A27
Kajian Teknologi Near Infrared Spectroscopy
Sebagai Metode Baru untuk Prediksi Kualitas Madu
1*Agus A Munawar,
1Yusmanizar,
2Hafidh,
1Zulfahrizal
1Jurusan Teknik Pertanian, Fakultas Pertanian, Universitas Syiah Kuala, Darussalam, Banda Aceh 23111, Indonesia;
2Jurusan Teknik Elektro, Fakultas Teknik, Universitas Syiah Kuala, Darussalam, Banda Aceh 23111, Indonesia.
*Corresponding Author: aamunawar@unsyiah.ac.id
Abstrak
Tujuan penelitian ini adalah menerapkan teknologi Near Infrared Spectroscopy (NIRS) sebagai metode baru untuk prediksi kualitas madu secara cepat dan non destruktif. Spektrum diffuse reflectance madu diakuisisi pada panjang gelombang 1000-2500 nm dengan increment 0,2 nm. Parameter kualitas madu, soluble solids content (SSC) ditentukan dengan digital refractometer dalam satuan oBrix. Model prediksi SSC berbasis spektrum NIR dibangun dengan menggunakan metode partial least square regression (PLSR). Model dikuantifikasi dengan metode 10 segments cross validation. Akurasi dan kehandalan model prediksi ditentukan dengan koefisien korelasi (r), residual
predictive deviation (RPD) dan jumlah laten variabel (LVs). Dari hasil studi
didapatkan bahwa SSC pada madu dapat diprediksi dengan akurat dimana koefisien r dan RPD yang dihasilkan berturut-turut adalah 0,96 dan 2,41 serta jumlah LVs adalah 6. Berdasarkan hasil tersebut, dapat disimpulkan bahwa NIRS dapat dijadikan sebagai metode baru alternatif yang cepat dan efektif untuk memprediksi kualitas madu.
Kata kunci: NIRS, madu, soluble solids content, spectroscopy Pendahuluan
Madu merupakan salah satu produk pangan alami yang banyak dimanfaatkan oleh manusia karena kandungan nutrisi tinggi yang digunakan untuk menjaga kesehatan. Khasiat medis alami madu bagi kesehatan manusia telah dikenal luas sehingga madu dijadikan sebagai salah satu produk yang wajib dikonsumsi oleh sebagian besar manusia. Kandungan nutrisi dari madu antara lain adalah karbohidrat (glukosa dan fruktosa), vitamin, mineral, asam amino, fenolik dan protein. Selain kandungan nutrisi tersebut, madu juga mempunyai efek khasiat sebagai antibatkeri, prebiotik, antimutagenik dan antioksidan (Gonzalez-Miret et al., 2005; Escuredo et al., 2012).
Untuk menduga kandungan nutrisi dan kimia dari madu, biasanya dilakukan uji laboratorium yang dikenal dengan istilah analisa polen dimana analisa ini melibatkan bahan dan analisa kimia ataupun proses lainnya yang terkadang menghabiskan waktu yang cukup lama, sehingga tidak cocok diterapkan di industri yang bergerak dibidang produksi dan distribusi madu (Escuredo et al., 2012).
Dalam dua dekade terakhir ini, perhatian dan usaha yang besar terus dikembangkan oleh para peneliti untuk mencari metode alternatif yang cepat, ramah lingkungan dan bersifat tidak merusak (non-destructive) untuk memprediksi kandungan nutrisi madu. Salah satu metode saat ini yang sedang berkembang dan digunakan untuk mendeteksi kandungan
A28
kualitas produk pangan dan pertanian, adalah metode spektroskop pantulan infra merah dekat atau Near Infrared Reflectance Spectroscopy (NIRS). Metode ini dapat menganalisa kualitas pangan dengan waktu yang sangat cepat dan dilakukan secara non-destruktif bahkan tanpa menyentuh produk tersebut (Munawar & Budiastra, 2009). Keunggulan metode ini yang tidak merusak bahan, persiapan sampel yang relatif mudah, tidak memerlukan bahan kimia serta dapat menduga beberapa kualitas bahan secara simultan, menjadikan metode ini banyak diteliti dan diterapkan di banyak bidang pertanian (Gomez et al., 2006; Vesela et al., 2007; Liu et al., 2008; Jaiswal et al., 2012; Munawar et al., 2016). Secara umum, tujuan yang ingin dicapai pada penelitian ini adalah mengkaji dan menerapkan teknologi Near Infrared Spectroscopy (NIRS) sebagai metode baru untuk prediksi kualitas madu secara cepat dan non destruktif.
Bahan dan Metode
Persiapan bahan dan alat
Bahan yang digunakan dalam studi ini adalah madu yang berasal dari empat jenis tanaman yang berbeda, dengan tujuan untuk melihat perbedaan madu tersebut berdasarkan karakteristik sifat elektro-optiknya. Selain itu, hal ini juga dilakukan untuk menguji apakah instrumen atau metode NIR mampu membedakan jenis madu tersebut.
Adapun instrumen utama yang akan digunakan dalam penelitian ini adalah self developed FT-NIR. Instrumen ini meradiasikan gelombang cahaya pada kisaran panjang gelombang antara 1000 sampai 2500 nm dan dikontrol oleh perangkat lunak Thermo operation®. Peralatan lain yang akan dipergunakan adalah digital refraktometer model N-1 Atago Corp., yang akan digunakan untuk pengukuran kadar SSC pada madu.
Akuisisi spektrum NIR untuk madu
Spektrum inframerah dekat untuk madu diperoleh dengan menggunakan instrumen NIR (FT-NIR, dengan konfigurasi alur kerja alat (workflow) dibangun dengan menggunakan perangkat lunak terintegrasi Thermo Integration®. Workflow dibuat untuk mengatur alat agar bekerja untuk mengakuisisi spektrum diffuse reflectance sampel madu sebanyak 32 kali, merata-ratakan hasilnya dan menyimpan hasil scanning.
Pengukuran kadar SSC pada madu
Setelah proses pengukuran spektrum NIR madu, kadar kualitas madu secara aktual ditentukan dengan metode analisa kimia di laboratorium sebagai berikut: kadar total padatan terlarut (SSC) ditentukan dengan metode refraksi index menggunakan alat digital refraktometer (N-1 Atago corp.).
Model prediksi kadar SSC pada madu
Kadar utama nutrisi madu diprediksi dengan cara membangun model persamaan matematik berdasarkan data sifat elektro-optik madu (variabel X) dan data kadar kualitas madu hasil pengukuran di laboratorium (variabel Y). Model prediksi dibangun dengan menggunakan metode: partial least square regression (PLSR). Evaluasi keakuratan dan kehandalan model dievaluasi dengan melihat parameter statistik yang meliputi; koefisien korelasi (r), root
mean square error (RMSE), residual predictive deviation index (RPD), dan jumlah latent
variable (LV).
Hasil dan Pembahasan
Spektrum NIR sampel madu
Secara umum, tipikal spektrum diffuse reflectance (first derivative) pada rentang spectrum near infrared (NIR) untuk madu dalam studi ini terlihat seperti pada Gambar 1. Dari spektrum ini terlihat bahwa fitur spectrum mengindikasikan keberadaan bahan organik dan kandungan nutrisi dari madu akibat interaksi ikatan molekul O-H, C-H, C-O dan N-H.
A29
Gambar 1. Spektrum diffuse reflectance (first derivative) dari sampel madu pada rentang
panjang gelombang 1000 – 2500 nm.
Bentuk spektrum diffuse reflectance untuk sampel madu ini terjadi akibat adanya perubahan vibrasi energi dalam bentuk overtone, bending dan stretching. Unsur C-H-O berkenaan dengan kandungan nutrisi karbohidrat, kadar gula pada madu, sehingga dapat disimpulkan bahwa kadar gula ataupun kadar total padatan terlarut dapat diprediksi oleh metode NIR sebagai metode baru yang bersifat rapid, efektif, bebas bahan kima, tanpa polusi dan tanpa merusak bahan.
Sedangkan struktur molekul N-H bervibrasi (overtone pertama) pada kisaran panjang gelombang 1500 – 1600 nm; dan struktur molekul asam organik bervibrasi (overtone pertama dan bending) pada kisaran panjang gelombang 1400, 1800 dan 2100 nm (Cen dan He, 2007).
Prediksi kadar total padatan terlarut (SSC)
Selain deteksi pencampuran yang dilakukan pada madu, metode NIRS juga dikaji untuk memprediksi kandungan nutrisinya seperti total padatan terlarut (SSC) yang merupakan unsur karbohidrat. Kami telah membangun model kalibrasi berbasis NIRS untuk memprediksi kadar SSC pada madu berdasarkan sifat elektro-optiknya. Model dibangun dengan menggunakan metode partial least square regression (PLSR) dimana variabel bebas nya (X) adalah data full spectrum NIR pada rentang panjang gelombang 1000 - 2500 nm. Sedangkan variabel terikatnya (Y) adalah data kadar total padatan terlarut (SSC) hasil pengukuran dengan metode standard laboratorium. Model kalibrasi dikuantifikasi dan divalidasi dengan metode 10 segment cross validation dan hasil prediksinya dapat dilihat pada grafik scatter plot yang tertera pada Gambar 2. Gambar 2 memperlihatkan bahwa SSC yang diprediksi oleh metode NIRS hampir sama dengan SSC hasil pengukuran aktual laboratorium dengan koefisien korelasi Pearson (r) sebersar 0.96 dan residual predictive deviation (RPD) index sebesar 2.41. Berdasarkan literatur, NIRS model dengan RPD antara 1.5 - 1.9, dikategorikan sebagai model yang cukup dan memerlukan perbaikan pada prakteknya. Model prediksi dengan RPD 2 – 2.5, mengindikasikan model dapat memprediksi dengan akurat dan bagus, dan model dengan RPD antara 2.5 – 3 merupakan model prediksi yang sangat akurat. Labih lanjut, model dengan RPD diatas 3 dikategorikan sebagai model yang sangat excellent dan handal (Nicolai et al., 2007; Cozzolino et al., 2011; Munawar et al., 2013).
A30
Gambar 2. Scatter plot SSC hasil prediksi NIR dan pengukuran actual. Kesimpulan
Berdasarkan studi yang telah dilakukan dan hasil yang telah diperoleh, metode NIRS dapat dijadikan dan diaplikasikan sebagai metode baru untuk penentuan kadar nutrisi madu. Kandungan total padatan terlarut (SSC) yang menjadi dasar penyusun karbohidrat pada madu dapat diprediksi secara cepat dan tanpa melibatkan bahan kimia dengan tingkat akurasi: koefisien korelasi sebesar 0.96 dan residual predictive deviation (RPD) index sebesar 2,41 yang dikategorikan sebagai model prediksi yang bagus.
Ucapan Terimakasih
Ucapan terima kasih disampaikan kepada pemerintah Indonesia melalui KemristekDIKTI yang telah memberikan support dana penelitian yang kami lakukan pada skim Hibah Penelitian Fundamental tahun anggaran 2017.
Daftar Pustaka
Cen, H., & He, Y. (2007). Theory and Application of Near Infrared Reflectance Spectroscopy in Determination of Food Quality. Trends in Food Science & Technology, 18, 72-83. Cozzolino, D., Cynkar, W. U., Shah, N., & Smith, P. (2011). Multivariate Data Analysis
Applied to Spectroscopy: Potential Application to Juice and Fruit Quality. Food Research International, 44, 1888-1896.
Escuredo, O., Fernández-González, M., & Seijo, M.C. (2012). Differentiation of blossom honey and honeydew honey from Northwest Spain. Agriculture, 2, 25–37.
Gomez, A. H., He, Y., & Pereira, A. G. (2006). Non-destructive measurement of acidity, soluble solids and firmness of Satsuma mandarin using Vis/NIR-spectroscopy techniques. Journal of Food Engineering, 77, 313–319.
Gonzalez-Miret, M.,Terrab, A., Herranz, D., Fernandez, M.A., & Heredia,F.J. (2005). Multivariate correlation between color and mineral composition of honey and by their botanical origin. Journal of Agricultural and Food Chemistry, 53(7), 2574–2580.
Jaiswal, P., Jha, S. N., & Bharadwaj, R. (2012). Non-destructive prediction of quality of banana using spectroscopy. Scientia Horticulturae, 135, 14-22.
Liu, Y., Chen, X., & Ouyang, A. (2008). Nondestructive determination of pear internal quality indices by visible and near-infrared spectrometry. LWT - Food Science and Technology, 41, 1720–1725.
A31
Munawar, A. A., & Budiastra, I.W. (2009). Non-destructive Inner Quality Prediction in Intact mango with Near Infrared Reflectance Spectroscopy. Jurnal Keteknikan Pertanian IPB, 23 (1).
Munawar, A. A., Hörsten, D. v., Mörlein, D., Pawelzik, E., & Wegener, J. K. (2013). Rapid and Non-Destructive Prediction of Mango Sweetness and acidity using Near Infrared Spectroscopy. In Gesellschaft für Informatics lecture notes: Proceeding of the GIL Jahrestagung.
Munawar, A. A., Hörsten, D. v., Wegener, J.K., Pawelzik, E., & Mörlein, D. (2016). Rapid and Non-Destructive Prediction of Mango Quality attributes using Fourier transform Near Infrared Spectroscopy and Chemometrics. Engineering in Agriculture, Environment
and Food, 9(3), 208-215.
Nicolai, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K. I., & Lamertyn, J. (2007). Nondestructive Measurement of Fruit and Vegetable Quality by Means of NIR Spectroscopy: a review. Postharvest Biology and Technology, 46, 99-118.
Vesela, A., Barros, A. S., Synytsya, A., Delgadillo, I., Copikova, J., & Coimbra, M. A. (2007). Infrared Spectroscopy and Outer Product Analysis for Quantification of Fat, Nitrogen, and Moisture of Cocoa Powder. Analytica Chimica Acta, 601, 77–86.
