POLA SPEKTRUM INFRAMERAH TRANSFORMASI FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
ABSTRAK AMRAN ADRI. Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Dibimbing oleh AHMAD SJAHRIZA dan SRI SUGIARTI. Teknik spektroskopi inframerah (IR) yang digabungkan dengan teknik kemometrik digunakan sebagai metode alternatif untuk pencirian jenis karagenan. Kelima jenis sampel karagenan (kappa foodgrade, kappa non-blaeching, kappa bleaching, iota, dan campuran kappa iota) dianalisis dengan teknik spektroskopi inframerah transformasi Fourier. Analisis komponen utama digunakan untuk mengelompokkan jenis karagenan. Spektrum IR dengan perlakuan pendahuluan (normalisasi, koreksi garis dasar, derivatisasi, dan smoothing) menunjukkan pengelompokan yang lebih baik dibandingkan dengan spektrum IR tanpa perlakuan pendahuluan. Pengelompokan terbaik dihasilkan dari spektrum utuh, yaitu pada kisaran 400-4000 cm-1. Dua kompoenen utama (principal component, PC) pertama pada score plot dari set data ini mampu menjelaskan 87% (PC1= 76%, PC2= 11%) dari variansi total. Dengan demikian, teknik ini berhasil membedakan kelima jenis karagenan yang digunakan dalam penelitian ini.
ABSTRACT AMRAN ADRI. Fourier Transformation Infrared Spectra Pattern for Carageenan Identification Using Principal Component Analysis Method. Supervised by AHMAD SJAHRIZA and SRI SUGIARTI. Infrared (IR) spectroscopy technique combined with chemometric was used as an alternative method to characterize carageenans. Five types of carageenans (foodgrade kappa, non-blaeching kappa, bleaching kappa, iota, and mixture of kappa with iota) were analyzed using fourier transform infrared spectroscopy technique. The principal component analysis was used to get the spectral classification based on sample origins. The preprocessed IR spectra (normalization, baseline correction, derivatization, and smoothing), showed better calassification result as compared with the non-preprocessed IR spectra. The preprocessed IR spectra that showed a better classification was obtained from the entire spectral data in the wavenumber range of 400-4000 cm-1. The first two principal component (PCs) of the data score plot on this set data represent 87% of the total variance (PC1= 76%, PC2= 11%). Therefore, this technique succesfully differentiated the five types of carageenans used in the experiment.
POLA SPEKTRUM INFRAMERAH TRANSFORMASI FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Kimia
DEPARTEMEN KIMIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Judul Skripi : Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi Karagenan dengan Metode Analisis Komponen Utama Nama : Amran Adri NIM : G44070066
Disetujui, Pembimbing I
Pembimbing II
Drs Ahmad Sjahriza NIP 19620406 198903 1 002
Sri Sugiarti, PhD NIP 19701225 199512 2 001
Diketahui, Ketua Departemen Kimia Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Prof Dr Ir Tun Tedja Irawadi, MS NIP 19501227 197603 2 002
Tanggal lulus :
v
PRAKATA Assalamualaikum Wr. Wb. Puji dan syukur penulis panjatkan kehadirat Allah SWT yang senantiasa memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan karya ilmiah dengan judul: Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Shalawat dan salam disampaikan kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan pengikutnya yang tetap berada di jalan-Nya hingga akhir zaman. Penulis mengucapkan terima kasih kepada berbagai pihak yang membantu, memberi masukan dan saran selama kegiatan penelitian dan penyusunan karya ilmiah ini, antara lain Bapak Drs. Ahmad Sjahriza dan Ibu Sri Sugiarti, PhD selaku pembimbing. Ungkapan terima kasih juga disampaikan kepada Ibunda tercinta dan kakak-kakakku, serta rekan-rekan kimia 44 yang selalu memberikan dukungan dan do`anya Semoga karya ilmiah ini dapat bermanfaat. Wassalamualaikum Wr. Wb.
Bogor, Februari 2012
Amran Adri
vi
RIWAYAT HIDUP Penulis dilahirkan di Riau pada tanggal 16 Juli 1989 dari pasangan M. Rasyid dan Nurhayati. Penulis merupakan anak kelima dari lima bersaudara. Tahun 2007 penulis lulus dari SMA Negeri 3 Siak dan pada tahun yang sama penulis masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis diterima di Program Studi S1 Kimia, Departemen Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Beasiswa penididikan sarjana diperoleh dari Pemerintah Daerah Kabupaten Siak, Riau. Selama masa perkuliahan penulis aktif di organisasi Mahasiswa Daerah Riau. Pada bulan Juli-Agustus 2010 penulis berkesempatan melaksanakan kegiatan Praktik Lapangan di Balai Pusat Penelitian dan Pengembangan Hasil Hutan, Bogor. Selama menjadi mahasiswa penulis juga pernah menjadi asisten praktikum Kimia Anorganik Layanan untuk mahasiswa Biokimia, dan praktikum Kimia Dasar untuk mahasiswa Tingkat Persiapan Bersama.
vii
DAFTAR ISI Halaman DAFTAR GAMBAR ........................................................................................... viii DAFTAR TABEL ................................................................................................ viii DAFTAR LAMPIRAN .......................................................................................... ix PENDAHULUAN .................................................................................................. 1 TINJAUAN PUSTAKA ......................................................................................... 1 Karagenan ........................................................................................................... 1 Spektrofotometri Inframerah Transformasi Fourier (FTIR) ............................... 2 Pencirian Pola Spektrum FTIR ............................................................................2 Analisis Komponen Utama................................................................................ ..2 BAHAN DAN METODE ....................................................................................... 3 Alat dan Bahan .................................................................................................... 3 Metode................................................................................................................. 3 HASIL DAN PEMBAHASAN ............................................................................... 4 Analisis FTIR ...................................................................................................... 4 Analisis Komponen Utama.................................................................................. 5 Pengelompokan karagenan dengan PCA ............................................................ 5 SIMPULAN DAN SARAN .................................................................................... 8 Simpulan ............................................................................................................. 8 Saran .................................................................................................................... 8 DAFTAR PUSTAKA ............................................................................................. 8 LAMPIRAN ............................................................................................................ 9
viii
DAFTAR GAMBAR Halaman 1 Struktur dasar karagenan ..............................................................................
1
2 Skema alat spektroskopi FTIR ......................................................................
2
3 Spektrum FTIR karagenan dengan dan tanpa perlakuan pendahuluan .........
4
4 Score Plot dua PC pertama dari spektrum IR utuh dengan smoothing .........
6
5 Score Plot dua PC pertama dari spektrum IR serbuk karagenan .................
7
DAFTAR TABEL Halaman 1
Daerah spektrum FTIR ................................................................................
3
2
Penamaan set data .....................................................................................
4
ix
DAFTAR LAMPIRAN Halaman 1
Bagan alir penelitian secara umum ................................................................
10
2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan pendahuluan ...................................................................................................
11
Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan pendahuluan ....................................................................................................
11
Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan pendahuluan ....................................................................................................
12
Spektrum IR utuh sampel serbuk karagenan dengan perlakuan pendahuluan ......................................................................................................
12
Spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan pendahuluan ....................................................................................................
13
Spektrum IR segmentasi II sampel serbuk karagenan dengan perlakuan pendahuluan ....................................................................................................
13
Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa perlakuan pendahuluan ..................................................................................
14
Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan pendahuluan ....................................................................................
14
10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan pendahuluan .........................................................................
15
11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan perlakuan pendahuluan ..................................................................................
15
12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan pendahuluan ....................................................................
16
13 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan pendahuluan ....................................................................
16
3
4
5
6
7
8
9
PENDAHULUAN Salah satu dari banyak hasil laut yang mempunyai nilai ekspor adalah rumput laut. Rumput laut dimanfaatkan sebagai bahan mentah, seperti agar-agar, karagenan dan alginat. Karagenan merupakan polisakarida dengan unit-unit utamanya adalah galaktosa. Karagenan dibagi atas tiga kelompok utama yaitu kappa, iota, dan lambda. Ketiga jenis karagenan ini mempunyai bentuk dan struktur yang mirip. Oleh karena itu, perlu dilakukan pencirian sifat komponen kimia untuk klasifikasi dari jenis karagenan. Secara konvensional, metode klasifikasi karagenan dilakukan berdasarkan kandungan sulfat dan pencampuran dengan ion alkali. Proses pelaksanaan metode ini biasanya membutuhkan waktu dan bahan kimia yang cukup banyak. Pendekatan lain untuk klasifikasi dan identifikasi dengan cara yang lebih cepat adalah berdasarkan teknik spektroskopi. Salah satu metode spektroskopi yang dapat digunakan untuk pencirian atau pembedaan dari ketiga jenis karagenan tersebut adalah dengan spektroskopi Inframerah Transformasi Fourier (FTIR). Teknik spektroskopi FTIR berpotensi sebagai metode analisis cepat karena analisis dapat dilakukan secara langsung pada serbuk kering sampel tanpa tahapan pemisahan terlebih dahulu. Spektrum FTIR yang dihasilkan merupakan hasil interaksi antara senyawa-senyawa kimia dalam matriks sampel yang sangat kompleks. Spektrum ini sangat rumit dan tidak tampak dengan jelas dan pada umumnya tidak dapat dilihat secara visual (Chew et al. 2004). Untuk itu, digunakan suatu metode kemometrik untuk mengungkap informasi tersembunyi yang bersifat kualitatif dan kuantitatif dari data multidimensi. Teknik spektroskopi FTIR yang digabungkan dengan kemometrik dapat digunakan sebagai metode alternatif untuk pencirian jenis karagenan. Salah satu metode kemometrik yang digunakan berupa analisis multivariat yang digunakan untuk pengenalan pola dalam suatu sampel adalah metode Analisis Komponen Utama (PCA).
tiga jenis, yaitu kappa karagenan, iota karagenan, dan lamda karagenan. Kappa karagenan dihasilkan dari Eucheuma cotonii, iota karagenan dihasilkan dari Eucheuma spinosum, dan lambda karagenan dihasilkan dari Chondrus crispus (Istini & Zatnika 1991). Selain dapat dibedakan oleh jenis spesies alga merah, karagenan juga dapat dibedakan berdasarkan gugus fungsinya. Kappa karagenan tersusun dari α(1→3) D galaktosa 4-sulfat dan β(1→4) 3,6 anhidro-D-Galaktosa. Iota karagenan tersusun dari (1→3) -α-3,6 anhidro-D-Galaktosa-2-sulfat. Sedangkan lambda karagenan tersusun dari (1→3) -β-DGalaktosa-2-sulfat (1→4) α-D-Galaktosa-2,6sulfat (Gambar 1). n (a)
(b)
n (a)
n (b)
n
TINJAUAN PUSTAKA
(c)
Karagenan Karagenan merupakan salah satu jenis polisakarida yang berasal dari alga merah (Glicksman 1983). Karagenan dibagi dalam
Gambar 1
Struktur dasar kappa karagenan (a), iota karagenan (b), dan lambda karagenan (c).
2
Spektrofotometri Inframerah Transformasi Fourier (FTIR) Radiasi IR berada pada kisaran panjang gelombang 0.78-1000 μm atau bilangan gelombang 12800-10 cm-1. Spektrumnya terbagi atas radiasi inframerah dekat (128004000 cm-1), menengah (4000-200 cm-1), dan jauh (200-10 cm-1). Daerah spektrum yang paling banyak digunakan untuk berbagai keperluan praktis seperti analisis dalam bidang industri, bahan pertanian, dan kendali mutu adalah pada 4000-670 cm-1 atau daerah IR tengah (Skoog et al. 1998). Energi radiasi IR digunakan terbatas hanya pada transisi molekul yang melibatkan vibrasi. Efek dari vibrasi ini menyebabkan perubahan momen dipol. Radiasi medan listrik yang berubah-ubah akan berinteraksi dengan molekul dan akan menyebabkan perubahan amplitudo salah satu gerakan molekul. Perwujudan interaksi tersebut menghasilkan serapan yang khas dari setiap komponen atau struktur molekul. Serapan grup fungsional berada pada kisaran 4000-1500 cm-1 sedangkan fenomena intra-molekular yang bersifat sangat spesifik untuk setiap materi antara 1500-400 cm-1 (daerah sidik jari) (Khopkar 2002). FTIR merupakan gabungan instrumen dispersif konvensional IR dengan komputer dan mikroprosesor. Komponen instrumen FTIR serupa dengan spektrometer UVtampak, namun sumber, detektor, dan komponen optiknya sedikit berbeda. Pengukuran dengan FTIR melibatkan kombinasi interferensi konstruktif dan destruktif yang senantiasa berubah mengikuti beberapa λ yang datang untuk menghasilkan spektrum (modulasi interferometrik dari radiasi). Interferometer mengubah frekuensi yang masuk menjadi bentuk khusus yang dapat diamati oleh detektor (Gambar 2). Data yang diperoleh sangat kompleks dan masingmasing poin membawa informasi untuk λ yang berbeda. Proses matematika dengan transformasi Fourier mengkonversi data tersebut agar dapat digunakan (Naumann 1998; Wartewig 2003). Analisis dengan FTIR lebih cepat dan lebih sensitif daripada IR dispersif. Penggunaan interferometer Michelson mampu mengatasi kekurangan sistem dispersif dalam penggunaan energi karena pada sistem dispersif banyak energi yang terbuang akibat penggunaan model deteksi pemindaian. FTIR juga memiliki perbaikan dari segi laju koleksi sinyal, keakuratan data terkait dengan hasil
pengukuran laser dari kaca bergerak, linearitas absorbans karena tidak ada penghamburan cahaya, dan penyimpanan serta mutu data melalui peningkatan resolusi atau koreksi garis dasar (Naumann 1998)
Gambar 2
Skema alat spektroskopi FTIR. (1)Sumber Inframerah (2) Pembagi Berkas (Beam Spliter) (3) Kaca Pemantul (4) Sensor Inframerah (5) Sampel dan (6) Display (Stchur 2002)
Kehadiran FTIR pada dasawarsa terakhir mampu meningkatkan aplikasi radiasi menengah IR tidak hanya untuk analisis kualitatif organik dan penentuan struktur, tetapi juga untuk analisis kuantitatif contoh yang kompleks. Model analisis kuantitatif ini dikembangkan dengan memanfaatkan informasi pola sidik jari yang bersifat khas sebagai variabel yang mempengaruhi penampakan kimiawi seperti aktivitas biologis, konsentrasi, dan polarisabilitas (Wold et al. 2001). Pencirian Pola Spektrum FTIR Spektrum IR mengandung informasi struktur molekular yang terdiri atas gerak vibrasi. Banyaknya gerakan molekular dari molekul poliatom akan membentuk serangkaian pita serapan yang spesifik untuk masing-masing molekul. Untuk dapat mengekstraksi informasi dari data spektrum IR tersebut, diperlukan suatu metode kemometrik berupa analisis multivariat (Stchur et al. 2002). Analisis multivariat menyediakan metode untuk mereduksi data berukuran besar dari instrumen, seperti spektrofotometer. Metode multivariat dapat berupa multiple linear
3
regression, principal component regression, PLS, artificial neural network (ANN), principal component analysis (PCA), discriminant analysis, K-nearest neighbor, soft independent modeling of class anology (SIMCA), dan cluster analysis (Miller & Miller 2000) Analisis Komponen Utama Analisis Komponen Utama (AKU) atau Principal Component Analysis (PCA) merupakan suatu metode analisis yang bertujuan mereduksi dimensi peubah asal sehingga diperoleh peubah baru (principal component, PC) yang tidak saling berkorelasi tetapi menyimpan sebagian informasi yang terkandung pada peubah asal. PC pertama memiliki variansi terbesar dalam set data, sedangkan PC kedua memiliki variansi terbesar selanjutnya. Dua PC pertama pada umumnya digunakan sebagai bidang proyeksi untuk inspeksi visual dari data (Miller & Miller 2000). PC terakhir biasanya mewakili bagian yang tidak penting dari varian dan diasumsikan sebagai noise (derau) atau gangguan yang lain di dalam proses rekoleksi, dan PC pertama mempertahankan proporsi utama dari variansi. Teknik PCA berdasarkan pada dekomposisi matriks data X (N x K) menjadi dua matriks T (N x A) dan matriks P (K x A) yang saling tegak lurus. Matriks T yang disebut dengan matriks skor menggambarkan variansi dalam objek, sedangkan matriks P yang disebut matriks loading menjelaskan pengaruh variabel terhadap komponen utama. Matriks P terdiri atas data asli dalam sistem koordinat baru. Error dari model yang terbentuk dinyatakan dalam E (Lohninger 2004). X=TP` + E ≈ TP` Skor dapat diplot bersama-sama dengan loading untuk mengidentifikasi karakteristik yang lebih relevan di dalam data. Kelompok pengamatan dapat dideteksi bersama dengan hubungan dalam pengamatan, di dalam variabel, dan di antara pengamatan dan variabel. PCA dapat digunakan untuk identifikasi. Jika mencocokkan suatu model PC dengan hanya pengamatan satu kelompok atau kelas tertentu, model dapat digunakan untuk melihat apakah suatu pengamatan baru termasuk dalam kelas yang sama. Hal ini
dilakukan dengan menghitung peluang dari pengamatan yang termasuk dalam model.
BAHAN DAN METODE Alat dan Bahan Bahan-bahan yang digunakan dalam penelitian ini ialah karagenan kappa foodgarade, kappa bleaching, kappa nonbleaching, iota, campuran kappa dan iota (1:1) dan KBr. Alat yang digunakan adalah komputer personal (PC) yang dioperasikan menggunakan windows 7, dan spektroskopi inframerah transformasi Fourier (FTIR) Shimazu. Perangkat lunak yang digunakan adalah Essential FTIR, Microsoft Excel, dan The Unscrambler 10.1 (Camo Inc) . Metode Analisis Sampel Menggunakan Spektroskopi FTIR Disiapkan masing-masing sebanyak 0.01 g serbuk kappa foodgrade (KF), kappa non bleaching (KNB), kappa bleaching (KB), Iota, dan campuran kappa dan iota 1:1 (K+I). Sebanyak 0.01 g serbuk sampel yang telah disiapkan dicampurkan dengan 0.1 g KBr. Pengukuran spektrum dilakukan menggunakan spektrometer FTIR. Sebuah komputer personal yang dilengkapi dengan perangkat lunak essential FTIR mengatur kerja spektrofotometer FTIR pada kisaran daerah 4000-400 cm-1. Spektrum yang dihasilkan disimpan dalam format txt. Selanjutanya diubah dalam bentuk fomat excel. Analisis Data Secara Kemometrik Spektrum FTIR dalam bentuk format txt disimpan dalam bentuk format Excel dengan program Microsoft Excel. Data kemudian dibagi menjadi 3 jenis, yaitu spektrum utuh dengan 935 titik, segmentasi I (daerah sidik jari) dengan 287 titik, dan segmentasi II (daerah gugus fungsi) dengan 649 titik. Pembagian daerah panjang gelombang spektrum diperlihatkan pada Tabel 2. Tabel 2 Daerah spektrum FTIR Kisaran bilangan gelombang (cm-1) Spektrum utuh 400-4000 Segmentasi I 400-1500 Segmentasi II 1500-4000
4
Analisis data kemometrik dilakukan menggunakan set data dengan dan tanpa perlakuan pendahuluan yang meliputi normalisasi, koreksi garis dasar, derivatisasi dan smoothing. Selanjutnya set data dinamai berdasarkan diberikan atau tidaknya perlakuan pendahuluan dan segmentasi terhadap data. Penamaan dapat dilihat pada Tabel 3. Tabel 3 Penamaan set data Set Perlakuan Pembagian data data pendahuluan 1 Spektrum utuh 2 Ada Segmentasi I 3 Segmentasi II 4 Spektrum utuh 5 Tidak ada Segmentasi I 6 Segmentasi II
(a)
Analisis kemometrik PCA dilakukan menggunakan Unscrambler 10.1 (camo inc). Prosedur lengkapnya dapat dilihat pada Lampiran 1
HASIL DAN PEMBAHASAN Analisis FTIR Pengujian FTIR dilakukan pada serbuk kappa foodgrade, kappa bleaching, kappa non-bleaching, iota, serta campuran antara serbuk kappa dan iota (1:1). Setiap objek amatan tersebut diukur sebanyak 5 kali ulangan menggunakan spektroskopi FTIR sehingga diperoleh 5 spektrum untuk tiap objek amatan (Gambar 2). Spektrum FTIR tidak memiliki pola tertentu dan bersifat fluktuatif. Data spektrum FTIR yang digunakan berada pada kisaran bilangan gelombang 400 sampai 1500 cm-1. Adapun pita-pita serapan utama yang dapat diamati dari spektrum adalah pita serapan lebar pada daerah 1210-1260 cm-1 yang merupakan representasi dari serapan S=O dan pada 1010-1080 cm-1 yang merupakan daerah serapan ikatan glikosida. Pita serapan tersebut berlaku untuk semua jenis karagenan. Sedangkan pita serapan lain menunjukkan perbedaan karakteristik jenis karagenan. Pita serapan 845-850 cm-1 menunjukkan daerah kappa dan iota karagenan. Sedangkan pada serapan 800-805 cm-1 menunjukkan karakteristik iota karagenan.
(b) Gambar 2 Spektrum FTIR serbuk kappa foodgrade ( ), kappa bleaching ( ) , kappa nonbleaching ( ), iota ( ), kappa+ iota ( ) tanpa perlakuan pendahuluan (a) dan dengan perlakuan pendahuluan (b). Gambar 2a memperlihatkan spektrum dari 25 contoh sampel sebelum diberi perlakuan pendahuluan. Sedangkan Gambar 2b menunjukkan spektrum setelah diberikan perlakuan pendahuluan yang memperlihatkan bahwa seluruh spektrum menjadi lebih seragam. Perlakuan pendahuluan ini dapat menghindari masalah akibat geseran garis dasar dan mengurangi derau acak pada spektrum awal sehingga akan meningkatkan hasil analisis kemometrik (Naes et al. 2002). Derivatisasi akan menghilangkan pergeseran garis dasar dan tumpang rindih puncak, sehingga informasi spektrum yang berguna untuk analisis selanjutnya akan meningkat (Stchur et al. 2002)
5
Analisis Komponen Utama Penggunaan spektrum FTIR sebagai alat bantu untuk penentuan struktur molekul suatu senyawa kimia biasanya terbatas hanya melibatkan informasi serapan pada daerahdaerah tertentu saja sebagai tanda pengenal gugus fungsi tertentu. Pemanfaatan ini membatasi informasi lain yang dimiliki oleh suatu spektrum IR, terlebih lagi bila spektrum tersebut merupakan spektrum yang bersifat multidimensi seperti spektrum sel utuh dari suatu bagian tumbuhan. Spektrum multidimensi mengandung informasi kuantitatif yang dapat menggambarkan ciri khas suatu spesies. Spektrum sel utuh setiap contoh karagenan juga memiliki perbedaan informasi kuantitatif, informasi yang tidak dapat diekstrak hanya dengan melihat pola serapan spektrum karagenan. Untuk mendapatkan informasi perbedaan secara sederhana dari 25 spektrum karagenan tersebut, digunakanlah Analisis Komponen Utama (PCA). PCA mereduksi variabel-variabel yang dimiliki oleh spektrum menjadi beberapa variabel utama saja. Proses reduksi ini dapat menyebabkan contoh karagenan terkelompokkan berdasarkan korelasi informasi variabel yang dimiliki dalam grup. Analisis PCA karagenan dilakukan tidak hanya menggunakan data spektrum asli, tetapi juga melibatkan data spektrum hasil perlakuan pendahuluan. Perlakuan pendahuluan tersebut menggunakan metode yang berasal dari beberapa penelitian dengan tahapan berikut yaitu, normalisasi spektrum baseline, derivatisasi dan smoothing (Goodacre et al. 1998). Smoothing spektrum terdiri dari pointpoint, sehingga perlu dilakukan analisis data untuk mendapatkan smoothing terbaik dalam mengelompokkan karagenan. Gambar 3 merupakan score plot dari komponen utama pertama dan komponen utama kedua. Interpretasi visual terbaik dalam pengelompokan didapatkan dari smoothing 13 point. Terbaiknya pengelompokan oleh smoothing 9 point dibandingkan dengan yang lainya dapat dilihat dari pola kelas yang yang lebih jelas dan nilai akumulasi variansi yang lebih tinggi. Nilai akumulasi variansi smoothing 5 point, 7 point, dan 9 point, 11 point, dan 13 point, berturut-turut adalah 77%, 77%, 85%, 86%, dan 87%. Menaikkan nilai smoothing ke titik yang lebih tinggi (15 point) tidak memperlihatkan pola kelas dan akumulasi varian yang berbeda dengan smoothing dengan 13 point. Sehingga untuk
analisis data (dengan perlakuan pendahuluan) digunakan smoothing 13 point. Selain digunakan seluruh data absorbans spektrum IR karagenan, analisis PCA juga dilakukan terhadap spektrum pada kisaran bilangan gelombang tertentu, baik pada spektrum asli maupun spektrum dengan proses pendahuluan. Segmentasi ini dilakukan untuk melihat keberadaan konstituenkonstituen kunci yang berperan secara signifikan dalam analisis kemometrik.
Pengelompokan karagenan dengan PCA Teknik PCA dapat mengurangi dimensi dari data awal, yaitu dari ribuan dimensi (sebanyak jumlah bilangan gelombang spektrum IR) menjadi hanya dua dimensi. Proyeksi sampel terhadap dua variabel baru ini ditunjukkan pada score plot. Score plot untuk dua PC pertama biasanya paling berguna dalam analisis karena kedua PC ini memiliki variansi terbanyak dalam data. Gambar 4 menunjukkan score plot dari 25 spektrum IR sampel serbuk karagenan. Plot ini memperlihatkan pola yang terdapat pada spektrum IR, semakin dekat satu titik dengan titik yang lain, maka semakin besar kemiripan di antara spektrum IR sampel tersebut. Pengelompokan dari spektrum IR tanpa perlakuan pendahuluan ditunjukkan pada Gambar 4a-c. Score plot dari spektrum IR ini tidak menunjukkan pemisahan yang jelas antara kelima kelompok karagenan. Score plot dari spektrum IR ini menunjukkan pemisahan pada sampel iota dan KF pada spektrum utuh, sedangkan untuk sampel KB, KNB, dan K+I tidak dapat dikelompokkan. Pada Segmentasi I, PCA dapat mengelompokkan iota dan KNB. Sedangkan pada segmentasi II, PCA mampu megelompokkan iota dan KF. Score plot dua PC pertama dari data spektrum IR spektrum utuh, segmentasi I, dan segmentasi II berturutturut mampu menjelaskan 96% (PC1 = 78%, PC2 = 18%), 98% (PC1 = 94%, PC2 = 4%), dan 97% (PC1 = 94%, PC2 = 4%) dari variansi total. Pengelompokan terbaik dari spektrum IR dengan perlakuan pendahuluan dimiliki oleh data spektrum utuh (Gambar 4d). Terlihat bahwa seluruh sampel pada masing-masing kelompok berada saling berdekatan satu sama lain. Sehingga secara keseluruhan, analisis PCA terbaik untuk pencirian karagenan adalah menggunakan data spektrum utuh dengan nilai smoothing 13 point.
6
(a)
(b)
(c)
(d)
(f)
(e) Keterangan
:
Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
Gambar 3 Score plot dua PC pertama dari hasil analisis PCA, dengan data yang dianalisis dari perlakuan pendahuluan melalui smoothing (a) 5 point, (b) 7 point, (c) 9 point, (d)11 point, (e) 13 point, dan (f) 15 point.
7
(b)
(a)
(d)
(c)
(e)
(f) Keterangan :
Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
Gambar 4 Score plot dua PC pertama dari spektrum IR serbuk karagenan: a. utuh tanpa perlakuan pendahuluan, b. segmentasi I tanpa perlakuanSIMPULAN pendahuluan, c. Segmentasi DAN SARANII tanpa perlakuan pendahuluan, d. utuh dengan perlakuan pendahuluan, e. segmentasi I dengan perlakuan pendahuluan, f.segmentasi II dengan perlakuan pendahuluan.
8
SIMPULAN DAN SARAN Simpulan Teknik spektroskopi FTIR yang digabungkan dengan aplikasi kemometrik sudah dapat digunakan untuk pencirian jenis karagenan. PCA mampu menunjukkan pengelompokan IR dari kelima jenis karagenan. Pengelompokan terbaik dihasilkan dari set data spektrum utuh melalui perlakuan pendahuluan dengan nilai smoothing 13 point. Saran Perlu dilakukan pencirian karagenan pada jenis karagenan yang lain, yaitu lambda. Sehingga analisis PCA bisa dilakukan secara bersamaan untuk ketiga jenis karagenan.
DAFTAR PUSTAKA Chew OS, Hamdan MR, Ismail Z, Ahmad MN. 2004. Assessment of herbal medicines by chemometrics-assisted interpretation of FTIR spectra. J Anal Chim Acta, in press. Glicksman M. 1983. Food Hydrocolloids. Volume I. Florida: CRC Press Boca Raton. 207 p. Goodacre, R. Burton, N. Kaderbhai, AM. Woodward, D.B. Kell &P. J. Rooney.1998. Rapid identification of urinary tract infection bacteria using hyperspectral whole–organisme fingerprinting and atificial neural network. J. Microbial 144: 1156-1170 Istini S dan Zatnika A. 1991. Optimasi Proses Semirefine Carrageenan dari Rumput Laut Eucheuma cottonii. Di dalam: Teknologi Pasca Panen Rumput Laut. Prosiding Temu Karya Ilmiah; Jakarta, 11-12 Maret 1991. Jakarta: Departemen Pertanian. hlm 86-95 Khopkar SM. 2002. Konsep Dasar Kimia Analitik. Saptorahardjo A, penerjemah; Jakarta: UI Press. Terjemahan dari: Basic Concepts of Analytical Chemistry.
Lohninger H. 2004. Multivariate calibration.[terhubung berkala]. http://www.vias.org/tmdatanaleng/cc_mult ivaritae.html [20 Juni 2011] Miller JC, Miller JN. 2000. Statistic and Chemometrics for Analytical Chemistry. Ed ke-4. Harlow: Pearson Education. Naes T, Isaksson T, Fearn T, Davies T. 2002. A User Friendly Guide to Multivariate Calibration and Classification. Chichester: NIR Publication. Naumann D. 1998. Infrared spectroscopy in microbiology. Di dalam: Meyers RA, editor Encyclopedia of Analytical Chemistry. Berlin: J Wiley. hlm 1-28. Stchur P, Cleveland D, Zhou J. Michel RG. 2002. A review of recent applications of near infared spectroscopy, and the characteristic of a novel PbS CCD arraybased near infrared spectrometer. Appl Spect Rev 37:383-428. Skoog DA, Holler FJ, Nieman TA. 1998. Principles of Instrumental Analysis. Ed ke5. Philadelphia: Harcourt Brace. Wartewig S. 2003. Infrared and Raman Spectroscopy Fundamental Process. Weinheim: J Wiley. Wold S, Sjostrom M, Eriksson L. 2001. PLSregression: a basic tool of chemometrics. Chem Intel Lab Syst 58:109-130.
11
LAMPIRAN
1016
Lampiran 1 Bagan alir penelitian secara umum
Karagenan
Serbuk kappa Foodgrade
Serbuk kappa non bleaching
Serbuk kappa bleaching
Analisis menggunakan FTIR
Analisis Statistik a
PCA
Serbuk iota
Serbuk campuran kappa dan iota (1:1)
16 11
Lampiran 2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan pendahuluan
Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
Lampiran 3 Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan pendahuluan
Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
12 17
Lampiran 4 Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan pendahuluan
Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
Lampiran 5 Spektrum IR utuh sampel serbuk karagenan dengan perlakuan pendahuluan Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
13 18
Lampiran 6
Spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan pendahuluan Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
Lampiran 7 Spektrum IR segmentasi II sampel serbuk karagenan dengan perlakuan pendahuluan Kappa foodgarade Kappa bleaching Kappa non-bleaching Iota Campuran kappa:iota
14 19
Lampiran 8 Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa perlakuan pendahuluan
Lampiran 9 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan pendahuluan
20 15
Lampiran 10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan pendahuluan
Lampiran 11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan perlakuan pendahuluan
21 16
Lampiran 12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan pendahuluan
Lampiran 13 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan dengan perlakuan pendahuluan
22
