STUDI PENGGUNAAN UV-VIS SPECTROSCOPY DAN KEMOMETRIKA
UNTUK MENGIDENTIFIKASI PEMALSUAN KOPI ARABIKA DAN
ROBUSTA SECARA CEPAT
[STUDY ON THE USE OF UV-VI S SPECTROSCOPY AND CHEMOMETRI CS TO
QUI CKLY I DENTI FY THE FALSI FI CATI ON OF ARABI CA AND ROBUSTA
COFFEES]
Oleh:
Meinilwita Yulia1, Riri Iriani2, Diding Suhandy2,*, Sri Waluyo2 ,Cicih Sugianti2
1) Jur usan Teknologi Per tanian, Politeknik Neger i Lampung 2) Jur usan Teknik Per tanian, Fakultas Per tanian, Univer sitas Lampung
komunikasi penulis, email :diding.sughandy@fp.unila.ac.id
Naskah ini diterima pada 30 November 2016; revisi pada 27 Desember 2016; disetujui untuk dipublikasikan pada 6 Febr uar i 2017
ABSTRACT
Ther e ar e tw o popular coffees in Indonesia, namely Ar abica and Robusta coffees. Ar abica coffee has a bett er quality than Robusta do. This r esear ch aimed to identify the pur ity of Ar abica coffee; and Robusta as mixtur e ingr edient, by using technology of UV-Vis spectr oscopy and multivar iate analysis, w ith a method of soft independent modelling of class analogy (SIMCA) and pr incipal component analysis (PCA). The r esear ch w as conducted using coffee pow der w ith size 0,297 millimeter s (50 mesh).The r esear ch used 100 samples; sample 1-50 (1 g of Ar abica), sample 51-60 (0,8 g of Ar abica and 0,2 of Robusta), sample 61-70 (0,7 g of Ar abica and 0,3 g of Robusta), sample 71-80 (0,6 g of Ar abica and 0,4 of Robusta) sample 81-90 (0,5 g of Ar abica and 0,5 g of Robusta), sample 91-100 (0,4 g of Ar abica and 0,6 g of Robusta). The r esult of classification show ed that method of PCA and SIMCA ar e able to classify the mixtur e of pur e Ar abica. PC1 explained 77% var ious datas, and PC2 explained 10% var ious datas, w hilst fr om data classification SIMCA obtained the pr ecentage scor e onaccur acy 56%, sensitivitas 58%, and spesifisitas 0%.
Keywords: Ar abica coffee, Robusta coffee, PCA, SIMCA, UV-Vis spectr oscopy
ABSTRAK
Tanaman kopi yang ber kembang di Indonesia ter dir i atas kopi Ar abika dan Robusta. Kopi Ar abika memiliki kualitas yang t inggi dibandingkan Robusta.Penelitian ini ber tujuan untuk mengident ifikasi kemur nian kopi Ar abika mur ni dan kopi Robusta sebagai bahan campur annya dengan menggunakan teknologi UV-Vis spectr oscopy dan analisis multivar iat dengan metode soft independent modelling of class analogy (SIMCA) dan pr incipal component analysis (PCA). Penelitian ini menggunakankopi bubuk yang ber ukur an 0,297 milimeter (mesh 50). Sampel yang digunakan sebanyak 100 sampel dengan per bandingan campur an yang ter dir i dar i sampel 1-50 (masing-masing 1 g kopi Arabika), sampel 51-60 (0,8 g Ar abika dan 0,2 g Robusta), sampel 61-70 (0,7 g Ar abika dan 0,3 g Robusta ), sampel 71-80 (0,6 g Ar abika dan 0,4 g Robusta), sampel 81-90 (0,5 g Ar abika dan 0,5 g Robusta) dan sampel 91-100 (0,4 g Ar abika dan 0,6 g Robusta). Hasil klasifikasi menunjukkan metode PCA dan SIMCA yang mampu mengidentifikasi campur an kopi Ar abika mur ni. PC1 menjelaskan 77% ker agaman data dan PC2 menjelaskan 10% ker agaman data. Sedangkan untuk klasifikasi SIMCA diper oleh nilai per sentase untuk nilai akur asi sebesar 56%, sensitivitas 58% , dan nilai spesifisitas 0%.
I. PENDAHULUAN
Menur ut Sahat (2015), kopi menjadi salah satu tanaman per kebunan yang penting dan memiliki nilai ekonomis tinggi. Pr oduksi kopi mer upakan penyokong per ekonomian melalui basis pr oduksi bahan bahan mentah dan basis penyer apan tear ga ker ja. Menur ut Kemenper in (2016) mencatat, sumbangan pemasukan devisa dar i ekspor pr oduk kopi olahan mencapai USD 356,79 juta pada tahun 2015atau meningkat 8 per sen dibanding tahun sebelumnya dan menempatkan Indonesia sebagai pr odusen kopi ter besar keempatsecar a global, setelah Br azil,Vietnam, dan Kolombia. Kopi mer upakan salah satu hasil per tanian yang disear ngi banyak or ang kar ena dapat diolah menjadi minuman yang memiliki ar oma dan r asanya yang nikmat, ser ta ber potensi sebagai obat-obatan dan pear han r asa kantuk(Panggabean, 2011). Kopi jenis Ar abika, Robusta, dan liber ika mer upakan jenis kopi yang ter dapat di Indonesia. Akan tetapi, kopi yang banyak dibudidayakan di Indonesia adalah kopi jenis Ar abika dan Robusta (Indr aw anto dkk, 2010).
Kegiatan pemalsuan pangan di Indonesia semakin banyak dilakukan khususnya untuk komoditas kopi. Pemalsuan adalah upaya per ubahan tampilan makanan yang secar a sengaja dilakukan dengan car a menambah atau mengganti bahan makaar n dengan tujuan meningkatkan penampilan makanan untuk memper oleh keuntungan yang sebesar -besar nya sehingga hal ter sebut member ikan dampakbur uk pada konsumen.Menur ut Br iandet, et .al. (1996) har ga kopi Ar abika jauh lebih tinggi dibandingkan dengan Robusta. Pemalsuan pada bahan pangan khususnya kopi dapat mer ugikan konsumen maupun pr odusen. Untuk mengidentifikasi pemalsuan kopi kita dapat menggunakan mata (visual), namun hal ter sebut hanya dapat digunakan untuk membedakan kopi dalam bentuk biji kopi yang telah disangr ai. Mengidentifikasi pemalsuan dalam bentuk bubuk tidak mudah dikar enakan tampilan w ar na kopi yang sama sehingga memer lukan metode-metode khusus. Adapun metode yang telah ber hasil untuk membedakan antar a kopi Ar abika dan Robusta dengan mengguar kan metode
mult ivar iat est at ist ical atau PCA (pr incipal component analysis) (Jolliffe, 1986).
Selain itu juga penggunaan metode kemometr ika yaitu ber upa SIMCA (soft independent modelling of class analogy) dan PCA (pr incipal component analysis) diter apkan untuk memper mudah mengklasifikasikan data antar a adult er at ion dan non adult er at ion. Adult er at ion (campur an) yang dimaksud yaitu campur an antar a kopi Ar abika dan kopi Robusta, sedangkan non adult er at ion (mur ni) yaitu kopi Ar abika tanpa adanya campur an. Bahan yang digunakan sebagai campur an pada penelitian ini yaitu kopi Robusta. Ber dasar kan penelitian sebelumnya, menur ut Souto et al
(2015) pengguar an teknologi UV-Visspect r oscopy dan kemometr ika sangat baik untuk mengidentifikasi pemalsuan kopi, namun var ietas yang digunakan pada penelitiannya ber asal dar i Br azil. Berdasar kan hal ter sebut penelitian ini menggunakan UV-Vis
spect r oscopy untuk mendapatkan nilai
spektr anya dan kemometr ika (SIMCA dan PCA) digunakan untuk mengolah data spektr anya dengan menggunakan bahan kopi Ar abika dan Robusta yang ber asal dar i Lampung Bar at (Liw a) untuk mengidentifikasi adanya pemalsuan pr oduk kopi yang dilakukan oleh pr odusen yang ingin mendapatkan keuntungan besar tanpa mementingkan kualitas pr oduknya.
II. BAHAN DAN METODE 2.1 Waktu dan Tempat
Penelitian dilaksanakan pada bulan Mei 2016 sampai Juni 2016 ber tempat di Labor ator ium Rekayasa Biopr oses dan Pascapanen (RBPP) Pr ogr am Studi Teknik Per tanian, Fakultas Per tanian, Univer sitas Lampung.
2.2 Alat dan Bahan
Alat-alat yang digunakan pada penelitian ini adalah UV-Vis spect r oscopyjenisGeneysis 10s
UV-Vis dipr oduksi oleh (t her mo fisher
scient ific), t her momet er, cuvet, r ubber bulb, timbangan analitik, ayakan t yler meinzer II
dengan mesh nomor (20,30,40,50,70 dan100),magnet ic st ir r er chimar ec ser ies
S130810-33 (4 x 4 inch), mesin coffee gr inder
dengan br and sayota yang memiliki daya 180 w att tipe SCG 178, pipet ukur (1 ml, 2 ml dan 25 ml), gelas ukur , labu er lemeyer 50 ml, labu
komputer , toples, tisu, ker tas tempel, ker tas sar ing, alumunium foil dan alat tulis. Bahan-bahan yang digunakan pada penelitian ini adalahakuades, biji kopi Ar abika dan Robustayang ber asal dar i Lampung Bar at (Liw a).
2.3 Prosedur Penelitian
Penelitian ini dilakukan untuk mengidentifikasi pemalsuan kopi Ar abika dengan kopi lain yaitu kopi Robusta dan menggunakan Uv-Vis
spect r oscopyjenisGeneysis 10s UV-Vis.
Pembuatan ekstr aksi menggunakan bahan kopi Ar abika dan kopi Robusta sebagai bahan campur annya meliputi per siapan bahan, dilanjutkan pr oses ekstr aksi, st r ir r er, dan pr oses pengambilan spektr a selanjutnya membangun dan menguji model untuk membedakan kopi Ar abika asli dengan kopi Ar abika campur an dengan menggunakan The
Unscr ambler ver si 9,8 danselanjutnya
dianalisis kemometr ik menggunakan metode SIMCA dan PCA.
Per siapan Bahan Penelitian :
1. Penggilingan
Penggilingan kopi dilakukan untuk mengubah bentuk dar i biji kopi menjadi kopi bubuk dengan menggunakan mesin
coffee gr inder dengan br and sayota yang memiliki daya 180 w att tipe SCG 178. Hal ter sebut dilakukan untuk memudahkan pada saat pr oses ekstr aksi.
2. Pengayakan
Pengayakan dilakukan untuk mendapatkan ukur an yang ser agam dar i par tikel kopi. Kopi diayak menggunakan ayakan t yler meinzer II dengan ukur an mesh 20, 30, 40, 50, 70 dan100 yang digunakan dalam penelitian ini adalah hasil ayakan ukur an mesh 50 (0,297 mm) dikar enakan diantar a ukur an mesh ter sebut mesh 50 memiliki nilai absor bansi yang tertinggi dan memiliki bobot hasil yang lebih besar dibandingkan yang lain. Alat yang digunakan pada penelitian ini yaitu ayakan t yler meinzer II. Keser agaman par tikel kopi akan ber pengar uh ter hadap hasil ekstr aksi kopi.
3. Penimbangan
Setelah pr oses pengayakan, kopi akan ditimbang sebanyak 1 g untuk setiap sampel. Per bandingan campur an bahan untuk sampel no 1–50 (1 g kopi Ar abika), sampel nomor 51–60 (0,8 g Ar abika dan 0,2 g Robusta), sampel nomor 61 – 70 (0,7 g luw ak dan 0,3 g ar abika), sampel nomor 71 – 80 (0,6 g Ar abika dan 0,4 Robusta), sampel 81 – 90 (0,5 g Ar abika dan 0,5 g Robusta), sampel 90 – 100 (0,4 g Ar abika dan 0,6 g Robusta).
4. Pecampur an Bahan
Pencampur an bahan yang telah ditimbang (sampel kopi) dengan akuades dengan suhu 90- 98oC sebanyak 50 ml.
5. Pengadukan (St ir r er )
Bahan yang telah di campur dengan
akuades kemudian diaduk dengan
menggunakan magnet ic st ir r er chimar ec ser ies S130810-33 (4 x 4 inch)selama 10 menit untuk menghomogenkan campur an bahan
6. Penyar ingan
Penyar ingan dilakukan untuk memisahkan ampas kopi dengan hasil ekstr ak kopi dengan menggunakan ker tas sar ing.
7. Pengencer an
Hasil ekstr ak kopi dibiar kan hingga mencapai suhu 27oC, selanjutnya
dilakukan pengencer an dengan per bandingan 1 : 20 ( ekstr ak kopi : air) dapat dilihat pada .
8. Pengambilan spektr a dengan
spekt r ofot omet er
Sampel yang telah diencer kan dimasukkan kedalam kuvet sebanyak 2 ml selanjutnya dimasukkan dalam holder s syst em dan diambil nilai absor bansi.
9. Membuat dan menguji model
Nilai absor bansi yang didapatkan dar i alat
spect r ophot omet er, kemudian data
ter sebut digunakan untuk membuat dan menguji model dengan per angkat lunak
The unscr ambler ver si 9.8 (CAMO AS, Nor w egia) menggunakan SIMCA dan PCA.
III. HASIL DAN PEMBAHASAN
Efek Perbedaan Ukuran Partikel
Berdasarkan Nilai Absorbansinya
Nilai spektr a absor bansi pada kopi bubuk pada panjang gelombang 200-400 nm dengan per bedaan ukur an par tikel yang dapat dilihat pada Gambar 1. Hasil data sampel keenam ukur an mesh ter sebut dapat dilihat pada Gambar 1. Hasil spektr a pada Gambar 1 dapat kita lihat bahw a keenam sampel yang ber beda ukur anmemiliki nilai absor bansi yang ber beda. Semakin kecil ukur an par tikel kopi bubuk, maka semakin besar nilai absor bansinya. Alasan ter sebut didapatkanber dasar kan hasil ekstr aksi sampel yang dapat dilihat pada Gambar 1 danmenjelaskan nilai absor bansi yang ber beda pada keenam sampel, sampel ter sebut ter diri dar i S1 (mesh no 20), S2 (mesh no 30), S3 (mesh no 40), S4 (mesh no 50),S5 (mesh no 70), dan S6 (mesh no 100).
Saat menggunakan ukur an partikel yang kecil pada sampel kopi bubuk dalam pr oses ekstr aksi memiliki pengar uh yang intensif, ketika sampel kopi dapat ter lar ut dengan baik oleh pelar ut yaitu air mengalami peningkatan pada nilai absor bansinya. Sampel kopi dengan ukur an par tikel yang besar memiliki nilai absor bansi yang r endah. Oleh kar ena itu, agar mengur angi efek per bedaan ukur an par tikel dalam penelitian kita har us memilih ukur an par tikel sampel kopi yang tepat. Ber dasar kan Gambar 1 maka dapat dilihat nilai absor bansi S4 dan S5 tidak jauh ber beda dibandingkan yang lain, selain itu alasan S4 yang digunakan untuk sebagai bahan sampel untuk penelitian
ini yaitu S4 memiliki bobot yang lebih besar dibandingkan S5. Hal ini mer upakan infor masi penting untuk tahap selanjutnya dalam penelitian dalam membangun pengukur an spektr a umtuk mengidentifikasi pemalsuan kopi.
Analisis Data Diskriminasi Menggunakan PCA (Unsuper vised)
Data absor bansi ekstr ak kopi yang didapatkan dar i UV-Vis spectr ophot omet er yang telah disimpan ke dalam flashdisk kemudian dipindahkan ke Micr osoft Excel kemudian diolah menggunakan The Unscr ambler ver sion
9.8. Tahap yang ter akhir adalah pengolahan data menggunakan per angkat lunak The Unscr ambler ver sion 9.8 dengan metode yang digunakan untuk membuat model klasifikasi adalah SIMCA dan PCA. Ber dasar kan teknik pengambilan sampel diper oleh 100 sampel kopi adult er at ion(campur an)dan non-adult er at ion (mur ni).
Gambar 2 menjelaskan per bedaanmenjelaskan nilai absor bansi antar a sampel
kopiadult er at ion (campur an) dan
non-adult er at ion (mur ni) pada panjang gelombang 200-400 nm dengan inter val 1 nm maka kita mendapatkan peubah (x) sebanyak 200peubah (x). Ber dasar kan Gambar 2 dijelaskan bahw a nilai absor bansi ter sebut ter dir i dar i beber apa sampel yaitu S1- S3 NA mer upakan sampel kopi Ar abika mur ni, S1 A (0,8;0,2), S2 A (0,7:0,3), S3 A (0,6:0,4), S4 A (0,5:0,5) , S5 A (0,4:0,6) dan nilai absor bansiyang tertinggi yaituber asal dar i sampel kopi Ar abika mur ni.
PCA mer upakan salah satu metode analisis multivar iat yang dikembangkan untuk mer eduksi dimensi data. Hasil r eduksi var iabel (dengan campur an kopi) ini akan dijadikan peubah input untuk analisis lebih lanjut, seper ti klasifikasi. Metode klasifikasi yang akan digunakan adalah metodesoft independent modelling of class analysis (SIMCA). Sebelum dilakukan analisa dengan motode PCA, dilakukan pr oses pember sihan data yang ber tujuan untuk menghilangkan data yang tidak lengkap. Hal ini dilakukan agar pada saat analisa didapatkan data yang sebenar nya. Hasil pemetaan model PCA dapat dilihat pada Gambar 3.
Pr insip PCA adalah mencar i komponen utama yang mer upakan kombinasi linear dar i peubah asli. Komponen-komponen utama ini dipilih sedemikian r upa sehingga komponen utama per tama memiliki keser agaman data ter besar ber ikutnya (Miller dan Miller , 2000).Hasil analisis PCA member ikan infor masi bahw aPC1 yang memiliki keser agaman data atau eigenvalue yang paling besar. Komponen pertama PC1 dapat menjelaskan 77%ker agaman data.Komponen kedua PC2 dapat menjelaskan 10% ker agaman data. PC1 dan PC2 biasanya paling ber guna dalam klasifikasi sampel menggunakan PCA kar ena kedua PC ini memiliki paling banyak ker agaman data. Kedua komponen PC1 dan Gambar 2. Nilai spektr a sampel kopi pada panjang gelombang 200-400 nm
PC2 yangmer epr esentasikan 87%, yang ar tinya dua PC mew akili 87% dar i selur uh data.Menur ut Nur cahyo (2015), jika jumlah peubah dar i komponen utama satu PC1 dan dua PC2 lebih besar dar i 70%, maka hasil plot komponen utamamemper lihatkan dua dimensiyang baik.
Menur ut Kautsar (2012), scor e plot dengan menggunakan dua buah PC yang per tama biasanya paling ber guna kar ena kedua PC ini menggambar kan keser agaman data yang ter besar dar i data.Scor e-plot menggambar kan kedekatan antar sampel, dan kemungkinan ter jadinya diskr iminasi sampel kedalam beber apa kelompok. Pengelompokan sampel kopi adult er at ion dan non-adult er at ion
ter pisah dengan baik di PC2 kar ena dapat dilihat per bedaan sifat kopi (jenis Ar abika dan kopi Robusta) dan per bedaan per sentase campur an pada setiap sampel kopinya.
Analisis Data Diskriminasi Menggunakan Metode SIMCA (Super vised)
Analisis multivar iat selanjutnya yaitu SIMCA (soft independent modelling of class analogy) mer upakan teknik analisis multavar iat ter aw asi yang digunakan untuk menguji kekuatan diskr iminasi dan klasifikasi sampel. SIMCA digunakan untuk menetapkan sampel ke dalam kelas yang ter sedia dengan tepat. Metode klasifikasi ini didasar kan pada pembuatan model PCA untuk masing-masing kelas dan mengklasifikasikan setiap sampel pada masing-masing model PCA. Hasil luar an dar i SIMCA ber upa tabel klasifikasi dimana sampel dapat ter klasifikasi dalam satu, beber apa kelas, atau tidak ter klasifikasikan ke dalam kelas manapun (Nur cahyo,2015). Setelah membangun model klasifikasi multivar iat yang dilakukan dengan menggunakan t r aining set dengan pembagian 35 sampel kopi Ar abika mur ni dan 25 sampel kopi. Hasilini menunjukkan pr oyeksi lokasi sampel ke PC, Gambar 4ter lihat sampel ter susun secar a acak. PCs pada model sampel kopi Ar abika mur ni memiliki per sentase 88% PC1 dan 5% PC2, sedangkan untuk sampel kopicampur an per sentase yang didapatkan 79% PC1 dan 11% PC2.Setelah membangun model diikuti uji validasi denganmenggunakan 15 sampel kopi Ar abika mur ni dan 25 sampel kopi Ar abika campur an ter sebut diuji
menggunakan klasifikasi SIMCA. Validasi ini ber guna untuk mengidentifikasi sampel dengan kelas yang sama dar i model PCA yang telah dibangun dengan tar af keper cayaan 10% yang dapat dilihat di Tabel 1
(a). Sampel mur ni
(b). Sampel campur an
Gambar 4. Membangun model (a) sampel mur ni dan (b) sampel campur an.
Ber dasar kan hasil klasifikasi pada Tabel 1 maka ter lihat jelas sampelnya, kemudian dar i hasil ter sebut kita dapat membuat tabel
confusion mat r ix yang dapat dilihat pada Tabel 2.Langkah sensitivitasdan spesifisitasdapat digunakan untuk pengklasifikasian akur asi. Sensitivitasdapat ditunjuk sebagai tr ue posit ives(r ecognit ion) r at e (pr opor si dar i t uple
positif yang diidentifikasi dengan benar). Sedangakan spesifisitasadalah t r ue
negat ivesr at e (pr opor si t uple negatif
yangdiidentifikasisecar a benar )
Ber dasar kan hasil pemetaan SIMCA yang dihasilkan tr aining set yang telah dibentuk
memiliki nilai akur asi sebesar 56,7 %. Nilai akur asi yang diper oleh menunjukkan bahw a model mampu mengelompokkan data sampel sesuai kategor i dengan cukup baik. Selanjutnya didapat nilai sensitifitas sebesar 58,3 %, nilai ini menunjukkan pr opor si jumlah sampel positif yang sebenar nya di pr ediksi positif secar a benar oleh model sudah sangat baik.
Nilai spesifisitas sebesar 0 %, dapat dilihat pada Gambar 2 bahw a dar i plot PC1 dan PC2, kedua kopi dibedakan lebih oleh PC2 (sumbu y) dibandingkan dengan PC1. Ter lihat kedua plot (bir u dan mer ah) ter letak disebelah kanan semua ar tinya hampir sama dalam pr espektif komponen utama PC1. Hampir sebagian sampel ter letak atas dan baw ah (ver t ical) dan ber beda dalam pr espektif PC2. Sedangkan PC2 hanya 10%, ini menjelaskan mengapa sampel ter sebut saat diujiSIMCA nilai spesifisitasnya 0% dan tidak bisa membedakan kopiAr abika dan Robusta.Nilai spesifisitas 0% dapat dikaitkan dengan fakta bahw a pada konsentr asi pencampur an 50% kopi Ar abika mur ni dengan dicampur 50% (setengahnya) menggunakan kopi Robusta ber ar ti saat yang sama dia mengandung kopi Ar abika 50%.Hal ini bisa jadi titik sulit membedakan kopi Ar abika dan Robusta. Pemilihan model klasifikasi yang ter baik har us mengetahui kemampuanmodel dalam membedakan antar a kopi adult er at ion dan non-adult er at ion. Hal itu dapat dilihat ber dasar kan nilai kemampuan pengenalan ter hadap sampel dalam t r aining set
(60 sampel) dan kemampuan pr ediksi dalam
t est set (40 sampel). Nilai kemampuan
pengenalan dan pr ediksi dapat diketahui dengan car amembandingkan jumlah sampel yang ter pr ediksi dengan benar ter hadap total sampel yang dipr ediksi dikali 100%. Nilai kemampuan pengenalan dan kemampuan pr ediksi yang ter baik adalah yaitu apabila nilai
spektr a or iginal (asli) data lebih banyak dapat ter lihat dibandingakan nilai noice nya.
Tabel 1. Klasifikasi SIMCA
Sampel A B S36NA * * S37NA * * S38NA * * S39NA * * S40NA * * S41NA * * S42NA * * S43NA * * S44NA * * S45NA * * S46NA * * S47NA * * S48NA * * S49NA * * S50NA * * S26A * * S27A * S28A * S29A * S30A * S31A * S32A * S33A * S34A * S35A * S36A * S37A * S38A * S39A * S40A * S41A S42A * S43A * S44A S45A * S46A * S47A S48A * S49A * S50A *
Ket. A = Tr aining sampel non adulter ation (mur ni) Tar af keper cayaan = 10 %
B = Tr aining sampel adulter ation (campur an)
AC = 0 + 21 0 + 15 + 1 + 21X100% = 56,7% S = 21 15 + 21X100% = 58,3% SP = 0 0 + 1X100% = 0% Tabel 2. Confusion Mat r ix
Kelas A (aktual) Kelas B (aktual) Kelas A (hasil model SIMCA A) 0 15 Kelas B (hasil model SIMCA B) 1 21
IV. KESIMPULAN DAN SARAN
4.1. Kesimpulan
1. Hasil analisis PCA member ikan infor masi bahw a PC1 menghasilkan nilai keser agaman data sebesar 77 % dan PC2 menunjukkan nilai keser agaman data sebesar 10%, sehingga, semua PC dapat menjelaskan keser agaman data sebesar 87% untuk keselur uhan data. 35 sampel kopi Ar abika mur ni yang digunakan untuk membangun model asli dan 25 sampel kopi Ar abika campur an yang digunakan untuk membangun model campur an. Skor yang didapatkan yaitu 88% PC1 dan 5% PC2 untuk model mur ni, sedangkan untuk model campur an yaitu 79% PC1 dan 11% PC2. 2. Ber dasar kan pengujian model
menggunakan metode SIMCA dengan menggunakan 15 sampel kopi Ar abika asli dan 25 sampel kopi Ar abika campur an dengantar af keper cayaan 10%, diper oleh nilaiakur asisebesar 56%,sensitivitas 58% danspesifisitas sebesar 0%. Nilai yang didapat menunjukkan model mengelompokkan sampel dengan tidak baik.
4.2. Saran
Sar an dar i penulis yaitu dilakukan pengujian dengan jumlah sampel kopi lebih banyak dengan tingkat per bandingan campur an yang lebih besar dan ketepatan dalam pencampur an. untuk mengkuantifikasi konsentr asi kopi r obusta yang dicampur kan dengan menggunakan teknik kemometr ika seper ti r egr esi PLS (Par t ial Least Squar es)
DAFTAR PUSTAKA
Br iandet, R., Kemsley, E. K., dan Willson, R. H. 1996 . Discr imination of Ar abica and Robusta in Instan Coffee by Four ier Tr ansfor m Infr ar ed Spectr oscopy and Chemometr ics. Jour nal of Agr icult ur al and Food Chemist r y. 44:170-174.
Indr aw anto, C., Kamaw ati, E., Munar so., Pr astow o, S.J., Rubijo, B., Sisw anto. 2010.
Budidaya dan Pascapanen Kopi. Pusat Penelitian dan Pengembangan Per kebunan. Bogor . 75 hlm.
Jolliffe, I. T. 1986. Pr incipal Component Analysis Second Ed. Spr inger -Ver lag. New Yor k. 513 hlm.
Kautsar , A. 2012. Difer ensiasi Asal Geogr afis Kunyit (Cur cuma Domestica Val) Menggunakan Fotometer Por table dan Analisis Kemometr ik.Skr ipsi. Univer sitas Pakuan. Bogor . 52 hlm.
Kementer ian Per industr ian (Kemenper in), 2016. Indonesia Dit ar get kan Jadi
Ekspor t ir Ut ama Kopi Sangr ai di
Dunia.http:/ / ww w .kemenper in.go.id/ ar t ikel/ 16145/
Indonesia-ditARgetkan-jadi-ekspor tir -utama-kopi-sangr ai-di-dunia.
Diakses pada tanggal 2 Oktober 2016. Lavine, B.K.2009. Validation of
classifier s.In:Walczak, B., Tauler , R., and Br ow n, S. (eds.). Compr ehensive Chemomet r ic: Chemical and Biochemical Dat a Analysis Volume III. Elsievier . Oxfor d : 587-599.
Miller , J.N.dan Miller , J.C. 2000. St at ist ics and Chemomet r icsfor Analyt ical
Chemist r y,4t hEdition. Pear sonEducation.
Har low . 271 hlm
Nur cahyo, B. 2015. Identifikasi Dan Autentifikasi Menir an (Phyllanthus nir ur i) Menggunakan Spektr um Ultr avi olet-Tampak Dan Kemometr i ka.
Skr ipsi. Institut Per t anian Bogor . Bogor . 41 hlm.
Panggabean, E. 2011. Buku Pint ar Kopi. Agr o Media Pustaka. Jakar ta. 240 hlm
Sahat, S.F. 2015. Analisis Pengembangan Kopi Ekstr ak Sebagai Upaya Diver sifikasi Ekspor Kopi di Indonesia. Thesis. Insitut Per tanian Bogor . Bogor . 80 hlm.
Sanchez, A.M., Car mona, M., Zalacain, A., Car ot,J.M., Alonso, G.L. 2008. Rapid Deter mination of Cr ocetin Ester s and Picr ocr ocin Fr om Saffr on Spice (Cr ocus sativus L.) Using UV-Visible Spectr ophotometr y for Quality Contr ol.
Jour nal Agr icult ur e Food Chem. 56 : 3167-3175.
Souto, U. T. C. P., Bar bosa, M. F., Dantas, H. V., Pontes, A. S., Lyr a, W. S., Diniz, P. H. G. D., Ar aujo, M. C. U., and Silva, E. C. 2015. Identification of Adulter ation In Gr ound Roasted Coffees Using UV-Vis Spectr oscopy and SPA-LDA. LWT-Food Science and Technology.
