang diukur.
... (3.2) ... (3.3) / ... (3.4) dimana, n adalah jumlah ulangan pengukuran
Hasil dan Pembahasan
Teknik pengukuran sifat listrik lemak pangan
Sifat listrik bahan pada jaringan hidup berhubungan dengan prinsip bahwa kecepatan aliran arus setiap bahan berbeda, diantaranya tergantung komposisinya. Jaringan biologis terdiri dari sel-sel yang dikelilingi cairan ekstraselular. Membran sel bertindak sebagai isolator pada frekuensi rendah, berperilaku seperti sebuah kapasitor. Gambar 3.1 menunjukkan model sederhana, suatu kapasitor dan resistor yang terdapat pada membran sel. Dengan jenis rangkaian kapasitor (C) dan resistor (R) tertentu dihasilkan sifat listrik spesifik untuk suatu bahan.
Gambar 3.1 Model sederhana kapasitor dan resistor mebran sel (Pliquett 2010) Keterangan: Cm : model membran kapasitansi Ri : resistensi intraseluler
Re : resistensi ekstraseluler
24
5 mm
20 mm 5 mm
terhadap serat otot (Damez et al. 2007). Setiap bahan hidup yang memiliki komposisi tertentu juga memiliki impedansi biolektrik tertentu.
Impedansi dapat digunakan sebagai basis sensor perubahan komposisi bahan akibat penurunan kualitas dan atau pemalsuan bahan. Gambar 3.2 menunjukkan model pengukuran sifat listrik untuk bahan pangan. Kapasitansi paralel (Cp), kapasitansi seri (Cs), resistensi (R), dan impedansi (Z) dapat diukur
dengan satu alat pengukur sifat listrik (M). Sifat listrik ini dapat dimanfaatkan sebagai basis sensor deteksi kualitas atau pemalsuan lemak pangan.
Gambar 3.2 Model pengukuran sifat listrik (Zywica et al. 2005) Keterangan:
M : Alat pengukur C: Kapasitansi R: Resistansi
Secara umum pengukuran sifat listrik dapat dilakukan dengan berbagai teknik, seperti pada Tabel 3.1. Dari tabel tersebut diketahui kelebihan dan kekurangan setiap teknik. Karena itu, teknik yang dipilih dapat mempertimbangkan tujuan, akurasi yang ingin dicapai, ketersediaan alat, waktu, dan biaya, serta pertimbangan lain.
Gambar 3.3 Disain keping sejajar
Dengan pertimbangan di atas, untuk memudahkan pengukuran sifat listrik lemak pangan, pada penelitian ini digunakan teknik parallel plate (keping sejajar). Desain keping sejajar dari tembaga berukuran 20 mm x 10 mm berjarak 5 mm seperti Gambar 3.3. Dimensi tersebut, terutama ketebalan 5 mm, sudah memenuhi untuk akuisisi data sifat listrik bahan pada rent
