i
PENGEMBANGAN SISTEM DETEKSI KEMATANGAN TANDAN BUAH SEGAR (TBS) KELAPA SAWIT BERBASIS SPEKTRUM CAHAYA TAMPAK
AHMAD THORIQ
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
53
ii
iii
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul Pengembangan Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berbasis Spektrum Cahaya Tampak adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2013
Ahmad Thoriq NIM F151100011
ii
iii
RINGKASAN AHMAD THORIQ. Pengembangan Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berbasis Spektrum Cahaya Tampak. Dibimbing oleh SAM HERODIAN dan AGUS SUTEJO. Kelapa sawit kini menjadi komoditas primadona di Indonesia, terlihat dari pertumbuhan luas areal yang cukup signifikan. Sejak tahun 2005, Indonesia menyusul Malaysia sebagai eksportir minyak kelapa sawit terbesar dan saat ini memegang lebih dari 50% pangsa pasar global (USDA 2012). Namun yang masih menjadi kendala utama ekspor ke luar negeri adalah kualitas minyak kelapa sawit atau crude palm oil (CPO) (Suprapto dan Nurlaila 2008), dimana kandungan asam lemak bebas (ALB) yang dimiliki masih di atas rata-rata 5%, jauh dibawah standar internasional yang mensyaratkan agar CPO yang diekspor memiliki nilai ALB kurang dari 3%. Hal ini mengakibatkan terjadinya pemotongan harga atau lebih dikenal dengan discount rate bagi CPO asal Indonesia. Syarat pemanenan buah kelapa sawit yang baik dilakukan pada saat kandungan minyak maksimal dan kandungan asam lemak bebas (ALB) minimal. Apabila pemanenan buah dilakukan pada keadaan lewat matang, maka minyak yang dihasilkan mengandung ALB dalam persentase tinggi (lebih dari 5%) sebaliknya, jika pemanenan dilakukan dalam keadaan buah belum matang, maka ALB dan rendemen minyak yang dihasilkan rendah (Fauzi et al. 2007). Hal ini sangat sulit dicapai apabila dilakukan dengan mengandalkan tenaga manusia yang berpedoman pada jumlah brondolan yang jatuh ke tanah yang dinyatakan dengan fraksi, yang mana sering kali ditemukan di lapangan terdapat beberapa brondolan yang jatuh dan tersangkut pada pelepah. Selain itu ketika musim penghujan, buah akan lebih cepat jatuh karena TBS terkena air hujan, sehingga metode tersebut kurang tepat. Alternatif yang perlu dikembangkan adalah penggunaan sensor dalam mendeteksi tingkat kematangan TBS. Untuk menentukan sensor yang tepat maka diperlukan kajian karakteristik optik dari TBS kelapa sawit menggunakan spektrofotometer Uv – Vis. Data hasil pengukuran berupa sifat pantulan dari spektrum TBS digunakan sebagai acuan dalam perancangan sistem deteksi kematangan TBS kelapa sawit. Penelitian ini bertujuan untuk mempelajari karakteristik spektrum TBS berdasarkan tingkat kematangan dengan metode reflektansi gelombang cahaya tampak, membangun hubungan antara kandungan kimia dengan spektrum cahaya tampak TBS kelapa, dan membuat sistem deteksi kematangan TBS yang terdiri atas sensor, peraga dan perekam. Bahan yang digunakan pada penelitian ini adalah tandan buah segar (TBS) kelapa sawit sebanyak 87 buah yang berasal dari klon Marihat, Dumpy dan Selapan Jaya. Jumlah sampel dari setiap klon adalah 29 buah yang terdiri atas 4 (empat) tingkat kematangan yaitu mentah (fraksi 0), kurang matang (fraksi 1) matang (fraksi 2 dan fraksi 3), lewat matang (fraksi 4). Alat - alat yang digunakan pada penelitian ini antara lain : spektrometer ocean optics USB 650, fiber optic solids, digital spotting scope (bushnell 15 – 45x, LCD 22x), laser pointer merah (660nm, 100 mW), lux meter, lampu halogen (1000, 600) watt, kain hitam, meteran, distance meter, peralatan laboratorium untuk analisa kimia TBS, komputer dan perlengkapannya.
iv
Langkah awal yang dilakukan pada pengukuran reflektan TBS adalah menentukan integration time dengan mengukur reflektan reference putih dan reference hitam pada jarak pengukuran. Penggunaan reference dilakukan untuk standarisasi pengukuran. Citra TBS ditangkap oleh digital spotting scope dan reflektan TBS akan dibaca oleh spektrometer ocean optics USB 650 (fiber optic solids) pada panjang gelombang 200-850 nm. Untuk memastikan titik pengukuran TBS, maka digunakan laser pointer sebagai penunjuk dan citra dari TBS dapat ditampilkan oleh display yang terdapat pada digital spotting scope. Pembacaan spektrum dilakukan dengan menggunakan perangkat lunak ocean optics spektrumsuite yang terhubung dengan spectrometer USB 650 - fiber optic solids. Analisis kadar minyak dan asam lemak bebas (ALB) dilakukan di laboratorium kimia PT. Nirmala Agro Lestari. Pengambilan sampel untuk pengujian ALB dilakukan secara langsung setelah buah jatuh terpanen sedangkan pengambilan sampel untuk analisa kadar minyak TBS dilakukan setelah pengukuran reflektan menggunakan spektrofotometer. Hasil penelitian menunjukkan setiap klon menghasilkan karakteristik yang berbeda – beda, pada klon marihat kematangan tidak dapat dibedakan pada F2 dan F3 hal ini karena menghasilkan pola spektrum yang berhimpit yang mengindikasikan sampel uji F2 dan F3 memiliki karakteristik warna yang sama namun pada F0, F1, dan F4 kematangan dapat dibedakan pada rentang panjang gelombang 665 – 687 nm. Pada klon Dumpy pola spektrum yang berhimpit terjadi pada F3 dan F4 dan kematangan dapat dibedakan untuk F0, F1 dan F2 pada rentang panjang gelombang 660 – 685 nm. Sedangkan pada klon Selapan Jaya kematangan dapat dibedakan pada rentang panjang gelombang 630 – 688 nm. Kadar minyak akan meningkat sampai batas tertentu kemudian menurun, pada klon Marihat kadar minyak optimal terjadi pada fraksi 2, sedangkan pada klon Dumpy dan Selapan Jaya kadar minyak optimal terjadi pada fraksi 1. Hal ini karena setiap klon mempunyai karakteristik yang berbeda selama proses pematangan. Hubungan kurang baik antara data reflektan dan kadar minyak TBS dengan R2 untuk klon Marihat, Dumpy dan Selapan Jaya secara berurutan masing – masing sebesar 0,288 ; 0,614 dan 0,516. Sedangkan hasil pengujian sistem deteksi kematangan TBS untuk klon Marihat, Dumpy dan Selapan Jaya menunjukkan ketepatan pendugaan pada model kalibrasi sebesar 100% sedangkan pada model validasi masing – masing sebesar 50%, 60%, dan 70%. Hal ini menunjukkan sistem deteksi yang dibangun belum dapat membedakan kematangan terutama pada klon Marihat dan Dumpy.
Kata kunci : deteksi kematangan, tandan buah segar, reflektan, spektrofotometer ultraviolet – visible
v
SUMMARY AHMAD THORIQ. Development of Detection System Maturity of Fresh Fruit Bunches (FFB) Palm Oil Based on Visible Spectrum. Supervised by SAM HERODIAN and AGUS SUTEJO. Palm oil is one of the most famous commodities in Indonesia, seen from the growth area significantly. Since 2005, Indonesia overtake Malaysia as the largest palm oil exporter and currently holds more than 50% global market share (USDA 2012). But the problem is the crude palm oil (CPO) quality with the content of free fat acid (FFA) more than 5%, it means that FFA content more than the international standard which required less than 3%. This problem caused decreasing of the price or discount rate for CPO from Indonesia. The best harvesting time of palm oil is when the CPO maximum and FFA minimum. Harvesting of palm oil in the over maturity stage caused FFA content more than 5%, and if the harvesting of palm oil in the under maturity stage, the content of both FFA and CPO low (Fauziet al.2007). The precision of harvesting time would be very difficult if using human resources which considered on the fraction or percentage of palm oil fruits which fall in the soil surface. These human resources methods was low accuracy, it was caused by many external factors like as the fruit would be hold on the palm oil stems and in the rainy season FFB would release from the bunches before maturity stages. One of the best ways to solve these problems is using censors for maturity detection of FFB. To get the precise censor would need optical characteristics tests of palm oil FFB using Uv-Vis spectrophotometer. Resulted data from these measurements was in the reflectance characteristics from the FFB spectrum, and then these data would be used for maturity detections system of palm oil FFB. The objectives of this research are studying of FFB spectrum characteristics based on the maturity stages using visible wave reflectances method, studying about the interactions between chemical contents with visible wave spectrum of palm oil FFB, and creating oil palm FFB maturity detection system using censors, displays, and recorders. Materials used for this research are 87 palm oil FFB from the Marihat, Selapan Jaya, and Dumpy clones. Number of samples of each clone is 29 pieces consisting of four (4) level of maturity that is raw (fraction 0), less mature (fraction 1) mature (fraction 2 and fraction 3), over-mature (fraction 4). This research using ocean optics spectrometer USB 650, fiber optic solids, digital spotting scope (bushnell 15 – 45x, LCD 22x), red laser pointer (660nm, 100 mW), lux meter, halogen lamps (1000 and 6000 Watt), black fabric, distance meter, laboratory instruments for FFB chemical tests, computer and it’s components. The first step is classified of integration time with measuring white reference reflectan and black in the spesific distances of measuring. Using references was be done for standarized of measuring. FFB spectrum would be cauthed by digital spotting scope and FFB reflectances would be read by spectrometer ocean optics USB 650 (fiber optic solid) in the wave lenght 200-850 nm. To ensure the point of FFB measurement, laser pointer was used and FFB spectrum would be displayed by display in the digital spotting scope. Reading was
vi
be done using ocean optic spectarsuite which connected to spectrometre USB 650 of fiber optic solids. Analysis of oil content and free fatty acid (FFA) conducted in the chemical laboratory PT. Nirmala Agro Lestari. Sampling for testing ALB performed directly after harvest TBS while sampling for analysis of oil content TBS performed after measurement of reflectance using a spectrophotometer. The results of this research showed that maturity stage of Marihat, Dumpy, and Selapan Jaya clone could be determinated in the wave legth rate from 650 to 690 nm. On this wave length indicated the diffferences of maturity and immaturity fruit color. Differences characteristics was occured in the maturity stages of each clone. Optimal oil content of Marihat clone was occured in fraction 2, and for Dumpy and Selapan Jaya clones was occured on fraction 1. Β caroten contents would increased and then decreased on the spesifics stages, optimum β caroten for Marihat and Selapan Jaya was occured on fraction 3 and Dumpy clone was occured on fraction 2. Based of reflectances data in indoor measurements, the most affected wave length to predict the FFB oil contents the wavelength range of 650 - 690 nm. Based of reflectances data in indoor measurements, the most affected wave length to predict the FFB oil contents the wavelength range of 650 - 690 nm for Marihat clone was in 672 nm with R2 0,407, Dumpy clone 685 nm with R2 0,638, and Selapan Jaya clone 685 nm with R2 0,795. While the wavelength of the most influential in predicting FFB oil content in the wavelength range 650-690 nm to 663 nm Marihat clones with R2 values of 0.764, clone Dumpy 685 nm with R2 values of 0.984 and 669 clones of Jaya Selapan nm with R2 values of 0.878 . System test results for clone detection TBS Marihat maturity, Dumpy and Selapan Jaya shows the calibration model prediction accuracy of 100%, while the validation of models each - amounting to 50%, 60%, and 70%.
Keywords: maturity detection, fresh fruit bunches, reflectance, UV - Vis spectrophotometer
vii
© Hak Cipta Milik IPB, Tahun 2013 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB
i
PENGEMBANGAN SISTEM DETEKSI KEMATANGAN TANDAN BUAH SEGAR (TBS) KELAPA SAWIT BERBASIS SPEKTRUM CAHAYA TAMPAK
AHMAD THORIQ Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Teknik Mesin Pertanian dan Pangan
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013
ii
Penguji Luar Komisi Pembimbing pada Ujian Tesis : Dr Ir Usman Ahmad, MAgr
Judul Tesis : Pengembangan Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berbasis Spektrum Cahaya Tampak : Ahmad Thoriq Nama NIM : F151100011
Disetujui oleh Komisi Pembimbing
Dr Ir Sam Herodian, MS Ketua
r Agus Sutejo, MSi Anggota
Diketahui oleh
Ketua Program Studi Teknik Mesin Pertanian dan Pangan
Dr Ir Y. Aris Purwanto, MSc
Tanggal Ujian: 29 Juli 2013
Tanggal Lulus:
? f:l
A.U G 2013
iii
Judul Tesis : Pengembangan Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berbasis Spektrum Cahaya Tampak Nama : Ahmad Thoriq NIM : F151100011
Disetujui oleh Komisi Pembimbing
Dr Ir Sam Herodian, MS Ketua
Ir Agus Sutejo, MSi Anggota
Diketahui oleh
Ketua Program Studi Teknik Mesin Pertanian dan Pangan
Dekan Sekolah Pascasarjana
Dr Ir Y. Aris Purwanto, MSc
Dr Ir Dahrul Syah, MScAgr
Tanggal Ujian: 29 Juli 2013
Tanggal Lulus:
iv
v
PRAKATA Alhamdulillahi rabbil ‘alamin, puja dan puji syukur penulis panjatkan kehadirat Allah, SWT yang telah memberikan rahmat-Nya sehingga penulis dapat menyelesaikan penyusunan tesis yang berjudul Pengembangan Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Kelapa Sawit Berbasis Spektrum Cahaya Tampak. Pada kesempatan ini penulis menyampaikan terima kasih kepada Dr Ir Sam Herodian, MS (Ketua Komisi Pembimbing) dan Ir Agus Sutejo, MSi (Anggota Komisi pembimbing) atas bimbingan dan saran selama penelitian dan penulisan tesis ini serta Dr Ir Usman Ahmad, MAgr yang telah meluangkan waktu untuk menjadi dosen penguji luar komisi dan Dr Ir Y. Aris Purwanto, MSc selaku ketua Program Stusi Teknik Mesin Pertanian dan Pangan yang telah memberikan saran dan arahan untuk perbaikan tesis ini. Penulis juga menyampaikan ucapan terima kasih kepada PT. Astra Agro Lestari, Tbk yang telah menyediakan bantuan fasilitas dan lokasi penelitian dan Drs. Kombespol Sam Budigusdian, MH yang telah membantu menyediakan sarana penunjang atas penelitian ini serta beasiswa LPDP yang telah memberikan bantuan biaya penelitian ini. Penulis juga menyampaikan ucapan terima kasih kepada Muhammad Makky, Msi, Dinah Cherie, MSi, Wahid Muthowal, MSc, dan Teman - teman seperjuangan di S2 Teknik Mesin Pertanian dan Pangan (2010) : Abdul Roni Angkat, Pandu Gunawan, Cecep Saepul Rahman, Lilis Sucahyo, Jhoni Firdaus, Irriwad Putri, Ismi Mahmudah Edris, Annisa Nur Ichniarsyah yang selalu memberikan semangat dan inspirasi. Secara khusus, penulis menyampaikan ucapan terima kasih kepada Ibunda Istikana, Ayahanda Johari, Adinda Novi Purnama Sari, Adinda Nurvia Stiani dan Adinda Okta Danik Nugraheni, atas bantuan dan dukungannya selama ini. Harapan penulis semoga karya ilmiah ini bermanfaat bagi semua pihak yang memerlukannya.
Bogor, Agustus 2013 Ahmad Thoriq
vi
vii
DAFTAR ISI DAFTAR ISI
vii
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
ix
PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Ruang Lingkup Penelitian
1 2 4 4 5 5
TINJAUAN PUSTAKA Tandan Buah Segar (TBS) Kelapa Sawit Proses Pematangan Buah Sawit Kadar Minyak dan Asam Lemak Bebas (ALB) Spektroskopi Ultraviolet - Visible Aplikasi Ultraviolet Visible untuk Penentuan Tingkat Kematangan TBS Mikrokontroler
5 5 7 8 9 10 11
METODE PENELITIAN Waktu dan Tempat Bahan dan Alat Prosedur Penelitian
12 12 12 13
HASIL DAN PEMBAHASAN Pola Spektrum Reflektan Cahaya Tampak Berdasarkan Klon Kelapa Sawit Korelasi Sifat Optik dan Sifat Fisikokimia TBS Pembuatan Sistem Deteksi Kematangan TBS Kelapa Sawit Pengujian Sistem Deteksi Kematangan TBS Kelapa Sawit Hasil Pengujian Sistem Deteksi Kematangan TBS Kelapa Sawit
26 26 31 35 37 38
5 SIMPULAN DAN SARAN Simpulan Saran
44 44 44
DAFTAR PUSTAKA
45
RIWAYAT HIDUP
62
viii
DAFTAR TABEL 1 2 3 4 5 6 7 8 9 10 11
Kandungan minyak dan ALB TBS berdasarkan umur (%) Kandungan senyawa asam lemak bebas pada beberapa umur tandan buah sawit (%) Jumlah sampel penelitian berdasarkan klon dan tingkat kematangan Beberapa tingkatan fraksi matang panen pada tanaman kelapa sawit Pengaturan perbesaran berdasarkan jarak pengukuran Integration time berdasarkan jarak pengukuran Klasifikasi pengelompokaan TBS klon Marihat berdasarkan tingkat kematangan Klasifikasi pengelompokaan TBS klon Dumpy berdasarkan tingkat kematangan Klasifikasi pengelompokaan TBS klon Selapan Jaya berdasarkan tingkat kematangan Nilai Mean Absolute Percentage Error (MAPE) dan R2 hasil kalibrasi dan validasi kadar minyak minyak TBS Nilai Mean Absolute Percentage Error (MAPE) dan R2 hasil kalibrasi dan validasi ALB minyak TBS
8 8 12 15 16 17 39 39 40 40 42
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Luas areal dan produksi perkebunan kelapa sawit di Indonesia (1967 2012) Produksi minyak sawit dunia Morfologi tandan buah sawit Penampang buah sawit Spektrum elektromagnetik Diagram alir penelitian tahap pertama Hasil pengukuran reflektan kertas warna menggunakan spektrofotometer UV Vis berdasarkan jarak Spotting scope, spectrofotometer USB 650 dan perlengkapannya Pengukuran reflektanTBS di dalam ruangan tampak depan Pengukuran reflektanTBS di dalam ruangan tampak atas Sampel buah sawit untuk analisa asam lemak bebas (ALB) Diagram alir penelitian tahap kedua Karakteristik sensor cahaya (a) Fotodioda, (b) Fototransistor,(c) LDR Rangkaian unit detector Rangkaian unit pengendali Rangkaian unit pengolah data (a) rangkaian mikrokontroler ATMega32, (b) luaran hasil pengukuran Rangkaian penyimpan data (a), rangkaian card multimedia, (b) rangkaian pewaktu Diagram alir prinsip kerja sistem deteksi kematangan TBS
1 1 6 6 9 13 14 15 16 17 18 19 20 21 22 22 23 23
ix
19 20 21 22 23 24 25 26 27 28
29 30
31 32 33 34 35
Model jaringan saraf tiruan tiga lapis (backpropagation method). Warna TBS berdasarkan tingkat kematangan Pengaruh pencahayaan terhadap hasil pengukuran Pengaruh penggunaan reference sesuai dengan tingkat pencayaan yang digunakan Pengaruh jarak terhadap hasil pengukuran Pengaruh penggunaan reference sesuai dengan jarak pengukuran Pola spekra setiap klon berdasarkan tingkat kematangan pada panjang gelombang 400 – 850 nm dan 600 – 700 nm Pola spekra pada titik pengukuran yang berbeda dalam satu TBS yang sama berdasarkan tingkat kematangan Hubungan kadar minyak minyak TBS setiap klon berdasarkan tingkat kematangan Korelasi antara reflektansi dan kandungan minyak TBS; (a) klon Marihat pada panjang gelombang 673 nm, (b) klon Dumpy pada panjang gelombang 685 nm, (c) klon Selapan Jaya pada panjang gelombang 635 nm Hubungan kandungan ALB TBS setiap klon berdasarkan tingkat kematangan Korelasi antara reflektansi dan ALB TBS; (a) klon Marihat pada panjang gelombang 673 nm, (b) klon Dumpy pada panjang gelombang 685 nm, (c) klon Selapan Jaya pada panjang gelombang 630 nm Bagian luar alat ukur deteksi kematangan TBS Bagian dalam alat ukur deteksi kematangan TBS Pengujian sistem deteksi kematangan TBS berbasis Hasil kalibrasi dan validasi kadar minyak TBS setiap klon dengan metode JST Hasil kalibrasi dan validasi ALB TBS setiap klon dengan metode JST
25 26 27 28 28 29 30 31 32
33 34
35 36 36 38 41 43
DAFTAR LAMPIRAN 1 2 3 4 5 6 7 8
Instruksi kerja penentuan kadar asam lemak bebas (ALB) Standar operasional prosedur (SOP) fruit set dan analisa kadar minyak TBS Gambar standar operasional prosedur (SOP) fruit set dan analisa kadar minyak TBS Spesifikasi mikrokontroler ATmega 32 Spesifikasi mikrokontroler ATmega 32 Rangkaian elektronik alat ukur deteksi kematangan TBS Spesifikasi lampu halogen Kadar minyak dan ALB TBS berdasarkan klon dan tingkat kematangan (fraksi) Hasil kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Marihat dengan metode JST
48 49 50 52 54 54 55 56
x
9 10 11 12 13
Hasil kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Dumpy dengan metode JST Kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Selapan Jaya dengan metode JST Nilai bobot pada arsitektur JST untuk klon Marihat Nilai bobot pada arsitektur JST untuk klon Dumpy Nilai bobot pada arsitektur JST untuk klon Selapan Jaya
57 58 59 60 61
PENDAHULUAN
Luas areal dan produksi (x 1000)
Kelapa sawit kini menjadi komoditas primadona di Indonesia, terlihat dari pertumbuhan luas areal yang cukup signifikan (Gambar 1). Pada tahun 2012 luas areal lahan kelapa sawit di Indonesia mencapai 9 074 621 hektar dengan produksi minyak sawit sebanyak 23 521 071 ton. Sejak tahun 1967 sampai 2012 terjadi pertumbuhan rata - rata luas areal sebesar 10,39% atau terdapat peningkatan jumlah luasan sebesar 194.974,20 hektar pertahun (Ditjenbun 2012). 25000
Luas Areal (x 1000 Ha) Produksi Minyak Sawit (x 1000 Ton)
20000 15000 10000 5000 0 1965
1975
1985
1995
2005
2015
Tahun
Gambar 1 Luas areal dan produksi perkebunan kelapa sawit di Indonesia (1967 - 2012) Pada tahun 2005, Indonesia menyusul Malaysia sebagai eksportir minyak kelapa sawit terbesar dan saat ini memegang lebih dari 50% pangsa pasar global seperti dapat di lihat pada Gambar 2. Produksi minyak sawit mentah (CPO) mencapai 25,9 juta metrik ton(MMT) dan diprediksi akan mengalami peningkatan hingga 28 MMT tahun 2012 (USDA 2012).
Gambar 2 Produksi minyak sawit dunia 53
2
Ekspor minyak sawit Indonesia meningkat sebesar 1,7 MMT menjadi 18,2 MMT tahun 2011 dan mengharapkan ekspor minyak sawit akan terus tumbuh menjadi 19,6 MMT tahun 2012. Stok minyak sawit Indonesia juga meningkat secara signifikan dari 1,27MMT tahun 2010 menjadi 2,091 MMT tahun 2011 dan diharapkan akan meningkat menjadi 2,784 MMT tahun 2012 karena tingkat produksi jauh melampaui apa yang dapat diserap oleh permintaan dalam negeri (USDA 2012). Selain memegang peranan yang penting sebagai sumber penerimaan devisa Negara, perkebunan kelapa sawit memiliki dampak secara langsung terhadap peningkatan kesejahteraan pekebun. Menurut Ditjenbun (2010) indeks nilai tukar petani pada tahun 2008, tertinggi dibandingkan dengan petani pangan, hortikultura maupun peternakan. Pendapatan pekebun kelapa sawit sepanjang tahun 2005-2009 menunjukkan peningkatan dengan rata-rata laju pertumbuhan mencapai 14,47% per tahun. Kedepan, peranan perkebunan tetap penting, bahkan semakin penting untuk mengurangi kemiskinan,menyerap tenaga kerja, menjaga kelestarian lingkungan hidup dan sumber energi (Suswono 2012). Berdasarkan pemaparan sebelumnya, dapat di lihat bahwa kelapa sawit sangat memegang peranan penting dalam kehidupan Bangsa Indonesia. Namun disisi lain, kualitas minyak kelapa sawit atau crude palm oil (CPO) masih menjadi kendala utama ekspor ke luar negeri (Suprapto dan Nurlaila 2008), dimana kandungan asam lemak bebas (ALB) yang dimiliki masih diatas rata-rata 5%, jauh dibawah standar internasional yang mensyaratkan agar CPO yang diekport memiliki nilai ALB kurang dari 3%. Hal ini mengakibatkan terjadinya pemotongan harga atau lebih dikenal dengan discount rate bagi CPO asal Indonesia. Oleh sebab itu, sangat penting bagi kita untuk melakukan langkahlangkah yang dapat membantu industri kelapa sawit Indonesia. Latar Belakang Penanganan panen TBS di lapang menjadi suatu kegiatan yang penting dalam upaya meningkatkan kualitas minyak sawit yang dihasilkan. Pemanenan buah kelapa sawit dilakukan pada saat kandungan minyak maksimal dan kandungan asam lemak bebas (ALB) minimal. Apabila pemanenan buah dilakukan pada keadaan lewat matang, maka minyak yang dihasilkan menggandung ALB dalam prosentase tinggi (lebih dari 5%) sebaliknya, jika pemanenan dilakukan dalam keadaan buah belum matang, maka selain kadar ALB dan rendemen minyak yang dihasilkan rendah (Fauzi et al. 2007). Secara umum penentuan kematangan buah sawit yang banyak dipakai adalah berdasarkan jumlah brondolan, yaitu tanaman dengan umur kurang dari 10 tahun jumlah brondolan kurang lebih 10 butir dan tanaman berumur lebih dari 10 tahun jumlah brondolan sekitar 15 – 20 butir (Fauzi et al. 2007 ; Kiswanto et al. 2008). Sedangkan menurut Rankine dan Fairhurst (1998) tandan buah matang harus mempunyai sedikitnya satu brondolan dipiringan sebagai tanda buah tersebut dapat dipanen, namun standar panen berdasar 1 brondolan dipiringan bersifat relatif, dan tergantung pada iklim dan pengalaman pekebun. Lebih lanjut Pahan (2008) menjelaskan bahwa pemotongan buah mentah dan meninggalkan brondolan di piringan adalah kesalahan yang paling sering dilakukan oleh pemanen.Kerugian akibat memotong buah mentah yaitu kehilangan sebagian
3
potensi produksi minyak, mengganggu kelestarian produksi, sehingga tanaman kelapa sawit mengalami stress. Menurut Muchtadi (1992) warna telah diduga menjadi panduan penting apakah kandungan minyak telah mencapai maksimum dimana buah siap dipanen. Buah sawit muda yang berumur 3 minggu, berwarna unggu sampai hitam di bagian apikal dan berwarna kuning muda atau putih di bagian basal. Pada buah berumur 10 sampai 13 minggu, buah berwarna jingga merata dan sel mesokarp dan inti sawit mulai terisi globula lemak. Buah yang berumur 16 minggu akan berwarna merah dan sel mesokarp dan inti sawit terisi penuh oleh globula lemak sedangkan pada buah yang berumur 20 minggu, buah mulai jatuh dari tandan, dinding sel mesokarp dan inti sawit retak dan pecah, kantung lemak tersobek serta minyak keluar dari sel. Sedangkan menurut Junkwon et al. (2009) pigmen minyak buah sawit seperti karotenoid dan klorofil mempengaruhi warna dari buah kelapa sawit, dimana buah mentah memiliki proporsi klorofil yang lebih tinggi yang secara bertahap menurun pada saat matang dan tidak terdapat pigmen klorofil pada buah matang. Pemanenan yang masih mengandalkan tenaga manusia menyebabkan kualitas panen dipengaruhi pengalaman, keahlian, dan pengetahuan. Pengaruh faktor eksternal seperti : kelelahan, emosi, rasa bosan, faktor usia, kondisi mental, kesehatan dan cacat bawaan akan berdampak negatif pada hasil panen. Alternatif lain yang perlu dikembangkan adalah penggunaan sensor dalam mendeteksi tingkat kematangan TBS. Hal ini karena penggunaan sensor tidak dipengaruhi oleh faktor eksternal, dan sensor lebih baik dari manusia, namun memiliki keterbatasan. Beberapa sistem sensor untuk menentukan kematangan TBS kelapa sawit yang telah diteliti antara lain sensor optik camera base system (Abdullah et al. 2001, 2004 ; Makky 2005; Alfatni et al. 2008; Ismail et al. 2010; Razali et al. 2011; Hazir et al. 2011; May and Amaran 2011), kamera hiperspektruml (Junkwon et al. 2009), resonansi magnetik pencitraan dan resonansi magnetik nuklir (Shaarani et al. 2010), sensor kadar air (Yeow et al. 2010), sensor fluoresensi multi-parametrik (Hazir et al. 2011, 2012), sensor optik aktif (Saeed et al. 2012), dan sensor ultrasonik (Suwannarat et al. 2012). Teknik-teknik tersebut telah menggambarkan potensi menggunakan sensor optik dalam mendeteksi kematangan TBS. Namun, sebagian studi masih dilakukan dalam skala laboratorium, untuk itu pada penelitian ini akan dilakukan pengukuran tingkat kematangan TBS di dalam ruangan dan di luar ruangan dengan menggunakan spektrofotometer ultraviolet - visible. Data hasil pengukuran berupa sifat pantulan dari spektrum TBS digunakan sebagai acuan dalam perancangan sistem deteksi kematangan TBS kelapa sawit. Menurut Novianty (2008) adanya perubahan warna menyebabkan kemampuan penerusan dan pemantulan dari produk juga berubah. Variasi warna adalah bentuk variasi panjang gelombang radiasi elektromagnetik. Suatu bahan akan menyerap atau memantulkan sinar dengan berbagai panjang gelombang bergantung warnanya. Oleh karena itu, buah yang diberi perlakuan berupa pemberian sinar-sinar pada daerah tertentu akan menentukan sifat fisik buah berupa warna dan tingkat kematangan buah berupa kadar air yang meningkat bila buah semakin masak. Pemberian sumber radiasi pada daerah cahaya tampak dapat menentukan pigmen yang terkandung oleh buah tersebut. Lebih lanjut menurut Saeed et al. (2012) perubahan warna buah sawit
4
berdasarkan tingkat kematangan dapat diamati dengan memanfaatkan spektrum reflektan yang dipancarkan oleh buah. Perumusan Masalah Penentuan kematangan TBS secara umum yang dilakukan selama ini adalah berdasarkan jumlah brondolan yang jatuh ke tanah yang dinyatakan dengan fraksi, namun seringkali ditemukan di lapang terdapat beberapa brondolan yang jatuh tersangkut pada pelepah dan ketika musim penghujan, buah akan lebih cepat jatuh karena TBS yang terkena air hujan. Pemanenan yang masih mengandalkan tenaga manusia menyebabkan kualitas panen dipengaruhi pengalaman, keahlian, dan pengetahuan. Pengaruh faktor eksternal seperti : kelelahan, emosi, rasa bosan, faktor usia, kondisi mental, kesehatan dan cacat bawaan akan berdampak negatif pada hasil panen. Kesalahan yang paling sering dilakukan oleh pemanen adalah pemotongan buah mentah dan meninggalkan brondolan di piringan. Kerugian akibat memotong buah mentah yaitu kehilangan sebagian potensi produksi minyak, dan mengganggu kelestarian produksi. Untuk itu diperlukan sistem yang dapat melakukan identifikasi tingkat kematangan TBS kelapa sawit sebelum dilakukan pemanenan. Tujuan Penelitian Secara umum tujuan penelitian ini adalah memprediksi secara cepat, otomatis dan objektif pada tingkat kematangan TBS berdasarkan karakteristik optiknya. Secara spesifik tujuan penelitian ini adalah : 1. Mempelajari karakteristik spektrum TBS berdasarkan tingkat kematangan dengan metode reflektansi gelombang cahaya tampak 2. Membangun hubungan antara kandungan kimia dengan spektrum cahaya tampak TBS kelapa sawit 3. Membuat sistem deteksi kematangan TBS yang terdiri atas sensor, peraga dan perekam
5
Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat memberikan informasi mengenai tingkat kematangan buah sawit melalui hubungan antara kharakteristik spektrum reflektan dengan kandungan kimia TBS kelapa sawit berdasarkan tingkat kematangan serta diharapkan digunakan sebagai acuan dalam penelitian lebih lanjut untuk pengembangan sistem deteksi kematangan buah secara portable berbasis spektrum cahaya tampak. Ruang Lingkup Penelitian Penelitian yang telah dilaksanakan ini difokuskan pada perancangan sistem deteksi kematangan TBS kelapa sawit. Adapun batasan dari penelitian ini antara lain : 1. Data penelitian yang digunakan didapat dari penggukuran menggunakan spektrofotometer ocean optics USB 650 berupa data spektruml reflektan dari spektrum TBS sedangkan data kandungan kimia TBS kelapa sawit berasal dari hasil pengujian di laboratorium kimia PT. Nirmala Agro Lestari (Group PT. Astra Agro lestari, Tbk). 2. Sampel uji penelitian berupa TBS kelapa sawit yang berasal dari klon Marihat, Selapan Jaya, dan Dumpy dan masing – masing varietas tersebut terdiri atas 4 (empat) tingkat kematangan yaitu mentah (fraksi 0), kurang matang (fraksi 1) matang (fraksi 2 dan fraksi 3) dan lewat matang (fraksi 4). 3. Perancangan sistem yang dikembangkan berdasarkan hubungan antara spektrum reflektansi dengan kandungan kimia TBS kelapa sawit.
TINJAUAN PUSTAKA Tandan Buah Segar (TBS) Kelapa Sawit Struktur tandan buah sawit dibagi atas tiga bagian yaitu bagian atas (apikal), bagian tengah (middle) dan bagian bawah (basal) yang masing-masing terdiri dari buah-buah yang penampakannya berlainan, bentuk ataupun ukurannya seperti yang tersaji pada Gambar 3. Bagian apikal tandan, berada pada sekitar lokasi sepertiga bagian atas tandan, bagian basal tandan berada pada sepertiga bagian bawah tandan, sedangkan bagian tengah tandan (middle) terdapat diantara apikal dan basal (Ooi dan Tam 1976, dalam Muchtadi 1992)
6
Gambar 3 Morfologi tandan buah sawit Pada bagian tengah tandan terdapat buah-buah yang besarnya merata, berukuran lebih besar daripada bagian atas atau bawah.Sedangkan bagian bawah tandan terdapat buah-buah yang lebih kecil daripada bagian atas atau tengah, terutama pada bagian pangkalnya karena pertumbuhannya terdesak oleh pangkal batang daun atau ketiak pelepah daun pada tempat kedudukan tandan tersebut (Muchtadi 1992). Sebaris buah terlekat oleh setiap kelopaknya, yang disebut karpel, pada ranting, dan sejumlah baris ranting berpangkal pada hati (core), berupa tangkai tandan. Pada setiap ranting juga berlaku istilah apikal (bagian atas ranting), bagian tengah (middle) serta basal (bagian bawah) ranting (Gian dan Chan 1987 dalam Muchtadi 1992) Dalam satu tandan sawit, terdapat 46% buah yang berukuran panjang sekitar 2 - 5 cm dan berat 3 - 30 gram, berwarna untuk hitam pada saat muda, kemudian akan berwarna kuning merah pada saat matang, buah sawit terdiri atas bagian buah (perikarp) termasuk kulit luar (eksokarp), dan daging buah (mesokarp) serta bagian biji (endokarp) yang meliputi tempurung dan inti (endospera) atau kernel. Pada ujung apikal buah terdapat bagian yang tajam, seperti duri, yang disebut apex dan tempat melekatnya buah pada tangkai tandan diselaputi oleh kelopak buah yang disebut karpel seperti yang tersaji pada Gambar 4 (Muchtadi 1992). Kulit buah (eksokarp )
Inti (endospera)
Apex
Daging buah (Mesokarp) Tempurung (Endokarp)
Gambar 4 Penampang buah sawit
7
Proses Pematangan Buah Sawit Buah sawit muda yang berumur 3 minggu, berwarna unggu sampai hitam di bagian apikal dan berwarna kuning muda atau putih di bagian basal, pigmen klorofil masih mendominasi sedangkan pigmen karotenoid akan tersentesa bersamaan dengan terbentuknya lemak dalam sel.Pada buah berumur 10 sampai 13 minggu, sel mesokarp dan inti sawit mulai terisi globula lemak jumlahnya dalam proporsi yang merata meskipun ukuran globulanya masih sangat kecil dan buah berwarna jingga merata. Buah yang berumur 16 minggu akan berwarna merah dan sel mesokarp dan inti sawit terisi penuh oleh globula lemak sedangkan pada buah yang berumur 20 minggu, buah mulai jatuh dari tandan, dinding sel mesokarp dan inti sawit retak dan pecah, kantung lemak tersobek, minyak keluar dari sel, serta pigmen klorofil disini sudah tidak ada sama sekali sedangkan karotenoid sudah terbentuk, jumlahnya mencapai 700 - 800 ppm. Berdasarkan pengamatan histologi jaringan mesokarp atau inti sawit maka umur buah yang tepat untuk dipanen adalah pada saat buah berumur 15 sampai 17 minggu atau terdapat 2 brondolan piringan (Muchtadi 1992). Pada buah sawit yang masih muda (umur 3 minggu) sudah terdapat kadar minyak meskipun masih sedikit (5,29 %bb / 22,56 %bk) karena masih banyak mengandung air. Sedangkan pada buah yang dewasa (umur 10 minggu) dan tua (umur 13 minggu), ternyata diperoleh kadar minyak sawit yang makin meningkat sampai umur 16 minggu (42,10 %bb / 54,65 %bk), yaitu saat buah matang. Demikian pula kadar minyak inti sawitnya, meskipun pada umur 3 minggu sudah terdapat minyak (4,20 %bb / 20,36 %bk), meningkat pada umur 10 dan 13, sampai 16 minggu (34,32 %bb / 45,02 %bk), setelah itu terjadi penurunan terus sampai pada kondisi buah lewat matang yaitu umur 20 minggu (Muchtadi 1992). Selama proses pematangan buah, terjadi perubahan fisik dan kimia seperti tekanan turgor pada dinding sel.Warna yang ada pada buah-buahan disebabkan oleh pigmen yang dikandungnya. Pigmen tersebut antara lain; warna hijau disebabkan oleh pigmen klorofil, warna biru atau purple disebabkan oleh pigmen anthocianin, warna merah disebabkan oleh pigmen likopen, warna jingga disebabkan oleh pigmen karoten, dan warna kuning disebabkan oleh xantofil. Selama proses pematangan, klorofil pada kulit buah mengalami degradasi yang menyebabkan munculnya karoten dan xantofil. Secara umum konsentrasi karoten dan xantofil hanya mengalami sedikit perubahan selama pematangan (Winarno dan Wirakartakusumah 1981). Proses perubahan warna dari hijau menuju merah menunjukkan bahwa kandungan klorofil dan daya serap cahaya menurun seiring dengan semakin meningkatnya umur buah. Buah-buahan atau sayur-sayuran yang mengalami pengurangan kandungan klorofil akan berubah warna, kenaikan kandungan pigmen karotenoid menyebabkan perubahan warna dari hijau menjadi kuning, merah muda (orange) atau merah. Sedangkan pigmen antosianin menyebabkan perubahan warna dari merah menjadi ungu (Novianty 2008). Kreteria matang panen ditentukan pada saat kandungan minyak maksimal dan kandungan asam lemak bebas (ALB) minimal. Kreteria umum yang banyak dipakai adalah berdasarkan jumlah brondolan, yaitu tanaman dengan umur kurang dari 10 tahun jumlah brondolan kurang lebih 10 butir dan tanaman berumur lebih dari 10 tahun jumlah brondolan sekitar 15 – 20 butir (Fauzi et al. 2007 ; Kiswanto et al. 2008). Sedangkan menurut Rankine dan Fairhurst (1998) tandan buah
8
matang harus mempunyai sedikitnya satu brondolan dipiringan sebagai tanda buah tersebut dapat dipanen, namun standar panen berdasar 1 brondolan dipiringan bersifat relative, dan tergantung pada iklim dan pengalaman pekebun.
Kadar Minyak dan Asam Lemak Bebas (ALB) TBS menghasilkan dua jenis minyak yang sangat berlainan, yaitu minyak yang berasal dari sabut (mesokarp) kelapa sawit disebut minyak sawit kasar (CPO/crude palm oil) dan minyak yang berasal dari inti kelapa sawit yang dinamakan minyak inti sawit (PKO/palm kernel oil) (Ketaren 2008). Minyak sawit mengandung trigliserida (94%), asam lemak (3-5%) dan komponen yang jumlahnya sangat kecil (1%), termasuk karotenoid, tokoferol, tokotrienol, sterol, triterpen alkohol, fosfolipida, glikolipida dan berbagai komponen trace element. Kadar minyak dan ALB berdasarkan tingkat kematangan dapat di lihat pada Tabel 1. Kadar minyak tertinggi yaitu pada umur 13 dan 16 minggu dan kadar ALB dalam buah sawit meningkat seiring bertambahnya umur buah seperti dapat di lihat pada Tabel 2. Hal ini karena aktivitas enzim lipase yang muncul pada buah sawit berumur 20 minggu yang menggurai lemak menjadi asam lemak (Muchtadi 1992). Tabel 1 Kandungan minyak dan ALB TBS berdasarkan umur (%) Umur (minggu) 3 10 13 16 20
Kadar minyak (% bk) 26,56 27,92 37,48 54,65 43,46
ALB (%) 0,84 1,39 2,54 2,95 4,22
Tabel 2 Kandungan senyawa asam lemak bebas pada beberapa umur tandan buah sawit (%) Umur C14 = 0 (minggu) miristat 3 1,31 10 1,10 13 1,15 16 1,12 20 1,17
C16 = 0 palmitat 53,73 50,19 52,88 48,69 50,19
C18= 0 stearat 3,30 2,49 2,76 3,43 3,67
C18= 1 oleat 32,97 36,12 34,50 35,77 35,7
C18= 2 linoleat 8,24 9,28 9,04 9,92 8,74
C18= 3 linolenat 0,20 0,21 0,23 0,22 0,23
9
Spektroskopi Ultraviolet - Visible Interaksi energi radiasi dengan bahan adalah merupakan dasar teori spektroskopi. Radiasi yang berasal dari sinar terdiri dari panjang gelombang dari yang sangat pendek sampai yang sangat panjang seperti pada Gambar 5. Ada dua persmaan dasar yang digunakan di dalam spektroskopi, yaitu : λ v = C.................................(1) Dimana : λ = panjang gelombang radiasi (cm) v = frekuensi radiasi (putaran/detik) C = kecepatan sinar (3 x 1010 cm/detik) .............................(2) Dimana : E = energi radiasi h = tetapan planck (6.62 X 10-27 erg.detik) Dari persamaan 2. dapat di lihat bahwa energi radiasi berbanding terbalik dengan panjang gelombangnya. Makin tinggi panjang gelombang maka energi radiasi makin lemah dan sebaliknya. Panjang gelombang (nm) 1 μm
Daerah spektrum
10 nm
380nm
UV hampa UV dekat
Eksitasi
Bilangan gelombang
200 nm
780 nm 0,78 μm
Tampak
2,5 μm
IR dekat
16 μm
IR
50000
26300
12800
4000
30 cm
IR jauh Gel. Mikro Rotasi & vibrasi molekul
Elektron valensi
106
50 μm
660
Rotasi molekul
200
-1
(cm )
Gambar 5 Spektrum elektromagnetik Menurut Lambert, fraksi penyerapan sinar tidak bergantung pada intensitas cahaya (I), sedangkan Beer menyatakan bahwa serapan sebanding dengan jumlah molekul yang menyerap. Jika suatu berkas sinar melewati suatu medium homogen, sebagian dari sinar datang (Io) akan diabsorpsi dan sisanya akan di transmisikan (It). Menurut Lambert dan Beer serta Bauger :
10
.......................................(3) ( )
* +
.....................(4)
( )
* +
................(5)
Dimana : b = jarak tempuk optik c = konsentrasi a = tetapan absorptivitas T = transmitansi A = absorbansi Spektrofotometri UV/Vis adalah teknik analisis spektroskopi yang memakai sumber radiasi elektromagnetik ultra violet dekat (190 –380) dan sinar tampak (380 –780) dengan menggunakan instrumen spetrofotometer. Spektrofotometri UV-Vis melibatkan energi elektronik yang cukup besar pada molekul yang dianalisis, sehingga spektrofotometer UV - Vis lebih banyak dipakai untuk analisis kuantitatif dibanding kualitatif. Peralatan Spektrofotometer UV - Vis terdiri dari sumber cahaya, monokromator, sel (kuvet), detektor, amplifier dan rekorder (Purwati 1987). Aplikasi Ultraviolet Visible untuk Penentuan Tingkat Kematangan TBS Junkwo et al. (2009) telah melakukan penelitian untuk menguji kandungan minyak, ALB sawit dan kematangannya dengan menggunakan kamera hiperspektruml. Kamera tersebut memiliki panjang gelombang 400 – 1000 nm. Kamera tersebut digunakan pada kondisi lingkungan yang terkontrol dengan TBS yang telah dipotong terlebih dahulu. Kematangan ditentukan berdasarkan nilai pantulan relatif rata-rata dari tandan dan buah sawit. Data diolah menggunakan SMLR (Stepwise Multiple Linear Regresion). Hasil penelitian menunjukkan perbedaan sangat jelas pada nilai reflektan relatif rata-rata pada buah dengan panjang gelombang terbaik yaitu pada 740, 750 dan 760 nm. Kemudian Saeed et al. (2011) mengevaluasi sebuah multi-band portabel, sistem sensor optik aktif; yang terdiri dari empat band spektruml, 570 670, 750, dan 870 nm, untuk mendeteksi tingkat kematangan tandan buah kelapa sawit segar. Band tersebut dipilih berdasarkan spektum elektromagnetik buah sawit dimana 570 nm mewakili warna hijau, 670 nm mewakili warna merah, 750 nm dan 870 nm mewakili spektrum infra merah dekat. Hasil ANOVA menunjukkan bahwa reflektanband 670 nm dapat membedakan kematangan dari buah sawit sedangkan reflektanband 570, 750, dan 870 nm, tidak dapat membedakan antara mentah dan matang dari buah sawit. Analisis diskriminan kuadratik dan analisis diskriminan dengan pengklasifikasi jarak Mahalanobis menghasilkan akurasi tertinggi secara keseluruhan rata-rata lebih besar dari 85% dalam mengklasifikasikan tingkat kematangan kelapa sawit. Selain itu, kelas rata-rata akurasi klasifikasi individu (mentah, matang, dan masak) juga lebih tinggi dari 80%. Jadi,
11
penginderaan optik menggunakan empat-band sistem sensor dapat berguna untuk klasifikasi tingkat kematangan minyak sawit dalam kondisi lapangan. Lebih lanjut Hazir et al. (2011) menganalisis potensi flavonoid dan antosianin sebagai prediktor untuk mengklasifikasikan tingkat kematangan TBS minyak sawit menggunakan sensor fluoresensi multi-parametrik, dikendalikan oleh komputer dengan empat sumber cahaya (eksitasi Light Emitting Diode (LED)) pada panjang gelombang 375 nm UV-A (UV), 530 nm Hijau (G), dan 630 nm Merah (R) dan tiga fotodioda untuk mendeteksi emisi fluoresensi. Hasil penelitian menunjukkan bahwa kandungan flavonoid dan antosianin menurun dari tingkat kematangan tandan buah segar kelapa sawit yang belum matang ke tandan buah segar kelapa sawit yang matang. Secara keseluruhan, hubungan menggunakan korelasi Pearson antara flavonoid dan antosianin adalah R2 = 0,84 dan ketepatan hubungan yang paling menonjol adalah pada tahap terlalu-matang, sebesar 90%. Analisis statistik menggunakan analisis varians (ANOVA) dan pair-wise testing membuktikan bahwa kedua prediktor memberikan perbedaan yang signifikan antara tingkat kematangan kurang matang, matang, dan terlalumatang. Analisis klasifikasi dilakukan dengan menggunakan kedua prediktor bersama-sama dan secara terpisah melalui beberapa metode. Ketepatan klasifikasi tertinggi secara keseluruhan adalah 87,7% menggunakan Gradient Stochastic. Metode klasifikasi lainnya digunakan baik independen atau kedua prediktor bersama-sama dan memberikan hasil yang berbeda, antara 50 hingga akurasi 85%. Penelitian ini membuktikan bahwa flavonoid dan antosianin dapat digunakan sebagai prediktor klasifikasi tingkat kematangan tandan buah kelapa sawit segar. Mikrokontroler Mikrokontroler merupakan komputer mikro yang dibuat dalam bentuk chip semikonduktor. Mikrokontroler telah banyak digunakan di berbagai peralatan elektronik, dari peralatan rumah tangga, perangkat audio-video, pengendali mesin-mesin industri sampai pesawat ruang angkasa. Sebuah komputer mikro memiliki tiga komponen utama, unit pengolah pusat, memori, dan sistem input/output untuk dihubungkan dengan perangkat luar (Usman 2008). Mikrokontroler yang ada saat ini salah satunya adalah mikrokontroler jenis AVR (Advanced Virtual RISC ) yang pertama kali dikembangkan pada tahun 1996 oleh dua orang mahasiswa Norwegian Institute of Technology yaitu Alf-Egil Bogen dan Vegard Wollan. Mikrokontroler AVR kemudian dikembangkan lebih lanjut oleh Atmel. Saat ini mikrokontroler AVR memiliki banyak seri. Setiap seri memiliki perbedaan kemampuan, feature- feature, ukuran chip dan harga. Dimana pada beberapa seri mikrokontroler ini telah memiliki ADC dan PWM. Mikrokontroler AVR menggunakan teknologi RISC (Reduced Instruction Set Computer), yang memberikan kemampuan untuk melaksanakan instruksi dengan cepat karena mengurangi jumlah instruksi level mesin. Pengurangan jumlah instruksi ini berpengaruh pada kecepatan yang disebabkan karena dengan jumlah instruksi mesin yang terbatas, kebanyakan dapat berjalan dalam satu putaran dari clock processor. Dipandang dari segi MIPS (million of instructions per second), AVR yang menggunakan clock 8 MHz dapat mengeksekusi 8 juta instruksi perdetik atau 8 MIPS (Barnet et al. 2006).
12
METODE PENELITIAN Waktu dan Tempat Penelitian ini dimulai pada bulan Juni 2012 – Juni 2013. Penelitian untuk pengambilan data spektrum cahaya tampak dan analisa kandungan kimia TBS dilakukan di PT. Nirmala Agro Lestasi, Site Lamandau Propinsi Kalimantan Tengah. Sedangkan pengolahan data dan desain sistem deteksi kematangan TBS dilaksanakan di Laboratorium Ergonomika dan Elektronika, Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Bahan dan Alat Bahan yang digunakan pada penelitian ini adalah tandan buah segar (TBS) kelapa sawit sebanyak 87 buah yang berasal dari klon Marihat, Dumpy dan Selapan Jaya dengan rincian seperti disajikan pada Tabel 3. Tabel 3 Jumlah sampel penelitian berdasarkan klon dan tingkat kematangan Klon
Tingkat Kematangan (fraksi)
Marihat
Dumpy
Selapan Jaya
0 1 2 3 4
6 6 5 6 6
6 6 5 6 6
6 6 5 6 6
29
29
29
Jumlah total (buah)
Alat - alat yang digunakan pada penelitian ini antara lain : a. Spektrometer ocean optics USB 650 dengan panjang gelombang 200 - 850 nm yang dilengkapi dengan fiber optic solids digunakan untuk mengambil data reflektan dari spektrum TBS kelapa sawit. b. Digital spotting scope merk Bushnell dengan perbesaran 15 – 45x, LCD 22x untuk menangkap citra TBS c. Laser pointer merah pada panjang gelombang 660 - 670 nm, daya 100 mW sebagai penunjuk titik pengukuran d. Lux meter untuk mengukur intensitas cahaya e. Lampu halogen (1000, 600) Watt dan Lampu Ultraviolet 300 watt untuk simulasi cahaya matahari (spesifikasi pada Lampiran 6) f. Kain hitam sebagai latar homogen g. Meteran : pengukuran jarak h. Distance meter : pengukuran jarak dari spektofotometer ke TBS sawit pada pengambilan reflektan diluar ruangan i. Safety tools untuk peralatan pengaman pada saat pengambilan sampel TBS j. Peralatan laboratorium untuk fruit set dan bunch analisys TBS
13
k. Komponen elektronika antara lain ; mikrokontroler Atmega 32, sensor fotodioda 5 V, LCD display 16 x 2, rangkaian unit penyimpan data, dan komponen lainya untuk pembuatan sistem deteksi kematangan TBS l. Komputer dan perlengkapannya untuk pengambilan data dan mengolah data dilengkapi dengan perangkat lunak spectasuite, visual basic 6 dan mechanical desktop 6. Prosedur Penelitian Penelitian Tahap Pertama Penelitian tahap pertama merupakan proses pembuktian kemampuan spektrofotometer Uv-Vis dalam memprediksi tingkat kematangan, kandungan minyak dan asam lemak bebas TBS. Diagram alir penelitian tahap pertama dapat di lihat pada Gambar 6. Mulai
Penelitian pendahuluan
Persiapan sampel uji (40 sampel TBS)
Pengujian kandungan kimia TBS (kadar minyak dan ALB) sebagai referensi
Pengukuran reflektan di dalam ruangan Jarak (2,7,10,15)m & lampu Halogen (600,1000)W
Korelasi tingkat kematangan, kandungan kimia dan reflektan TBS
Persamaan regresi (kandungan kimia dan reflektan TBS)
Selesai
Gambar 6 Diagram alir penelitian tahap pertama
14
Penelitian Pendahuluan Penelitian pendahuluan merupakan proses pembuktian bahwa digital spotting scope yang tehubung dengan probe fiber optik spektrofotometer Uv-Vis dapat digunakan dalam pengukuran reflektan TBS. Uji coba awal dilakukan dengan melakukan pengukuran reflektan dari beberapa kertas warna dengan jarak dan tingkat pencahayaan yang berbeda. Hasil pengukuran beberapa kertas warna dapat di lihat pada Gambar 7.
Reflektan (%)
250
250
Jarak 2 m
200
200
150
150
100
100
50
50
0
0
Biru
400
-50
Jarak 6 m
500
600
700
Panjang gelombang (nm)
800
Hijau Hitam Orange Putih Ungu
400 -50
500
600
700
800
Panjang gelombang (nm)
Gambar 7 Hasil pengukuran reflektan kertas warna menggunakan spektrofotometer UV Vis berdasarkan jarak Dari hasil pengukuran reflektan kertas warna tersebut, tampak terjadi perbedaan pola spektrum dari setiap warna yang diukur pada panjang gelombang visible (400 - 850) nm sehingga dapat disimpulkan bahwa teleskop dapat digunakan untuk pengukuran spektrum visible dari TBS. Hal ini karena terdapat perbedaan warna berdasarkan tingkat kematangan TBS. Penggunaan digital spotting scope pada pengukuran reflektan bertujuan sebagai media penangkap citra dari TBS dan pantulan dari citra tersebut dibaca oleh perangkat lunak ocean optics spektrum suite.
Persiapan Sampel TBS Penentuan sampel berdasarkan fraksi di lapangan dilakukan oleh mandor panen atau asisten afdeling yang telah berpengalaman lebih dari 5 tahun, secara umum penentuan fraksi yang dipanen dapat mengacu pada Tabel 4. Total sampel pada penelitian ini adalah sebanyak 87 buah TBS yang berasal dari klon Marihat, Dumpy dan Selapan Jaya. Setiap klon tersebut terdiri atas 4 (empat) tingkat kematangan yaitu mentah (fraksi 0), kurang matang (fraksi 1) matang (fraksi 2 dan fraksi 3), lewat matang (fraksi 4).
15
Tabel 4 Beberapa tingkatan fraksi matang panen pada tanaman kelapa sawit
Fraksi 00 0 1 2 3
Jumlah brondolan tidak ada, buah berwarna hitam 1 - 12,5% buah luar membrondol 12,5 - 25 % buah luar membrondol 25 - 50 % buah luar membrondol 50 - 75% buah luar membrondol
Tingkat kematangan sangat mentah mentah kurang matang matang 1 matang 2
4
75 - 100% buah luar membrondol
lewat matang 1
buah dalam juga membrondol, ada lewat matang 2 yang membusuk Sumber : Pusat Penelitian Marihat, 1982 dalam Fauzi dkk. 2007 5
Pengambilan Spektrum Ultraviolet - Visible TBS Pada penelitian ini reference putih yang digunakan adalah melamin dan reference hitam melamin yang dicat menggunakan cat pilok dull black. Citra TBS ditangkap oleh digital spotting scope dan reflektan TBS akan dibaca oleh spektrometer ocean optics USB 650 (fiber optic solids) pada panjang gelombang 200-850 nm. Untuk memastikan titik pengukuran TBS, maka digunakan laser sebagai penunjuk dan citra dari TBS dapat ditampilkan oleh display yang terdapat pada digital spotting scope. Pembacaan spektrum akan dilakukan dengan menggunakan perangkat lunak ocean optics spektrumsuite yang terhubung dengan spectrometer USB 650 - fiber optic solids (Gambar 8).
Gambar 8 Spotting scope, spectrofotometer USB 650 dan perlengkapannya
16
Jarak pengukuran akan mempengaruhi perbesaran dari digital spotting scope, diameter objek yang ditangkap oleh digital spotting scope diatur sebesar 20 cm sehingga perubahan jarak pengukuran akan berpengaruh pada perubahan perbesaran dari digital spotting scope. Pengaturan perbesaran berdasarkan jarak pengukuran dapat di lihat pada Tabel 5. Tabel 5 Pengaturan perbesaran berdasarkan jarak pengukuran Jarak pengukuran Perbesaran (m) digital spotting scope 2 12 7
25
10
40
15
45
Pengukuran reflektan dilakukan dalam ruangan tertutup, hal ini bertujuan untuk mengontrol factor eksternal yang dapat mempengaruhi hasil pengukuran bila proses pengukuran dilakukan di lapang. Sumber cahaya yang digunakan adalah lampu halogen 600 Watt, dan halogen 1000 Watt yang dipasang pada posisi membentuk sudut 450 terhadap TBS yang diukur. Lampu halogen digunakan untuk mengantikan sinar matahari langsung yang juga memancarkan radiasi inframerah. Pengukuran dilakukan pada perlakuan jarak 2 m, 7 m, 10 m dan 15 m dan posisi TBS yang diukur adalah pada bagian yang tampak mata ketika TBS masih berada pada pohonnya. Pengukuran dilakukan sebayak tiga kali ulangan pada titik pengukuran yang berbeda dalam satu TBS yang sama. Metode pengukuran reflektan di dalam ruangan tampak depan dapat di lihat pada Gambar 9 dan tampak atas seperti pada Gambar 10.
Gambar 9 Pengukuran reflektanTBS di dalam ruangan tampak depan
17
Gambar 10 Pengukuran reflektanTBS di dalam ruangan tampak atas Langkah awal yang dilakukan pada pengukuran reflektan TBS adalah mencari integration time dengan mengukur reflektan reference putih dan reference hitam berdasarkan jarak pengukuran. Integration time merupakan waktu yang dibutuhkan sampai pada terbentuknya pola spektrum pada pengukuran TBS. Pada pengukuran reflektan TBS spektrofotometer Uv – Vis diatur scans to averages : 10, boxcar width : 5 dan integration time berdasarkan Tabel 6. Tabel 6 Integration time berdasarkan jarak pengukuran Pencahayaan Halogen 600 watt Halogen 1000 watt Jarak (meter)
Integration time (miliseconds)
Integration time (miliseconds)
2
350
193
7
910
490
10
940
760
15
2640
1444
Pengukuran ALB dan Kadar Minyak TBS Dilakukan di laboratorium kimia pabrik pengolahan TBS yang bertujuan untuk mengetahui asam lemak bebas dan kadar minyak TBS. Pengambilan sampel untuk pengujian ALB dilakukan secara langsung setelah buah jatuh terpanen dengan mengambil 30 butir brondolan menggunakan kampak kecil dengan komposisi 10 butir bagian dalam, 10 butir bagian tengah dan 10 butir bagian luar. Sampel 30 butir tersebut dipilih dan dipastikan tidak terdapat luka, hal ini dilakukan untuk menghindari terjadinya peningkatan ALB yang disebabkan oleh enzim lipase kemudian sampel tersebut langsung dilakukan pengukusan selama 90 menit menggunakan rice cooker. Sampel buah sawit untuk analisa ALB dapat di lihat pada Gambar 11 dan prosedur analisa ALB secara lebih rinci dapat di lihat pad Lampiran 1.
18
Gambar 11 Sampel buah sawit untuk analisa asam lemak bebas (ALB) Pengambilan sampel untuk analisa kadar minyak TBS dilakukan setelah pengukuran reflektan menggunakan spektrofotometer. Pada analisis ini mengikuti standar operasional prosedur (SOP) PT. Nirmala Agro Lestari yang telah sesuai dengan standar ditetapkan oleh Komite Akreditasi Nasional (LP-323-IDN). Prosedur analisa kadar minyak secara lebih rinci dapat di lihat pad Lampiran 2 dan Lampiran 3. Analisa dan Pengolahan Data Data hasil pengukuran reflektan TBS dianalisa untuk memperoleh panjang gelombang tertentu yang dapat membedakan kematangan TBS. Panjang gelombang yang dipilih tersebut akan dijadikan dasar pembuatan perangkat lunak sistem deteksi kematangan TBS berbasis sensor cahaya. Untuk mendapatkan korelasi hubungan antara reflektan dengan kadar minyak dan ALB berdasarkan tingkat kematangan dilakukan dengan menggunakan Microsoftt excel. Korelasi hubungan yang dipilih adalah yang memiliki akurasi (R2) terbaik pada rentang panjang gelombang yang dapat membedakan kematangan.
Penelitian Tahap Kedua Penelitian tahap kedua difokuskan pada perancangan dan pembuatan sistem deteksi kematangan TBS berbasis spektrum cahaya tampak. Diagram alir prosedur penelitian tahap kedua dapat di lihat pada Gambar 12.
19
Mulai
Penentuan panjang gelombang yang dapat membedakan kematangan Pembuatan sistem deteksi kematangan TBS Pengujian sistem deteksi kematangan TBS
Penentuan sampel uji (29 sampel TBS/klon)
Kalibrasi (19 sampel TBS/klon)
Pengukuran reflektan TBS
Validasi (10 sampel TBS/klon)
Pengujian ALB dan kadar minyak TBS
Pendugaan tingkat kematangan,ALB dan kadar minyak TBS
Pengujian ALB dan kadar minyak TBS
Pelatihan JST
Pengukuran reflektan TBS
Pendugaan tingkat kematangan, ALB, dan kadar minyak TBS
Validasi
Standar error validasi
Koefisien keragaman
Selesai
Gambar 12 Diagram alir penelitian tahap kedua
20
Penentuan Sensor Berdasarkan Karakteristik Spektrum TBS Penentuan sensor yang dapat membedakan kematangan berdasarkan karakteristik spektrum TBS yang telah dilakukan pada penelitian tahap pertama. Berdasarkan hasil pengukuran menggunakan spektrofotometer Uv – Vis, tingkat kematangan untuk klon Marihat, dampy dan Selapan Jaya dapat dibedakan pada kisaran panjang gelombang 650 – 690 nm, untuk itu sensor yang digunakan adalah yang mempunyai sensitivitas pada rentang panjang gelombang tersebut. Menurut Rivas et al. (2013) sensitivitas dari sensor fotodioda (Gambar 13.a), sensor fototransistor (Gambar 13.b) dan sensitivitas dari LDR seperti pada Gambar 13 (c).
Gambar 13 Karakteristik sensor cahaya (a) Fotodioda, (b) Fototransistor,(c) LDR Berdasarkan karakteristik seperti pada Gambar 14, maka sensor yang dipilih adalah fotodioda hal ini dikarenakan panjang gelombang yang cukup sensitif dalam pendugaan tingkat kematangan sawit berada pada panjang gelombang 650690 nm. Perancangan Sistem Deteksi Kematangan TBS Sistem deteksi kematangan TBS dirancang menggunakan bahasa C dengan memasukkan persamaan regresi yang menjelaskan hubungan antara besarnya
21
reflektan TBS pada panjang gelombang yang paling berpengaruh pada penentuan kematangan TBS dengan tingkat kematangan (fraksi), ALB dan kadar minyak TBS. Pembuatan program menggunakan software Code Vision AVR Evaluation V2.05.0 yang sekaligus berfungsi sebagai compiler program. Selanjutnya program tersebut dimasukkan ke dalam sebuah mikrokontroler ATmega 32 untuk otomatisasi pembacaan dan penyimpanan data sementara dari pengukuran tingkat kematangan TBS yang dilakukan. Spesifikasi mikrokontroler ATmega 32 disajikan pada Lampiran 4. Sistem deteksi kematangan yang rancang terdiri atas beberapa bagian antara lain : unit detektor, unit pengendali, unit pengolah data, unit penyimpan data, luaran hasil pembacaan. Kemudian setiap unit dirangkai menjadi satu kesatuan seperti dapat di lihat pada lampiran 5. Secara lebih rinci dijelaskan sebagai berikut : Unit detektor Rangkaian ini terdiri dari rangkaian fotodioda (Gambar 14) yang berfungsi sebagai pengukur reflektan yang dipantulkan oleh TBS. Pada rangkaian ini dilengkapi laser berwarna merah (100 mW) yang mempunyai panjang gelombang 660 nm yang berfungsi sebagai sumber cahaya yang dipancarkan ke TBS. Rangkaian ini dihubungkan dengan baterai 9 V.
Gambar 14 Rangkaian unit detector Unit pengendali Unit pengendali berfungsi sebagai kontrol pengaturan alat deteksi yang terdiri dari tiga rangkaian yaitu switch on /off untuk menyambung dan memutus arus dari baterai, switch klon untuk memilih jenis klon yang akan diukur dan tombol run untuk mengambil data reflektan TBs. Switch klon dibuat untuk melihat karakteristik optik dari masing - masing klon sehingga persamaan yang dimasukkan ke dalam program mikrokontroler berdasarkan data hasil pengukuran dari setiap klon.
22
switch on /off
switch klon
Gambar 15 Rangkaian unit pengendali Unit pengolah data Menggunakan mikrokontroler ATmega 32 seperti pada Gambar 16 (a) yang dipilih karena memiliki beberapa kelebihan dibandingkan dengan yang lain. Spesifikasi mikrokontroler ATmega 32 dapat di lihat pada lampiran 4. Unit pengolah data berfungsi untuk mengolah data hasil pengukuran unit detektor, data yang terukur berupa tegangan analaog yang diubah menjadi data digital yang ditampilkan pada display 16 x 2 (16 karakter dengan 2 baris) seperti pada Gambar 16(b).
Gambar 16 Rangkaian unit pengolah data (a) rangkaian mikrokontroler ATMega32, (b) luaran hasil pengukuran Unit penyimpan data Rangkaian unit penyimpan data seperti pada Gambar 17 (a) berfungsi sebagai penyimpan data yang dilengkapi dengan Card multimedia, sehingga memudahkan dalam memindahkan data hasil pengukuran. Data yang tersimpan diatur berdasarkan waktu pengambilan data dengan menggunakan rangkaian pewaktu (RTC) menggunakan IC DS1307 seperti pada Gambar 17 (b).
23
Gambar 17 Rangkaian penyimpan data (a), rangkaian card multimedia, (b) rangkaian pewaktu Uji Kinerja Sistem Deteksi Kematangan TBS Pengujian sistem deteksi dimulai dari persiapan sampel TBS, pengukuran reflektan dan pengujian ALB dan kadar minyak TBS. Adapun mekanisme kerja sistem deteksi kematangan TBS dapat di lihat pada Gambar 18. Mulai
Input varietas
i=1
Ukur reflektan
i=i+1 ya Penentuan perkiraan hasil
i <=3
tidak i <=3
tidak
Hasil n=n+1 Simpan data hasil
Simpan data (i)
Penentuan fraksi, ALB dan kadar minyak
Fraksi, ALB dan kadar minyak
Stop
Gambar 18 Diagram alir prinsip kerja sistem deteksi kematangan TBS
ya
24
Data hasil pengujian sistem deteksi kematangan berupa nilai tegangan dari spektrum TBS berdasarkan tingkat kematangan yang diterima oleh sensor fotodioda kemudian dianalisis menggunakan jaringan syaraf tiruan (JST) untuk mendapatkan ketepatan pendugaan kematangan, pendugaan ALB dan pendugaan kadar minyak TBS. Penggunaan JST dilakukan karena terdapat hubungan yang tidak linier antara reflektan spektrum TBS berdasarkan tingkat kematangan dengan ALB dan kadar minyak. Pengembangan Model Jaringan Saraf Tiruan (JST) Data hasil pengukuran adalah berupa data reflektan selanjutnya dinormalisasi menggunakan persamaan 8 berikut :
..................................................................8 Dimana : xi DataMin DataMin
= data ke-i = nilai minimum dari seluruh data = nilai maksimum dari seluruh data
JST dilatih dengan menggunakan algoritma backpropagation (penjalaran balik). Fungsi transfer yang dipilih adalah fungsi sigmoid. Dalam pembelajaran backpropagation semua data input sudah dinormalisasi. Sampel yang digunakan sebagai pembelajaran (training) dalam JST berjumlah 19 sampel sedangkan 10 sampel sisanya digunakan sebagai validasi (testing) untuk memperoleh nilai prediksi. Arsitektur JST yang dibuat terdiri dari tiga lapisan yaitu : lapisan input, lapisan terselubung dan lapisan output. Lapisan input JST terdiri dari 7 node yaitu nilai reflektan yang terbaca pada perlakuan tanpa filter, filter merah dan filter infrared, intensitas pada TBS pada penggukuran tanpa filter, filter merah, filter infrared dan jarak pengukuran. Jumlah iterasi yang digunakan adalah 50000 kali untuk setiap jaringan. Untuk memperoleh nilai bobot yang benar jaringan saraf tiruan dilatih berdasarkan suatu data yang disebut training set (pelatihan). Lapisan terselubung digunakan 10 noda. Output JST adalah berupa ALB, kadar minyak dan tingkat kematangan (fraksi). Model jaringan saraf tiruan seperti pada Gambar 19.
25
Gambar 19 Model jaringan saraf tiruan tiga lapis (backpropagation method). Analisa Data Nilai prediksi ALB dan kadar minyak TBS akan divalidasi dengan nilai ALB dan kadar minyak TBS yang dilakukan secara kimia (nilai referensi). Untuk menentukan hubungan antara keduanya maka dihitung beberapa parameter yang dapat menjelaskan sejauh mana hasil prediksi itu baik atau kurang memuaskan. Parameter yang digunakan adalah Mean Absolute Percentage Error (MAPE) dengan menggunakan persamaan 9 (Makridakis, 1999 dalam Anugerah, 2007) :
*
∑
|
|
+
....................................9
Validasi dilakukan untuk menguji ketepatan prediksi JST terhadap contoh yang diberikan selama proses pelatihan. Proses validasi dilakukan dengan memberikan sampel data yang berbeda dengan data yang digunakan saat pelatihan sekaligus untuk melihat kemampuan JST dalam memberikan jawaban yang benar.
26
HASIL DAN PEMBAHASAN Pola Spektrum Reflektan Cahaya Tampak Berdasarkan Klon Kelapa Sawit Pada penelitian ini pengukuran reflektan TBS dilakukan pada klon Marihat, Selapan Jaya dan Dampy. TBS dari setiap tingkat kematangan(fraksi) menghasilkan warna yang berbeda – beda dan warna tersebut direpresentasikan dalam bentuk pola sesuai dengan karakter warna dari tiap TBS. Secara umum warna dari setiap fraksi berdasarkan klon dapat di lihat pada Gambar 21.
F0
F1
F2
F3
F4
F3
F4
(a) klon Marihat
F0
F1
F2
(b) klon Dumpy
F0
F1
F2
F3
F4
(c) klon Selapan Jaya Gambar 20 Warna TBS berdasarkan tingkat kematangan Berdasarkan Gambar 20 terlihat bahwa fraksi 0 berwarna ungu kehitaman, dan pada fraksi 1 sampai fraksi 4 warna TBS akan semakin cerah. Degradasi warna dari fraksi 1 sampai fraksi 4 tidak terlalu signifikan, yang membedakannya adalah tingkat kecerahan dari buah, hal ini diduga dipengaruhi oleh kandungan minyak yang terdapat pada TBS. Menurut Muchtadi (1992) pembentukan minyak mulai terjadi pada buah berumur 10 minggu, berbentuk globula lemak. Globula lemak dalam sel mesokarp ataupun inti mencapai maksimum mengisi seluruh
27
bagian sel pada saat buah berumur 16 minggu (fraksi 1), setelah lewat 16 minggu dinding sel mulai retak dan pada umur 20 minggu kantung lemak sudah pecah, hal ini sehubungan dengan kadar lemak yang meningkat sampai umur 16 minggu (54,65 %bk dalam mesocarp dan 45,02 %bk dalam inti) setelah itu menurun sampai umur 20 minggu. Pengukuran menggunakan spektrofotometer UV Vis dan digital spotting scope dilakukan pada TBS berdasarkan tingkat kematangan dengan pola warna seperti pada Gambar 20. Citra TBS ditangkap oleh digital spotting scope dan reflektan TBS akan dibaca oleh spektrometer ocean optics USB 650 (fiber optic solids) pada panjang gelombang 200 - 850 nm. Standarisasi pengukuran (reference) pada penelitian ini digunakan warna putih dan hitam. Reference putih yang digunakan adalah melamin dan reference hitam yang digunakan adalah melamin yang dicat menggunakan cat pilok dull black. Langkah awal yang dilakukan pada pengukuran reflektan TBS adalah mencari integration time dengan mengukur reflektan reference putih dan reference hitam berdasarkan pencahayaan dan jarak pengukuran. Integration time merupakan waktu yang dibutuhkan sampai pada terbentuknya pola spektrum pada pengukuran TBS. Kemudian pengukuran reflektan TBS dilakukan dengan melihat faktor yang mempengaruhi hasil pengukuran. Pengaruh pencahayaan terhadap hasil pengukuran dapat di lihat pada Gambar 21.
Gambar 21 Pengaruh pencahayaan terhadap hasil pengukuran Pencahayaan yang digunakan pada penelitian ini adalah lampu halogen 1000 watt (17460 lux) dan lampu halogen 600 watt (10095 lux). Gambar 21. menunjukkan semakin tinggi intensitas maka semakin tinggi reflektan yang terukur, oleh karena itu diperlukan standarisasi pengukuran (reference) berdasarkan tingkat pencahayaan seperti disajikan pada Gambar 22 yang menunjukkan penggunaan reference harus disesuaikan dengan tingkat pencayaan yang digunakan artinya jika sumber cahaya yang digunakan 600 watt maka reference yang digunakan 600 watt dan jika sumber cahaya 1000 watt maka reference yang digunakan 1000 watt.
28
Gambar 22 Pengaruh penggunaan reference sesuai dengan tingkat pencayaan yang digunakan Gambar 22 terlihat bahwa pola spektrum yang terbentuk dan reflektan yang terukur cenderung identik antara pencahayaan lampu halogen 1000 watt dengan lampu halogen 600 watt, hal ini menunjukkan pengukuran telah terstandarisasi menggunakan reference disesuaikan berdasarkan sumber cahaya yang digunakan. Faktor lain yang mempengaruhi hasil pengukuran adalah jarak, pengaruh jarak pengukuran terhadap hasil pengukuran dapat di lihat pada Gambar 23.
Gambar 23 Pengaruh jarak terhadap hasil pengukuran Gambar 24 menunjukkan pola spektrum relektan yang semakin kecil seiring bertambahnya jarak pengukuran, untuk itu diperlukan standarisasi pengukuran berdasarkan jarak. Pola spektrum yang terbentuk apabila digunakan reference berdasarkan jarak yang diukur dapat dilihat pada Gambar 24 artinya jika akan mengukur pada jarak 7m maka reference yang digunakan adalah 7m dan apabila akan mengukur pada jarak10 m maka reference yang digunakan pada jarak 10 m.
29
Gambar 24 Pengaruh penggunaan reference sesuai dengan jarak pengukuran Gambar 24 menunjukkan pola spektrum yang terbentuk pada penggunaan reference sesuai dengan jarak pengukuran tidak terlalu berbeda secara signifikan, hal ini menunjukkan pada jarak pengukuran berapapun apabila menggunakan reference yang sesuai maka akan menghasilkan pola spektrum yang sama. Pada pengukuran reflektan TBS dari tiap klon berdasarkan tingkat kematangan (fraksi) selanjutnya yang digunakan adalah sumber cahaya 1000 watt hal ini karena pola spektrum yang dihasilkan lebih baik dari pada sumber cahaya 600 watt. Pola yang terbentuk dari tiap klon berdasarkan tingkat kematangan dapat di lihat pada Gambar 25.
(a) klon Marihat
30
(b) klon Dumpy
(c) klon Selapan Jaya Gambar 25 Pola spekra setiap klon berdasarkan tingkat kematangan pada panjang gelombang 400 – 850 nm dan 600 – 700 nm Berdasarkan Gambar 25 terlihat bahwa setiap klon menghasilkan karakteristik yang berbeda – beda, pada klon marihat terdapat pola spektrum yang berhimpit pada F2 dan F3 dari klon Marihat, hal ini berarti kematangan tidak dapat dibedakan pada F2 dan F3 namun pada F0, F1, dan F4 kematangan dapat dibedakan pada rentang panjang gelombang 665 – 687 nm. Pada klon Dumpy pola spektrum yang berhimpit terjadi pada F3 dan F4 dan kematangan dapat dibedakan untuk F0, F1 dan F2 pada rentang panjang gelombang 660 – 685 nm. Sedangkan pada klon Selapan Jaya kematangan dapat dibedakan pada rentang panjang gelombang 630 – 688 nm. Tinggi rendahnya pola spektrum yang terbentuk dari tiap fraksi diduga karena dipengaruhi oleh intensitas cahaya pada saat pengukuran. Hal ini dikuatkan dengan melihat pola yang terbentuk pada tiap TBS dari tiga titik pengukuran dimana pada panjang gelombang 650 – 690 nm pola yang terbentuk tetap stabil sedangkan pada panjang gelombang 690 – 850 berubah – ubah. Pola spekra pada titik pengukuran yang berbeda dalam satu TBS yang sama berdasarkan tingkat kematangan dapat di lihat pada Gambar 26.
31
F0 (1)
F0 (2)
F0 (3)
Reflektan (%)
80 60 40 20 0 400
Reflektan (%)
F1 (1)
F1 (2)
500 600 700 800 Panjang gelombang (nm)
80
80
60
60
40
40
20
20
0
F2 (2)
F2 (3)
0 400
500 600 700 800 Panjang gelombang (nm)
F3 (1)
Reflektan (%)
F2 (1)
F1 (3)
F3 (2)
400
F4 (1)
F3 (4)
80
80
60
60
40
40
20
20
0
500 600 700 800 Panjang gelombang (nm)
F4 (2)
F4 (3)
0 400
500 600 700 800 Panjang gelombang (nm)
400
500 600 700 800 Panjang gelombang (nm)
Gambar 26 Pola spekra pada titik pengukuran yang berbeda dalam satu TBS yang sama berdasarkan tingkat kematangan Korelasi Sifat Optik dan Sifat Fisikokimia TBS Penentuan tingkat kematangan TBS secara umum yang dilakukan selama ini adalah berdasarkan jumlah brondolan yang jatuh ke tanah yang dinyatakan dengan fraksi. Tingkatan fraksi kematangan TBS sangat berimplikasi pada perubahan warna pada buah sawit. Menurut Muchtadi (1992) pada buah sawit muda yang berumur 3 minggu akan berwarna unggu kehitaman, pada umur 10 sampai 13 minggu, buah sawit berwarna jingga merata dan pada buah yang berumur 16 minggu akan berwarna merah. Menurut Saeed et al. (2012) perubahan warna buah sawit berdasarkan tingkat kematangan dapat diamati dengan memanfaatkan spektrum reflektan yang dipancarkan oleh buah.
32
Korelasi Reflektan Terhadap Kadar Minyak TBS Pada buah sawit yang masih muda (umur 3 minggu) sudah terdapat kadar minyak meskipun masih sedikit karena masih banyak mengandung air. Sedangkan pada buah yang dewasa (umur 10 minggu) dan tua (umur 13 sampai 16 minggu) ternyata diperoleh kadar minyak sawit yang makin meningkat, setelah itu terjadi penurunan terus sampai pada kondisi buah lewat matang yaitu umur 20 minggu (Muchtadi, 1992). Sebagaimana terlihat pada Gambar 27 yang menunjukkan pola perubahan kadar minyak berdasarkan tingkat kematangan untuk klon Marihat, Selapan Jaya dan Dumpy. 58
Kadar minyak (%)
56 54 52 50
Marihat
48
Dumpy
46
Selapan Jaya
44 42 0
1 2 3 Tingkat kematangan (fraksi)
4
Gambar 27 Hubungan kadar minyak minyak TBS setiap klon berdasarkan tingkat kematangan Secara umum kadar minyak meningkat dari TBS mentah ke TBS matang kemudian menurun secara bertahap sampai pada kondisi TBS lewat matang. Hal ini karena pada buah sawit lewat matang dinding sel mesokarp dan inti sawit retak dan pecah, kantung lemak tersobek dan minyak keluar dari sel (Muchtadi 1992). Peningkatan kadar minyak dari setiap klon berbeda, pada klon Marihat kadar minyak optimal terjadi pada fraksi 2, sedangkan pada klon Dumpy dan Selapan Jaya kadar minyak optimal terjadi pada fraksi 1. Hal ini karena terdapat perbedaan karakteristik dari setiap klon selama proses pematangan. Berdasarkan data reflektan pada pengukuran di dalam ruangan, panjang gelombang yang paling berpengaruh dalam memprediksi kadar minyak TBS pada rentang panjang gelombang 665 – 687 nm untuk klon Marihat adalah 673 nm dengan nilai R2 sebesar 0,407, pada rentang panjang gelombang 660 – 685 nm untuk klon Dumpy adalah 685 nm dengan nilai R2 sebesar 0,614 dan pada rentang panjang gelombang 630 – 688 nm untuk klon Selapan Jaya adalah 635 nm dengan nilai R2 sebesar 0,516 Hubungan antara kadar minyak dan spektrum reflektan TBS pada pengukuran di dalam ruangan berdasarkan klon dapat di lihat pada Gambar 28.
33
Klon Marihat
Reflektan (%)
30
y = -0,0127x3 + 1,9364x2 - 96,89x + 1602,4 R² = 0,288
20 10 0 40
45
50 55 Kadar minyak (%)
60
Gambar 28 Korelasi antara reflektansi dan kandungan minyak TBS; (a) klon Marihat pada panjang gelombang 673 nm, (b) klon Dumpy pada panjang gelombang 685 nm, (c) klon Selapan Jaya pada panjang gelombang 635 nm Pada Gambar 28 tersebut terlihat bahwa hubungan kurang baik dalam memprediksi kadar minyak TBS dari setiap klon hal ini diduga dipengaruhi oleh pola spektrum pada rentang panjang gelombang 650 – 690 nm yang berhimpit antara fraksi 2 dan fraksi 3 untuk klon marihat dan pada F3 dan F4 untuk klon Dumpy seperti dapat di lihat pada Gambar 26 yang mengindikasikan kemiripan karakter warna dari sampel uji. Faktor lain yang mempengaruhi hubungan regresi antara reflektan dan kadar minyak TBS adalah besarnya nilai kadar minyak hasil analisa kimia. Pola yang terbentuk seperti pada Gambar 28 merupakan pendekatan dalam memprediksi kadar minyak secara tidak langsung, menggingat pada rentang panjang gelombang 650 – 690 ada indikasi terhadap penentuan tingkat kematangan TBS dan kadar minyak mempengaruhi proses kematangan TBS. Pendekatan secara langsung dapat dilakukan dengan menggunakan metode NIR untuk melihat struktur ikatan kimia pada buah sawit berdasarkan tingkat kematangan. Menurut Williams dan Norris (1990) kadar lemak yang terdiri atas
34
ikatan C-H menyerap pada panjang gelombang 1037 nm, 1620 – 1765 nm, dan 2310 – 2323 nm.
Korelasi Reflektan Terhadap ALB TBS Menurut Muchtadi (1992) terdapat hubungan antara tingkat kematangan dan kandungan ALB TBS. Pada TBS berumur 13 minggu terdapat ALB dalam jumlah rendah, kemudian meningkat pada umur buah 16 minggu dan makin tinggi pada buah lewat matang (umur 20 minggu). Hal ini terjadi karena aktivitas enzim lipase yang muncul pada umur buah menjelang 20 minggu yang mengguraikan lemak menjadi asam lemak. Pada penelitian ini pengambilan sampel untuk pengujian ALB dilakukan secara langsung setelah buah jatuh terpanen dengan mengambil 30 butir brondolan menggunakan kampak kecil dengan komposisi 10 butir bagian dalam, 10 butir bagian tengah dan 10 butir bagian luar. Sampel 30 butir tersebut dipilih dan dipastikan tidak terdapat luka, hal ini dilakukan untuk menghindari terjadinya peningkatan ALB yang disebabkan oleh enzim lipase kemudian sampel tersebut langsung dilakukan pengukusan selama 90 menit menggunakan rice cooker. Hasil yang diperoleh dari pengujian 29 sampel setiap klon dapat di lihat pada Gambar 29.
Kandungan ALB TBS (%)
0,7 0,6 0,5 0,4
Marihat
0,3
Dumpy
0,2
Selapan Jaya
0,1 0 0
1 2 3 4 Tingkat kematangan (fraksi)
Gambar 29 Hubungan kandungan ALB TBS setiap klon berdasarkan tingkat kematangan Gambar 29 memperlihatkan bahwa ALB pada TBS berdasarkan tingkat kematangan lebih kecil dari 1% hal ini karena belum terdapat aktivitas dari enzim lipase untuk memecah lemak menjadi asam lemak dan gliserol. ALB tertinggi pada klon Marihat dan Dumpy terdapat pada fraksi 2 sedangkan pada klon Selapan Jaya tertinggi pada fraksi 3. Tinggi rendahnya nilai ALB pada TBS berdasarkan tingkat kematangan lebih dipengaruhi oleh teknik pengambilan sampel yang tidak seragam. Menurut Setyamidjaja (1991) buah kelapa sawit yang sudah matang dan masih segar hanya mengandung 0,1% asam lemak. Tetapi buah kelapa sawit yang telah memar atau pecah dapat mengandung ALB samapi 50%
35
hanya dalam waktu beberapa jam saja. Untuk mencegah terjadinya ALB buah kelapa sawit harus segera dipanaskan dengan suhu antara 900 sampai 100 0C sebelum pelepasan daging buah. Berdasarkan data reflektan, hubungan terbaik antara ALB dan reflektan TBS pada rentang panjang gelombang dari setiap klon dapat di liahat pada Gambar 30. Klon Marihat y = 0,638x3 + 10,982x2 + 4,6556x + 8,0453 R² = 0,403
Reflektan (%)
30 20 10 0 0
0,2 0,4 Asam lemak bebas (%)
0,6
Gambar 30 Korelasi antara reflektansi dan ALB TBS; (a) klon Marihat pada panjang gelombang 673 nm, (b) klon Dumpy pada panjang gelombang 685 nm, (c) klon Selapan Jaya pada panjang gelombang 630 nm Pada Gambar 30 terlihat bahwa hubungan kurang baik terjadi pada klon Marihat dan Selapan Jaya, hal ini diduga karena asam lemak bebas tidak terlalu signifikan dalam mempengaruhi proses kematangan TBS.
Pembuatan Sistem Deteksi Kematangan TBS Kelapa Sawit Sistem deteksi kematangan TBS dibuat dalam suatu hardware yang porteble untuk dibawa ke lapangan yang dilengkapi dengan SD card untuk menyimpan data, display LCD 16 x 2 (16 karakter 2 baris) yang menampilkan nilai digital tegangan berdasarkan tingkat kematangan TBS, tombol on/off untuk menghidupkan power, tombol run untuk menghentikan perekaman data dan
36
mengambil data dan tombol pilihan klon kelapa sawit. Sebagai sumber tenaga digunakan arus listrik atau batterai yang mempunyai tegangan 9 V. Sistem deteksi kematangan TBS menggunakan sensor fotodioda yang dipasangkan pada digital spotting scope. Spektrum yang dipancarkan TBS berdasarkan tingkat kematangan (fraksi) ditangkap oleh digital spotting scope dan direpresentasikan menjadi tegangan oleh sensor fotodioda. Selanjutnya tegangan dari sensor fotodioda masuk ke mikrokontroler ATmega 32 untuk diubah menjadi nilai digital. SD card dipasang yang berfungsi sebagai penyimpan data sementara. Bagian dalam dan bagian luar komponen-komponen alat ukur deteksi kematangan TBS ini dapat di lihat pada Gambar 31 dan Gambar 32.
Sensor fotodioda
LCD Display
switch klon TBS Tombo l run
switch on/off
Gambar 31 Bagian luar alat ukur deteksi kematangan TBS
Mikrokontroler ATmega 32
Baterai 9 V
LCD display Unit penyimpan data
Rangkaian pewaktu (IC DS 1307)
Kabel data
Gambar 32 Bagian dalam alat ukur deteksi kematangan TBS
37
Sistem yang dibangun seperti pada Gambar 31 dan 32 menggunakan sensor yang dapat membedakan kematangan berdasarkan karakteristik spektrum TBS yang telah dilakukan pada penelitian tahap pertama. Berdasarkan hasil pengukuran menggunakan spektrofotometer Uv – Vis, tingkat kematangan untuk klon Marihat, dampy dan Selapan Jaya dapat dibedakan pada kisaran panjang gelombang 650 – 690 nm, untuk itu sensor yang digunakan adalah yang mempunyai sensitivitas pada rentang panjang gelombang tersebut. Menurut Rivas et al. (2013) sensor fotodioda memiliki sensitivitas yang lebih baik pada rentang panjang gelombang 650-690 nm jika dibandingkan dengan sensor LDR dan fototransistor. Program yang dimasukkan ke dalam mikrokontroler dibuat menggunakan bahasa C dan software Code Vision AVR Evaluation V2.05.0 sebagai compiler. Program dirancang agar alat ukur deteksi kematangan TBS ini dapat bekerja mengkonversi data analog ke digital menggunakan 10 bit sehingga mempunyai step 4.88 mV/nilai digital dan data yang disimpan pada saat pengambilan data sebanyak 20 data yang terdiri atas nilai rata – rata dan nilai maksimal masing – masing 10 data dari reflektan TBS. Proses transfer data dari alat deteksi kematangan TBS ke komputer atau laptop bisa dilakukan secara langsung melalui SD card dan data pengukuran yang tersimpan dalam bentuk txt. Pengujian Sistem Deteksi Kematangan TBS Kelapa Sawit Pada pengujian ini informasi yang diperoleh berupa nilai tegangan dari spektrum TBS berdasarkan tingkat kematangan yang diterima oleh sensor fotodioda. Spektrum yang dipancarkan oleh TBS akan ditangkap oleh digital spotting scope dan dibaca oleh sensor fotodioda yang dikeluarkan dalam bentuk arus (ampere). Arus tersebut diubah menjadi tegangan oleh rangkaian sensor fotodioda kemudian diubah kembali oleh mikrokontroler ATMega32 menjadi data digital, dan ditampilkan oleh peraga (display). Pengujian sistem deteksi dimulai dari persiapan sampel TBS, pengukuran reflektan dan pengujian kandungan kimia TBS. Adapun prosedur pengujian sama seperti pada penelitian tahap pertama. Data hasil pengujian kemudian dianalisis untuk mendapatkan klasifikasi tingkat kematangan TBS. Pengukuran dilakukan sebayak tiga kali ulangan pada titik pengukuran yang berbeda dalam satu TBS yang sama dengan menggunakan filter merah dan filter inframerah (IR). Pada filter merah hanya dapat melewatkan panjang gelombang 590 – 950 nm dan pada filter infrared (IR) hanya dapat melewatkan panjang gelombang 720 – 950 nm dengan transmisivitas > 95%. Pengujian alat ukur deteksi kematangan TBS dapat di lihat pada Gambar 33.
38
Gambar 33 Pengujian sistem deteksi kematangan TBS berbasis
Hasil Pengujian Sistem Deteksi Kematangan TBS Kelapa Sawit Data hasil pengujian dianalisis menggunakan jaringan syarat tiruan (JST). Model JST yang digunakan pada penelitian ini adalah model jaringan feedfodward multi layer yang terdiri dari satu layer input, satu layer tersembunyi dan satu layer output. Jumlah node pada layer input adalah 7 node yaitu nilai reflektan yang terbaca pada perlakuan tanpa filter, filter merah dan filter infrared, intensitas pada TBS pada penggukuran tanpa filter, filter merah, filter infrared dan jarak pengukuran. Lapisan tersembunyi yang digunakan adalah 10 node, sedangkan pada layer output hanya digunakan tiga buah node yaitu kadar minyak minyak, ALB, dan tingkat kematangan (fraksi). Algoritma yang dipakai adalah algoritma terlatih resilient backpropogation yang merupakan modifikasi dari algoritma backpropogation. Iterasi atau epoch yang digunakan selama pelatihan adalah 50.000 kali. Hasil kalibrasi dan validasi metode JST dievaluasi berdasarkan nilai R2, dan Mean Absolute Percentage Error (MAPE). Model kalibrasi dan validasi yang baik memiliki nilai R2 dan MAPE yang tinggi yaitu mendekati 1. MAPE merupakan parameter akurasi model yang menunjukkan perbedaan nilai hasil pendugaan terhadap nilai hasil pengukuran (error). Selisih kedua MAPE yang rendah menunjukkan kestabilan model. Model yang baik memiliki error yang sama atau hampir sama pada model kalibrasi dan validasinya (William dan Norris, 1990).
Klasifikasi TBS Berdasarkan Tingkat Kematangan Untuk klasifikasi berdasarkan tingkat kematangan (fraksi), hasil kalibrasi (training) dan validasi (testing) metode JST dievaluasi berdasarkan besarnya persentase klasifikasi (persen correct). Model kalibrasi dan validasi yang baik memiliki nilai persen correct mendekati 100%. Berdasarkan hasil kalibrasi dan validasi pendugaan tingkat kematangan (fraksi) untuk klon Marihat, diperoleh ketepatan pendugaan model kalibrasi sebesar 100% dan validasi sebesar 50% seperti yang diperlihatkan pada Tabel 7. Hal ini menunjukkan model kurang baik digunakan untuk memprediksi tingkat kematangan (fraksi) pada klon Marihat. Sedangkan untuk klon Dumpy dan Selapan Jaya seperti dapat di lihat pada Tabel
39
8 dan Tabel 9 menunjukkan model lebih baik jika dibandingkan dengan model pada klon Marihat untuk digunakan memprediksi tingkat kematangan TBS dengan ketepatan pendugaan pada kalibrasi sebesar 100% dan validasi masing – msing sebesar 60% dan 70%. Hasil kalibrasi dan validasi pendugaan tingkat kematangan (fraksi) tersebut dipengaruhi oleh nilai input yang memiliki bobot dan salaing mempengaruhi satu sama lain dalam penentuan pendugaan tingkat kematangan. Nilai bobot pada arsitektur JST dari setiap klon dapat di lihat pada Lampiran 11 sampai Lampiran 13. Tabel 7 Klasifikasi pengelompokaan TBS klon Marihat berdasarkan tingkat kematangan Prediksi Sample 0 1 2 Kalibrasi 3 4 Keseluruhan (%) 0 1 2 Validasi 3 4 Keseluruhan (%)
0
1
2
3
4
4 0 0 0 0 0 4 0 0 0 0 0 3 0 0 0 0 0 4 0 0 0 0 0 4 21,053 21,053 15,789 21,053 21,053 2 0 0 0 0 0 0 2 0 0 1 0 1 0 0 0 1 0 1 0 0 0 0 1 1 30 10 30 20 10
Ketepatan Pendugaan (%) 100 100 100 100 100 100 100 0 50 50 50 50
Tabel 8 Klasifikasi pengelompokaan TBS klon Dumpy berdasarkan tingkat kematangan Prediksi Sample 0 1 2 Kalibrasi 3 4 Keseluruhan (%) 0 1 2 Validasi 3 4 Keseluruhan (%)
0
1
2
3
4
4 0 0 0 0 0 4 0 0 0 0 0 3 0 0 0 0 0 4 0 0 0 0 0 4 21,053 21,053 15,789 21,053 21,053 2 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 2 40 20 0 10 30
Ketepatan Pendugaan (%) 100 100 100 100 100 100 100 50 0 50 100 60
40
Tabel 9 Klasifikasi pengelompokaan TBS klon Selapan Jaya berdasarkan tingkat kematangan Prediksi Sample
Kalibrasi
0 1 2 3 4 Keseluruhan (%)
Validasi
0
1
2
3
4
4 0 0 0 0
0 4 0 0 0
0 0 3 0 0
0 0 0 4 0
0 0 0 0 4
21,053 21,053 15,789 21,053 21,053
Ketepatan Pendugaan (%) 100 100 100 100 100 100
0 1 2 3 4
2 1 0 1 0
0 1 0 0 0
0 0 2 0 0
0 0 0 0 0
0 0 0 1 2
100 50 100 0 100
Keseluruhan (%)
40
10
20
0
30
70
Prediksi Kadar Minyak TBS Kadar minyak merupakan banyaknya minyak yang terkandung dalam buah sawit, pada penelitian ini kadar minyak didapatkan dari hasil ekstraksi sampel 30 butir buah sawit yang terdiri dari buah bagian dalam, tengah dan bagian luar masing – masing sebanyak 10 butir. Berdasarkan hasil kalibrasi dan validasi diperoleh arsitektur jaringan terbaik untuk mempredikasi kadar minyak TBS setiap klon dapat di lihat pada Gambar 34. Hal ini ditunjukkan dari perolehan nilai R2 dan nilai Mean Absolute Percentage Error (MAPE) model kalibrasi dan validasi yang cukup baik seperti diperlihatkan pada Tabel 10. Tabel 10 Nilai Mean Absolute Percentage Error (MAPE) dan R2 hasil kalibrasi dan validasi kadar minyak minyak TBS Marihat
Dumpy
Selapan Jaya
Akurasi Kalibrasi
Validasi
Kalibrasi
Validasi
Kalibrasi
Validasi
MAPE
0,997
0,989
0,998
0,968
0,998
0,975
R2
0,999
0,964
0,998
0,723
0,998
0,716
Kadar minyak dugaan (%)
41
Hasil Kalibrasi
60
Hasil Validasi 60
55
55
50
y = 0,9881x + 0,6276 50 R² = 0,999
45
y = 0,9474x + 2,7854 R² = 0,964
45 45
50 55 Kadar minyak aktual (%)
60
45
50 55 Kadar minyak aktual (%)
60
(a) Klon Marihat
Kadar minyak dugaan (%)
Hasil Kalibrasi
Hasil Validasi
60
60
55
55
50
50 y = 0,9881x + 0,6276 R² = 0,998
45 40
45
y = 0,9995x + 0,3712 R² = 0,723
40 40
45 50 55 Kadar minyak aktual (%)
60
40
45 50 55 Kadar minyak aktual (%)
60
Kadar minyak dugaan (%)
(b) Klon Dumpy
60
60
Hasil Kalibrasi
55
55
50
50
45
y = 0,9881x + 0,6276 R² = 0,998
Hasil Validasi
45
y = 0,8174x + 9,4644 R² = 0,716
40
40 40
45 50 55 Kadar minyak aktual (%)
60
40
45 50 55 Kadar minyak aktual (%)
(c) Klon Selapan Jaya Gambar 34 Hasil kalibrasi dan validasi kadar minyak TBS setiap klon dengan metode JST
60
42
Berdasarkan Tabel 10 nilai MAPE dari semua klon yang diuji cukup tinggi yaitu mendekati 1 menunjukkan bahwa model cukup stabil untuk digunakan memprediksi kadar minyak TBS. Gambar 34 menunjukkan hasil kalibrasi dan validasi dalam menduga kadar minyak TBS dari setiap klon dengan metode JST. Nilai R2 dari semua klon yang diuji cukup tinggi, untuk klon Marihat pada kalibrasi dan validasi sebesar 0,999 dan 0,964, untuk klon Dumpy pada kalibrasi dan validasi sebesar 0,998 dan 0,723. Begitupun juga nilai R2 untuk klon Selapan Jaya yaitu sebesar 0,998 dan 0,716. Hal ini menunjukkan besarnya kontribusi variabel x terhadap naik turunnya nilai variabel y. Semakin besar nilai R2, maka model semakin mampu menjelaskan variabel y. Hasil kalibrasi dan validasi berdasarkan klon dengan metode JST dapat di lihat pada Lampiran 8 sampai Lampiran 10. Sedangkan nilai bobot pada arsitektur JST dari setiap klon dapat di lihat pada Lampiran 11 sampai Lampiran 13. Prediksi Asam Lemak Bebas (ALB) TBS Pembentukan ALB pada minyak sawit diakibatkan oleh kegiatan enzim lipase yang memecah lemak menjadi asam lemak dan gliserol terutama jika struktur sel buah matang tersebut rusak. Buah kelapa sawit yang sudah matang dan masih segar hanya mengandung 0,1% asam lemak. Tetapi buah kelapa sawit yang telah memar atau pecah dapat mengandung ALB sampai 50% hanya dalam waktu beberapa jam saja. Untuk mencegah terjadinya ALB buah kelapa sawit harus segera dipanaskan dengan suhu antara 900 sampai 100 0C sebelum pelepasan daging buah (Setyamidjaja 1991). Berdasarkan hasil kalibrasi dan validasi diperoleh arsitektur jaringan terbaik untuk mempredikasi kadar ALB TBS setiap klon dapat di lihat pada Gambar 35. Hal ini ditunjukkan dari perolehan nilai R2 dan nilai Mean Absolute Percentage Error (MAPE) model kalibrasi dan validasi yang cukup baik seperti diperlihatkan pada Tabel 11. Tabel 11 Nilai Mean Absolute Percentage Error (MAPE) dan R2 hasil kalibrasi dan validasi ALB minyak TBS Marihat
Dumpy
Selapan Jaya
Akurasi Kalibrasi
Validasi
Kalibrasi
Validasi
Kalibrasi
Validasi
MAPE
0,985
0,884
0,986
0,930
0,993
0,877
R2
0,979
0,769
0,998
0,959
0,997
0,660
43
ALB dugaan (%)
0,6
0,6
Hasil Kalibrasi
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2 y = 1,0234x - 0,0033 R² = 0,979
0,1
Hasil Validasi
y = 0,9295x + 0,021 R² = 0,769
0,1 0
0 0
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
0
0,6
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
0,6
(a) Klon Marihat 0,6
0,6
ALB dugaan (%)
Hasil Kalibrasi
0,5
0,5
0,4
0,4
0,3
0,3
0,2
y = 0,9847x + 0,0063 R² = 0,998
0,1
Hasil Validasi
0,2
y = 0,9839x + 0,0225 R² = 0,959
0,1
0
0 0
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
0,6
0
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
0,6
(b) Klon Dumpy
0,6
0,6
Hasil Kalibrasi
Hasil Validasi
0,5
ALB dugaan (%)
0,5 0,4
0,4
0,3
0,3
0,2
y = 1,0022x + 0,0003 R² = 0,997
0,1
0,2 y = 0,7045x + 0,1269 R² = 0,660
0,1
0
0 0
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
0,6
0
0,1
0,2 0,3 0,4 ALB aktual (%)
0,5
(c) Klon Selapan Jaya Gambar 35 Hasil kalibrasi dan validasi ALB TBS setiap klon dengan metode JST
0,6
44
Gambar 35 menunjukkan hasil kalibrasi dan validasi dalam menduga ALB TBS dari setiap klon dengan metode JST. Nilai R2 dari semua klon yang diuji cukup tinggi, untuk klon Marihat pada kalibrasi dan validasi sebesar 0,979 dan 0,769, untuk klon Dumpy pada kalibrasi dan validasi sebesar 0,998 dan 0,959. Begitupun juga nilai R2 untuk klon Selapan Jaya yaitu sebesar 0,997 dan 0,660. Hal ini menunjukkan besarnya kontribusi variabel x terhadap naik turunnya nilai variabel y. Semakin besar nilai R2, maka model semakin mampu menjelaskan variabel y. Hasil kalibrasi dan validasi berdasarkan klon dengan metode JST dapat di lihat pada Lampiran 8 sampai Lampiran 10. Sedangkan nilai bobot pada arsitektur JST dari setiap klon dapat di lihat pada Lampiran 11 sampai Lampiran 13.
5 SIMPULAN DAN SARAN Simpulan 1. Pada klon Marihat, hanya dapat dibedakan tingkat kematangan F4 pada panjang gelombang 665 – 687 nm sedangkan 4 tingkat kematangan lainnya tidak dapat dibedakan. 2. Pada klon Dampy, hanya dapat dibedakan tingkat kematangan F0 pada panjang gelombang 660 – 685 nm sedangkan 4 tingkat kematangan lainnya tidak dapat dibedakan. 3. Pada klon Selapan Jaya, semua tingkat kematangan dapat dibedakan pada panjang gelombang 630 – 688 nm 4. Tidak terdapat hubungan yang nyata antara reflektan dan kadar minyak TBS karena R2 untuk klon Marihat, Dumpy dan Selapan Jaya secara berurutan masing – masing hanya sebesar 0,288 ; 0,614 dan 0,516. 5. Tidak terdapat hubungan yang nyata antara reflektan dan asam lemak bebas TBS karena R2 untuk klon Marihat, Dumpy dan Selapan Jaya secara berurutan masing – masing hanya sebesar 0,403 ; 0,686 dan 0,438. 6. Hasil pengujian sistem deteksi kematangan TBS untuk klon Marihat, Dumpy dan Selapan Jaya menunjukkan ketepatan pendugaan pada model kalibrasi sebesar 100% sedangkan pada model validasi masing – masing sebesar 50%, 60%, dan 70%. Hal ini menunjukkan sistem deteksi yang dibangun belum dapat membedakan kematangan terutama pada klon Marihat dan Dumpy.
Saran 1. Sebaiknya alat deteksi kematangan TBS dikembangkan dengan mendekatkan sensor ke TBS untuk mangurangi pengaruh intensitas cahaya matahari dan jarak pengukuran. 2. Perlu dicoba dilakukan pengolahan data dengan menggunakan metode yang lain seperti principal component analysis (PCA), Partial Least Square (PLS) atau analysis of variance (ANOVA) agar didapatkan hubungan yang lebih baik antara reflektan dengan kandungan kimia TBS.
45
3. Perlu dilakukan penelitian lebih lanjut untuk mendeteksi kadar minyak TBS dengan menggunakan sensor pada rentang panjang gelombang Mid Infrared (NIR) yang dapat beresonansi dengan ikatan CO, CH dan NH.
DAFTAR PUSTAKA Anugerah. 2007. Perbandingan jaringan syaraf tiruan backpropagation dan metode deret berkala box-jenkins (ARIMA) sebagai metode peramalan curah hujan [Skripsi]. Semarang (ID) : Universitas Negeri Semarang. Abdullah MZ, Guan LC, Azemi MBMN. 2001. Stepwise discriminant analysis for colour grading of oil palm using machine vision system. Trans IChemE 79 (3) : 223–231. Abdullah MZ, Guan LC, Lim KC, Karim AA. 2004. The applications of computer vision system and tomographic radar imaging for assessing physical properties of food. J Food Eng. 61 (1) : 125–135. Alfatni MSM, Shariff ARM, Shafri HZM, Saaed OMB, Eshanta OM. 2008. Oil palm fruit bunch grading system using red, green and blue digital numbers. J Appsci. 8 (8) : 1444–1452. Spectral refponse of LDR [Internet]. [diunduh 2013 Meret 16]. Tersedia pada :http://physics.nayland.school.nz/VisualPhysics/NZphysics%20HTML / 14_Electronics/Photoresistors.html Barnet Richard, O’Cull Larry, Cox Sarah. 2006. Embedded C Programming and the Atmel AVR 2nd Edition. Canada : Thomson Learning Inc. Ditjenbun. 2012. Luas areal dan produksi perkebunan seluruh Indonesia menurut pengusahaan, komoditi kelapa sawit 1967 - 2010. [internet]. [diacu 2012 Mei 6]. Tersedia dari : http://ditjenbun.deptan.go.id/cigraph/viewstat/ komoditiutama.html Ditjenbun. 2010. Rencana Strategis Pembangunan Perkebunan 2010 - 2014. Jakarta (ID) : Deptan Fauzi Y, Widyastuti YE, Satyawibawa I, Hartono R. 2007. Kelapa Sawit : Budidaya, Pemanfaatan Hasil dan Limbah, Analisis Usaha dan Pemasaran. Jakarta (ID) : Penebar Swadaya. Hazir MHM, Shariff ARM, Amiruddin MD. 2012. Determination of oil palm fresh fruit bunch ripeness based on flavonoids and anthocyanin content. J Indcrops. 36 (1) : 466–475. Hazir MHM, Shariff ARM, Amiruddin MD, Ramli AR, Saripan MI. 2012. Oil palm bunch ripeness classification using fluorescence technique. J Food Eng. 113 (1) : 534–540 Hazir MHM, Shariff ARM. 2011. Oil palm physical and optical characteristics from two different planting materials. J Appsci. 3 (9) : 953–962. Ismail WIW, Razali MH. 2010. Outdoor colour recognition system for oil palm fresh fruit bunches (FFB). J Mach.Int. 2 (1) : 1–10. Junkwon P, Takigawa T, Okamoto H, Hasegawa H, Koike M, Sakai K, Siruntawineti J, Chaeychomsri W, Vanavichit A, Tittinuchanom P et al. 2009. Hyperspectral imaging for nondestructive determination of interval
46
qualities for palm oil (Elaeis guineenses Jacq. var. Tenera). Agrinf. 18 (3) : 130 – 141. Ketaren S. 2008. Pengantar Teknologi Minyak dan Lemak Pangan. Jakarta (ID): Universitas Indonesia Press. Kiswanto, Purwanta JH, Wijayanto B. 2008. Seri Buku Inovasi : Teknologi Budidaya Kelapa Sawit. Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. Jakarta (ID) : BPPP Deptan. Makky M. 2005. Pengembangan algoritma pengolahan citra pada sistem netra mesin 3d (machine vision) untuk robot pemetik kelapa sawit [Tesis]. Bogor (ID) : Institut Pertanian Bogor. May Z, Amaran MH. 2011. Automated oil palm fruit grading system usingartificial intelligence. IJVIPNS-IJENS. 11 (3) : 30 - 35 Muchtadi TR. 1992. Karakteristik komponen intrinsik utama buah sawit (Elaeis guineensis, Jacq.) dalam rangka optimalisasi proses kadar minyak minyak dan pemanfaatan provitamin A [Disertasi]. Bogor (ID) : Institut Pertanian Bogor Novianty I. 2008. Analisa spektroskopi reflektans vis-nir untuk mengetahui proses pematangan buah stroberi [Skripsi]. Bogor (ID) : Institut Pertanian Bogor. Pahan I. 2008. Panduan Lengkap Kelapa Sawit : Menenjemen Agribisnis dari Hulu Hingga Hilir. Jakarta (ID) : Penebar Swadaya. Purwati E. 1987. Bagaimana cara memelihara spektrofotometer UV – Vis. Warta Kimia Analitik 3(2) : 11 - 12 Rankine I, Fairhurst T. 1998. Buku Lapangan : Seri Tanaman Kelapa Sawit, Tanaman Menghasilkan. Volume ke - 3. Sutarta ES, Darmosarkoro W., Penerjemah. Medan (ID) : Pusat Penelitian Kelapa Sawit. Razali MH, Ismail WIW, Ramli AR, Sulaiman MN, Harun MHB. 2011. Technique on simulation for real time oil palm fruits maturity prediction. AJAR. 6(7): 1823-1830. Rivas M, Flores W, Rivera J, Sergiyenko O, Balbuena DH, Bueno AS. 2013. A Method and Electronic Device to Detect the Optoelectronic Scanning Signal Energy Centre [internet]. [ diunduh 2013 Meret 16]. Tersedia pada : http://www.intechopen.com/books/optoelectronics-advanced-materials-anddevices/a-method-and-electronic-device-to-detect-the-optoelectronicscanning-signal-energy-centre Saeed OMB, Sankaran S, Shariff ARM, Shafri HZM, Ehsani R, Alfatni MS, Hazir MHM. 2011. Classification of oil palm fresh fruit bunches based on their maturity using portable four-band sensor system. JCEA. 82 (1) 55–60. Setyamidjaja. 1991. Budidaya Kelapa Sawit. Yogyakarta (ID) : Kanisius Shaarani SMD, Blanco AC, Amin MHG, Soon NG, Hall LD. 2010. Monitoring development and ripeness of oil palm fruit (Elaeis guneensis) by MRI and bulk NMR. IJAB. 12 (1) : 101–105 Suprapto H, Nurlaila A. 2008. Kualitas CPO Indonesia kalah dengan Malaysia [internet]. [diacu 2012 Mei 6]. Tersedia dari : http://o.cangkang.vivanews.com/news/read/5161-kualitas_cpo_indonesia_ kalah_dengan_malaysia. Suswono. 2011. Peranan Perkebunan Tetap Penting [internet]. [15 December 2011]. [diacu 2012 Mei 6]. Tersedia pada : http: //ditjenbun.deptan.go.id/index.php/component/content/article/36-news/html.
47
Suwannarat S, Khaorapapong T, Chongcheawchamnan M. 2012. Prediction of Oil Content in Fresh Palm Fruit based on an Ultrasonic Technique. J. Natsci 46 (1) : 318 – 324. USDA. 2012. Indonesia : Oilseeds and Products Update. Required report - public distribution. Foreign Agricultural Service [internet]. [diacu 2013 Maret 6]. Tersedia dari : http://usdaindonesia.org/?p=1418. Usman. 2008. Teknik Antarmuka dan Pemrograman Mikrokontroller AT89S52. Jakarta (ID) : Penerbit Andi. Winarno FG, Wirakartakusumah MA. 1981. Fisiologi Lepas Panen. Jakarta (ID) : Sastra Hudaya. William P, Norris K. 1990. Near Infrared Technology in The Agricultural and Food Industries. Ed ke-2. St.Paul, Minnesota, USA. Yeow YK, Abbas Z, Khalid K. 2010. Application of microwave moisture sensor for determination of oil palm fruit ripeness. J Measci. 10 (1) : 7 – 14.
48
Lampiran 1 Instruksi kerja penentuan kadar asam lemak bebas (ALB)
Tujuan Lokasi Alat bantu
: Mengetahui kadar asam lemak bebas (ALB) : Laboratorium pabrik kelapa sawit : Neraca analitik 0.0001 gr, erlenmeyer 250 ml, buret, hot plate, larutan NaOH 0,1 N, Indikator phenolpthalein 1%Ethyl alkohol jenuh, sample CPO, loghsheet analisa
Prosedur analisa ALB : 1. Aduk sample supaya homogen 2. Timbang sample minyak ± 5 gr dengan erlenmeyer 3. Tambahkan 50 ml alkohol (yang sudah dijenuhkan) 4. Tambahkan 2 tetes indikator PP 1% 5. Panaskan sample dengan hot plat sampai suhu kira – kira 50 – 50 0C 6. Titrasi dengan larutan NaOH yang telah diketahui normalisatasnya melalui standarisasi 7. Titrasi diakhiri jika terbentuk warna merah jambu (pink) tetap selama ± 30 detik sambil digoyang perlahan- lahan. 8. Catat pada loghsheet volume NaOH yang terpakai, normalitas NaOH yang digunakan 9. Perhitungan :
10. Buangan analisa dikumpulkan dalam satu wadah khusus analisa ALB agar nantinya alkohol dapat di daur ulang kembali Cara menjenuhkan alkohol : 1. Ambil alkohol 1000 ml masukkan ke dalam botol larutan 2. Tambahkan 2 tetes indikator PP 1% 3. Tambahkan tetes demi tetes larutan NaOH sampai terbentuk warna merah jambu (pink) dan bertahan selama ± 30 detik 4. Tutup botol larutan dan simpan, alkohol siap digunakan untuk analisa ALB Alat pelindung diri : masker dan sarung tangan
49
Lampiran 2 Standar operasional prosedur (SOP) fruit set dan analisa kadar minyak TBS
Peralatan :
Kampak Pisau Timbangan duduk digital Karung/ plastik Meja quarting Pisau
Nampan Talenan Timbangan digital Oven pengering Cawan Gelas ukur
Prosedur : 1. Timbang TBS dengan menggunakan timbangan duduk digital 2. Gunakan kampak untuk memisahkan ranting dengan tangkai tandan 3. Setelah ranting dengan tangkai tandan terpisah, selanjutnya dengan menggunakan pisau untuk memisahkan karpel (buah dan kelopaknya) dengan ranting 4. Selanjutnya Secara manual, dengan menggunakan tangan dilakukan pemisahan kelopak dan breklet sehingga didapat buah sawit dalam keadaan bersih 5. Kemudian dilakukan penimbangan TBS yang telah bersih sehingga dapat dihitung 6. Masukkan buah sawit yang telah dibersihkan dan ditimbang ke dalam meja quarting. Quarting buah sawit dengan cara mengaduk – aduk dan membagi menjadi 4 bagian sampai dengan tersisa ± 1 kg kemudian ambil secara acak sejumlah 30 butir buah sawit untuk dilakukan bunch analisys 7. Timbang 30 butir buah sawit tersebut dengan menggunakan timbangan digital dan Pisahkan mesocarp dan nut dengan menggunakan pisau, talenan dan nampan 8. Masukkan mesocarp ke dalam cawan dan masukkan nut ke dalam gelas dan timbang dengan menggunakan timbangan digital 9. Masukkan mesocarp dan nut yang telah ditimbang ke dalam oven pengering pada suhu 1050C selama 10 jam 10. Setelah itu masukkan masukkan mesocarp dan nut ke dalam desikator selama 15 – 30 menit untuk stabilisasi. 11. Kemudian dilakukan penimbangan kering dan dilanjutkan dengan proses kadar minyak selama 10 – 12 jam dengan menggunakan pelarut heksana 250 ml, dimana sebelum proses kadar minyak perlu disiapkan flask bottom. 12. Hasil kadar minyak dikeringkan selama 1 jam dan distabilisasi di dalam desikator selama 15 – 30 menit. 13. Penimbangan dicatat dalam logsheet 14. Kadar minyak (ER CPO) dihitung menggunakan persamaan berikut :
50
Lampiran 3 Gambar standar operasional prosedur (SOP) fruit set dan analisa kadar minyak TBS
( b)
( c) 1). Penimbangn TBS
2). Pemisahan ranting dan tangkai tandan
3). Pemisahan karpel dan ranting
( (a)
(b)
e)
4). a. Pemisahan kelopak dan breklet, b. Buah sawit bersih
5). Penimbangan buah sawit bersih
6). Quarting buah sawit
7). Pemisahan nuts dan mesocarp pada 30 butir buah sawit
51
8). Penimbangan nuts dan mesocarp dengan menggunakan timbagan digital
a)
b)
9). (a). Pengeringan nuts dan mesocarp dalam oven pada suhu 1050C selama 10 jam, (b). Stabilisasi selama 15 – 30 menit di dalam desicator
10). Proses ekstraksi selama 10 – 12 jam menggunakan pelarut heksana 250 ml
52
Lampiran 4 Spesifikasi mikrokontroler ATmega 32 Spesifikasi mikrokontroler ATmega 32 a. b. c. d. e. f. g. h. i. j.
Mempunyai 40 pin High performance, Mikrokontroler AVR berdaya rendah. Memori Flash 32 kbytes, EEPROM 1024 bytes, SRAM 2 Kbytes 2 buah 8-bit timer/counters, 1 buah 16-bit timer/counters, 4 kanal PWM. 8 kanal 10-bit ADC, 2 USART, watchdog timer, dan analog comparator. 32 jalur Input/Output. Antar muka SPI untuk In-Sistem Programming. Penyimpanan data : 20 tahun pada suhu 850C/100 tahun pada suhu 250C. Dapat mencapai 16 MIPS (Millions of instruction per second) pada 16 MHz. Enam mode sleep : idle, ADC Noise, Power-save, Power-down, Standby dan extended standby. k. Nilai kecepatan 0-16 MHz. (Atmel 2011).
Konfigurasi pin ATmega 32 (Atmel 2011).
Lampiran 5 Rangkaian elektronik alat ukur deteksi kematangan TBS
53
54
Lampiran 6 Spesifikasi lampu halogen
Sumber : http://www.lot-oriel.com/lightsources
55
Lampiran 7 Kadar minyak dan ALB TBS berdasarkan klon dan tingkat kematangan (fraksi)
Marihat
Fraksi 0 0 0 0 0 0 1 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4
Klon Dumpy
Selapan Jaya
ALB
Kadar minyak (%)
ALB
Kadar minyak (%)
ALB
Kadar minyak (%)
0,20 0,21 0,18 0,54 0,31 0,27 0,29 0,25 0,16 0,20 0,30 0,36 0,39 1,30 0,26 0,61 0,41 0,47 0,37 0,26 0,21 0,21 0,28 0,40 0,41 0,31 0,21 0,21 0,31
38,30 53,12 45,55 55,26 48,72 40,43 52,17 54,86 51,63 51,23 56,28 50,78 50,54 49,89 61,77 60,44 49,25 54,02 51,46 55,05 52,03 50,63 54,93 57,69 55,38 51,70 45,39 46,49 55,24
0,21 0,36 0,25 0,26 0,26 0,26 0,25 0,42 0,51 0,15 0,47 0,42 0,41 0,54 0,52 0,26 0,51 0,18 0,36 0,23 0,30 0,52 0,23 0,20 0,57 0,21 0,41 0,41 0,41
41,99 56,09 46,41 46,26 52,32 46,26 59,94 55,80 48,99 57,37 55,71 55,80 56,83 57,78 54,46 51,37 49,96 52,30 49,33 52,21 46,32 51,83 52,21 56,05 53,12 55,24 52,05 43,99 43,99
0,26 0,26 0,31 0,41 0,41 0,15 1,18 0,49 0,17 0,36 0,42 0,47 0,26 0,36 0,15 0,47 0,49 0,25 0,31 0,31 0,20 0,21 0,37 0,28 0,31 0,31 0,20 0,31 0,42
52,36 52,78 49,99 49,63 44,07 48,93 55,17 54,76 51,79 52,94 56,83 53,01 55,38 54,39 53,38 52,77 52,02 49,71 49,19 53,76 51,55 55,84 51,68 52,98 54,28 52,49 53,84 53,65 56,07
Average Marihat Fraksi 0 1 2 3 4
Dumpy
Selapan Jaya
ALB
Kadar minyak (%)
ALB
Kadar minyak (%)
ALB
Kadar minyak (%)
0,28 0,26 0,59 0,30 0,31
46,90 52,83 54,38 53,02 51,98
0,27 0,37 0,45 0,30 0,37
48,22 55,60 54,08 50,70 50,74
0,30 0,52 0,35 0,28 0,30
49,63 54,08 53,59 51,96 53,89
56
Lampiran 8 Hasil kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Marihat dengan metode JST
Kalibrasi Kadar minyak (%) Aktual 49,390 49,390 52,340 52,340 56,280 56,280 50,780 50,780 49,250 49,250 61,770 60,740 60,740 49,360 49,360 57,890 57,890 56,960 56,960 Rata - rata MAPE
Dugaan 49,471 49,521 52,365 52,343 56,429 56,044 50,792 50,781 49,256 49,309 61,219 61,232 61,108 49,381 49,676 57,781 57,988 56,987 56,925
Validasi Kadar minyak (%) Aktual Dugaan 49,390 49,510 52,340 50,862 56,280 56,357 50,780 52,724 49,250 49,308 61,770 61,347 60,740 61,065 49,360 49,455 57,890 56,781 56,960 56,569 Rata - rata MAPE
ALB (%) error
Aktual
0,002 0,180 0,003 0,180 0,000 0,220 0,000 0,220 0,003 0,300 0,004 0,300 0,000 0,360 0,000 0,360 0,000 0,410 0,001 0,410 0,009 0,260 0,008 0,310 0,006 0,310 0,000 0,220 0,006 0,220 0,002 0,330 0,002 0,330 0,000 0,180 0,001 0,180 0,003 Rata - rata 0,997 MAPE
error 0,002 0,028 0,001 0,038 0,001 0,007 0,005 0,002 0,019 0,007 0,011 0,989
Dugaan 0,185 0,182 0,220 0,220 0,310 0,293 0,361 0,410 0,408 0,408 0,260 0,310 0,311 0,220 0,219 0,329 0,330 0,183 0,182
ALB (%) Aktual Dugaan 0,180 0,188 0,220 0,188 0,300 0,258 0,360 0,410 0,410 0,409 0,260 0,300 0,310 0,286 0,220 0,287 0,330 0,280 0,180 0,181 Rata - rata MAPE
Fraksi error
Aktual
Dugaan
0,027 0 0 0,013 0 0 0,000 0 0 0,001 0 0 0,032 1 1 0,022 1 1 0,002 1 1 0,139 1 1 0,004 2 2 0,004 2 2 0,001 2 2 0,001 3 3 0,002 3 3 0,001 3 3 0,004 3 3 0,003 4 4 0,002 4 4 0,019 4 4 0,011 4 4 0,015 Ketepatan 0,985 Pendugaan (%)
error 0,042 0,147 0,139 0,139 0,002 0,152 0,079 0,303 0,153 0,006 0,116 0,884
Fraksi Aktual Dugaan 0 0 0 0 1 2 1 2 2 2 2 0 3 3 3 1 4 3 4 4 Ketepatan Pendugaan (%)
Ketepatan Pendugaan (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
Ketepatan Pendugaan 100 100 0 0 100 0 100 0 0 100 50
57
Lampiran 9 Hasil kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Dumpy dengan metode JST Kalibrasi Kadar minyak (%) Aktual 46,260 46,260 52,320 52,320 57,370 57,370 55,710 55,710 51,370 51,370 49,960 46,320 46,320 51,830 51,830 52,050 52,050 43,990 43,990 Rata - rata MAPE
Dugaan 46,192 46,202 52,133 52,401 57,355 57,308 55,627 55,699 50,985 51,573 49,941 46,424 46,192 51,784 51,804 52,004 52,087 44,335 44,202
Validasi Kadar minyak (%) Aktual Dugaan 46,260 45,061 52,320 52,210 57,370 57,294 55,710 55,866 51,370 50,742 49,960 54,983 46,320 45,881 51,830 56,189 52,050 48,033 43,990 44,395 Rata - rata MAPE
ALB (%) error 0,001 0,001 0,004 0,002 0,000 0,001 0,001 0,000 0,008 0,004 0,000 0,002 0,003 0,001 0,001 0,001 0,001 0,008 0,005 0,002 0,998
error 0,026 0,002 0,001 0,003 0,012 0,101 0,009 0,084 0,077 0,009 0,032 0,968
Aktual 0,260 0,260 0,260 0,260 0,150 0,150 0,470 0,470 0,260 0,260 0,510 0,300 0,300 0,520 0,520 0,410 0,410 0,410 0,410 Rata - rata MAPE
Fraksi
Dugaan 0,263 0,262 0,263 0,260 0,157 0,154 0,472 0,469 0,273 0,250 0,520 0,302 0,302 0,513 0,512 0,411 0,410 0,407 0,412
ALB (%) Aktual Dugaan 0,260 0,320 0,260 0,258 0,150 0,165 0,470 0,464 0,260 0,245 0,510 0,519 0,300 0,316 0,520 0,520 0,410 0,461 0,410 0,451 Rata - rata MAPE
error 0,010 0,007 0,011 0,000 0,044 0,027 0,004 0,003 0,051 0,040 0,019 0,005 0,005 0,014 0,015 0,003 0,001 0,009 0,005 0,014 0,986
error 0,230 0,006 0,097 0,014 0,060 0,017 0,054 0,000 0,125 0,099 0,070 0,930
Aktual
Dugaan
0 0 0 0 1 1 1 1 2 2 2 3 3 3 3 4 4 4 4 Ketepatan Pendugaan (%)
0 0 0 0 1 1 1 1 2 2 2 3 3 3 3 4 4 4 4
Fraksi Aktual Dugaan 0 0 0 0 1 0 1 1 2 1 2 0 3 3 3 4 4 4 4 4 Ketepatan Pendugaan (%)
Ketepatan Pendugaan (%) 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
Ketepatan Pendugaan 100 100 0 100 0 0 100 0 100 100 60
58
Lampiran 10 Kalibrasi dan validasi alat ukur deteksi kematangan TBS klon Selapan Jaya dengan metode JST Kalibrasi Kadar minyak (%) Aktual
Dugaan
44,07 44,07 48,93 48,93 56,83
44,18 44,2 48,73 49,11 56,49
56,83
ALB (%)
Aktual
Dugaan
0 0 0 0,067 0
0 0 0 0 1
0 0 0 0 1
100 100 100 100 100
0,42
0
1
1
100
0,47 0,47 0,47 0,47 0,49
0,47 0,49 0,47 0,47 0,49
0 0,043 0 0 0
1 1 2 2 2
1 1 2 2 2
100 100 100 100 100
0,000
0,21
0,21
0
3
3
100
0,001 0,000 0,002 0,001 0,002 0,007 0,001 0,002 0,998
0,21 0,37 0,37 0,31 0,31 0,42 0,42 Rata - rata MAPE
0,21 0,37 0,37 0,3 0,31 0,42 0,42
0 0 0 0,032 0 0 0 0,007 0,993
3 3 3 3 3 3 4 4 4 4 4 4 4 4 Ketepatan Pendugaan (%)
100 100 100 100 100 100 100
Aktual
Dugaan
0,002 0,003 0,004 0,004 0,006
0,41 0,41 0,15 0,15 0,42
0,41 0,41 0,15 0,16 0,42
56,71
0,002
0,42
53,01 53,01 52,77 52,77 52,02
53 53,07 52,6 52,82 52,01
0,000 0,001 0,003 0,001 0,000
55,84
55,84
55,84 51,68 51,68 53,65 53,65 56,07 56,07 Rata - rata MAPE
55,8 51,7 51,77 53,72 53,54 56,46 56
Validasi Kadar minyak (%) Aktual Dugaan 44,07 44,26 48,93 49,23 56,83 55,51 53,01 53,78 52,77 52,81 52,02 50,95 55,84 50,98 51,68 54,76 53,65 54,99 56,07 56,39 Rata - rata MAPE
Fraksi
Ketepatan Pendugaan (%)
error
error 0,004 0,006 0,023 0,015 0,001 0,021 0,087 0,060 0,025 0,006 0,025 0,975
ALB (%) Aktual Dugaan 0,41 0,41 0,15 0,15 0,42 0,37 0,47 0,49 0,47 0,46 0,49 0,49 0,21 0,41 0,37 0,36 0,31 0,33 0,42 0,42 Rata - rata MAPE
error
error 0 0 0,119 0,043 0,021 0 0,952 0,027 0,065 0 0,123 0,877
Fraksi Aktual Dugaan 0 0 0 0 1 0 1 1 2 2 2 2 3 0 3 4 4 4 4 4 Ketepatan Pendugaan (%)
100
Ketepatan Pendugaan 100 100 0 100 100 100 0 0 100 100 70
59
Lampiran 11 Nilai bobot pada arsitektur JST untuk klon Marihat Jumlah Variabel Input 7 Log Constanta
Bias Input
Output Layer
10
3
1 65
866,5
52
738
43,5
726
215
18900
187
6410
193
6050
6
12,059
49,25
61,77
0,18
0,41
0
4
-0,219
0,019
Bobot Reflektan 9,504 Tampa Filter Bobot Reflektan Filter 2,845 Merah Bobot Reflektan Filter -4,986 Inframerah Bobot Intensitas -0,863 Reflektan Tampa Filter Bobot Intensitas -13,361 Reflektan Filter Merah Bobot Intensitas -4,108 Reflektan Filter Bobot Jarak
Hiden Layer
-7,191
-12,756
0,116 0,272 -0,162
0,763
0,879
0,868 -0,237
2,389 -1,849 1,470 -11,324 -4,673 -0,093
1,052 0,110
-6,115
-2,926 -3,835 0,545
1,372
3,365 -2,854
2,430 -2,158
-0,270
-6,766 0,055 2,048
4,663 -2,293 -3,431
4,289 -1,712
-0,838
-3,163 -1,597 -1,227 -5,893 -1,140 -4,388
2,034 -0,764
18,877
3,017 7,224 3,448 -8,056
0,293
1,522 -5,097 1,297
-3,650
6,620 4,453 -1,777
2,489
8,270 -7,235 2,825
-2,762
4,244 -2,948 0,111 -0,065
Kadar minyak ALB (%) (%)
Fraksi
0
0
0
-18,443
1,324
-6,165
-0,283
0,909
2,858 -17,579
-3,356
-10,842
-2,904
-6,166
3,602
8,234
-1,769
4,434
-3,973
4,736
4,502
24,046
8,471
-4,373
-6,154
-1,480
-11,215
-2,327
1,281
9,637
0,977
-3,178
-2,522
-5,051
9,708
6,669 -11,950
3,388 2,750
60
Lampiran 12 Nilai bobot pada arsitektur JST untuk klon Dumpy Jumlah Hiden Output Variabel Layer Layer Input 7 Log Constanta
Bias Input Bobot Reflektan Tampa Filter Bobot Reflektan Filter Merah Bobot Reflektan Filter Inframerah Bobot Intensitas Reflektan Tampa Filter Bobot Intensitas Reflektan Filter Merah Bobot Intensitas Reflektan Filter Bobot Jarak
10
3
1 48
680
42
499
40
555,5
535
6730
637
7030
643
4960
7
11,66
43,99
57,37
0,15
0,52
0
4
-0,880
0,845 -0,894
0,895 -0,811 -0,799
0,854 -0,301
-0,872
0,826
8,032
5,348 -3,322
1,090 -5,767 11,990
0,478 -10,078
1,182
0,228
7,071
1,778
3,405
-0,165 -7,198
4,931
0,465
-4,647 -4,474 -2,253 -0,207 -2,377 -11,288
-2,507
5,495
4,398 -1,457
-1,779 -2,676
0,693
-0,470
7,510 11,587 -0,376
-1,218 -6,489 10,583 -5,037 12,788 13,325
4,498
9,153
11,370
8,782
-5,138
8,458
-8,018
3,514
5,420
6,577 -1,269
0,088 -2,768
4,170 -3,804 -4,084 -6,694 -5,042
-3,698 -1,557 -2,277 12,940 -0,526 Kadar minyak (%) 0
ALB (%)
Fraksi
0
0
-0,472 10,219
4,066
3,159
9,436
8,105
8,691
3,810 11,868
-3,698 -7,685
9,700
12,992 -12,138
5,247
-9,371
7,402 16,921
-10,195 -8,704 -3,754 4,032
6,945 -18,446
2,418 -7,024 -15,224 -0,746
4,413
3,230
0,773
1,865 -3,107 -7,414
1,713
1,517 -1,632
61
Lampiran 13 Nilai bobot pada arsitektur JST untuk klon Selapan Jaya Jumlah Hiden Output Variabel Layer Layer Input 7 Log Constanta
10
3
1 45
837
40
731
39
576
510
9570
388
7340
493 15830
Bias Input Bobot Reflektan Tampa Filter Bobot Reflektan Filter Merah Bobot Reflektan Filter Inframerah Bobot Intensitas Reflektan Tampa Filter Bobot Intensitas Reflektan Filter Merah Bobot Intensitas Reflektan Filter Bobot Jarak
6
15
44
57
0
0
0
4
0,300 -0,943 -0,779
0,300 -0,276 -0,654
0,663
4,851 -0,090
3,399
8,897 -2,025
2,658 -2,279
2,438
1,214
0,557
7,267 -0,363
1,065
3,627 -2,529
1,654
0,010
1,568
3,911
9,086
0,705 -0,624
1,569 -5,504
7,014
1,063
1,616
1,858 -3,736 -1,080
-1,885 -0,995 -6,215 -0,815 -1,067
1,373
-1,354 -0,344 -4,106 -0,631 -0,955 -0,203 -5,511 Kadar minyak (%) 0,883
1,118 -2,244 ALB (%) 0,883
Fraksi 0,883
-4,925 -4,925 -4,925 15,429 15,429 15,429 7,109
7,109
7,109
0,917
0,917
0,917
-0,275 -0,275 -0,275 -0,139 -0,139 -0,139 -0,383 -0,383 -0,383 0,135
0,135
0,135
-0,604 -0,604 -0,604 -0,789 -0,789 -0,789
5,913 -8,535
-0,831
0,506
1,003
-1,409 -1,423
-0,544 -0,408
-5,000 -4,873
6,697 -0,599 -12,653 -0,527 2,422 -2,040 -16,183 0,989 -0,543
1,038 -16,278
8,854
-5,867 12,442
2,218 10,127 -1,037
62
RIWAYAT HIDUP Penulis dilahirkan di Baradatu, Kabupaten Way Kanan, Lampung pada tanggal 05 Nopember 1982 sebagai anak pertama dari empat bersaudara, dari pasangan Johari, S dan Istikana. Penulis lulus dari SMU Muhammadiyah 7 Yogyakarta pada tahun 2001 lalu melanjutkan pendidikan S1 tahun 2001 di Jurusan Teknik Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor (IPB) melalui jalur UMPTN dan selesai tahun 2005. Selama menempuh pendidikan S1 penulis pernah menjadi asisten praktikum Pengukuran Lingkungan, Ilmu Ukur Wilayah dan Kontrol Otomatik serta aktif dibeberapa organisasi kampus diantaranya BEM Fateta, Himateta, Koran Kampus, dan Ikatan Mahasiswa Muhammadiyah. Tahun 2005 sampai dengan tahun 2007 penulis bekerja di Dinas Koperasi dan Usaha Kecil Menengah (KUKM) Propinsi Jawa Barat sebagai Tenaga Pendamping KUKM di Kabupaten Bogor. Pada tahun 2007 sampai dengan tahun 2010 penulis bekerja di CV. Bina Usaha Benih, Bogor sebagai Pimpinan Proyek Rehabilitasi Hutan dan Lahan di Kabupaten Boalemo Propinsi Gorontalo. Pada tahun 2010, penulis melanjutkan pendidikan S2 pada program studi Teknik Mesin Pertanian dan Pangan Sekolah Pascasarjana Institut Pertanian Bogor (IPB) dengan biaya mandiri.
