PENDUGAAN KOMPOSISI KIMIA
MODIFIED CASSAVA FLOUR (MOCAF) DENGAN
METODE NEAR INFRARED (NIR)
SAMUEL FERY PURBA
F14062021
DEPARTEMEN TEKNIK PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
ABSTRACT
Samuel Fery Purba. F14062021. Prediction of Chemical Compositions of Modified Cassava Flour (MOCAF) by Near Infrared (NIR) Method. Under direction of Dr. Ir. I Wayan Budiastra, M.Agr.
The objective of this study was to apply NIR method to analyze modified cassava flour (MOCAF) accurately, more simple, requiring no chemicals, and quickly predict the chemical compositions (moisture, ash, pH, amylose contents). The wavelength ranges to predicting MOCAF chemical compositions, from 1000 to 2500 nm (4000-10000 cm-1 at intervals of 4 cm-1). Prediction results represent the reflectance data (R) of 70 samples with 1500 wavelength data, whereas the absorbance data (A) was obtained with transformation log (1/R). Calibration method which used in this study are principal component regression (PCR) and partial least squares (PLS). Data treatment on the reflectance and absorbance spectrum curve estimation MOCAF chemical compositions, among others: smooth average 3 points, second derivative Savitzky-Golay 9 points, and combination both of them. A number of 70 MOCAF were used as samples. Samples were divided into two phases: ± 45 samples (2/3 of total samples) for developing calibration equation and ± 25 samples (1/3 of total samples) for performing validation. NIR data analysis result shows that PLS method with NIR reflectance data and the smooth average 3 points is the best method of calibration and data treatment to predicting moisture contents of MOCAF. Prediction of ash, pH, and amylose contents of MOCAF best obtained with the PLS method, the NIR absorbance data, and combination data treatment of smooth average 3 points and second derivative Savitzky-Golay 9 points. The standard error of prediction (SEP) and coefficient of variability (CV) respectively were 0.49% and 4.2% for moisture contents; 0.02% and 2.8% for ash contents; 0.02 and 0.4% for pH contents; and 0.39% and 1.3% for amylose contents.
RINGKASAN
Samuel Fery Purba. F14062021. Pendugaan Komposisi Kimia Modified Cassava Flour (MOCAF) dengan Metode Near Infrared (NIR). Dibimbing oleh Dr. Ir. I Wayan Budiastra, M.Agr.
Modified cassava flour (MOCAF) adalah salah satu jenis tepung-tepungan yang merupakan produk turunan dari tepung singkong yang menggunakan prinsip modifikasi sel singkong secara fermentasi. MOCAF merupakan salah satu komoditi pangan lokal yang diharapkan dapat menyukseskan program diversifikasi pangan untuk mengurangi ketergantungan terhadap tepung terigu di Indonesia. Penggunaan MOCAF sebagai pensubstitusi tepung terigu sudah banyak dilakukan. MOCAF dapat digunakan sebagai bahan baku dari berbagai jenis makanan, mulai dari mie, bakery, cookies, hingga makanan semi basah.
Pada umumnya untuk mengetahui komposisi kimia bahan dilakukan dengan cara analisis kimiawi laboratorium dengan metode konvensional, namun hal tersebut cukup rumit, memerlukan waktu analisis yang cukup lama, mahal, dan membutuhkan tenaga ahli intensif disamping membutuhkan ruangan yang luas sebagai laboratorium. Kendala dalam metode konvensional tersebut dapat diatasi dengan metode near infrared (NIR) yang bersifat non destruktif dan akurat. Metode NIR dapat menganalisis komposisi kimia dari bahan pangan, produk hortikultura, dan pakan ternak dalam waktu yang cepat, teliti, lebih sederhana, tidak membutuhkan bahan-bahan kimia, dan ekonomis. Tujuan umum dari penelitian adalah untuk menduga komposisi kimia (kadar air, abu, amilosa, dan pH) MOCAF dengan metode NIR.
NIR merupakan bagian dari spektrum gelombang elektromagnetik dengan panjang gelombang antara 700 – 2500 nm (Dryden, 2003). Selain itu daerah infra merah dekat memiliki energi yang relatif rendah dan stabil, dalam interaksi terhadap molekul-molekul (CH, OH, CN, dan NH) hanya akan menimbulkan getaran (vibrasi) ikatan inter-atomic (Osborne et al., 1993). Radiasi NIR yang dipantulkan dari MOCAF dapat digunakan untuk menduga komposisi kimia seperti kadar air, kadar abu, pH, dan kadar amilosa MOCAF, data yang diperoleh dimasukkan dalam metode kalibrasi. Jumlah dari radiasi pantulan sampel dijadikan sebagai data reflektan (R) MOCAF. Nilainya diekspresikan sebagai log (1/R), yang memberi nilai tinggi pada level tinggi absorban. Terdapat hubungan yang linier antara log (1/R) dan konsentrasi komposisi yang diserap.
Bahan yang digunakan dalam penelitian ini adalah modified cassava flour (MOCAF) yang diperoleh dari distributor PT. Tiga Pilar Sejahtera (TPS) Agro, Tebet, Jakarta Selatan, yang merupakan produksi dari Koperasi Loh Jinawi, Trenggalek, Jawa Timur. MOCAF yang digunakan memiliki tingkat kadar air 10-13%, kadar abu 0.6 – 1.0%, pH 4.6 – 5.0, dan kadar amilosa 27 – 32%. Alat yang digunakan pada penelitian ini antara lain NIRFlex Fiber Optic Solids Tipe N-500 Merk BUCHI dan seperangkat komputer yang telah diinstal dengan software bawaan, seperti: NIRWare Operator, NIRWare Management Console, dan NIRCal 5. Pengukuran kadar air dan abu MOCAF referensi dilakukan uji kimiawi proksimat berdasarkan SNI 01-3751-2006. Pengukuran pH MOCAF referensi dilakukan dengan menggunakan alat pH-meter, sedangkan kadar amilosa
dilakukan dengan analisis kimiawi laboratorium serta dibantu dengan alat spektrofotometer. Pengukuran pH dan kadar amilosa ditentukan berdasarkan prosedur Apriyantono et al. (1989).
Jumlah sampel penelitian ini adalah 70 sampel MOCAF. Sebanyak 2/3 dari jumlah sampel digunakan untuk tahap kalibrasi. Sedangkan tahap validasi menggunakan 1/3 dari jumlah sampel. Metode kalibrasi yang digunakan adalah principal component regression (PCR) dan partial least squares (PLS). Perlakuan data (treatment data) pada kurva spektrum reflektan dan absorban NIR pendugaan komposisi kimia MOCAF, antara lain: penghalusan rataan setiap 3 titik, derivatif kedua Savitzky-Golay setiap 9 titik, dan kombinasi kedua perlakuan data tersebut. Kisaran panjang gelombang untuk pendugaan kadar air, abu, pH, dan amilosa MOCAF antara 1000 – 2500 nm (4000 – 10000 cm-1 dengan interval 4 cm-1).
Berdasarkan analisis yang telah dilakukan, bahwa kurva spektrum absorban (penyerapan) NIR MOCAF terdapat hubungan yang linier dengan komposisi kimia yang diserap. Komposisi kimia MOCAF menyerap pada panjang gelombang NIR, antara lain: 2280 – 2320 nm untuk penyerapan kadar amilosa; 1940 nm dan 1200 nm untuk penyerapan kadar air; 1440 – 1590 nm untuk penyerapan pH; dan 1000 nm dan 1180 nm untuk penyerapan kadar abu.
Metode kalibrasi dan perlakuan data dapat dikatakan terbaik, apabila diperoleh nilai standar error (SEP) dan koefisien keragaman (CV) pada tahap validasi lebih rendah daripada tahap kalibrasi dan juga berada dibawah selang ideal yang diijinkan. Metode PLS dengan data reflektan NIR dan perlakuan data berupa penghalusan rataan setiap 3 titik adalah metode kalibrasi dan perlakuan data yang terbaik untuk pendugaan kadar air MOCAF dengan standar error validasi (SEP) sebesar 0.49% dan koefisien keragaman (CV) sebesar 4.2%.
Pendugaan kadar abu, pH, dan kadar amilosa MOCAF paling baik diperoleh dengan metode PLS, data absorban NIR, dan perlakuan data berupa kombinasi antara penghalusan rataan setiap 3 titik dan derivatif kedua Savitzky-Golay setiap 9 titik. Nilai standar error validasi (SEP) dan koefisien keragaman (CV) berturut-turut adalah 0.02% dan 2.8% untuk pendugaan kadar abu; 0.02 dan 0.4% untuk pendugaan pH; dan 0.39% dan 1.3% untuk pendugaan kadar amilosa.
Agar hasil pendugaan komposisi kimia MOCAF metode NIR lebih akurat mendekati hasil analisis kimiawi laboratorium maka sebaiknya menggunakan NIRFlex Solid 500 dengan cawan petri daripada NIRFlex Fiber Optic Solids N-500. Diperlukan penelitian lebih lanjut dengan metode kalibrasi yang lebih akurat dan dapat memfasilitasi hubungan yang tidak linier untuk jumlah data yang cukup besar seperti penggunaan jaringan syaraf tiruan (JST).
Kata kunci: NIR, MOCAF, kadar air, kadar abu, pH, kadar amilosa, PCR, PLS, reflektan, dan absorban.
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa skripsi dengan judul “Pendugaan Komposisi Kimia Modified Cassava Flour (MOCAF) dengan Metode Near Infrared (NIR)” adalah karya saya dengan arahan dari dosen 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 skripsi ini.
Bogor, Juni 2010
Samuel Fery Purba NRP. F14062021
© Hak cipta milik IPB, tahun 2010
Hak Cipta dilindungi
1. Dilarang mengutip sebagian atau seluruhnya karya tulis ini tanpa mencantumkan atau menyebutkan sumber.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah. Penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar Institut Pertanian Bogor.
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruhnya dalam bentuk apa pun, baik cetak, fotokopi, mikrofilm, dan sebagainya, tanpa izin tertulis dari Institut Pertanian Bogor.
PENDUGAAN KOMPOSISI KIMIA
MODIFIED CASSAVA FLOUR (MOCAF) DENGAN
METODE NEAR INFRARED (NIR)
SAMUEL FERY PURBA
F14062021
SKRIPSI
sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
DEPARTEMEN TEKNIK PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
Judul Skripsi : Pendugaan Komposisi Kimia Modified Cassava Flour (MOCAF) dengan Metode Near Infrared (NIR)
Nama : Samuel Fery Purba NIM : F14062021
Bogor, Juni 2010 Disetujui
Dosen Pembimbing Akademik
Dr. Ir. I Wayan Budiastra, M.Agr NIP. 19611019 198601 1 002
Diketahui
Ketua Departmen Teknik Pertanian
Dr. Ir. Desrial, M.Eng NIP. 19661201 199103 1 004
DAFTAR ISI
Halaman
DAFTAR ISI ... i
DAFTAR TABEL ... iii
DAFTAR GAMBAR ... vi DAFTAR LAMPIRAN ... ix KETERANGAN SIMBOL ... xi I. PENDAHULUAN ... 1 A. Latar Belakang ... 1 B. Tujuan Penelitian ... 4 C. Manfaat Penelitian ... 4
II. TINJAUAN PUSTAKA ... . 5
A. Metode Near Infrared (NIR) ... 5
1. Teori metode near infrared ... 5
2. Aplikasi metode near infrared (NIR) ... 7
B. Kalibrasi dan Validasi ... 10
C. Metode Kalibrasi Multivariatif ... 12
1. Metode PrincipalComponentRegression (PCR) ... 13
2. Metode Partial Least Squares (PLS) ... 14
D. Tepung Singkong ... 15
E. Modified Cassava Flour (MOCAF) ... 17
F. Pati, Amilosa, dan Amilopektin ... 22
III. METODOLOGI PENELITIAN ... 24
A. Tempat dan Waktu Penelitian ... 24
B. Bahan dan Alat Penelitian ... 24
1. Bahan Penelitian ... 24
2. Alat Penelitian ... 25
C. Metode Penelitian ... 29
1. Persiapan Sampel Penelitian ... 29
2. Persiapan Instrumen NIR ... 29
3. Pengukuran Pantulan Spektrum NIR ... 29
4. Pengukuran Absorban Spektrum NIR ... 30
a. Penentuan kadar air (SNI 01-3751-2006) ... 32
b. Penentuan kadar abu (SNI 01-3751-2006) ... 32
c. Penentuan pH (Apriyantono et al., 1989) ... 33
d. Penentuan kadar amilosa (Apriyantono et al., 1989) ... 34
6. Analisis Data Penelitian ... 35
a. Kalibrasi ... 36
b. Validasi ... 37
c. Data treatment ... 39
IV. HASIL DAN PEMBAHASAN ... 41
A. Reflektan Near Infrared Modified Cassava Flour (MOCAF) ... 41
B. Absorban Near Infrared Modified Cassava Flour (MOCAF) ... 44
C. Analisis Data Kimiawi Laboratorium dengan Metode Konvensional pada Komposisi Kimia Modified Cassava Flour (MOCAF) ... 49
D. Analisis DataNear Infrared Modified Cassava Flour (MOCAF) .... 51
1. Metode Principal Component Regression(PCR) ... 52
a. Data reflektan MOCAF ... 52
b. Data absorban MOCAF ... 61
2. Metode Partial Least Squares (PLS) ... 71
a. Data reflektan MOCAF ... 72
b. Data absorban MOCAF ... 81
V. SIMPULAN DAN SARAN ... 101
A. Simpulan ... 101
B. Saran ... .. 102
DAFTAR PUSTAKA ... 103
DAFTAR TABEL
Halaman
1 Syarat mutu tepung singkong menurut SNI 01-2997-1992 ... 15 2 Produk tepung singkong di beberapa Negara ... 16 3 Perbedaan komposisi kimia MOCAF dengan tepung singkong ... 17 4 Spesifikasi modified cassava flour (MOCAF) yang diproduksi oleh
Koperasi Loh Jinawi Trenggalek ... 21 5 Syarat mutu edible cassava flour dalam CODEX STAN 176-1989
(Rev. 1-1995) ... 21 6 Data statistik 70 sampel MOCAF hasil analisis kimiawi laboratorium . 51 7 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air
berdasarkan reflektan dengan berbagai perlakuan data pada metode
principal component regression (PCR) ... 53 8 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar abu
berdasarkan reflektan dengan berbagai perlakuan data pada metode
principal component regression (PCR) ... 55 9 Hasil analisis data tahap kalibrasi dan validasi pendugaan pH
berdasarkan reflektan dengan berbagai perlakuan data pada metode
principal component regression (PCR) ... 58 10 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar
amilosa berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression (PCR) ... 60 11 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air
berdasarkan absorban dengan berbagai perlakuan data pada metode
principal component regression (PCR) ... 62 12 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar abu
berdasarkan absorban dengan berbagai perlakuan data pada metode
principal component regression (PCR) ... 65 13 Hasil analisis data tahap kalibrasi dan validasi pendugaan pH
berdasarkan absorban dengan berbagai perlakuan data pada metode
14 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar amilosa berdasarkan absorban dengan berbagai perlakuan data pada metode principal component regression (PCR) ... 69 15 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air
berdasarkan reflektan dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 72 16 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar abu
berdasarkan reflektan dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 75 17 Hasil analisis data tahap kalibrasi dan validasi pendugaan pH
berdasarkan reflektan dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 77 18 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar
amilosa berdasarkan reflektan dengan berbagai perlakuan data pada metode partial least squares (PLS) ... 79 19 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air
berdasarkan absorban dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 82 20 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar abu
berdasarkan absorban dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 84 21 Hasil analisis data tahap kalibrasi dan validasi pendugaan pH
berdasarkan absorban dengan berbagai perlakuan data pada metode
partial least squares (PLS) ... 86 22 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar
amilosa berdasarkan absorban dengan berbagai perlakuan data pada metode partial least squares (PLS) ... 89 23 Perbandingan hasil kalibrasi dan validasi kadar air dengan perlakuan
data terbaik pada data reflektan dan absorban menggunakan metode PCR ... 93 24 Perbandingan hasil kalibrasi dan validasi kadar air dengan perlakuan
data terbaik pada data reflektan dan absorban menggunakan metode PLS ... 93 25 Perbandingan hasil kalibrasi dan validasi kadar abu dengan perlakuan
data terbaik pada data reflektan dan absorban menggunakan metode PCR ... 93
26 Perbandingan hasil kalibrasi dan validasi kadar abu dengan perlakuan data terbaik pada data reflektan dan absorban menggunakan metode PLS ... 93 27 Perbandingan hasil kalibrasi dan validasi pH dengan perlakuan data
terbaik pada data reflektan dan absorban menggunakan metode PCR .. 94 28 Perbandingan hasil kalibrasi dan validasi pH dengan perlakuan data
terbaik pada data reflektan dan absorban menggunakan metode PLS .. 94 29 Perbandingan hasil kalibrasi dan validasi kadar amilosa dengan
perlakuan data terbaik pada data reflektan dan absorban menggunakan metode PCR ... 94 30 Perbandingan hasil kalibrasi dan validasi kadar amilosa dengan
perlakuan data terbaik pada data reflektan dan absorban menggunakan metode PLS ... 94
DAFTAR GAMBAR
Halaman
1 Diagram penampakkan specular (a) diffuse, (b) reflectances, dan (c)
absorption radiasi near infrared dari sebuah sampel(Dryden, 2003) .. 6 2 Modified cassava flour (MOCAF) dalam bentuk kemasan plastik
dengan berat 100 gram dan 500 gram (Munthe, 2008) ... 17 3 Diagram alir proses pengolahan singkong menjadi chips kering
(Subagio et al., 2008) ... 19 4 Diagram alir proses pengolahan chips kering menjadi MOCAF di
pabrik induk (Subagio et al., 2008) ... 20 5 Struktur amilosa (Chaplin, 2006) ... 23 6 SampelMOCAFyang akan digunakan dalam pendugaan komposisi
kimia dengan NIRFlex Fiber OpticSolids N-500 ... 24 7 Perangkat NIRFlex Fiber Optic Solids N-500 merk BUCHI ... 25 8 Prinsip fungsional dari alat NIRFlex Fiber Optic Solids N-500 yang
digunakan dalam penelitian (Anonima, 2008) ... 27 9 Proses pengukuran komposisi kimia MOCAF dengan NIRFlex Fiber
Optic Solids N-500 ... 30 10 Diagram alir pelaksanaan penelitian pendugaan komposisi kimia
MOCAF dengan metode NIR ... 31 11 Kurva spektrum reflektan (R) NIR pada 70 sampel MOCAF ... 41 12 Kurva spektrum reflektan NIRMOCAF dengan kombinasi perlakuan
data antara penghalusan rataan setiap 3 titik dan derivatif kedua
Savitzky-Golaysetiap 9 titik ... 42 13 Kurva spektrum reflektan NIRMOCAF dengan perlakuan data
penghalusan rataan setiap 3 titik ... 43 14 Kurva sepektrum absorban (log (1/R)) NIR pada 70 sampel MOCAF . 45 15 Kurva spektrum absorban NIRMOCAF dengan perlakuan data
16 Kurva spektrum absorban NIRMOCAF dengan perlakuan data yaitu
penghalusan rataan setiap 3 titik ... 48 17 Kurva spektrum absorban NIRMOCAF dengan perlakuan data yaitu
kombinasi antara penghalusan rataan setiap 3 titikdan derivatif kedua Savitzky-Golaysetiap 9 titik ... 48 18 Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar
air referensi hasil analisis proksimat pada tahap kalibrasi 40 sampel dengan metode PCR dan kombinasi dari kedua perlakuan data ... 54 19 Grafik perbandingan kadar abu dugaan data reflektan NIR dengan kadar
abu referensi hasil analisis proksimat pada tahap kalibrasi 45 sampel
dengan metode PCR dan kombinasi dari kedua perlakuan data ... 56 20 Grafik perbandingan pH dugaan data reflektan NIR dengan pH
referensi hasil pengukuran pH-meter pada tahap kalibrasi 40 sampel dengan metode PCR dan kombinasi dari kedua perlakuan data ... 58 21 Grafik perbandingan kadar amilosa dugaan data reflektan NIR dengan
kadar amilosa referensi hasil analisis kimiawi pada tahap kalibrasi 44 sampel dengan metode PCR dan kombinasi dari kedua perlakuan data 60 22 Grafik perbandingan kadar air dugaan data absorban NIR dengan
kadar air referensi hasil analisis proksimat pada tahap kalibrasi 45 sampel dengan metode PCR dan perlakuan data berupa derivatif kedua Savitzky-Golay ... 63 23 Grafik perbandingan kadar abu dugaan data absorban NIR dengan
kadar abu referensi hasil analisis proksimat pada tahap kalibrasi 44 sampel dengan metoda PCR dan perlakuan data berupa derivatif kedua Savitzky-Golay ... 65 24 Grafik perbandingan pH dugaan data absorban NIR dengan pH
referensi hasil pengukuran pH-meter pada tahap kalibrasi 44 sampel dengan metode PCR dan kombinasi dari kedua perlakuan data ... 68 25 Grafik perbandingan kadar amilosa dugaan data absorban NIR dengan
kadar amilosa referensi hasil analisis kimiawi pada tahap kalibrasi 45 sampel dengan metode PCR dan perlakuan data berupa penghalusan rataan setiap 3 titik ... 70 26 Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar
air referensi hasil analisis proksimat pada tahap kalibrasi 43 sampel dengan metode PLS dan perlakuan data berupa penghalusan rataan setiap 3 titik ... 73
27 Grafik perbandingan kadar abu dugaan data reflektan NIR dengan kadar abu referensi hasil analisis proksimat pada tahap kalibrasi 44 sampel dengan metode PLSR dan kombinasi dari kedua perlakuan data ... 75 28 Grafik perbandingan pH dugaan data reflektan NIR dengan pH
referensi hasil pengukuran pH-meter pada tahap kalibrasi 43 sampel dengan metode PLS dan kombinasi dari kedua perlakuan data ... 78 29 Grafik perbandingan kadar amilosa dugaan data reflektan NIR dengan
kadar amilosa referensi hasil analisis kimiawi pada tahap kalibrasi 45 sampel dengan metode PLS dan kombinasi dari kedua perlakuan data . 80 30 Grafik perbandingan kadar air dugaan data absorban NIR dengan kadar
air referensi hasil analisis proksimat pada tahap kalibrasi 43 sampel dengan metode PLS dan kombinasi dari kedua perlakuan data ... 82 31 Grafik perbandingan kadar abu dugaan data absorban NIR dengan
kadar abu referensi hasil analisis proksimat pada tahap kalibrasi 44 sampel dengan metoda PLS dan kombinasi dari kedua perlakuan data 85 32 Grafik perbandingan pH dugaan data absorban NIR dengan pH
referensi hasil pengukuran pH-meter pada tahap kalibrasi 44 sampel dengan metode PLS dan kombinasi dari kedua perlakuan data ... 87 33 Grafik perbandingan kadar amilosa dugaan data absorban NIR dengan
kadar amilosa referensi hasil analisis kimiawi pada tahap kalibrasi 47 sampel dengan metode PLS dan kombinasi dari kedua perlakuan data . 89
DAFTAR LAMPIRAN
Halaman
1 Data hasil kimia pengukuran kadar air sampel modified cassava flour
dengan menggunakan analisis proksimat laboratorium ... 108 2 Data hasil kimia pengukuran kadar abu sampel modified cassava flour
dengan menggunakan analisis proksimat laboratorium ... 111 3 Data hasil kimia pengukuran pH sampel modified cassava flour
dengan menggunakan pH-meter ... 114 4 Data pengukuran dan kurva hubungan konsentrasi standar kadar
amilosa MOCAF dengan menggunakan analisis kimiawi laboratorium . 116 5 Data hasil kimia pengukuran kadar amilosa sampel modified cassava
flour (MOCAF) dengan menggunakan analisis kimiawi laboratorium .. 117 6 Data statistik komposisi kimia MOCAF hasil analisis kimiawi
laboratorium dengan metode konvensional pada tahap kalibrasi dan validasi untuk masukan data reflektan dan absorban NIR menggunakan metode principal component regression (PCR) dan
perlakuan data terbaik ... 119 7 Data statistik komposisi kimia MOCAF hasil analisis kimiawi
laboratorium dengan metode konvensional pada tahap kalibrasi dan validasi untuk masukan data reflektan dan absorban NIR menggunakan
partial least squares (PLS) dan perlakuan data terbaik ... 120 8 Data perbandingan kadar air hasil analisis proksimat laboratorium
terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi menggunakan data reflektan dan absorban dengan perlakuan data terbaik pada metode principal component regression (PCR) dan partial least squares regression (PLSR) ... 121 9 Data perbandingan kadar abu hasil analisis proksimat laboratorium
terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi dengan menggunakan data reflektan dan absorban dengan perlakuan data terbaik pada metode principal component regression (PCR) dan partial least squares regression (PLSR) ... 123
10 Data perbandingan pH hasil pengukuran pH-meter laboratorium terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi dengan menggunakan data reflektan dan absorban dengan perlakuan data terbaik pada metode principal component regression (PCR) dan partial least squares regression (PLSR) ... 125 11 Data perbandingan kadar amilosa hasil analisis kimiawi laboratorium
terhadap hasil dugaan NIR pada tahap kalibrasi dan validasi dengan menggunakan data reflektan dan absorban dengan perlakuan data terbaik pada metode principal component regression (PCR)dan partial least squares (PLSR) ... 127 12 Contoh output program NIRCal 5 (software bawaan dari NIRFlex Tipe
N-500 Merk BUCHI) pada pendugaan kadar air MOCAF dengan data reflektan pada metode principal component regression (PCR) ... 129 13 Diagram alir dari tahap kalibrasi dengan menggunakan software
bawaan NIRFlex N-500 yaitu NIRCal 5 (Anonimb, 2008) ... 135 14 Tampilan software NIRFlex N-500 merk BUCHI ... 136
KETERANGAN SIMBOL
A : Nilai absorban atau penyerapan (transformasi Log (1/R))
CV : Koefesien keragaman
Maks : Nilai maksimum dari suatu data
Mean : Nilai rata-rata dari suatu data
Min : Nilai minimum dari suatu data
n : Jumlah sampel
NIR : Near infrared (Infra merah dekat)
PCR : Metode regresi komponen utama (pricipal component regression)
PLS : Metode regresi kuadrat terkecil parsial (partial least squares)
R : 1. Koefesien korelasi
2. Nilai reflektan atau pantulan
R2 : Koefesien determinasi SD : Standar deviasi
SEC : Standar error kalibrasi
SEP : Standar error validasi
Y : Komposisi kimia dengan uji kimia
YNIR : Komposisi kimia dugaan NIR
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena berkat bimbingan dan penyertaan-Nya jualah sehingga skripsi ini berhasil diselesaikan. Judul skripsi yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2010 ini ialah “Pendugaan Komposisi Kimia Modified Cassava Flour (MOCAF) dengan Metode Near Infrared (NIR)”. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian (S.TP) pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor.
Skripsi ini merupakan suatu penelitian menggunakan metode near infrared (NIR) dalam menduga komposisi kimia pada modified cassava flour (MOCAF) dengan metode kalibrasi multivariatif. Topik penelitian ini dipilih karena saat ini banyak diperlukan metode-metode pendugaan komposisi kimia secara non-destruktif dengan tingkat kecepatan, keakuratan dan konsistensi yang tinggi, serta didasarkan bahwa di Indonesia saat ini masih banyak menggunakan metode-metode pendugaan komposisi kimia secara destruktif (metode-metode konvensional) dalam menentukan komposisi kimia modified cassava flour (MOCAF).
Pada kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bapak Dr. Ir. I Wayan Budiastra, M.Agr selaku dosen pembimbing yang telah membimbing dan memberikan saran, kritik, arahan serta perhatian kepada penulis mulai dari penyusunan proposal usulan penelitian, pelaksanaan penelitian hingga penulisan skripsi.
2. Bapak Dr. Ir. Usman Ahmad, M.Agr selaku dosen penguji yang telah memberikan saran, kritik, serta arahan kepada penulis dalam melakukan penulisan skripsi.
3. Bapak Dr. Ir. Lilik Pujantoro Eko Nugroho, M.Agr selaku dosen penguji yang telah memberikan saran, kritik, serta arahan kepada penulis dalam melakukan penulisan skripsi.
4. Bapak Sulayaden (Teknisi Lab. TPPHP) dan Bapak Ahmad (Teknisi Lab. LBP) yang telah banyak memberikan bantuan dan saran kepada penulis selama penelitian.
5. Ayahanda Jaresman Purba, Ibunda Lamsihar Simanulang, serta Abangku Hermawanto Purba, atas segala doa, motivasi, dan kasih sayangnya sehingga penulis dapat menyelesaikan skripsi ini.
6. Teman-teman Departemen Teknik Pertanian angkatan 2006 (TEP 43), khususnya: Defra, Mery, Indun, Arif, Doli, Eni, Yofa, Daniel, dan Nurhudaya yang telah memberikan saran dan membantu penulis selama penelitian dan penulisan skripsi.
7. Teman-teman Komisi Literatur, Persekutuan Mahasiswa Kristen, IPB (KOMLITE PMK IPB) angkatan 41, 42, 43, 44, dan 45 yang selalu memberikan perhatian, dukungan, pertemanan, semangat dan doa kepada penulis dalam menyelesaikan skripsi.
8. Teman-teman Tingkat Persiapan Bersama angkatan 2006 (TPB 43) kelas A17 dan A18, khususnya: Martha, Daniel, Conny, Christina, Firki, Yori, Molly, Dansia, Karno atas segala perhatian, dukungan, persahabatan, semangat dan doa kepada penulis mulai dari awal masa perkuliahan di TPB hingga penyelesaian penulisan skripsi.
Penulis menyadari dalam penulisan skripsi ini masih terdapat kekurangan dan masih jauh dari kesempurnaan, dikarenakan keterbatasan kemampuan dan pengetahuan penulis. Oleh karena itu, penulis sangat mengharapkan saran dan kritik yang bersifat membangun dari semua pihak untuk penyempurnaan dan perbaikan skripsi ini.
Penulis berharap skripsi ini dapat bermanfaat bagi kita semua.
Bogor, Juni 2010
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 31 Juli 1989 merupakan putra kedua dari dua bersaudara, dari Ayah Jaresman Purba dan Ibu Lamsihar Simanulang. Penulis menyelesaikan pendidikan dasar di SDN 2 Setia Mekar pada tahun 2000, pendidikan menengah pertama di SLTPN 1 Tambun pada tahun 2003, dan juga pendidikan menengah atas di SMUN 1 Tambun Selatan pada tahun 2006. Pada tahun 2006, penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Kemudian tahun 2007, Penulis di terima di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor melalui sistem Mayor-Minor.
Selama mengikuti perkuliahan, penulis aktif dalam organisasi kemahasiswaan, diantaranya menjadi anggota dan bendahara Komisi Literatur, Persekutuan Mahasiswa Kristen (KOMLITE-PMK) , anggota Ikatan Mahasiswa Teknik Pertanian (IMATETANI), dan anggota Himpunan Mahasiswa Teknik Pertanian (HIMATETA). Penulis juga memiliki beberapa prestasi selama masa perkuliahan, antara lain: penerima hibah Program Kreatifitas Mahasiswa bidang Kewirausahaan (PKM-K) dari DIKTI pada tahun 2008 dan 2009 serta menjadi finalis mahasiswa berprestasi Departemen Teknik Pertanian pada tahun 2010.
Selain mengikuti perkuliahan dan aktif dalam organisasi, penulis menjadi asisten dosen M.K. Statika dan Dinamika (T.A. 2008/2009), asisten praktikum M.K. Mekanika Fluida (T.A. 2008/2009 dan 2009/2010), M.K. Praktikum Terpadu Mekanika dan Bahan Teknik (T.A. 2008/2009 dan 2009/2010), M.K. Lingkungan dan Bangunan Pertanian (T.A. 2009/2010), M.K. Teknik Mesin dan Budidaya Pertanian (T.A. 2009/2010), dan juga M.K. Termodinamika dan Pindah Panas (T.A. 2009/2010).
Pada bulan Juli sampai Agustus 2009, penulis telah melaksanakan praktek lapangan di PTP Nusantara IV, Sumatera Utara dengan judul “Mempelajari Aspek Keteknikan Pertanian pada Proses Pengolahan Kelapa Sawit di PTP Nusantara IV Unit Usaha Kebun Bah Jambi, Simalungun, Sumatera Utara”.
I. PENDAHULUAN
A. Latar Belakang
Kebutuhan konsumsi tepung terigu di Indonesia semakin meningkat tiap tahunnya. Tercatat sejak tahun 2004, konsumsi tepung terigu mencapai 3.334.108 ton dengan tingkat pertumbuhan mencapai 6%. Dengan angka pertumbuhan ini, maka pada tahun 2007 kebutuhan tepung terigu akan meningkat sampai 3.700.000 ton (Anonimd, 2009). Pada bulan Desember 2007, harga tepung terigu naik secara bertahap dan mencapai kenaikan sekitar 30% (Anonimg, 2010).
Program diversifikasi pangan berbasis pangan lokal yang saat ini sedang digalakkan oleh pemerintah, bertujuan untuk mengurangi ketergantungan masyarakat Indonesia terhadap tepung terigu yang telah mengalami kenaikan harga. Saat ini, banyak sumber daya lokal yang sudah mulai dikembangkan untuk menggantikan tepung terigu, salah satunya adalah modified cassava flour yang disebut juga MOCAF / MOCAL.
MOCAF merupakan produk turunan dari tepung singkong yang menggunakan prinsip modifikasi sel singkong secara fermentasi selama 12 – 72 jam (Subagio et al., 2008). Penggunaan MOCAF sebagai pensubstitusi tepung terigu sudah banyak dilakukan. MOCAF dapat digunakan sebagai bahan baku dari berbagai jenis produk makanan, mulai dari mie, bakery, cookies, makanan semi basah dan campuran produk lain berbahan baku tepung terigu, dengan karakteristik produk yang dihasilkan tidak jauh berbeda dengan penggunaan tepung terigu (Anonime, 2009). Penggunaan MOCAF lebih baik dibandingkan dengan tepung terigu, karena MOCAF memiliki kadar serat yang tinggi dan kadar gula jauh lebih rendah daripada tepung terigu serta tidak mengandung glutein sehingga baik untuk dikonsumsi oleh penderita autis.
Produksi MOCAF saat ini terus meningkat karena teknologinya yang sederhana dan bernilai ekonomis. Harga MOCAF di pasar lokal berkisar antara Rp 3.500,00 – Rp 4.500,00 per kg, jauh lebih murah dibanding dengan harga tepung terigu yaitu berkisar Rp 7635,00 per kg, sehingga biaya pembuatan produk dapat lebih rendah (Anonimg, 2010). Pengembangan MOCAF diharapkan akan dapat mengurangi ketergantungan terhadap tepung terigu. Kementrian Negara
Koperasi dan UKM menargetkan peningkatan produksi MOCAF mencapai 2 (dua) juta ton pada tahun 2012, sekaligus menggantikan sekitar 30% kebutuhan tepung terigu nasional (Munthe, 2008).
Kualitas MOCAF ditentukan oleh sifat fisik dan kimia. Sifat fisik yang menentukan kualitas MOCAF adalah warna, aroma, rasa, dan derajat keputihan. Sedangkan sifat kimia yang menentukan kualitas MOCAF adalah kadar air, abu, serat, protein, lemak, pH, pati, amilosa, dan amilopektin.
Metode-metode konvensional untuk menentukan komposisi kimia, seperti kadar air, kadar abu, pH, dan kadar amilosa pada bahan pangan seperti MOCAF membutuhkan biaya yang mahal, tenaga laboratorium yang ahli, dan waktu yang cukup lama untuk menganalisis. Penentuan kadar air menggunakan metode
thermogravitimetri yang berdasarkan SNI 01-3751-2006, membutuhkan proses pengeringan dalam oven pada suhu 130ºC selama 1 - 2 jam (DSN, 2006). Penentuan kadar abu menggunakan metode yang berdasarkan SNI 01-3751-2006, membutuhkan proses pengabuan dalam tanur listrik dilakukan pada suhu 550ºC selama 6 (enam) jam (DSN, 2006). Pada penentuan pH membutuhkan alat ukur pH-meter, buffer 4.0 dan 7.0 serta aquades untuk mengukur pH suatu bahan (Apriyantono et al., 1989). Sedangkan penentuan kadar amilosa membutuhkan pelarut kimia, proses pendidihan, pembacaan intensitas warna dengan alat spektrofotometer (Apriyantono et al., 1989).
Pada saat ini sejumlah metode atau teknologi instrumentasi telah dikembangkan untuk menentukan komposisi kimia suatu bahan dengan proses cepat, tepat, akurat, dan tidak merusak. Salah satu metode tersebut adalah pengukuran dengan near infrared (NIR) yang dipancarkan ke bahan. Metode NIR dapat menganalisis dengan kecepatan tinggi, tidak menimbulkan polusi, penggunaan preparat contoh yang sederhana tidak menggunakan bahan kimia dan dapat menganalisis contoh dengan tidak merusak (non destruktif).
Metode NIR pertama diawali oleh Norris dan Hart (1962) yang mengukur kadar air yang terkandung pada biji-bijian dan bibit tanaman dengan menggunakan transmittance spectroscopy. Rochimawati (2004) telah mengaplikasikan metode NIR untuk menduga mutu tepung jagung secara cepat dan stimultan. Parameter pendugaan mutu tepung jagung tersebut yaitu kadar air,
karbohidrat, protein, dan lemak. Hubungan antara data reflektan dan absorban NIR dengan kadar air, karbohidrat, protein, dan lemak pada penelitian tersebut dipelajari dengan metode kalibrasi menggunakan stepwise multiple linear regression (SMLR). Persamaan regresi tahap kalibrasi tersebut digunakan untuk menduga kadar air, karbohidrat, protein, dan lemak tepung jagung.
Metode kalibrasi yang sama juga telah diterapkan untuk pendugaan kandungan energi bruto tepung ikan untuk bahan pakan ternak (Quddus, 2006). Dengan menggunakan persamaan regresi kalibrasi dengan metode SMLR untuk melakukan pendugaan maka menghasilkan spektrum NIR yang mengandung data dalam jumlah besar, dimana hanya beberapa bagian saja yang akan digunakan dalam pembuatan persamaan regresi sehingga terdapat kemungkinan sebagian data yang penting tidak masuk dalam persamaan tersebut.
Metode kalibrasi yang lainnya yang dapat mengekstrak informasi kimia dari data yang dihasilkan dan memperkirakan serangkaian variabel tidak bebas dari variabel bebas yang jumlahnya sangat banyak, namun tidak membuang dan mengurangi data informasi yang berukuran besar dan berguna yang diperoleh dari instrumen pada suatu percobaan kimia adalah metode kalibrasi multivariatif.
Metode kalibrasi multivariatif yang digunakan yaitu principal component regression (PCR) dan partial least squares (PLS). Efektifitas metode kalibrasi tersebut telah diteliti oleh Lammertyn et al. (1998) untuk menduga sifat-sifat fisik apel serta Schmilovitch et al. (2000) yang membandingkan tiga metode kalibrasi yaitu PCR, PLS, dan SMLR serta menduga parameter periode penyimpanan, ketegaran (kekerasan), kandungan gula, dan keasaman buah. Pada penelitian tersebut terbukti bahwa metode PCR dan PLS dapat menghasilkan model persamaan regresi kalibrasi yang baik daripada metode SMLR.
Informasi tentang penerapan metode near infrared (NIR) untuk menduga komposisi kimia (kadar air, kadar abu, pH, dan kadar amilosa) MOCAF dengan menggunakan metodekalibrasi multivariatif yaitu principal component regression
B. Tujuan Penelitian
Tujuan umum penelitian ini adalah menduga komposisi kimia (kadar air, kadar abu, pH, dan kadar amilosa) modified cassava flour (MOCAF) dengan metode near infrared (NIR). Sedangkan tujuan khusus dalam penelitian ini adalah sebagai berikut:
1. Menentukan spektrum reflektan dan absorban dalam hubungannya dengan sifat-sifat komposisi kimia MOCAF.
2. Melakukan tahap kalibrasi dan validasi sifat reflektan, absorban, dan komposisi kimia MOCAF dengan metode kalibrasi multivariatif yaitu
principal component regression (PCR) dan partial least squares regression
(PLSR).
3. Menentukan metode kalibrasi yang terbaik untuk pendugaan komposisi kimia MOCAF.
4. Menentukan perlakuan data (data treatment) yang terbaik untuk pendugaan komposisi kimia MOCAF.
C. Manfaat Penelitian
Manfaat dari penelitian ini diharapkan dapat melakukan pendugaan komposisi kimia modified cassava flour (MOCAF) secara cepat, tepat, dan tidak merusak (non destruktif) untuk membantu industri modified cassava flour
II. TINJAUAN PUSTAKA
A. Metode Near Infrared (NIR)
1. Teori metode near infrared (NIR)
Metode infra merah dekat atau sering disebut dengan nama near infrared (NIR) merupakan salah satu teknik yang menggunakan wilayah panjang gelombang infra merah pada spektrum elektromagnetik antara 700 sampai 2500 nm (Dryden, 2003). Hal yang terpenting dari teori NIR reflektan dan absorban elektromagnetik ini adalah menganalisis komponen, deteksi kualitas, dan pemasakan (Mohsenin, 1984).
Kisaran panjang gelombang NIR telah lama dipelajari dan digunakan sebagai metode analitik. Cahaya tampak diterima oleh mata sesuai dengan besarnya pantulan, seperti halnya warna dihasilkan dari cahaya yang dipantulkan dari suatu objek. Setiap bahan memiliki spektrum gabungan pantulan NIR yang unik dan beragam yang dihasilkan dari efek penyebaran, penyerapan dan pantulan cahaya oleh bahan.
Semua bahan organik terdiri dari atom, karbon, oksigen, hidrogen, nitrogen, phospor, sulfur dengan sejumlah kecil elemen lain. Atom-atom ini berkombinasi melalui ikatan kovalen atau elektrovalen membentuk molekul. Karena sifat ikatannya, gaya elektrostatik ada dalam atom dan molekul tersebut, sehingga molekul bergerak secara konstan, ini dikenal sebagai keadaan stabil. Molekul bervibrasi pada frekuensi yang berkaitan dengan panjang gelombang dalam daerah infra merahdari spektrum elektromagnetik.
Setelah dipancarkan maka radiasi ini akan diserap oleh semua bahan organik dan informasi utama yang dapat diekstrak adalah stretching dan
bending ikatan kimia C-H (seperti bahan organik turunan minyak bumi), O-H (seperti kadar air, karbohidrat, dan lemak), C-N, dan N-H (seperti protein dan asam amino) yang merupakan ikatan dasar dari semua ikatan kimia bahan-bahan organik.
Informasi tersebut dapat dilihat dari pantulan NIR yang dihasilkan dalam bentuk spektrum pantulan. Radiasi infra merah tidak mempunyai energi yang cukup untuk mengeksitasi elektron pada senyawa tetapi dapat
menyebabkan senyawa organik mengalami rotasi dan getaran (vibrasi) ikatan
inter-atomic (Osborne et al., 1993). Vibrasi stretching adalah pergerakan atom yang teratur sepanjang ikatan antara dua atom sehingga jarak antara atom dapat bertambah atau berkurang. Vibrasi bending adalah pergerakan atom yang menyebabkan perubahan sudut ikatan antar dua atau pergerakan dari sekelompok atom terhadap atom lainnya.
Cahaya infra merah dekat yang mengenai bahan memiliki energi yang kecil dan hanya menembus sekitar satu milimeter permukaan bahan, tergantung dari komposisi bahan tersebut. Jika cahaya mengalami penyebaran, spektrum tersebut tetap mengandung informasi contoh penyerapan permukaan bahan tetapi terjadi distorsi pada puncak gelombang (Dryden, 2003).
Variasi pada ukuran dan suhu partikel sampel mempengaruhi penyebaran radiasi infra merah pada saat melewati sampel. Partikel berukuran besar tidak dapat menyebarkan radiasi infra merah sebanyak partikel kecil. Makin banyak radiasi yang diserap dapat memberikan nilai absorban yang tinggi dan efeknya besar pada panjang gelombang yang diserap lebih kuat (Dryden, 2003). Pada Gambar 1 menunjukkan diagram penampakkan specular
radiasi near infrared dari sebuah sampel(Dryden, 2003).
Gambar 1 Diagram penampakkan specular (a) diffuse, (b) reflectances, dan (c)
absorption radiasi near infrared dari sebuah sampel(Dryden, 2003). Dalam penerapannya, metode NIR memiliki beberapa kelebihan, antara lain: dapat menurunkan biaya tenaga kerja penganalisis komposisi, penggunaan preparat contoh yang sederhana, waktu pendugaan komposisi yang singkat, analisis contoh yang tidak merusak (non-destructive), tidak menggunakan bahan-bahan kimia (analisis yang bebas limbah), dan dapat menganalisis komposisi dengan kecepatan dan ketepatan tinggi (Williams, 1987).
Keunggulan dari gelombang infra merah dekat menurut Osborne et al. (1993) dalam analisis bahan makanan adalah merupakan gabungan antara tingkat ketepatan, kecepatan, dan kemudahan dalam melakukan percobaan (prosedur tidak rumit).
2. Aplikasi metode near infrared (NIR)
Metode near infrared (NIR)telah banyak diperkenalkan dan digunakan di beberapa negara maju pada benua seperti Eropa, Amerika Utara, Asia, Australia, dan New Zealand baik dalam bidang industri maupun dalam bidang pertanian. Sedangkan di Indonesia sendiri, metode ini belum banyak digunakan terutama di dalam bidang pertanian.
Penerapan metode NIR telah lama berkembang terutama untuk keperluan bahan pangan, pertanian, kedokteran, farmasi, dan industri kimia. Untuk bahan pangan dan hasil pertanian seperti kedelai, jagung, beras, daging, ikan, hortikultura, metode NIR dapat digunakan untuk penentuan komposisi kimia seperti kadar air, lemak, asam, gula, protein dan berbagai senyawa lainnya. Selain itu metode NIR digunakan dalam industri susu, yaitu untuk menentukan kandungan protein, lemak, dan kadar air dalam susu murni dan menentukan kandungan protein yang terdapat dalam tepung susu skim.
Berdasarkan sifat absorban dan reflektan dari energi radiasi yang dipancarkan, maka metode NIR dapat digunakan untuk menduga komposisi kimia suatu bahan. Aplikasi metode NIR dalam industri produk pangan dan pertanian telah banyak dilakukan. Diawali oleh Norris dan Hart (1962) yang menemukan bahwa kadar air yang terkandung pada biji-bijian dan bibit tanaman dapat diukur pada panjang gelombang sebesar 1940 nm. Pengaplikasian secara komersil metode NIR pertama diperkenalkan oleh Williams (1973) yang menganalisis gandum dan biji-biji berkadar minyak.
Miller (1990) menggunakan turunan pertama pada pantulan spektrum untuk mendeteksi adanya jamur hitam, jamur abu-abu dan kerusakan lain seperti sunscald. Hasilnya menunjukkan bahwa indeks mutu tomat dapat berdasarkan pada nilai turunan pantulan dengan jangkauan panjang gelombang antara 590 – 710 nm, sehingga nilai ini dapat digunakan untuk memisahkan antara tomat yang baik dari jamur hitam, jamur abu-abu dan sunscald.
Metode NIR juga dapat digunakan untuk memperkirakan konsentrasi gula dan asam pada buah-buahan, seperti mangga yang dilakukan oleh Budiastra et al.(1995). Mereka mengklasifikasikan mangga kedalam tiga jenis rasa yaitu rasa manis, manis asam, dan asam yang diukur dengan teknologi NIR pada 200 contoh mangga dengan kisaran panjang gelombang 1400 – 1975 nm. Metode stepwise dari regresi berganda (SMLR) digunakan untuk memilih panjang gelombang optimal untuk menduga konsentrasi sukrosa dan asam malat. Panjang gelombang terpilih untuk memprediksi sukrosa dengan NIR adalah 1533 nm, 1605 nm, 1821 nm sedangkan untuk asam malat adalah 1621 nm, 1813 nm, 1821 nm, 1933, 1941 nm, 1965, dan 1968 nm.
Sugiana (1995) dengan menggunakan NIR Spectrophotometer untuk mendeteksi kememaran buah apel varietas Rome Beauty dengan panjang gelombang 900–1400 nm. Hasil yang diperoleh adalah panjang gelombang NIR yang tepat untuk mendeteksi kememaran buah apel varietas Rome Beauty
adalah 930 nm, 940 nm, 950 nm, 960 nm, 1110 nm, dan 1390 nm. Disimpulkan juga bahwa kekerasan buah apel tidak terlalu berpengaruh terhadap pantulan spektrum yang dihasilkan, sehingga hasil pantulan spektrum yang diperoleh dari setiap apel dikatakan mempunyai sifat sama.
Victor (1996) dengan menggunakan sistem NIR melakukan pengelompokan buah varietas Manalagi berdasarkan kememaran dengan panjang gelombang 900 – 2000 nm. Disimpulkan bahwa kedalaman dan diameter memar buah apel tidak dipengaruhi oleh lama penyimpanan, tetapi dipengaruhi oleh ketinggian perlakuan memar yang diberikan serta panjang gelombang 1400 – 2000 nm tidak dapat digunakan untuk membedakan secara nyata adanya kememaran pada buah apel Manalagi.
Chang et al. (1998) melakukan penelitian untuk menduga total padatan terlarut jus jeruk, apel, papaya, pear dan pisang. Dari berbagai jus buah tersebut dikembangkan algoritma umum untuk penentuan total padatan terlarut beberapa jus buah.
Rosita (2001) menerapkan metode NIR untuk memprediksi mutu buah duku. Dari penelitian tersebut disimpulkan bahwa NIR dapat memprediksi kadar gula dan kekerasan buah duku dengan baik. Disimpulkan pula bahwa
data absorbansi NIR memberikan nilai korelasi yang lebih tinggi (0.91), standar error lebih rendah (0.87) dan koefisien keragaman yang akurat (5.39).
Fontaine et al. (2002) menerapkan NIR dalam menduga kandungan asam amino kedelai. Didapat bahwa 85 - 98 % variasi asam amino mampu dijelaskan dengan baik menggunakan NIR. Mereka juga telah menggunakan metode tersebut untuk memprediksi kandungan asam amino esensial beberapa bahan pakan yakni kedelai, rapeseed meal, tepung biji bunga matahari, polong, tepung ikan, tepung daging, dan tepung produk samping pemotongan ayam.
Munawar (2002) menerapkan metode NIR untuk menduga kadar gula dan kekerasan buah belimbing. Dari hasil penelitian disimpulkan bahwa data absorban NIR dapat menduga kadar gula dan kekerasan buah belimbing dengan baik. Hal ini ditunjukkan dengan koefisien korelasi yang tinggi.
Mitamala (2003) menerapkan metode NIR untuk menduga kadar air, karbohidrat, protein, dan lemak tepung jagung. Dari penelitian tersebut disimpulkan bahwa NIR dapat memprediksi kadar air, karbohidrat, protein, dan lemak tepung jagung dengan baik. Penggunaan data reflektan mampu menentukan kadar protein lebih baik dari data absorban. Data absorban dapat menduga kadar karbohidrat, lemak dan air lebih baik dari data reflektan.
Kusumaningtyas (2004) melakukan pendugaan kadar air, karbohidrat, protein, lemak, dan amilosa pada beras (Oryza sativa L.) dengan metode NIR. Panjang gelombang yang digunakan untuk menduga adalah 900 - 2000 nm. Data reflektan NIR dapat menduga kadar air, karbohidrat, dan protein lebih baik daripada data absorban. Sedangkan untuk menduga kadar lemak dan amilosa, data absorban lebih baik dibandingkan data reflektan.
Marthaningtiyas (2005) melakukan pendugaan total padatan terlarut dan kadar asam belimbing (Averrhoa carambola L.) dengan menggunakan metode NIR dan JST. Penggunaan analisis komponen utama dalam mereduksi hasil data absorbansi dari spektrum infra merah dekat sangat efektif.
Andrianyta (2006) menerapkan metode NIR dan jaringan saraf tiruan (JST) dalam menentukan komposisi kimia jagung secara non-destruktif. Komposisi kimia yang ditentukan, antara lain kandungan proksimat, lemak, air, karbohidrat, methionin, tyrosin, threonin, arginin, dan leusin.
Quddus (2006) melakukan penentuan kandungan energi bruto tepung ikan untuk bahan pakan ternak menggunakan metode NIR. Analisis pendugaan kandungan energi pada tepung ikan tersebut menggunakan metode kalibrasi SMLR dan PCR. Persamaan kalibrasi dengan metode SMLR menyatakan bahwa hasil prediksi nilai EM menggunakan data reflektan dan absorban mendekati hasil uji bioassay. Sedangkan persamaan kalibrasi dengan metode PCR menghasilkan 10 komponen utama dalam tepung ikan tersebut.
Adrizal et al. (2007) yang melakukan pendugaan kandungan air, protein, lisin, dan metionin tepung ikan dengan jaringan syaraf tiruan berdasarkan absorban NIR. Dari hasil penelitian tersebut disimpulkan bahwa metode JST mampu menduga kandungan air, protein, lisin, dan metionin tepung ikan dengan akurasi yang lebih baik dibandingkan dengan menggunakan persamaan regresi yang didapatkan melalui metode SMLR.
Susilowati (2007) pada panjang gelombang 900 - 1400 nm dapat menduga total padatan terlarut buah pepaya selama penyimpanan dan pemeraman dengan metode NIR, tetapi panjang gelombang tersebut tidak dapat digunakan untuk mengukur kekerasan buah. Hubungan antara data absorban NIR dengan total padatan terlarut dan kekerasan pada penelitian tersebut dipelajari dengan kalibrasi menggunakan metode SMLR, PCR, dan PLS.
Kelebihan penggunaan metode NIR antara lain disebabkan banyak komposisi kimia dari bahan pangan dan pertanian yang menyerap (absorption) atau memantulkan (reflectance) cahaya pada rentang panjang gelombang 0.7 - 3.0 µm. Komposisi kimia lainnya memiliki pola serapan yang khas berbeda satu dengan lainnya pada setiap panjang gelombang cahaya yang diberikan (Mohsenin, 1984).
Kendala metode NIR adalah biaya investasi alat yang tinggi. Metode ini masih tergolong metode sekunder karena memerlukan tahap kalibrasi terutama bagi sampel uji yang belum pernah menggunakan metode ini misalnya tepung ikan, bungkil inti sawit, dedak, tepung singkong dan sebagainya. Metode NIR sangat membantu pekerjaan analisis yang bersifat rumit dan rutin, seperti kadar air, kadar abu, pH, dan kadar amilosa. Metode ini sangat sesuai karena tidak lagi banyak memerlukan tahap kalibrasi.
B. Kalibrasi dan Validasi
Osborne et al. (1993) menjelaskan bahwa instrumen NIR berguna dalam menentukan komposisi kimia dengan menggunakan nilai pantulan (R) dan absorban (log (1/R). Menentukan spektrum pantulan dan absorban NIR maka nilai hasil analisis kimiawi laboratorium diperlukan. Untuk mengetahui hubungan antara spektrum-spektrum tersebut dengan nilai referensi dari analisis kimiawi di laboratorium (metode konvensional) maka perlu menggunakan metode matematika dengan cara mengkalibrasinya. Untuk tahap kalibrasi sering digunakan untuk sampel yang memiliki karateristik yang hampir mendekati sama.
Dalam kamus besar bahasa Indonesia (KBBI) kalibrasi adalah tanda-tanda menyatakan pembagian skala. Kalibrasi dalam teknik spektroskopi diperoleh dengan mengukur hubungan antara absorban dan reflektan dari panjang gelombang yang dihasilkan dari spektrometer dengan konsentrasi larutan unsur yang akan dianalisis (Nur dan Adijuwana, 1989 dalam Rumahorbo, 2004).
Kesulitan dalam mengkalibrasi menurut Osborne et al. (1993) adalah masalah informasi alam yang kompleks dalam spektrum infra merah contohnya setiap puncak spektrum hampir selalu tumpang tindih oleh satu atau lebih puncak-puncak yang lain.
Berbagai macam metode kalibrasi spektrum NIR telah tersedia tetapi dapat dibagi dalam dua kategori yaitu metode kalibrasi untuk panjang gelombang terpilih atau sering disebut metode lokal dan metode yang melibatkan seluruh spektrum atau sering disebut metode global atau juga disebut dengan metode kalibrasi spektrum penuh (full spectrum calibration methods), seperti: principal component regression (PCR) dan partial least squares (PLS).
Metode full spectrum banyak digunakan karena data dalam spektrum direduksi untuk mencegah masalah overfitting tanpa mengurangi dan menghilangkan satu atau beberapa informasi yang sangat berguna. Jumlah sampel yang digunakan untuk tahap kalibrasi dan validasi harus cukup banyak. Jumlah sampel untuk tahap kalibrasi harus lebih banyak dari pada untuk keperluan tahap validasi. Validasi bertujuan menguji ketepatan pendugaan komposisi kimia persamaan regresi kalibrasi yang telah dibangun.
Selain itu, dikenal pula beberapa perlakuan data sebelum spektrum dianalisis seperti smoothing, normalisasi, derivatif pertama dan kedua, standard normal variate (SNV) dan de-trending (DT) (Osborne et al., 1993). Setiap perlakuan data mempunyai fungsi yang berbeda-beda terhadap data spektrum. Pada penelitian ini perlakuan data yang diberikan adalah smoothing, derivatif kedua Savitzky-Golay, dan kombinasi kedua perlakuan data tersebut.
Prosedur derivatif kedua yang paling umum digunakan yaitu prosedur Savitzky-Golay yang dikelaskan oleh Norris dan William (1990). Data spektrum sering diubah menjadi bentuk smoothing dan derivatif, secara umum untuk memperbaiki bentuk dan model persamaan regresi kalibrasi.
Smoothing berfungsi untuk memilih penghalusan fungsi dengan teliti tanpa menghilangkan informasi spektrum yang ada dan mengurangi guncangan (noise) dan memperkecil galat (kekeliruan) yang terjadi selama pengukuran NIR dan analisis kimiawi laboratorium. Derivatif kedua Savitzky-Golay berfungsi untuk mereduksi efek basis dari adanya pertambahan dari proses absorban (shoulder effect) serta menghilangkan masalah basis kemiringan persamaan regresi.
Kombinasi antara smoothing dan derivative kedua Savitzky-Golay dapat diterapkan dan akan mendapatkan bentuk dan model persamaan regresi kalibrasi yang optimum, layak, dan dapat dipercaya (Blanco dan Villarroya, 2002 dalam
Yogaswara, 2005).
C. Metode Kalibrasi Multivariatif
Analisis data NIR dapat dimanfaatkan dengan mempelajari hubungannya dengan sifat bahan yang diukur. Kegiatan mempelajari hubungan tersebut pada umumnya dilakukan dengan beberapa metode kalibrasi, antara lain Stepwise multiple linear regression (SMLR), principal component regression (PCR), backward dan partial least squares (PLS).
Lammertyn et al., (1998) menganalisis data NIR Spectroscopy
menggunakan metode kalibrasi multivariatif seperti principal component regression dan partial least squares dalam memprediksi sifat-sifat kimiawi seperti keasaman dan total padatan terlarut pada buah apel Jonagold.
Metode kalibrasi multivariatif yang digunakan pada penelitian yang berjudul pendugaan komposisi kimia modified cassava flour adalah principal component regression (PCR) dan partial least squares (PLS).
1. Metode principal component regression (PCR)
Metode principal component regression merupakan suatu metode kombinasi antara analisis regresi dan analisis komponen utama (Principal Component Analysis, PCA). Prinsip analisis komponen utama adalah mencari komponen utama yang merupakan kombinasi linier dari variabel asli.
Metode regresi komponen utama (PCR) ditetapkan bila dalam pembentukan model pendugaan variabel bebas yang digunakan banyak dan terdapat hubungan yang erat antar variabel bebasnya. Metode tersebut dapat digunakan untuk pendugaan kalibrasi peubah ganda dan mengatasi kolinier ganda.
Menurut Miller & Miller (2000), komponen-komponen utama yang dipilih sedemikian rupa sehingga komponen utama pertama memiliki variasi yang terbesar dalam set data, sedangkan komponen utama kedua tegak lurus terhadap komponen utama pertama dan memiliki variasi terbesar berikutnya.
Metode ini pertama kali diperkenalkan oleh Pearson (1901) dan secara terpisah oleh Hotelling (1933). Pemikiran dasar metode analisis ini adalah mendiskripsikan variasi sebuah set data multivariatif dengan sebuah set data baru dimana variabel-variabel baru tidak berkorelasi satu sama lain. Variabel-variabel baru adalah kombinasi linier dari Variabel-variabel asal. Variabel baru diturunkan dalam arah menurun sehingga beberapa komponen pertama mengandung sebanyak mungkin variasi data asal (Pearson, 1901 dalam
Marthaningtiyas, 2005).
Siska dan Hurburgh (1996) dalam Andrianyta (2006), menggunakan metode principal component regression (PCR) untuk mengidentifikasi variasi-variasi utama pada spektrum absorban sampel jagung. Sedangkan Quddus (2006) menentukan kandungan energi bruto tepung ikan untuk bahan pakan ternak dengan data reflektan dan absorban menggunakan metode kalibrasi multivariatif yaitu PCR.
2. Metode partial least squares (PLS)
Metode regresi kuadrat terkecil parsial atau sering disebut partial least squares (PLS) pertama kali dikembangkan oleh Herman Wold (1982). Model
partial least square didefinisikan dari dua persamaan linier yang disebut model struktural dan metode pengukuran (Wold, 1982 dalam Wulandari 2000).
Metode PLS digunakan untuk memperkirakan serangkaian variabel tidak bebas (respons) dari variabel bebas (prediktor) yang jumlahnya sangat banyak, memiliki struktur sistematik linear atau nonlinear, dengan atau tanpa data yang hilang, dan memiliki kolinearitas yang tinggi. Metode ini membentuk model dari variabel yang ada untuk merangkai respons dengan menggunakan regresi kuadrat terkecil dalam bentuk matriks (Lindblom, 2004
dalam Saragih, 2007).
Metode tersebut juga mempunyai keuntungan yaitu dapat mengoptimalkan hubungan prediktif antara 2 (dua) kelompok peubah bebas dan tidak bebas dan permodelannya tidak mengasumsikan sebaran dari peubah bebas saja tetapi peubah tidak bebas ikut diasumsikan (Wold, 1982 dalam
Wulandari 2000).
Jensen et al. (2001) mengevaluasi perubahan mutu butir walnut (Junglens regia L.) dengan menerapkan metode NIR dan partial least square
sebagai metode kalibrasi. Model tersebut dapat melakukan kalibrasi NIR dengan hasil yang tepat pada panjang gelombang 400 – 2490 nm. Selain itu, NIR dapat menjelaskan kandungan heksanal kacang walnut sebesar 72%.
Pada dasarnya pendekatan PLS adalah penggabungan model pendugaan sebagai pengembangan model-model kalibrasi yang melibatkan lebih dari dua peubah laten (bebas dan tidak bebas). Proses pendugaan menggunakan metode kuadrat terkecil yang diaplikasikan pada persamaan hubungan model struktural dan model pengukuran (Ratnaningsih, 2004).
Metode kuadrat terkecil parsial (PLS) tidak memerlukan asumsi-asumsi yang ketat terhadap sebaran dari peubah, sisaan dan parameter, sehingga metode ini sering disebut metode lunak (Ratnaningsih, 2004). Metode tersebut diperoleh secara iteratif dan tidak memiliki formula tertutup untuk mecari ragam koefisien regresi.
D. Tepung Singkong
Ubi kayu atau singkong merupakan sumber karbohidrat yang penting setelah padi, jagung, dan sagu. Ubi kayu ini berasal dari Negara Brasil. Singkong memiliki nama botani Manihot esculenta Crantz tapi lebih dahulu dikenal dengan nama Manihot utilissima Pohl, yang dalam nama daerahnya disebut pula kaspe, budin, sampeu, atau ketela pohon (Mulyandari, 1992).
Tanaman ini merupakan tanaman dikotil yang termasuk ke dalam famili Euphorbiaceae. Singkong dapat dimanfaatkan secara langsung sebagai bahan pangan pokok ataupun diolah menjadi produk setengah jadi berupa pati singkong (tepung tapioka), gaplek, dan tepung singkong (Febriyanti, 1990).
Menurut SNI 01-2997-1992, tepung singkong adalah tepung yang dibuat dari bagian umbi singkong yang dapat dimakan, melalui penepungan singkong iris, parut, ataupun bubur kering dengan mengindahkan ketentuan-ketentuan kebersihan. Syarat mutu tepung singkong sesuai SNI dapat dilihat pada Tabel 1.
Tabel 1 Syarat mutu tepung singkong menurut SNI 01-2997-1992
No. Jenis Uji Satuan Persyaratan
1. Keadaan Bau Rasa Warna - - - Khas singkong Khas singkong Putih
2. Benda asing - Tidak boleh ada
3. Derajat putih % Min. 85
4. Kadar abu % b/b Maks. 1.5
5. Kadar air % b/b Maks. 12
6. Derajat asam Ml N NaOH/100g Maks. 3
7. Asam sianida Mg/kg Maks. 40
8. Kehalusan % lolos (80 mesh) Min. 90
9. Kadar pati % b/b Min. 75
10. Bahan Tambahan Pangan Sesuai SNI 01-02220-1995 - 11. Cemaran logam Timbal Tembaga Seng Raksa Arsen mg/kg mg/kg mg/kg mg/kg mg/kg Maks. 1.0 Maks. 10.0 Maks. 40.0 Maks. 0.05 Maks. 0.5 12. Cemaran mikroba
Angka lempeng total E. coli Kapang Koloni/g APM/g Koloni/g Maks. 1.0 x 106 < 3 Maks. 1.0 x 104
Tepung singkong telah banyak digunakan dalam pembuatan produk-produk pangan, antara lain seperti roti, biskuit, mie instan, dan lain-lain. Tepung singkong dapat dimodifikasi untuk memperoleh mutu produk yang lebih baik dan sesuai dengan keinginan. Modifikasi tepung singkong telah dilakukan peneliti terdahulu seperti Muharram (1992), yang memodifikasi tepung singkong dengan pengukusan, penyangraian, dan penambahan GMS (Glyceril Mono Stearat).
Di beberapa Negara juga dikenal produk tepung-tepung dari bahan ubi kayu (singkong) dengan nama yang berbeda-beda, misal saja menurut Meuser (1978) dalam Febriyanti (1990) farinha de mandioca (Brazil) yang dibuat dengan cara pengupasan kulit, pemerutan ubi, kemudian dikempa untuk mengurangi kadar air awalnya dan pemanggangan dalam wadah tembaga.
Selain itu, dikenal juga gari (Nigeria) yaitu tepung singkong yang dibuat dengan cara pencacahan ubi kayu, dan kemudian dilakukan fermentasi sebelum pengeringan (Weber et al., 1978 dalam Rahman, 2007). Setiap produk tepung singkong yang dihasilkan oleh beberapa Negara memiliki kadar air yang berbeda-beda. Beberapa produk tepung singkong serta kandungan kadar airnya di beberapa Negara dapat dilihat pada Tabel 2.
Tabel 2 Produk tepung singkong di beberapa Negara
Produk Kadar Air (%)
Farinha grossa (Brazil) 9.1
Cassava starch (Berlin) 12.0
Cassava starch (Colombia) 12.4
Cassava flour “Hein” (Jerman) 8.6
Gari (Nigeria) 11.7
Sumber: Weber et al. (1978) dalam Rahman (2007)
Modifikasi tepung singkong juga telah dilakukan oleh Laboratorium Kimia dan Biokimia Hasil Pertanian, Fakultas Teknologi Pertanian, Universitas Jember (LAB. KBHP-UNEJ). Modifikasi tepung singkong tersebut dilakukan proses fermentasi, sehingga dihasilkan produk baru yang merupakan turunan dari tepung singkong yang diberi nama Modified Cassava Flour (MOCAF).
Komposisi kimia MOCAF tidak jauh berbeda dengan tepung singkong, tetapi MOCAF mempunyai karakteristik fisik dan organoleptik yang spesifik. Kandungan protein MOCAF lebih rendah dibandingkan tepung singkong, dimana senyawa ini dapat menyebabkan warna cokelat ketika pengeringan dan
pemanasan. Perbedaan komposisi kimia MOCAF dengan tepung singkong dapat dilihat pada Tabel 3.
Tabel 3 Perbedaan komposisi kimia MOCAF dengan tepung singkong
Parameter MOCAF Tepung Singkong
Kadar Air (%) Max. 13 Max. 13 Kadar Protein (%) Max. 1.0 Max. 1.2 Kadar Abu (%) Max. 0.2 Max. 0.2 Kadar Pati (%) 85-87 82-85 Kadar Serat (%) 1.9-3.4 1.0-4.2 Kadar Lemak (%) 0.4-0.8 0.4-0.8 Kadar HCN (mg/kg) Tidak Terdeteksi Tidak Terdeteksi Sumber: Subagio et al. (2008)
E. Modified Cassava Flour (MOCAF)
Modified cassava flour atau MOCAF merupakan produk turunan dari tepung singkong yang menggunakan prinsip modifikasi sel singkong secara fermentasi, dimana mikrobia BAL mendominasi selama fermentasi tepung singkong ini (Subagio et al., 2008). MOCAF dalam bentuk kemasan plastik dengan berat 100 gram dan 500 gram dapat dilihat pada Gambar 2.
Secara teknis, cara pengolahan MOCAF sangat sederhana, mirip dengan cara pengolahan tepung singkong biasa, namun disertai dengan proses fermentasi. Singkong dibuang kulitnya, dikerok lendirnya, dan dicuci sampai bersih. Kemudian dilakukan pengecilan ukuran singkong dilanjutkan dengan tahap fermentasi selama 12 – 72 jam. Setelah fermentasi, singkong tersebut dikeringkan kemudian ditepungkan sehingga dihasilkan produk modified cassava flour.
Gambar 2 Modified cassava flour (MOCAF) dalam bentuk kemasan plastik
Subagio et al. (2008) melaporkan bahwa mikroba yang tumbuh pada singkong akan menghasilkan enzim pektinolitik dan selulolitik yang dapat menghancurkan dinding sel singkong sedemikian rupa sehingga terjadi pembebasan granula pati. Granula pati adalah butiran-butiran kecil yang memiliki sifat mereflesikan cahaya terpolarisasi. Proses pembebasan granula pati ini akan menyebabkan perubahan karakteristik dari tepung yang dihasilkan berupa naiknya viskositas, kemampuan gelasi, daya rehidrasi, dan kemudahan melarut.
Selanjutnya granula pati tersebut akan mengalami hidrolisis menghasilkan monosakarida sebagai bahan baku untuk menghasilkan asam-asam organik, terutama asam laktat. Senyawa asam ini akan bercampur dalam tepung, sehingga ketika tepung tersebut diolah akan menghasilkan aroma dan cita rasa yang khas yang dapat menutupi aroma sampai 70% dari cita rasa singkong yang cenderung tidak disukai konsumen (Subagio et al., 2008).
Proses hidrolisis pati menjadi monosakarida dapat menurunkan viskositas MOCAF, akan tetapi proses hidrolisis pati ini terjadi setelah proses pembebasan granula pati yang menaikkan viskositas. Selain itu, proses pembebasan granula pati lebih dominan dibandingkan dengan proses hidrolisis pada fermentasi yang terjadi. Hal ini nampak dari semakin meningkatnya viskositas pasta panas dan pasta dingin MOCAF dengan semakin lama fermentasi.
Namun demikian, dengan fermentasi selama 72 jam akan didapatkan produk MOCAF yang mempunyai viskositas mendekati tepung tapioka (data tidak ditunjukkan). Hal ini dapat dipahami bahwa semakin lama waktu fermentasi maka akan semakin banyak sel-sel singkong yang pecah, sehingga pembebasan granula pati menjadi semakin meningkat (sangat ekstensif) (Subagio et al., 2008).
Pada Gambar 3 dan 4 menunjukkan tahapan proses pembuatan MOCAF berdasarkan Prosedur Operasi Standar (POS) produksi MOCAF berbasis klaster, dimana terdapat 2 (dua) kali proses perendaman. Perendaman I dilakukan pada air yang telah ditambahkan dengan senyawa aktif A dengan ketentuan 1 m3 air sawah dilakukan penambahan senyawa aktif A sebanyak 1 sendok teh, dan untuk 1 m3 air sumber pegunungan dilakukan penambahan senyawa aktif A sebanyak 1 sendok makan. Kemudian dilakukan penambahan senyawa aktif B, yang dibuat dengan cara merendam chips singkong segar sebanyak 1 ons dalam air yang telah
dicampur enzim (1 sendok teh) dan kultur mikroba (1 sendok makan), perendaman dilakukan selama 24 – 30 jam untuk menghasilkan senyawa aktif B yang diinginkan. Senyawa aktif B yang dihasilkan dapat dipergunakan semua untuk air sebanyak 1 m3 (Subagio et al., 2008).
Selanjutnya pada perendaman II, bahan direndam pada larutan senyawa aktif C (1 sendok makan dalam 1 m3 air) selama 10 menit. Tujuan dari proses perendaman ini adalah mencuci scum (protein) dari ubi yang dapat menyebabkan warna cokelat ketika pengeringan dan juga akan menghentikan pertumbuhan lebih lanjut dari mikroba (Subagio et al., 2008).
Gambar 3 Diagram alir proses pengolahan singkong menjadi chips kering
(Subagio et al., 2008). Singkong Segar Penerimaan Singkong Pengupasan Pencucian Pengecilan Ukuran (Tebal chip = 1-1.5 mm) Perendaman I T = 12-72 jam Perendaman II (t ≥ 10 menit) Pressing Pembuburan Pengeringan Chips Kering Pengakutan Chips Perendaman (t = 24-30 jam) Air Air Senyawa Aktif A Senyawa Aktif C Chips Singkong (± 1 Ons) Senyawa Aktif B Air Enzim Kultur Mikroba Kulit Limbah cair Limbah cair Limbah cair Penyimpanan A
