• Tidak ada hasil yang ditemukan

PENGARUH CARA PENGERINGAN DAN PENAMBAHAN KACANG HIJAU TERHADAP SIFAT WARNA DAN TINGKAT KESUKAAN BERAS ANALOG OYEK

N/A
N/A
Protected

Academic year: 2019

Membagikan "PENGARUH CARA PENGERINGAN DAN PENAMBAHAN KACANG HIJAU TERHADAP SIFAT WARNA DAN TINGKAT KESUKAAN BERAS ANALOG OYEK"

Copied!
36
0
0

Teks penuh

(1)

PENGARUH CARA PENGERINGAN DAN PENAMBAHAN

KACANG HIJAU TERHADAP SIFAT WARNA DAN

TINGKAT KESUKAAN BERAS ANALOG OYEK

SKRIPSI

Oleh

INDAH PUSPITA DEWI

13031014

PROGRAM STUDI TEKNOLOGI HASIL PERTANIAN

FAKULTAS AGROINDUSTRI

UNIVERSITAS MERCU BUANA YOGYAKARTA

(2)
(3)

LAMPIRAN 1. ANALISIS KIMIA BAHAN DASAR

a. Analisis Kadar Air

- Ditimbang bahan yang telah dihaluskan sebanyak 1 – 2 gram dalam botol timbang yang telah bersih dan kering dan diketahui berat konstannya.

- Dikeringkan dalam oven padasuhu 100 – 1050C selama 3 – 5 jam, kemudian didinginkan dalam desikator dan ditimbang.

- Dipanaskan kembali dalam oven selama 30 menit didinginkan dalam desikator dan ditimbang lagi.

- Perlakuan tersebut diulangi sampai tercapai berat konstan - Pengurangan berat merupakan banyaknya air dalam bahan.

𝑘𝑎𝑑𝑎𝑟 𝑎𝑖𝑟 (%) = (𝑏𝑒𝑟𝑎𝑡 𝑏𝑜𝑡𝑜𝑙 + 𝑠𝑎𝑚𝑝𝑒𝑙) − 𝑏𝑒𝑟𝑎𝑡 𝑘𝑜𝑛𝑠𝑡𝑎𝑛 𝑏𝑒𝑟𝑎𝑡 𝑘𝑜𝑛𝑠𝑡𝑎𝑛 − 𝑏𝑒𝑟𝑎𝑡 𝑏𝑜𝑡𝑜𝑙 𝑥 100%

b. Analisis Protein (metode Kjedahl) (AOAC,1984). - Menimbang 2-5 g sampel ke dalam labu kjedahl.c

- Menambahkan 10 g Kalium sulfat (K2SO4), 0,7 g merkuri oksida (HgO) atau 0,5g tembaga sulfat (CuSO4.5H2O) dan 20 ml asam sulfat pekat (H2SO4).

- Destruksi sampel dalam ruang asam dengan panas yang rendah sampai tidak berasap lagi.

(4)

- Melarutkan destruat dengan 50 ml aquadest dan kemudian pindahkan secara kuantitatif ke dalam alat destilasi

- Menghubungkan alat destilasi dengan penampung erlenmeyer 500 ml yang berisi 50 ml asam borat 3 % dan beberapa tetes indikator (campuran metil biru dan metil merah (1:2) dalam etanol 95%).

- Mendidihkan sekitar 15 menit, menambahkan natrium hidroksida 60 % (perubahan warna jernih menjadi coklat)

- Melakukan destilasi sampai volume penampung mencapai 200 ml - Titrasi destilat dengan asam klorida (HCl) 0,1 N.

- Mengerjakan blanko menggunakan aquadest sebagai pengganti sampel.

Perhitungan :

Kadar Nitrogen (g/100g) = V1−V2

𝐵 × 0,0014 × N

Keterangan :

V1 = jumlah ml HCl yang digunakan pada sampel V2 = jumlah ml HCl yang digunakan pada blanko B = berat sampel

c. Analisis lemak (Metode Soxhlet)

(5)

dengan pelarut (Petroleum Eter) sampai 1/3 bagian labu lalu diekstraksi selama 3-4 jam.

- Angkat sampel yang terlarut dalam labu dan masukkan dalam oven, didinginkan dalam desikator, kemudian ditimbang sampai berat konstan (Soedarmaji, 1997).

Perhitungan :

%lemak =berat lemak (g)

berat awal (g) X 100%

d. Analisis serat kasar (Metode Gravimetri)

- Sampel-sampel yang telah diekstrak lemaknya, dimasukkan ke dalam erlenmeyer ditambah dengan anti buih serta batu didih.

- Kemudian ditambahkan H2SO4 0,25 N sebanyak 200 ml dan didihkan selama 30 menit. Residu yang terbentuk disaring dan dicuci dengan aquadest panas.

- Residu yang terbentuk pada kertas saring dimasukkan dalam erlen meyer dengan menambahkan NaOH 0,25 N sebanyak 200 ml kemudian dididihkan kembali selam 30 menit.

- Setelah itu residu disaring dengan kertas saring yang telah diketahui beratnya.

- Residu kemudian dicuci dengan K2SO4 10% dan alkohol 95 %

- Kertas saring yang berisi residu dikeringkan dalam oven lalu di abukan , dan ditimbang sampai berat konstan (Soedarmaji, 1997)

Perhitungan :

(6)

%serat kasar = berat serat kasarberat sampel x 100%

e. Analisis karbohidrat (by different)

Carbohidrate by difference = 100% - (%air + %abu +%lemak +%protein+%amilosa+%amilopektin) (Nielsen, 1998)

LAMPIRAN 2. HASIL UJI STATISTIK

1. Hasil uji statistik organoleptik beras analog dengan cara pengeringan

Descriptive Statistics

Dependent Variable: Bau

Jenis_Sampel Pengeringan Mean

Std.

Deviation N Rastelo Oven 2.90 1.071 20

Matahari 3.00 1.026 20 Kabinet 3.00 1.124 20 Total 2.97 1.057 60 Rastelo + Kacang

Hijau

(7)

Tests of Between-Subjects Effects

Dependent Variable: Bau Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 4.700a 5 .940 .936 .461 Intercept 940.800 1 940.800 936.692 .000 Jenis_Sampel 3.333 1 3.333 3.319 .071 Pengeringan 1.050 2 .525 .523 .594 Jenis_Sampel *

Pengeringan .317 2 .158 .158 .854 Error 114.500 114 1.004

(8)

ANOVA

Bau

Sum of

Squares df

Mean

Square F Sig. Between

Groups 4.700 5 .940 .936 .461 Within Groups 114.500 114 1.004

Total 119.200 119

Bau

Duncana

Interaksi N

Subset for alpha = 0.05

1 Rastelo++,Oven 20 2.45 Rastelo++,Matah

ari 20 2.65

Rastelo++,Kabine

t 20 2.80

Rastelo,Oven 20 2.90 Rastelo,Matahari 20 3.00 Rastelo,Kabinet 20 3.00

(9)

Tests of Between-Subjects Effects

Pengeringan N

Subset

Tests of Between-Subjects Effects

(10)

Tekstur Duncana,b

Pengeringan N

Subset 1 Oven 40 2.97 Matahari 40 3.18 Kabinet 40 3.40

Sig. .115

ANOVA

Tekstur

Sum of

Squares df

Mean

Square F Sig. Between

Groups 15.967 5 3.193 2.493 .035 Within Groups 146.000 114 1.281

Total 161.967 119

Tekstur

Duncana

Interaksi N

Subset for alpha = 0.05 1 2 3 Rastelo++,Oven 20 2.60

Rastelo++,Matah

ari 20 2.85 2.85 Rastelo++,Kabine

(11)

Tests of Between-Subjects Effects

Dependent Variable: Keseluruhan Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 5.942a 5 1.188 1.157 .335 Intercept 1074.008 1 1074.008 1046.023 .000 Jenis_Sampel 3.008 1 3.008 2.930 .090 Pengeringan 2.067 2 1.033 1.006 .369 Jenis_Sampel *

Pengeringan .867 2 .433 .422 .657 Error 117.050 114 1.027

Total 1197.000 120 Corrected Total 122.992 119 a. R Squared = .048 (Adjusted R Squared = .007) Keseluruhan

Duncana,b

Pengeringan N

Subset 1 Oven 40 2.88 Matahari 40 2.92 Kabinet 40 3.18

Sig. .216

ANOVA

Keseluruhan

Sum of

Squares df

Mean

Square F Sig. Between

Groups 5.942 5 1.188 1.157 .335 Within Groups 117.050 114 1.027

(12)

Keseluruhan

Duncana

Interaksi N

Subset for alpha = 0.05

1 Rastelo++,Oven 20 2.60 Rastelo++,Matah

ari 20 2.80

Rastelo,Matahari 20 3.05 Rastelo++,Kabine

t 20 3.10

Rastelo,Oven 20 3.15 Rastelo,Kabinet 20 3.25

Sig. .078

2. Hasil uji statistik organoleptik nasi dari beras analog dengan cara pengeringan

Tests of Between-Subjects Effects

Dependent Variable: Bau Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 142.342a 5 28.468 17.807 .000 Intercept 1864.408 1 1864.408 1166.214 .000 Jenis_sampel 88.408 1 88.408 55.301 .000 Pengeringan 42.467 2 21.233 13.282 .000 Jenis_sampel *

Pengeringan 11.467 2 5.733 3.586 .031 Error 182.250 114 1.599

(13)

Grand Mean

Dependent Variable: Bau

Mean Std. Error

95% Confidence Interval Lower

Bound

Upper Bound 3.942 .115 3.713 4.170

Tests of Between-Subjects Effects

Dependent Variable: Warna Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 5.542a 5 1.108 .686 .635 Intercept 1353.408 1 1353.408 838.297 .000 Jenis_sampel 3.008 1 3.008 1.863 .175 Pengeringan 1.267 2 .633 .392 .676 Jenis_sampel *

Pengeringan 1.267 2 .633 .392 .676 Error 184.050 114 1.614

Total 1543.000 120 Corrected Total 189.592 119 a. R Squared = .029 (Adjusted R Squared = -.013) Warna

Duncana,b

Pengeringan N

Subset 1 Oven 40 3.23 Kabinet 40 3.37 Matahari 40 3.47

(14)

ANOVA Rastelo,Matahari 20 3.20 Rastelo,Kabinet 20 3.35 Rastelo++,Oven 20 3.40

Tests of Between-Subjects Effects

(15)

Tekstur

Duncana,b

Pengeringan N

Subset 1 2 Oven 40 3.25

Matahari 40 3.92 Kabinet 40 4.00 Sig. 1.000 .777

Tests of Between-Subjects Effects

Dependent Variable: Rasa Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 24.167a 5 4.833 2.672 .025 Intercept 1657.633 1 1657.633 916.441 .000 Jenis_sampel 13.333 1 13.333 7.371 .008 Pengeringan 6.317 2 3.158 1.746 .179 Jenis_sampel *

Pengeringan 4.517 2 2.258 1.249 .291 Error 206.200 114 1.809

Total 1888.000 120 Corrected Total 230.367 119 a. R Squared = .105 (Adjusted R Squared = .066) Rasa

Duncana,b

Pengeringan N

Subset 1 Matahari 40 3.48 Oven 40 3.65 Kabinet 40 4.03

(16)

Tests of Between-Subjects Effects

Dependent Variable: Keseluruhan Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 34.700a 5 6.940 4.737 .001 Intercept 1872.300 1 1872.300 1278.097 .000 Jenis_sampel 22.533 1 22.533 15.382 .000 Pengeringan 10.850 2 5.425 3.703 .028 Jenis_sampel *

Pengeringan 1.317 2 .658 .449 .639 Error 167.000 114 1.465

Total 2074.000 120 Corrected Total 201.700 119 a. R Squared = .172 (Adjusted R Squared = .136) Keseluruhan

Duncana,b

Pengeringan N

Subset 1 2 Oven 40 3.73 Matahari 40 3.75

Kabinet 40 4.38 Sig. .927 1.000

ANOVA

Keseluruhan

Sum of

Squares df

Mean

Square F Sig. Between

Groups 34.700 5 6.940 4.737 .001 Within Groups 167.000 114 1.465

(17)

Keseluruhan

Duncana

Interaksi N

Subset for alpha = 0.05 1 2 Rastelo++,Matah

ari 20 3.35 Rastelo++,Oven 20 3.40 Rastelo++,Kabine

t 20 3.80

Rastelo,Oven 20 4.05 Rastelo,Matahari 20 4.15

Rastelo,Kabinet 20 4.95

Sig. .064 1.000

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 20.000.

3. Hasil uji statistik kadar air beras analog dengan cara pengeringan Tests of Between-Subjects Effects

Dependent Variable: Kadar_Air Source

Type III Sum

of Squares df

Mean

Square F Sig. Corrected Model 10.136a 5 2.027 23.826 .000 Intercept 2247.708 1 2247.708 26417.725 .000 Pengeringan 8.777 2 4.389 51.580 .000 Jenis_Sampel .025 1 .025 .288 .595 Pengeringan *

Jenis_Sampel 1.334 2 .667 7.840 .002 Error 2.552 30 .085

(18)

Kadar_Air Duncana,b

Pengeringan N

Subset

1 2 3 Matahari 12 7.2192

Kabinet

50oC 12 8.1150

Oven 40oC 12 8.3708 Sig. 1.000 1.000 1.000

Oneway

ANOVA

Kadar_Air

Sum of

Squares df

Mean

Square F Sig. Between

Groups 10.136 5 2.027 23.826 .000 Within Groups 2.552 30 .085

Total 12.688 35

Kadar_Air

Duncana

Interaksi N

Subset for alpha = 0.05

1 2 3 4

Rastelo Matahari 6 7.1017 Rastelo+ Matahari 6 7.3367 Rastelo+ Kabinet

50oC 6 7.8733

Rastelo Oven 40oC 6 8.1683 8.1683

(19)

4. Hasil uji statistik warna beras analog dengan cara pengeringan

Lambda .045 310.025 b

2.000 29.000 .000 Hotelling's

Trace 21.381 310.025 b

2.000 29.000 .000 Roy's Largest

Root 21.381 310.025 b Jenis_Sampel Pillai's Trace .853 83.980b 2.000 29.000 .000

Wilks' a. Design: Intercept + Pengeringan + Jenis_Sampel + Pengeringan * Jenis_Sampel

b. Exact statistic

(20)

Tests of Between-Subjects Effects

Source

Dependent Variable

Type III Sum of

Squares df

Mean

Square F Sig. Corrected Model Red 1.065a 5 .213 22.952 .000

Yellow 3.168b 5 .634 21.398 .000 Intercept Red 2.947 1 2.947 317.635 .000 Yellow 11.674 1 11.674 394.231 .000 Pengeringan Red .051 2 .025 2.725 .082 Yellow .067 2 .034 1.135 .335 Jenis_Sampel Red .902 1 .902 97.275 .000 Yellow 2.834 1 2.834 95.694 .000 Pengeringan *

Jenis_Sampel

Red .112 2 .056 6.018 .006 Yellow .267 2 .134 4.512 .019 Error Red .278 30 .009

Yellow .888 30 .030 Total Red 4.290 36

Yellow 15.730 36 Corrected Total Red 1.343 35 Yellow 4.056 35 a. R Squared = .793 (Adjusted R Squared = .758)

b. R Squared = .781 (Adjusted R Squared = .745)

Red

Duncana,b

Pengeringan N

Subset 1 2 Matahari 12 .2417 Kabinet

(21)

Yellow

Duncana,b

Pengeringan N

Subset 1 Matahari 12 .5083 Oven 40oC 12 .6000 Kabinet

50oC 12 .6000

Sig. .228

Oneway

ANOVA

Sum of

Squares df

Mean

Square F Sig. Red Between

Groups 1.065 5 .213 22.952 .000 Within Groups .278 30 .009

Total 1.343 35 Yello

w

Between

Groups 3.168 5 .634 21.398 .000 Within Groups .888 30 .030

Total 4.056 35

Red

Duncana

Interaksi N

Subset for alpha = 0.05 1 2 3 Ratelo Oven 40oC 6 .1000

Rastelo Matahari 6 .1000 Ratelo Kabinet 50oC 6 .1833

Rastelo+ Matahari 6 .3833 Rastelo+ Kabinet

50oC 6 .3833

(22)

Means for groups in homogeneous subsets are displayed. Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 6.000.

4. Hasil uji statistik warna nasi dari beras analog dengan cara pengeringan

Trace 61.203 887.447 b

2.000 29.000 .000 Roy's Largest

(23)

Hotelling's

Trace 7.848 113.800 b

2.000 29.000 .000 Roy's Largest

Root 7.848 113.800 b

2.000 29.000 .000 Pengeringan *

Jenis_Sampel

Pillai's Trace .185 1.531 4.000 60.000 .205 Wilks' Lambda .821 1.503b 4.000 58.000 .213 Hotelling's

Trace .210 1.473 4.000 56.000 .223 Roy's Largest

Root .165 2.470 c

2.000 30.000 .102 c. R Squared = .757 (Adjusted R Squared = .717)

Red

Duncana,b

Pengeringan N

Subset 1 Oven 40oC 12 .6833 Matahari 12 .6917 Kabinet

50oC 12 .7250

Sig. .347

Yellow

Duncana,b

Pengeringan N

Subset 1 Kabinet

50oC 12 1.5417 Oven 40oC 12 1.6750 Matahari 12 1.9167

(24)
(25)

Rastelo+ Oven 40oC 6 2.3333 2.3333 Rastelo+ Matahari 6 2.8333

Sig. .953 .319 .067

Lampiran 3. Hasil Uji Proksimat Bahan Dasar atau Ubi Kayu Jenis Putih 1. Kadar Air

Batch Ulangan

Botol

Sampel Akhir = berat botol oven konstan - berat botol kosong Kadar air (%) = berat sampel − berat sampel akhir

berat sampel × 100%

(26)

2. Kadar Abu

Batch. Ulangan

Cawan kosong (g)

Cawan+ Sampel (g)

Sampel (g)

Cawan oven konstan (g)

Sampel akhir (g) B1.U1 20,3772 25,3788 5,0016 20,4174 0,0402 B1.U2 17,7864 22,7865 5,0001 17,8230 0,0366 B1.U3 20,9758 25,9765 5,0007 21,0128 0,0370 B2.U1 20,3772 25,3788 5,0016 20,4174 0,0402 B2.U2 17,7864 22,7865 5,0001 17,8230 0,0366 B2.U3 20,9758 25,9765 5,0007 21,0128 0,0370 Perhitungan :

Sampel = (berat cawan + sampel) – berat cawan kosong

Sampel akhir = berat cawan oven konstan – berat cawan kosng Kadar Abu (%) = berat sampel − berat sampel akhir

berat sampel × 100%

Kode sampel Perhitungan Rata-rata B1.U1 Kadar abu (%) = 5,0016 −0,0402

5,0016 × 100% = 0,80% 0,76%

B1.U2 Kadar abu (%) = 5,0001 −0,036

5,0001 × 100% = 0,73%

B1.U3 Kadar abu (%) = 5,0007 −0,0370

5,0007 × 100% = 0,74%

B2.U1 Kadar abu (%) = 5,0016 −0,0402

5,0016 × 100% = 0,80% 0,76%

B2.U2 Kadar abu (%) = 5,0001 −0,0366

5,0001 × 100% = 0,73%

B3.U3 Kadar abu (%) = 5,0007 −0,0370

5,0007 × 100% = 0,74%

(27)

3. Kadar Protein

Batch. Ulangan

Berat

sampel TIitrasi N

faktor

konversi N HCl B1.U1 0,0584 0,56 14,008 6,25 0,02 B1.U2 0,0544 0,58 14,008 6,25 0,02 B1.U3 0,0556 0,56 14,008 6,25 0,02 B2.U1 0,0517 0,60 14,008 6,25 0,02 B2.U2 0,0502 0,52 14,008 6,25 0,02 B2.U3 0,0522 0,54 14,008 6,25 0,02 Perhitungan :

% N = v titrasi x N HCl (0,02) x 14,008

𝐵𝑒𝑟𝑎𝑡 𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 1000 𝑥 100%

% Protein = %N x faktor konversi (6,25)

Kode sampel Perhitungan Rata-rata

B1.U1

%N = 0,56 x 0,2 x 14,008

0,0584 x 1000 × 100% = 0,2686 %

% Protein = 0,2686 x 6,25 = 1,6790%

1,7698%

B1.U2

%N = 0,58 x 0,2 x 14,008

0,0544 x 1000 × 100% = 0,2987%

% Protein = 0,2987 x 6,25 = 1,8669%

B1.U3

%N = 0,56 x 0,2 x 14,008

0,0556 x 1000 × 100% = 0,2822%

% Protein = 0,2822 x 6,25 = 1,7636%

B2.U1

%N = 0,60 x 0,2 x 14,008

0,0517 x 1000 × 100% = 0,3251%

% Protein = 0,3251 x 6,25 = 2,0321%

1,8858%

B2.U2

%N = 0,52 x 0,2 x 14,008

0,0502 x 1000 × 100% = 0,2902%

(28)

B3.U3

Sampel = (Berat kertas saring + sampel) – berat kertas saring Kadar lemak = (𝐵𝑒𝑟𝑎𝑡 𝑙𝑎𝑏𝑢+𝑠𝑎𝑚𝑝𝑒𝑙)−𝑏𝑒𝑟𝑎𝑡 𝑙𝑎𝑏𝑢 𝑘𝑜𝑠𝑜𝑛𝑔

𝑏𝑒𝑟𝑎𝑡 𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 100%

Kode sampel Perhitungan Rata-rata B1.U1 Kadar lemak = 33,6869−32,9368

1,0043 × 100% = 0,89% 0,85%

B1.U2 Kadar lemak = 37,8126−37,1400

1,0031 × 100% = 0,79%

B1.U3 Kadar lemak = 35,9224 − 35,1544

1,0027 × 100% = 0,86%

B2.U1 Kadar lemak = 35,3929− 34,7416

(29)

5. Kadar Pati

Batch. Ulangan

Berat Sampel

konsentrasi Faktor Pengencer B1.U1 10,0024 0,0417 125000 B1.U2 10,0024 0,0426 125000 B1.U3 10,0024 0,0421 125000 B2.U1 10,0024 0,0168 125000 B2.U2 10,0024 0,0172 125000 B2.U3 10,0024 0,0166 125000 Perhitungan :

Kadar pati = 𝑘𝑜𝑛𝑠𝑒𝑛𝑡𝑟𝑎𝑠𝑖 𝑥 𝐹𝑎𝑘𝑡𝑜𝑟 𝑃𝑒𝑛𝑔𝑒𝑛𝑐𝑒𝑟 𝑥 0,9

𝑏𝑒𝑟𝑎𝑡 𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 1000 𝑥 100%

Kode sampel Perhitungan Rata-rata B1.U1 Kadar pati = 0,0417 x 125000

Sampel konsentrasi

(30)

Perhitungan :

Kadar gula total = 𝑘𝑜𝑛𝑠𝑒𝑛𝑡𝑟𝑎𝑠𝑖 𝑥 𝐹𝑎𝑘𝑡𝑜𝑟 𝑃𝑒𝑛𝑔𝑒𝑛𝑐𝑒𝑟

𝑏𝑒𝑟𝑎𝑡 𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 1000 𝑥 100%

Kode sampel Perhitungan Rata-rata B1.U1 Gula total = 0,0245 x 8000

10,0001 x 1000× 100% = 1,96% 1,96%

B1.U2 Gula total = 0,0244 x 8000

10,0001 x 1000× 100% = 1,95%

B1.U3 Gula total = 0,0246 x 8000

10,0001 x 1000× 100% = 1,97%

B2.U1 Gula total = 0,0489 x 8000

10,0001 x 1000× 100% = 3,91% 3,92%

B2.U2 Gula total = 0,0491 x 8000

10,0001 x 1000× 100% = 3,93%

B3.U3 Gula total = 0,0490 x 8000

10,0001 x 1000× 100% = 3,92%

Rata-rata Kadar Gula Total (%) 2,94 %

7. Amilosa

Batch.

Ulangan konsentrasi B1.U1 0,0147

B1.U2 0,0147

B1.U3 0,0146

B2.U1 0,0162

B2.U2 0,0163

B2.U3 0,0166

Perhitungan : Amilosa =

100

5 ×1001 × 𝐾𝑜𝑛𝑠𝑒𝑛𝑡𝑟𝑎𝑠𝑖

(31)

Kode sampel Perhitungan Rata-rata

Rata-rata Amilosa (%) 31,03%

8. Amilopektin

Perhitungan :

Kadar Amilopektin = Kadar Pati – Kadar Amilosa Kadar Amilopektin = 33,18 – 31,03 = 2,15%

Berat residu yang tidak larut = Berat setelah dioven – Berat kertas Kadar Serat Kasar = 𝐵𝑒𝑟𝑎𝑡 𝑟𝑒𝑠𝑖𝑑𝑢 𝑦𝑎𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑙𝑎𝑟𝑢𝑡 − 𝐵𝑒𝑟𝑎𝑡 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑑𝑖𝑎𝑏𝑢

(32)

Kode sampel Perhitungan Rata-rata B1.U1 Serat kasar =23,1599−23,1538

0,8483 × 100% = 0,72% 0,70%

B1.U2 Serat kasar =23,4833−23,4772

0,8024 × 100% = 0,76%

B1.U3 Serat kasar = 23,1620−23,1568

0,8337 × 100% = 0,62%

B2.U1 Serat kasar = 23,0988−23,0969

0,8089 × 100% = 0,23% 0,55%

B2.U2 Serat kasar = 23,1117−23,1061

0,7582 × 100% = 0,74%

B3.U3 Serat kasar = 24,1247−24,1192

0,8297 × 100% = 0,66%

(33)

Lampiran . Hasil Uji Proksimat Beras Analog Oyek Tanpa Dan Dengan Kacang Hijau

1. Kadar Air

Perhitungan :

Sampel = (berat boto l+ sampel) – berat botol kosong

Sampel Akhir = berat botol oven konstan - berat botol kosong Kadar air (%) = berat sampel − berat sampel akhir

berat sampel × 100%

(34)

B2.U3 11,5175 12,5188 1,0013 12,4205 0,9030 9,82 Beras

analog oyek kc. Hijau 3 hari

B1.U1 12,8609 13,8683 1,0074 13,7768 0,9159 9,08 B1.U2 13,5745 14,5763 1,0018 14,4853 0,9108 9,08 B1.U3 13,4466 14,4497 1,0031 14,3655 0,9189 8,39 B2.U1 12,8595 13,8597 1,0002 13,7648 0,9053 9,49 B2.U2 13,5745 14,5752 1,0007 14,4800 0,9055 9,51 B2.U3 12,1149 13,115 1,0001 13,0172 0,9023 9,78 Beras

analog oyek kc. Hijau 4 hari

B1.U1 11,6064 12,609 1,0026 12,5204 0,9140 8,84 B1.U2 14,153 15,1545 1,0015 15,0632 0,9102 9,12 B1.U3 13,5844 14,585 1,0006 14,4933 0,9089 9,16 B2.U1 11,6062 12,6069 1,0007 12,5167 0,9105 9,01 B2.U2 14,1497 15,1503 1,0006 15,0616 0,9119 8,86 B2.U3 13,5829 14,583 1,0001 14,4932 0,9103 8,98 Beras

analog oyek kc. Hijau 5 hari

(35)
(36)

Referensi

Dokumen terkait

Dari perancangan dan pembuatan antena tersebut diharapkan dapat diaplikasikan untuk koneksi internet antar gedung yang relatif jauh pada jaringan Wireless Local

Informasi ini hanya terkait dengan bahan spesifik yang ditetapkan dan mungkin tidak berlaku untuk bahan tersebut bila digunakan bersama bahan. lain atau dalam proses apa pun,

Ketidak sesuaian yang bersifat minor bisa ditunda perbaikannya satu kali untuk paling lama dalam satu tahunfor a maximum apabila tindakan perbaikan secara menyeluruh

Oleh karena itu, ini manfaat pengembangan baik kode program pengguna, yang dapat bewritten untuk mengakses perangkat dan file dalam samemanner, dan perangkat sopir kode, yang

saksi korban langsung diantar oleh teman-teman saksi korban pulang kerumah, selanjutnya pada hari Kamis tanggal tidak ingat bulan September 2016 sekitar pukul 20.30 Wib

Dalam menjalankan tugas sehari-hari security memiliki uraian pekerjaan yang akan menuntun dan mengarahkan agar pekerjaan menjadi lancar dan terkendali sesuai peraturan

Sebaran ukuran panjang cangkang, tinggi, lebar, panjang hinge, jumlah garis pertumbuhan dan berat basah daging pensi di Sungai Batang Antokan lebih bervariasi jika

Pengembangan modul berbasis problem solving pada mata pelajaran kimia SMA pokok bahasan koloid diharapkan dapat membantu guru dalam membekali kemampuan pemecahan masalah pada