PREDIKSI UMUR PANEN PEPAYA BERDASARKAN TOTAL PADATAN TERLARUT, KANDUNGAN PROTEIN DAN KADAR AIR DENGAN NIR SPEKTROSKOPI
PAHLEVI MANAHARA PANDJAITAN
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopi adalah benar karya saya dengan arahan dari dosen pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Februari 2014 Pahlevi Manahara Pandjaitan NIM F14090138
ABSTRAK PAHLEVI MANAHARA PANDJAITAN. Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopi. Dibimbing oleh Y ARIS PURWANTO Pepaya termasuk buah klimakterik yang biasanya dipanen saat hijau. Adanya metode penentuan umur petik pepaya dapat membantu petani dalam menentukan saat pemanenan buah pepaya. Teknologi NIR (near infrared) dapat mengukur kandungan suatu bahan organik maupun non organik tanpa merusak bahan tersebut. Tingkat kematangan buah pepaya mempunyai korelasi dengan kandungan bahan yang ada di pepaya. Tujuan dari penelitian ini adalah mengembangkan metode penentuan umur petik pepaya menggunakan NIR. Kadar air, kadar protein dan total padatan terlarut digunakan sebagai parameter kualitas internal. Spektra pepaya diukur menggunakan NIR spektroskopi. Data spektra kemudian digunakan untuk pengembangan model kalibrasi dan validasi dari pengukuran NIR spektroskopi berdasarkan pada metode referensi. Partial Least Square adalah metode yang digunakan untuk menentukan hubungan antara komposisi kimia pepaya dengan spektra reflektan maupun absorbannya dengan. Spektra NIR diberikan 5 perlakuan penghalusan rataan setiap 3 titik, normalisasi antara 0 sampai 1, derivatif kedua Savitzky - Golay setiap 9 titik, kombinasi penghalusan rataan setiap 3 titik dengan normalisasi antara 0 sampai 1 dan kombinasi antara penghalusan rataan setiap 3 titik, normalisasi antara 0 sampai 1 dan derivatif kedua Savitzky – Golay setiap 9 titik. Model terbaik yang terbentuk dipilih berdasarkan koefisien determinasinya (R2), standar error (SE), koefisien keragaman (CV), ratio of standard error prediction to standard deviation (RPD) dan konsistensi model (SEC/SEP). Model kalibrasi terbaik dipilih berdasarkan nilai akurasi dan konsistensi yg tinggi dari model validasi dengan nilai koefisien determinasi (R2), SEC dan SEP yakni 0.900, 0.62 dan 0.76 untuk kadar air; 0.837, 0.1 dan 0,1 untuk kadar protein dan 0.876, 0.90 dan 1.06 untuk total padatan terlarut. Kata kunci: kadar air, kadar protein, kalibrasi, NIR, pepaya, total padatan terlarut, validasi
ABSTRACT PAHLEVI MANAHARA PANDJAITAN. Harvest Time Prediction of Papaya Based on Total Soluble Solid, Protein Content and Water Content Using NIR Spectroscopy. Supervised by Y ARIS PURWANTO Papaya is a climacteric fruit that usually harvested in green mature. The method of determination of papaya’s picking time can help the farmer to determine the harvest time. NIR (near infrared) can measure the content of an organic and non organic materials without affect them. Maturation level of papaya is correlated to the content of materials in the papaya. The objective of this experiment was to develop the method of determination of papaya’s picking time using NIR. Water content, protein and total soluble solid were used as internal parameter quality. Spectra of papaya was measured using NIR spectroscopy. Data of spectra were then used to develop calibration and validation model of NIR spectroscopy measurement based on the reference method. Partial Least Square (PLS) is a method used to determine the relation between chemistry composition of papaya and reflectant spectra and the absorbance. Spectra NIR was analyzed using 5 treatments: smooth average 3 points, normalization between 0 to 1, second derivative Savitzky-Golay 9 points, combination between smooth average 3 points and normalization between 0 to 1 and combination of smooth average 3 points, normalization between 0 to 1 and second derivative Savitzky-Golay every 9 points. The best model was selected according to coefficient of determination (R2), standard of error (SE), coeficient of variability (CV), ratio of standard error prediction to standard deviation (RPD) and model consistency (SEC/SEP). The best calibration models that selected based on the high accuration and consistency value by validation models with coefficient of determination (R2), SEC and SEP of 0.900 0.62 and 0.76 for water content; 0.837, 0.1 and 0,1 for protein content and 0.876, 0.90 and 1.06 for total soluble solid. Keywords: calibration, NIR, papaya, protein content, total soluble solid, validation, water content
PREDIKSI UMUR PANEN PEPAYA BERDASARKAN TOTAL PADATAN TERLARUT, KANDUNGAN PROTEIN DAN KADAR AIR DENGAN NIR SPEKTROSKOPI
PAHLEVI MANAHARA PANDJAITAN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian pada Departemen Teknik Mesin dan Biosistem
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2014
Judul Skripsi : Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopi Nama : Pahlevi Manahara Pandjaitan NIM : F14090138
Disetujui oleh
Dr Ir Y Aris Purwanto, M.Sc Pembimbing
Diketahui oleh
Dr Ir Desrial, M. Eng Ketua Departemen
Tanggal Lulus:
Judul Skripsi: Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopi Nama : Pahlevi Manahara Pandjaitan : F14090138 NIM
Disetujui oleh
Dr Ir Y Aris Purwanto, M.Sc
Pembimbing
Tanggal Lulus:
-0 3
MAR 2014
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yesus berkat penyertaanNya sehingga karya ilmiah ini dapat terselesaikan. Penelitian ini dimulai dari Februari hingga Oktober 2013 dengan judul Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopia. Penulis mengucapkan terima kasih kepada Bapak Dr Ir Y Aris Purwanto, M.Sc selaku pembimbing atas saran, bimbingan, motivasi dan kesempatan untuk bisa bergabung dalam penelitian bersama, Ibu Dr Ir Emmy Darmawati, M.Si selaku ketua proyek penelitian atas arahan, masukan dan kerjasama dalam penelitian ini dan bapak Dr Ir I Dewa Made Subrata, M.Agr selaku dosen penguji atas saran untuk perbaikan karya ilmiah. Terima kasih kepada Bapak Sulyaden, Mbak Sugih dan Mas Abas yang begitu banyak membantu selama pengerjaan penelitian di laboratorium. Penulis mengucapkan terima kasih kepada kedua orang tua dan keluarga terkasih Bapak H Pandjaitan dan Mamak H br Sitorus, Murni Pandjaitan, Andrew Pandjaitan dan Idenesia Pandjaitan ini adalah berkat doa dan dukungan yang begitu panjang mengalir kepada penulis selama ini. Terima kasih buat keluarga Orion 46, PMK IPB, Kompers, Yoel, Elohay Mispath, Yahweh Mekkadiskhem, Onisiferus. Terima kasih disampaikan kepada Eti, Ririn, Ivan, Budi, Awan, Gina A, Gina L, Selvi, Priyantika, Nina, Lia, Flora, Mbak Fifi, Mbak Nur dan Mbak Dedek atas dukungannya. Terima kasih kepada sahabat Mongkuser; Deny, Bina, Heru, Anggiat, Julian, Kevin, Sandro, Victor dan Berto untuk tahun yang dinikmati selama ini. Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2014 Pahlevi Manahara Pandjaitan
DAFTAR ISI DAFTAR TABEL
x
DAFTAR GAMBAR
x
DAFTAR LAMPIRAN
x
PENDAHULUAN
1
Perumusan Masalah
1
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
METODOLOGI PELAKSANAAN
5
Waktu dan Tempat
5
Bahan
5
Alat
5
Prosedur Analisis Data
6
Pengukuran Secara Non Destruktif
6
Pengukuran Secara Destruktif
7
Analisa Data
9
Kalibrasi Data
9
Metode Partial Least Square (PLS)
9
Validasi Data HASIL DAN PEMBAHASAN
10 13
Analisis Data Kimiawi Laboratorium Dengan Metode Konvensional
13
NIR Spektroskopi
15
Analisis Data Inframerah Buah Pepaya Dengan Metode PLS
16
Model Kalibrasi
29
SIMPULAN DAN SARAN
31
Simpulan
31
Saran
31
DAFTAR PUSTAKA
32
LAMPIRAN
34
RIWAYAT HIDUP
36
DAFTAR TABEL 1 2 3 4 5 6 7 8
Analisis data kimiawi secara konvensional Deskripsi statistik spektra reflektan kadar air Deskripsi statistik spektra absorban kadar air Deskripsi statistik spektra reflektan kadar protein Deskripsi statistik spektra absorban kadar protein Deskripsi statistik spektra reflektan total padatan terlarut Deskripsi statistik spektra absorban total padatan terlarut Deskripsi statistik spektra model
13 18 20 22 24 26 27 29
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Kriteria buah pepaya yang di uji Pengukuran secara non desktruktif Potongan pepaya yang akan dikeringkan dalam oven Penggunaan metoda partial least square Diagram alir penelitian Kandungan TPT pada pepaya Kandungan protein pada pepaya Kandungan air pada pepaya Kurva spektra reflektan Kurva spektra absorban Grafik model kalibrasi spektra reflektan kadar air Grafik model validasi spektra reflektan kadar air Grafik model kalibrasi spektra absorban kadar air Grafik model validasi spektra absorban kadar air Grafik model kalibrasi spektra reflektan kadar protein Grafik model validasi spektra reflektan kadar protein Grafik model kalibrasi spektra absorban kadar protein Grafik model validasi spektra absorban kadar protein Grafik model kalibrasi spektra reflektan total padatan terlarut Grafik model validasi spektra reflektan total padatan terlarut Grafik model kalibrasi spektra absorban total padatan terlarut Grafik model validasi spektra absorban total padatan terlarut
5 6 7 9 12 14 14 15 16 17 19 19 21 21 22 23 24 25 26 27 28 28
DAFTAR LAMPIRAN 1 Alat-alat yang digunakan pada penelitian 2 Hasil pengukuran kandungan pepaya secara destruktif
34 35
PENDAHULUAN Latar Belakang Pepaya merupakan buah yang sifatnya mudah rusak (perishable) dikarenakan kulit buah yang tipis sehingga sangat rentan terhadap benturan dan luka yang memungkinkan terjadinya aktivitas mikroorganisme. Kerusakan pada buah pepaya dapat menurunkan kualitas dari buah itu sendiri dimana mengurangi nilai dari harga jual dan kandungan gizi yang ada. Sifat perishable pada pepaya juga dapat mengakibatkan masa simpan pepaya menjadi lebih singkat dan diperlukan penanganan pascapanen yang lebih baik lagi. Penanganan pasca panen merupakan salah satu usaha untuk menambah nilai ekonomi suatu produk pertanian. Salah satu faktor yang mempengaruhi mutu dari produk pertanian adalah penentuan tingkat ketuaan yang tepat pada saat pemanenan. Petani cenderung melakukan pemanenan terhadap tanaman didasari oleh pengalaman dalam budidaya. Tidak adanya suatu faktor yang baku dalam penentuan kapan dilakukannya pemanenan buah pepaya. Hal ini dapat menimbulkan kesalahan dalam penentuan tingkat ketuaan yang optimal dikarenakan petani belum mengetahui dengan pasti apakah buah pepaya sudah mengalami tingkat pematangan dan pengisian nutrisi yang optimal. Pengamatan terhadap perubahan warna merupakan indikator yang biasa digunakan sehingga pada saat warna pepaya mulai berubah menjadi kekuningan maka pepaya dikatakan tua. Penentuan tingkat ketuaan dari produk pertanian saat ini sudah mulai diperhatikan dikarenakan tingkat mutu menjadi sasaran daripada produk pertanian yang akan dipasarkan. Beberapa cara yang sekarang diteliti adalah penggunaan metode non destruktif untuk menentukan tingkat ketuaan seperti pemanfaatan teknologi near infrared (NIR). Dengan mengetahui hubungan antara parameter yang menentukan tingkat ketuaan buah pepaya seperti kandungan total padatan terlarut, kadar air dan protein dengan spektrum NIR, diharapkan dapat dikembangkan cara penentuan waktu panen buah pepaya secara non destruktif dengan memanfaatkan gelombang NIR. .
Perumusan Masalah Pengembangan metode pengukuran kandungan pepaya secara cepat dan akurat belum banyak diadakan sejauh ini. Tingkat kematangan masih lebih diperhatikan dari sisi perubahan warna yang sangat sulit untuk diklasifikasikan secara lebih spesifik. Adapun batasan masalah yang digunakan pada penelitian ini adalah: 1. Pepaya IPB-9 (Carica papaya L) segar petik dianalisis kandungannya secara non destruktif dengan NIR 2. Pepaya lalu dianalisis kandungannya secara destruktif untuk mendapatkan total padatan terlarut (TPT), kadar air dan kadar protein.
2 3. Melakukan kalibrasi dan validasi untuk membuat model persamaan fungsi dari analisis secara non destruktif. Tujuan Penelitian Tujuan dari penelitian ini adalah mengembangkan metode prediksi tingkat ketuaan buah pepaya dengan spektroskopi NIR. Secara khusus tujuan dari penelitian ini adalah: 1. Menentukan hubungan antara kandungan total padatan terlarut (TPT), kadar air dan kadar protein dengan spektrum NIR 2. Mengembangkan model kalibrasi dan validasi dari data hasil analisis non destruktif dengan spektrum NIR 3. Menentukan validasi ketuaan buah berdasarkan total padatan terlarut (TPT), kadar air, & kadar protein pada berbagai umur buah pepaya dengan hari sebelum panen normal. Manfaat Penelitian Penelitian ini bermanfaat untuk pengembangan metode pengukuran tingkat kematangan pada buah pepaya secara non destruktif melalui NIR. Hasil dari penelitian ini berupa model persamaan fungsi dari pepaya yang dapat digunakan untuk mengukur tingkat kematangan pepaya secara non destruktif, cepat dan akurat. Ruang Lingkup Penelitian Pepaya segar petik yang berasal dari kebun dianalisis kandungannya secara non destruktif dengan NIR lalu dianalisis secara destruktif.
TINJAUAN PUSTAKA Tanaman Pepaya Pepaya merupakan salah satu komoditas buah tropika Indonesia. Pepaya merupakan tanaman yang ideal ditanam pada pekarangan rumah maupun perkebunan. Tanaman pepaya dapat tumbuh optimal pada penyinaran matahari yang tidak terlalu terik dan pada suhu berkisar 22-26 0C. Curah hujan (CH) berkisar 1000-2000 mm/tahun, dengan bulan kering (CH< 60 mm) 3-4 bulan, serta beriklim basah (PKBT 2004). Kandungan gizi yang terdapat pada pepaya juga begitu beragam. Menurut Villegas (1997) tiap 100 g buah pepaya yang dapat dimakan mengandung 86.6 g air, 0.5 g protein, 0.7 g serat, 3 mg kalium, 450 mg vitamin A, 74 mg vitamin C, dan gula (sukrosa (48.3%), glukosa (29.8%) dan fruktosa (21.9%).
3 Pepaya dalam kegiatan budidaya dimulai dari penanaman. Pepaya sendiri dapat mulai menghasilkan buah yang siap untuk dipanen pada rentang umur 9-12 bulan. Buah pepaya yang merupakan hasil penyerbukan dan dipenen pada 3-4 bulan terhitung setelah buah mekar. Penampilan warna pada buah pepaya yang belum matang yakni hijau tua dan daging buah masih sangat keras sedangkan pada saat pepaya tua warna akan mulai terdegradasi menjadi kuning diikuti pelunakan daging buah. Pemanenan buah harus dilakukan dengan ketuaan optimum. Penundaan pemanenan dapat meningkatkan kepekaan komoditi hortikultura terhadap pembusukan sehingga dapat menurunkan mutu dan nilai jual komoditi tersebut (Pantastico et al. 1986). Panen Buah Pepaya Panen adalah kegiatan akhir dari suatu budidaya tanaman. Dalam kegiatan panen dilakukan pengutipan terhadap hasil budidaya yang sudah layak konsumsi. Untuk panen buah sendiri biasanya dilakukan dengan sistem pemetikan, dimana buah dipisahkan dari pohon dengan memotong tangkai buah. Secara umum pada pemanenan buah pepaya penilaian terhadap matangnya buah didasari oleh perubahan warna pada kulit buah. Munculnya garis berwarna kuning pada kulit buah pepaya menunjukan bahwa buah pepaya mulai mengalami proses pematangan. Umur panen pepaya dapat ditentukan oleh jumlah hari sesudah anthesis (bunga mekar sempurna), jumlah warna kuning pada kulit buah dan letak buah yang biasanya terletak pada urutan paling bawah dari pucuk pohon. Secara fisik, buah pepaya adalah buah klimakterik dengan tingkat respirasi yang khas dan produksi etilen yang memiliki pola tertentu sepanjang proses pematangan (Jones 1942; Akamine 1966; Selvaraj et al. 1982). Pada mula dari proses pematangan, aktifitas respirasi meningkat menuju titik puncak maksimum kurva klimakterik dan sesudah itu turun secara perlahan (Paull dan Chen 1983). Salah satu problem utama dalam menghadapi pemasaran buah pepaya adalah identifikasi dari tingkat kematangan optimum panen untuk memastikan kecukupan kematangan buah untuk konsumsi terbaik (Proctor dan Caygill 1985). Kebanyakan buah yang dipasarkan masih tergolong matang secara ekonomi. Matang secara ekonomi adalah nilai kematangan yang didasarkan pada nilai jual, sehingga tidak terlalu memperhatikan matang secara fisik. Buah yang terlalu matang dapat dengan mudah mengalami kerusakan. Karbohidrat yang terkandung dalam buah pepaya berupa sukrosa, glukosa dan fruktosa. Pada tahap awal perkembangan buah, glukosa adalah jenis gula yang paling banyak ada sementara itu pada tahap sebelum pemasakan dan tahap pemasakan berlangsung jumlah sukrosa dalam buah meningkat dari dua hingga lima kali lipat hingga mencapai level tertinggi pada buah bila dibandingkan dengan fruktosa dan glukosa (Chen dan Paull 1986; Selvaraj et al.1982).
4 Near Infrared Near infrared (NIR) atau Infra merah dekat adalah gelombang elektromagnetik dekat yang memiliki panjang gelombang mulai dari 800 nm sampai 2500 nm. NIR juga merupakan salah satu teknologi dimana dilakukan pengukuran terhadap suatu bahan baik organik maupun nonorganik tanpa merusak bahan tersebut. Semua bahan organik terdiri dari atom karbon, oksigen, hidrogen, nitrogen, phosphor, sulfur dengan sejumlah kecil elemen lainnya. Atom-atom ini berkombinasi melalui ikatan kovalen atau elektrovalen membentuk molekul. Karena sifat ikatannya, gaya elektrostatik ada dalam atom dan molekul tersebut. Sehingga molekul bergerak secara konstan, ini dikenal dengan keadaan stabil. Molekul bervibrasi pada frekuensi yang berkaitan dengan panjang gelombang daerah infra merah dari spektrum elektromagnetik. Setelah dipancarkan maka radiasi ini akan diserap oleh semua bahan organik dan informasi utama yang dapat diekstrak adalah stretching dan bending ikatan kimia C-H (seperti bahan organik turunan minyak bumi), O-H (seperti kadar air, karbohidrat, dan lemak), C-N, dan N-H (seperti protein dan asam amino) yang merupakan ikatan dasar dari semua ikatan kimia bahan-bahan organik. Informasi tersebut dapat dilihat dari pantulan NIR yang dihasilkan dalam bentuk spektrum pantulan. Radiasi infra merah tidak mempunyai energi yang cukup untuk mengeksitasi electron pada senyawa tetapi dapat menyebabkan senyawa organik mengalami rotasi dan getaran (vibrasi) ikatan inter-atomic (Osborne, et al 1993). Dalam penggunaannya, teknologi NIR memiliki kelebihan karena dapat menganalisa dengan kecepatan tinggi, tidak menimbulkan polusi, penggunaan preparat contoh yang sederhana, tidak menggunakan bahan kimia dan dapat menganalisa secara non dekstruktif (William dan Norris 1990 dalam Rochimawati 2004). Penggunaan NIR dilakukan dengan melewatkan suatu bahan pada suatu gelombang panjang dengan rentang 700-2500 nm. Pengujian dengan menggunakan NIR dapat menentukan beberapa parameter yang sulit dilakukan secara non destruktif seperti tingkat kekerasan daging buah dan total padatan terlarut. Gelombang panjang yang dilewatkan pada bahan akan mengalami pantulan (reflection) dan dilakukan pembagian kategori yang sesuai. Tingkat kekerasan daging buah dan kandungan gula pada hasil pemancaran suatu gelombang menunjukan sebuah hubungan yang berbanding terbalik. Teknologi NIR pada panjang gelombang 900 – 2000 nm dapat digunakan cukup akurat untuk menduga kadar karbohidrat, protein, lemak dan air tepung jagung (Zea mays) secara cepat dan simultan (Rochimawati 2004).
5
METODOLOGI PELAKSANAAN Waktu dan Tempat Penelitian yang akan dilakukan merupakan pengujian terhadap buah pepaya yang dilakukan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian , Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Buah pepaya yang dipilih adalah buah pepaya Callina (genotip IPB – 9) yang diperoleh dari dari kebun petani di daerah Semplak, Kecamatan Ciampea Kabupaten Bogor. Penelitian dilakukan selama 11 (sebelas) bulan dari Februari 2013 hingga Desember 2013. Bahan Bahan yang akan digunakan yakni buah pepaya genotipe IPB – 9 yang didapat dari kebun petani di daerah Semplak, Kecamatan Ciampea Kabupaten Bogor. Terlebih dahulu dilakukan pemilihan pohon yang baik untuk dijadikan sampel. Buah yang akan diteliti dihitung mulai dari buah 2 minggu menjelang panen hingga masa panen normal seperti pada Gambar 1. Buah diambil sebanyak 62 buah yakni 12 buah untuk kategori 2 minggu sebelum panen normal, 12 buah untuk kategori 1 minggu sebelum panen normal, 11 buah untuk kategori 4 hari sebelum panen normal dan 27 buah untuk kategori panen normal.
Gambar 1. Kriteria buah pepaya yang di uji Alat Peralatan yang digunakan adalah sistem pengukuran gelombang cahaya infra merah dekat untuk mengukur kekerasan dan total padatan terlarut (TPT) secara non-destruktif yakni Spektra NIR, dari sampel diukur dengan menggunakan Spektrometer NIRFlex N-500 dengan panjang gelombang 8002500 nm. Peralatan yang digunakan untuk mengukur parameter secara desktruktif berupa oven, refraktometer, timbangan digital, cawan dan desikator. Gambar alatalat penelitian dapat dilihat pada Lampiran 1.
6 Prosedur Analisis Data Pengukuran Secara Non Destruktif Sampel buah pepaya akan diukur kandungan terlarutnya pada 3 titik yang berbeda yakni bagian pangkal, tengah dan ujung setiap buah seperti pada Gambar 2. Setiap data yang terukur akan tersimpan dalam database NirCal 5.2 yang merupakan program olah data yang terintegrasi dengan spektrometer NIRFlex N500 fiber optic solids. Jumlah data yang akan tersimpan dalam database berjumlah 186 yakni 3 set data dari setiap sampel buah.
Gambar 2. Pengukuran secara non desktruktif Buah pepaya akan ditembak infra merah dekat (NIR) dengan panjang gelombang 1000-2500 nm dan daerah pada bagian pepaya yan ditembak akan memantulkan sinar infra merah. Hasil pemantulan atau Gambaran yang ditangkap berupa spektrum. Spektrum ini nantinya akan ditangkap oleh lensa optik dan direkam oleh detektor. Spektrum ini berisi informasi komponen penyusun kimia dari buah pepaya. Lama waktu yang dibutuhkan satu titik untuk diukur dengan instrumen NIRFlex N-500 fiber optic solids berkisar 8-9 detik. Data spektrum yang direkam oleh detektor akan terkumpul pada database pada satu komputer yang terintegrasi dengan instrumen NIRFlex N-500 fiber optic solids. Setelah mendapat data hasil pancaran infra merah dekat maka dilakukan pengambilan data terhadap bahan pepaya dengan cara destruktif. Spektrum yang didapat merupakan hasil perhitungan dengan menggunakan persamaan sebagai berikut:
Spektrum =
Dimana: V contoh = tegangan pantulan contoh/sampel (Volt) V standar = tegangan pantulan standar putih (Volt)
7 Setelah menentukan nilai dari spektrum maka dicari kemudian data absorban dari spektrum NIR. Nilai absorban sendiri didapat dengan persamaan:
Aλ = - log10 Dimana: Aλ = nilai absorban Sλ = intensitas panjang gelombang pada sampel Dλ = intensitas panjang gelombang pada dark Rλ = intensitas panjang gelombang pada reference
Pengukuran Secara Destruktif Adapun pengukuran secara non destruktif yang dilakukan yakni meliputi: a. Penentuan Kadar Air Kadar air dalam suatu bahan menunjukan jumlah kandungan air yang ada di dalamnya. Kadar air terbagi menjadi 3 jenis yakni kadar air bebas, kadar air terikat fisik dan kadar air terikat kimia. Pengukuran besarnya kadar air dapat dilakukan dengan menggunakan metode thermogravitimetri atau pengeringan. Sampel yang sudah diuji dengan mengunakan NIR lalu akan dianalisis dengan menggunakan metode destruktif. Parameter yang ingin dicapai yakni kadar air dan total padatan terlarut. Penentuan kadar air pada sampel buah pepaya dilakukan dengan metode thermogravitimetri. Potongan sampel seperti pada Gambar 3 akan dikeringkan dengan menggunakan oven. Berat dari cawan kosong (A) terlebih dahulu ditimbang dengan menggunakan timbangan analitik. Kemudian sampel (W) dengan berat 2 gram yang sudah dihomogenisasi dimasukkan kedalam cawan dan ditimbang kembali dengan timbangan analitik. Lalu sampel beserta cwan dimasukkan ke dalam oven untuk dikeringkan dengan panas. Oven diatur pada suhu 1050 C selama 24 jam.
Gambar 3. Potongan pepaya yang akan dikeringkan dalam oven Lalu cawan dikeluarkan dan didinginkan terlebih dahulu didalam desikator sebelum ditimbang pada timbangan analitik. Cawan yang sudah ditimbang (Y) lalu dimasukkan kembali kedalam oven selama 15-30 menit untuk
8 dikeringkan kembali. Pengulangan yang dilakukan ini bertujuan untuk mendapatkan bobot konstan dari sampel dengan besarnya perubahan yang diharapkan sebesar 0.005 gram dari berat sampel sesudah pengeringan sebelumnya. Penentuan kadar air dilakukan sebanyak 1 kali terhadap 1 buah pepaya. Penghitungan kadar air dapat dilakukan dengan menggunakan persamaan sebagai berikut: Kadar air (%) = Dimana : W = bobot sampel awal (g) X = bobot sampel dan cawan setelah dikeringkan (g) A = bobot cawan kosong (g) b. Total Padatan Terlarut (TPT) Total padatan terlarut adalah jumlah zat yang terlarut (organik maupun anorganik) yang terdapat pada suatu larutan kimia. Pengukuran nilai total padatan terlarut (TPT) dari pepaya dilakukan dengan menggunakan refraktometer. Besaran nilai yang dihasilkan melalui pengukuran padatan terlarut dinyatakan dalam satuan 0 briks. Untuk mengetahui nilai TPT maka pepaya terlebih dahulu dihancurkan dan diambil cairan ekstraknya. Cairan ini lalu diukur nilai 0 briks-nya dengan menggunakan refraktometer yang akan muncul pada display. c. Kadar Protein Dalam penentuan kadar potein dilakukan dengan menggunakan metode Kjeldahl yang merupakan metode yang paling mudah. Sampel buah pepaya ditimbang dengan berat 5-10 gram,kemudian dimasukkan kedalam labu Kjeldahl 30 ml, lalu ditambahkan 1.9 mg K2SO4, 40 mg HgO, 2 ml H2SO4 dan beberapa butir batu didih. Dididihkan sampai cairan menjadi jernih dengan waktu 1-1.5 jam, kemudian didinginkan dan ditambah sedikit air secara perlahan. Isi labu dipindahkan ke dalam alat destilasi Erlenmeyer 125 ml berisi 5 ml larutan H3BO3 dan 4 tetes indikator (campuran 2 bagian metal merah 0.2% dalam alkohol) diletakkan di bawah kondensor. Tambahkan 8-10 ml larutan NaOH-Na2S2O3 dan dilakukan destilasi sampai tertampung 15 ml destilat dalam Erlenmeyer. Tabung kondensor dibilas dengan air dan air bilasan dimasukkan pada Erlenmeyer yang sama. Isi Erlenmeyer diencerkan sampai kira-kira 50 ml, kemudian dititrasi dengan HCL 0.002 N sampai terbentuk warna abu-abu. Lalu kadar protein dapat dihitung dengan menggunakan persamaan: %N= % protein = % N x faktor konversi Dimana : % protein %N Faktor konversi
= kandungan protein suatu bahan = kandungan nitrogen suatu bahan = faktor perkalian N yang menyusun suatu bahan (6.25)
9 Analisa Data Data yang ada yakni data spektrum maupun data kadar kandungan bahan kemudian akan dianalisis dengan metode partial least square (PLS) dengan menggunakan software NirCal 5.2 pada komputer. Dengan menggunakan software NirCal 5.2 akan dilakukan pembentukan model kalibrasi antara data reflektan dan absorban dengan hasil analisis kimia bahan, dimana data yang ada akan diberikan treatment untuk meningkatkan keakuratan model. Lalu untuk pembentukan grafik regresi linear dari model kalibrasi dan validasi dilakukan dengan menggunakan microsoft excel 2007. Perangkat lunak Microsoft excel 2007 juga akan digunakan untuk pembuatan kurva reflektan (R) dan absorban NIR (log 1/R). Kalibrasi Data Metode Partial Least Square (PLS) Metode ini digunakan untuk menentukan hubungan antara komposisi kimia pepaya dengan data spektrum gelombang reflektan maupun absorbannya yang didapatkan dengan menggunakan NIR. Pada Gambar 4 ditunjukan tahap dari metode PLS, dimana dengan metode ini dipakai untuk memperoleh pendugaan bagi Y sebagai fungsi peubah-peubah Xn yang terpilih. Persamaan regresi kalibrasi antara peubah Y dengan a dn b sebagai konstanta kuadrat terkecil parsial X terpilih (Naes 1985 dalam Rumahorbo 2004), dinyatakan lewat persamaan: Y = a + b1X1 + b2X2 + ... + bnXn Dimana : Y = dugaan kadar air/ protein / total padatan terlarut pepaya a dan b = konstanta kuadrat terkecil parsial X = fungsi peubah kuadrat terkecil pada kisaran panjang gelombang antara 1000-2500 nm
Gambar 4. Penggunaan metoda partial least square
10 Pada metode PLS akan dilakukan beberapa perlakuan data yakni penghalusan rataan setiap 3 titik, normalisasi antara 0 sampai 1, derivatif kedua Savitzky - Golay 9 setiap titik, kombinasi penghalusan rataan setiap 3 titik dengan normalisasi antara 0 sampai 1 dan kombinasi antara penghalusan rataan setiap 3 titik, normalisasi antara 0 sampai 1 dan derivatif kedua Savitzky - Golay setiap 9 titik. Perlakuan data dilakukan untuk menghasilkan model yang lebih baik bila ditemukan model yang dihasilkan tanpa perlakuan data dianggap tidak cukup baik. Selain itu faktor guncangan (noise) pada saat pengambilan data dengan NIR juga mempengaruhi diperlukannya pemberian perlakuan data. Menurut Tiaprasit dan Sangpithukwong (2010) penghalusan rataan 3 titik pada kurva spektrum NIR digunakan untuk menghaluskan kurva spektrum NIR yang mengalami guncangan pada data pada saat pengukuran NIR dan memperkecil galat yang terjadi selama proses pengukuran NIR dan analisis kimiawi laboratorium tanpa menghilangkan informasi spektrum yang ada. Normalisasi antara 0 sampai 1 digunakan untuk mengurangi pengaruh perbedaan ukuran sampel yang diuji, mengurangi pengaruh tegangan pantulan dari alat terhadap hasil pengukuran serta untuk memperbesar rentang nilai absorban yang terdapat pada spektrum (Gabbie 2011). Derivatif kedua Savitzky - Golay setiap 9 titik digunakan untuk mereduksi basis dari adanya pertambahan dari proses absorban serta menghilangkan masalah basis kemiringan persamaan regresi (Tiaprasit dan Sangpithukwong 2010). . Validasi Data Tahap selanjutnya setelah 2/3 data total telah kalibrasi adalah tahap validasi. Validasi bertujuan untuk menguji nilai ketepatan terhadap komposisi kimia bahan yang sudah ditentukan melalui tahap kalibrasi dengan nilai referensi. Validasi dilakukan dengan menggunakan 1/3 data total. Data yang ada akan dimasukkan kedalam model persamaan yang telah terbentuk sehingga dapat diketahui nilai kandungan TPT dari buah pepaya. Parameter yang digunakan dalam menentukan kesamaan antara data validasi dengan model yang didapat pada tahap kalibrasi adalah koefisien determinasi (R2), standard error (SE), coefficient of variation (CV). Koefisien determinasi atau R2 menunjukkan kemampuan model menerangkan keragaman nilai peubah tak bebas. Semakin besar nilai R2 berarti model semakin mampu menerangkan perilaku peubah tak bebas (Elfadl et al. 2000). Kisaran nilai R2 mulai dari 0% sampai 100 % (Matjik et al. 2006). Koefisien determinasi dinyatakan lewat persamaan :
R=
√
R2 = (R)2
Dimana : R = koefisien korelasi R2 = koefisien determinasi Standar error (SE) bertujuan untuk mengetahui nilai selisih antara nilai sebenarnya yang didapat melalui uji kimia dengan nilai yang didapat melalui hasil pendugaan NIR. Nilai dari SE menunjukan bahwa semakin kecil nilai selisih yang
11 didapat maka semakin baik nilai pendugaan NIR dikarenakan mendekati nilai yang sebenarnya. SE dapat dinyatakan dengan menggunakan persamaan:
SE = √ Dimana: SE = Standar error validasi YNIR = Nilai TPT, dugaan NIR Y = Nilai TPT dengan refraktometer N = Jumlah sampel Simpangan baku (standar deviasi) saja tidak dapat mengatakan banyak mengenai keragaman satu kumpulan data (Walpole 1995). Oleh sebab itu dibutuhkan parameter berupa nilai koefisien keragaman (Coefficient of variability). Koefisien keragaman dapat menunjukkan besarnya error sebanding dengan rata-rata hasil uji kimia bahan. Koefisien keragaman juga dapat digunakan untuk membandingkan dua keragaman kelompok data yang selang nilainya jauh berbeda satu sama lain bahkan dapat digunakan untuk membandingkan keragaman dua atau lebih kelompok data meskipun satuan pengukurannya tidak sama. Menurut Matjik et al. (2006) besaran ideal nilai CV sangat tergantung pada bidang studi yang digeluti, misalnya untuk bidang pertanian nilai CV yang dianggap wajar adalah 20-25 %, namun percobaan dilakukan di laboratorium nilai CV diharapkan jauh lebih kecil mengingat sebagian kondisi lingkungan dalam keadaan terkontrol. Koefisien keragaman dapat dinyatakan dengan menggunakan persamaan : CV = (
) x 100%
Dimana : CV = Koefisien keragaman SE = Standar error validasi Y = Rataan kadar TPT aktual sampel Pembuatan model yang baik dapat juga dilihat dari nilai RPD. RPD adalah nisbah standar deviasi metode pembanding terhadap nilai SEP, nilai RPD>2 (William dan Sobering 1993). Tahap keseluruhan dari pelaksanaan penelitian dapat dilihat melalui diagram alir pada Gambar 5.
12 Mulai Sampel pepaya Pengukuran spektrum buah pepaya dengan NIRflex N-500 Analisis nilai kadar air dan TPT
Metode kalibrasi dan dan seleksi spketrum kalibrasi/validasi: 1. Kalibrasi (2/3 total sampel) 2. Validasi (1/3 total sampel)
Perancangan model dengan metode PLS
Penentuan persamaan regresi kalibrasi
R2, koefisien keseragaman (CV), dan standar error kalibrasi (SEC)
Penentuan validasi
Koefisien keseragaman (CV), dan standar error validasi (SEP), RPD
Model kalibrasi Selesai Gambar 5. Diagram alir penelitian
13
HASIL DAN PEMBAHASAN Analisis Data Kimiawi Laboratorium Dengan Metode Konvensional Data lengkap hasil analisis kimiawi laboratorium buah pepaya dapat kita lihat pada Lampiran 2. Sebanyak 62 sampel buah pepaya diuji dengan 3 metode untuk mendapatkan nilai total padatan terlarut, kadar air dan kadar protein. Data yang diperoleh dari hasil analisis secara destuktif akan dijadikan sebagai data referensi untuk melihat kesesuaian dengan hasil pengukuran secara non destruktif yakni dengan NIR spektroskopi. Bila dilihat dari Tabel 1, maka kadar air menunjukan persentase yang tinggi dalam susunan komposisi buah pepaya dengan rentang 87 - 94 % dari berat total. Besarnya jumlah kadar air ini menunjukan bahwa buah pepaya tergolong buah berair tinggi. Untuk besaran standar deviasi yakni 0.25. Kadar protein memiliki rentang kandungan yang terukur berkisar 0.65 – 1.75 % dari berat total, dimana besarnya nilai standar deviasi yang didapatkan sebesar 0.25. Untuk nilai dari hasil analisis total padatan terlarut pada penelitian ini berada pada kisaran 4.27 – 12.9 0 briks dengan standar deviasi 2.56. Nilai yang didapatkan termasuk dalam kategori baik, dimana besarnya standar deviasi yang dihasilkan tidak lebih besar dari 30 % nilai ratarata. Pada Lampiran 2 ditunjukkan secara rinci nilai dari kandungan terukur secara destruktif.. Tabel 1. Analisis data kimiawi secara konvensional
Total padatan terlarut (TPT) merupakan kandungan dari penyusun suatu bahan pertanian yang didalamnya terdapat berbagai jenis unsur-unsur yang terlarut dalam air. Pada buah pepaya berbagai umur panen dilihat tingkat perubahan kandungan TPT seperti pada Gambar 6. Terjadi perubahan kandungan TPT dari setiap umur panen, dimana pada kategori siap panen nilai TPT berada pada posisi paling tinggi yakni 12.90 0 briks. Hal ini menunjukan terjadi peningkatan kandungan TPT yang semakin tinggi saat mendekati waktu panen. Tingginya kandungan TPT pada buah pepaya dapat dijadikan indikator buah pepaya sudah dalam keadaan matang dan siap untuk dipetik.
14
TPT 14
14 hari sebelum panen 7 hari sebelum panen 4hari sebelum panen siap panen
% briks
12 10 8 6 4 2 0 -14
-7
-4
0
Kelompok umur panen (hari) Gambar 6. Kandungan TPT pada pepaya Protein merupakan senyawa organik yang dibutuhkan dalam pembentukan struktur dan regenerasi sel. Protein utamanya tersusun atas senyawa karbon, hidrogen, oksigen dan nitrogen. Kandungan protein pada pepaya tergolong rendah yakni berada pada kisaran 0.65 – 1.75 % seperti pada Tabel 1. Pada proses pematangan buah pepaya terjadi peningkatan kadar protein namun tidak terlalu signifikan. Perubahan kadar protein ditunjukan pada Gambar 7. Kadar protein dapat dijadikan indikator kematangan buah pepaya.
Kadar Protein
2
14 hari sebelum panen 7 hari sebelum panen 4 hari sebelum panen siap panen
1.8 1.6
%
1.4 1.2 1 0.8 0.6 0.4 0.2 0 -14
-7
-4
0
Kelompok umur panen (hari) Gambar 7. Kandungan protein pada pepaya Air merupakan penyusun utama dari buah pepaya. Air terdiri dari senyawa hidrogen dan oksigen. Pada buah pepaya jumlah air tertinggi yang terkandung
15 didalamnya mencapai 94.21 % seperti pada Tabel 1. Bila dilihat dari Gambar 8, terjadi penurunan jumlah air yang terdapat pada buah pepaya seiring dengan proses pematangan. Pada pematangan buah pepaya, kandungan gula sederhana meningkat. Gula sederhana terdiri dari ikatan karbon, hidrogen dan oksigen. Peningkatan ini mepengaruhi jumlah kandungan air karena turut melarutkan gula sederhana dan pada akhirnya meningkatkan kandungan TPT pada buah pepaya.
Kadar Air 96
14 hari sebelum panen 7 hari sebelum panen 4 hari sebelum panen siap panen
%
94 92 90 88 86 84 -14
-7
-4
0
Kelompok umur panen (hari) Gambar 8. Kandungan air pada pepaya NIR Spektroskopi NIRFlex N-500 fiber optic solids yang digunakan pada penelitian ini akan menyimpan set data sebanyak 186. Untuk dapat membandingkan kandungan pepaya antara dugaan NIR dengan hasil analisis laboratorium, maka dimasukan data hasil analisis laboratorium kedalam software NIR management console. Data yang akan digunakan pada penelitian ini berupa data reflektan (R) NIR dengan panjang gelombang 4000-10000 cm-1 atau pada interval 4 cm-1 menjadi 10002500 nm. Reflektan merupakan cahaya yang kembali ditangkap dikarenakan pemantulan yang dilakukan oleh komposisi bahan yang ditembakan. Setiap zat penyusun dari suatu bahan memiliki keunikan pola daya pantul terhadap cahaya. Apabila sinar dipancarkan dari sumber ke bahan organik, maka sekitar 4% akan dipantulkan kembali oleh permukaan luar (regular refraction) dan sekitar 96% sisanya akan masuk ke dalam produk yang selanjutnya akan mengalami penyerapan (absorption), pemantulan (body reflection), penyebaran (scaterring) dan penerusan cahaya (transmitten) (Mohsenin 1984). Cahaya yang ditembakan oleh NIR hanya akan masuk ke dalam sampel hingga 5 mm saja. Bila kandungan yang akan diukur lebih dari 5 mm maka tingkat keakuratan dari reflektan akan menurun.
16 Reflektan Reflektan adalah gelombang yang ditangkap oleh sensor dikarenakan ketidakmampuan objek yang dituju oleh gelombang untuk meneruskannya. Gelombang infra merah dekat yang ditembakkan ke buah pepaya akan mengalami pemantulan dan kemudian gelombang balik tersebut dianalisa dengan melihat bentuk gelombang yang dihasilkan. Reflektan akan menghasilkan bentuk gelombang yang memiliki puncak dan lembah yang merupakan hasil dari pantulan setiap zat penyusun yang terdeteksi dapat dilihat pada Gambar 9.
0.6
Reflektan
0.5 0.4 Tengah
0.3
Pangkal 0.2
Ujung
0.1 0
Panjang gelombang (nm)
Gambar 9. Kurva spektra reflektan Dari Gambar dapat dilihat bahwa setiap spektra reflektan yang ada menunjukan pola puncak dan lembah yang hampir sama. Adanya pola tersebut menunjukan kesamaan kandungan penyusun buah pepaya yang terdeteksi jelas oleh NIR spektroskpi. Ikatan – ikatan kimia seperti ikatan kimia C-H (seperti bahan organik turunan minyak bumi), O-H (seperti kadar air, karbohidrat, dan lemak), C-N, dan N-H (seperti protein dan asam amino) yang merupakan ikatan dasar dari semua ikatan kimia bahan-bahan organik terbaca pada rentang panjang gelombang 4000 – 10000 cm-1. Absorban Absorban adalah gelombang yang mampu diserap dan diteruskan oleh objek. Absorban merupakan sebagian dari gelombang yang ditembakan yang berhasil melewati objek. Data absorban diperoleh dengan melakukan transformasi log (1/R) data reflektan. Transformasi ini dilakukan karena komposisi suatu bahan mempunyai hubungan linear dengan data absorban NIR (Mohsenin 1984). Setiap puncak yang ditunjukan pada gelombang absorban mewakili kandungan terbesar dari buah pepaya seperti pada Gambar 10. Puncak gelombang yang terlihat dari gelombang absorban 1000 nm, 1290 nm, 1400 nm, 1730 nm, 1850 nm. Melalui Gambar dapat dilihat puncak penyerapan pada panjang gelombang 1000 nm, 1290 nm 1730 nm merupakan kadar air. Hal ini dapat dilihat berdasarkan hasil analisis
17 secara destruktif dimana kadar air dari buah pepaya berada pada kisaran 87 - 94 %. Pada panjang gelombang 1400 nm dan 1850 nm puncak gelombang terlihat tidak begitu besar, dikarenakan kandungan protein pada komposisi penyusun buah pepaya yang kecil.
2 1.8 Absorban
1.6 1.4 1.2 1
O-H N-H
O-H N-H
Tengah
0.8
Pangkal
0.6
Ujung
0.4 0.2 0
Panjang gelombang (nm)
Gambar 10. Kurva spektra absorban
Analisis Data Near Infrared Buah Pepaya dengan Metode PLS Untuk membuat sebuah model maka dilakukan dengan metode PLS. Menurut Tiaprasit dan Sangpithukwong (2010) tidak ada peraturan tentang metode apa yang harus digunakan untuk pra perlakuan spektra. Metode PLS terdapat pada menu toolbox pada aplikasi NIR. Pada saat menjalankan analisis data lalu ditentukan besarnya nilai komponen utama untuk treatment awalan data. Komponen utama (PC) adalah hasil pemampatan data yang berisi informasi tentang nilai reflektan dan absorban NIR untuk menghindari masalah overfitting dan mendapatkan variabel baru tanpa kehilangan informasi awalnya (Osborne, et al 1993). Penentuan besaran PC primer dan PC sekunder dilakukan dengan melihat perkiraan persentase konsistensi model pada Tabel yang ada pada toolbox. Pada PLS kemudian didapat hasil statistik berupa koefisien korelasi (r), koefisien determinasi (R2), standard error (SE), coefficient of variation (CV). Model yang baik memiliki syarat berupa standar terhadap nilai koefisien korelasi (r) , koefisien determinasinya (R2), standar error (SE), koefisien keragaman (CV), ratio of standard error prediction to standard deviation (RPD) dan konsistensi model (SEC/SEP).
18 1. Kadar Air a. Reflektan Data yang terukur pada software NirCal dibagi 2/3 menjadi set kalibrasi dan 1/3 data menjadi set validasi dengan total jumlah data yang tersimpan sebanyak 186 buah. Tabel 2. Deskripsi statistik spektra reflektan kadar air
Pada Tabel 2 dapat dilihat bahwa perlakuan data terbaik dalam membentuk model pendugaan kalibrasi adalah penghalusan rataan setiap 3 titik. Nilai koefisien korelasi (R) pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.949 dan bila dilihat pada nilai dari berbagai perlakuan yang lain memiliki nilai terendah 0.913. Nilai koefisien determinasi (R2) yang didapat pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.900 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.835 yakni pada kombinasi perlakuan penghalusan setiap 3 titik dan normalisasi antara 0 sampai 1. Namun hal itu sudah dikategorikan ke dalam nilai yang baik. Dalam mendapatkan nilai R2 yang sesuai dengan syarat perlu dilakukan iterasi yang baik, dimana dalam kumpulan set data kalibrasi akan diseleksi nilai dugaan yang memiliki letak yang saling terkait dengan garis linear. Nilai yang terlalu jauh dari kumpulan nilai dugaan lain pada kalibrasi dapat diganti menjadi nilai validasi atau nilai tersebut tidak dimasukan dalam pembuatan model. Nilai koefisien keragaman (CV) yang dihasilkan pada perlakuan penghalusan rataan setiap 3 titik adalah 0.69 dengan standar error sebesar 0.62. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik.
Kadar air pendugaan NIR (%)
19 97 96 95 94 93 92 91 90 89 88 87 86 85 84
y = 0.901x + 8.9552 R² = 0.901
84 85 86 87 88 89 90 91 92 93 94 95 96 97 Kadar air referensi (%) Callibration set
Gambar 11. Grafik model kalibrasi spektra reflektan kadar air
Kadar air pendugaan NIR (%)
Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 12 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 0.84 dan nilai standar error sebesar 0.76. Nilai standar error yang baik adalah nilai yang mendekati nol. 97 96 95 94 93 92 91 90 89 88 87 86 85 84
y = 0.7536x + 22.117 R² = 0.848
84 85 86 87 88 89 90 91 92 93 94 95 96 97 Kadar air referensi (%) Validation set
Gambar 12. Grafik model validasi spektra reflektan kadar air
20 Nilai lain yang dapat dijadikan acuan adalah ratio of standard error prediction to standard deviation (RPD). Nilai RPD pada persamaan validasi dari perlakuan penghalusan rataan setiap 3 titik adalah 2.48. Melalui Gambar 11 dapat dilihat bahwa persamaan model dugaan dari spektra reflektan kadar air yakni y = 0,901x + 8,955. b. Absorban Pada Tabel 3 dapat kita lihat bahwa perlakuan terbaik dalam membentuk model kalibrasi adalah penghalusan rataan setiap 3 titik. Nilai koefisien korelasi (R) pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.932 dan bila dilihat pada nilai dari berbagai perlakuan yang lain memiliki nilai terendah 0.93. Nilai koefisien determinasi (R2) yang didapat pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.87 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.86 yakni pada kombinasi perlakuan penghalusan setiap 3 titik dan normalisasi antara 0 sampai 1. Namun hal itu sudah dikategorikan ke dalam nilai yang baik. Tabel 3. Deskripsi statistik spektra absorban kadar air
. Nilai koefisien keragaman (CV) yang dihasilkan pada perlakuan penghalusan rataan setiap 3 titik adalah 0.73 dengan standar error sebesar 0.67. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik.
Kadar air pendugaan NIR(%)
21 97 96 95 94 93 92 91 90 89 88 87 86 85 84
y = 0.8701x + 11.721 R² = 0.8701
84 85 86 87 88 89 90 91 92 93 94 95 96 97 Kadar air referensi (%) Callibration set
Gambar 13. Grafik model kalibrasi spektra absorban kadar air
kadar air pendugaan NIR(%)
Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 14 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 0.87 dan nilai standar error sebesar 0.79. Nilai standar error yang baik adalah nilai yang mendekati nol. Nilai lain yang dapat dijadikan acuan adalah ratio of standard error prediction to standard deviation (RPD). Nilai RPD pada persamaan validasi dari perlakuan penghalusan rataan setiap 3 titik adalah 2.36. Melalui Gambar 13 dapat dilihat persamaan model dugaan dari spektra absorban kadar air yakni y = 0,870x + 11,72. 97 96 95 94 93 92 91 90 89 88 87 86 85 84
y = 0.8127x + 16.139 R² = 0.82 84 85 86 87 88 89 90 91 92 93 94 95 96 97 Kadar air referensi(%) Validation set
Gambar 14. Grafik model validasi spektra absorban kadar air
22 2. Kadar Protein a. Reflektan Kadar protein memiliki persentase yang cukup kecil dalam buah pepaya. Jika melihat dari hasil data kimiawi laboratorium, rentang nilai persentasenya yakni 0.65 % - 0.75 %. Pada Tabel 4 dilihat bahwa perlakuan terbaik dalam membentuk model kalibrasi kadar protein adalah kombinasi ketiga perlakuan. Nilai koefisien korelasi (R) pada data yang diberi ketiga perlakuan secara berturut adalah 0.914. Sedangkan nilai koefisien determinasi (R2) yang didapat adalah 0.837 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.793 yakni pada model tanpa perlakuan dan model dengan perlakuan penghalusan setiap 3 titik. Namun hal itu sudah dikategorikan ke dalam nilai yang baik. Tabel 4. Deskripsi statistik spektra reflektan kadar protein
Kadar Protein pendugaan NIR (%)
Nilai koefisien keragaman (CV) yang dihasilkan pada kombinasi ketiga perlakuan adalah 9.62 dengan standar error sebesar 0.1. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik. 2
1
y = 0.8372x + 0.1769 R² = 0.8372
0 0
1 Kadar Protein referensi (%) Callibration set
2
Gambar 15. Grafik model kalibrasi spektra reflektan kadar protein
23 Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 16 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 10.26 dan nilai standar error sebesar 0.1. Nilai RPD pada persamaan validasi dari perlakuan tersebut adalah 1.85. Melalui Gambar 15 dapat dilihat persamaan model dugaan dari spektra reflektan kadar protein yakni y = 0,837x + 0,176.
Kadar Protein pendugaan NIR (%)
2
1
y = 1.108x + 0.2524 R² = 0.8136 0 0
1
2
Kadar Protein referensi (%) Validation set
Gambar 16. Grafik model validasi spektra reflektan kadar protein
b. Absorban Perlakuan terbaik dalam membentuk model kalibrasi dari spektra absorban kadar protein seperti pada Tabel 5 adalah kombinasi ketiga antar perlakuan. Nilai koefisien korelasi (R) pada data yang diberi ketiga perlakuan secara berturut adalah 0.926. Sedangkan nilai koefisien determinasi (R2) yang didapat adalah 0.857 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.783 yakni pada model dengan perlakuan normalisasi antara 0 sampai 1. Namun hal itu sudah dikategorikan ke dalam nilai yang baik.
24
Tabel 5. Deskripsi statistik spektra absorban kadar protein
Nilai koefisien keragaman (CV) yang dihasilkan pada kombinasi antar ketiga perlakuan adalah 9.13 dengan standar error sebesar 0.1. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik.
Kadar Protein pendugaan NIR (%)
2
1
y = 0.8577x + 0.1543 R² = 0.8577
0 0
1 Kadar Protein referensi (%)
2
Callibration set
Gambar 17. Grafik model kalibrasi spektra absorban kadar protein Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 18 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 10.93 dan nilai standar error sebesar 0.1. Nilai RPD pada persamaan validasi dari perlakuan tersebut adalah 1.67. Melalui Gambar 17 dapat dilihat persamaan model dugaan dari spektra absorban kadar protein yakni y = 0,857x + 0,154.
25
Kadar protein pendugaan NIR (%)
2
1
y = 0.9665x + 0.4197 R² = 0.7278 0 0
1
2
Kadar protein referensi (%) Validation set
Gambar 18. Grafik model validasi spektra absorban kadar protein 3. Total Padatan Terlarut a. Reflektan Perlakuan terbaik dalam membentuk model kalibrasi total padatan terlarut pada Tabel 6 adalah kombinasi perlakuan penghalusan setiap 3 titik dan normalisasi antara 0 sampai 1. Nilai koefisien korelasi (R) pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.936 dan bila dilihat pada nilai dari berbagai perlakuan yang lain memiliki nilai terendah 0.935. Nilai koefisien determinasi (R2) yang didapat pada data yang diberi perlakuan penghalusan rataan setiap 3 titik adalah 0.876 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.847 yakni pada kombinasi perlakuan penghalusan setiap 3 titik. Namun hal itu sudah dikategorikan ke dalam nilai yang baik.
26 Tabel 6. Deskripsi statistik spektra reflektan total padatan terlarut
TPT pendugaan NIR (0 briks)
Nilai koefisien keragaman (CV) yang dihasilkan pada perlakuan kombinasi perlakuan penghalusan setiap 3 titik dan normalisasi antara 0 sampai 1 adalah 10.03 dengan standar error sebesar 0.90. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik. 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
y = 0.8766x + 1.1006 R² = 0.8767
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 TPT Referensi (0 briks) Callibration set
Gambar 19. Grafik model kalibrasi spektra reflektan total padatan terlarut
Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 20 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 12.00 dan nilai standar error sebesar 1.06. Nilai RPD pada persamaan validasi dari perlakuan tersebut adalah 2.45. Melalui Gambar 19 dapat dilihat persamaan model dugaan dari spektra reflektan total padatan terlarut yakni y = 0,876x + 1,100.
TPT pendugaan NIR (0 briks)
27 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
y = 0.7727x + 2.2221 R² = 0.8379
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 TPT referensi(0 briks) Validation set
Gambar 20. Grafik model validasi spektra reflektan total padatan terlarut
b. Absorban Perlakuan terbaik dalam membentuk model kalibrasi dari spektra absorban total padatan terlarut pada Tabel 7 adalah tanpa perlakuan. Nilai koefisien korelasi (R) pada data tanpa perlakuan 0.986 dan bila dilihat pada nilai dari berbagai perlakuan yang lain memiliki nilai terendah 0.894. Nilai koefisien determinasi (R2) yang didapat pada adalah 0.972 dengan nilai pada setiap perlakuan yang lain memiliki nilai terendah 0.799 yakni pada perlakuan derivatif kedua Savitzky - Golay setiap 9 titik. Namun hal itu sudah dikategorikan ke dalam nilai yang baik. Tabel 7. Deskripsi statistik spektra absorban total padatan terlarut
28
TPT pendugaan NIR ( 0 briks)
Nilai koefisien keragaman (CV) yang dihasilkan pada model tanpa perlakuan adalah 4.64 dengan standar error sebesar 0.42. Nilai ini cukup menunjukkan bahwa persamaan model kalibrasi yang dibangun cukup baik. 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
y = 0.9724x + 0.2509 R² = 0.9724
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 TPT referensi ( 0 briks) Callibration set
Gambar 21. Grafik model kalibrasi spektra absorban total padatan terlarut
TPT pendugaan NIR (0 briks)
Setelah membuat model persamaan kalibrasi, maka dilakukan validasi dengan melakukan perbandingan data dugaan dengan data referensi seperti pada Gambar 22 untuk melihat keakuratan dari model kalibrasi. Hal yang perlu diperhatikan adalah nilai dari CV dan standar error. Nilai CV yang dihasilkan 11.64 dan nilai standar error sebesar 1.00. Nilai RPD pada persamaan validasi dari perlakuan tersebut adalah 2.49. Melalui Gambar 21 dapat dilihat persamaan model dugaan dari spektra absorban total padatan terlarut yakni y = 0,972x + 0,250. 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
y = 0.8007x + 2.0339 R² = 0.8412
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 TPT referensi (0 briks) Validation set
Gambar 16. Grafik model validasi spektra absorban total padatan terlarut
29 Model Kalibrasi Setelah dihasilkan model yang terbaik pada tahap kalibrasi dan validasi maka dilakukan penentuan model mana yang dapat mewakili Gambaran kandungan buah pepaya. Penentuan yang didasari beberapa nilai yang menjadi syarat terbentuknya model yang baik. Perbandingan dilakukan pada model yang terbentuk dari spektra reflektan dengan spektra absorban. Kedua spektra tersebut akan dilihat berdasarkan nilai koefisien determinasinya (R2), standar error (SE), koefisien keragaman (CV), ratio of standard error prediction to standard deviation (RPD) dan konsistensi model (SEC/SEP). Pada Tabel ditunjukan rincian nilai model yang terbaik dari setiap perlakuan yang sudah diberikan. Tabel 8. Deskripsi statistik spektra model
Koefisien determinasi (R2) digunakan untuk mengetahui ketepatan suatu persamaan fungsi tertentu dari sebuah model yang dibangun melalui hasil analisis regresi dengan menentukan besarnya pengaruh variabel bebas (x) terhadap variabel terikat(y). Pada Tabel 8 dapat dilihat bahwa kisaran nilai R2 terendah pada 0.837 dan tertinggi pada 0.972. Apabila R2 lebih besar sama dengan 80-95% maka analisis dapat dinyatakan baik, sedangkan R2 pada selang 70-80% maka analisis dapat dinyatakan cukup baik (Büchi Labortechnik 2008; Elfadl, et al 2000). Keseluruhan nilai R2 yang terbentuk dikatakan baik untuk menjadikan fungsi persamaan menjadi model. Standar error (SE) bertujuan untuk mengetahui nilai selisih antara nilai sebenarnya yang didapat melalui uji kimia dengan nilai yang didapat melalui hasil pendugaan NIR. Nilai dari standar error menunjukan bahwa semakin kecil nilai selisih yang didapat maka semakin baik nilai pendugaan NIR dikarenakan mendekati nilai sebenarnya. Nilai dari standar error sendiri dapat dikatakan baik bila semakin mendekati nol. Pada Tabel 8 ditunjukan bahwa model reflektan dan absorban dari total padatan terlarut memiliki nilai SE 1.06 dan 1.00. Ini menunjukan bahwa terjadi selisih perbedaan yang cukup signifikan antara nilai dugaan NIR dengan nilai referensi. Standar error dibagi menjadi dua yakni standar error kalibrasi (SEC) dan standar error validasi (SEP). Nilai dari SEC dan SEP digunakan untuk mengukur akurasi dari set data kalibrasi dan validasi yang digunakan. Dengan melakukan perbandingan antara nilai SEC dengan SEP dihasilkan nilai konsistensi dari suatu model. Konsistensi model dikatakan baik jika rasio SEC/SEP berada pada kisaran
30 80-110% (Tiaprasit dan Sangpithukwong 2010). Pada model kadar air reflektan, nilai konsistensi reflektan lebih kecil dari absorban yakni 81.72 % berbanding 83.63 %. Pada model kadar protein, nilai konsistensi model reflektan lebih besar dari absorban yakni 108.89 % dengan 96.10 %. Pada model total padatan terlarut, nilai konsistensi model reflektan lebih besar dari absorban yakni 84.72 % dengan 42.20 %. Bila selisih nilai SEC terlalu besar dengan SEP maka keadaan itu disebut underfitting. Sedangkan bila selisih nilai SEP terlalu besar dengan SEC maka keadaan itu disebut overfitting. Untuk mencegah terjadinya keadaan overfitting dan underfitting dapat dilakukan dengan memperbesar nilai koefisien determinasi yakni memperhatikan nilai PC optimum dengan penempatan set data terbaik pada kalibrasi dan validasi. Koefisien keragaman yang didapat pada model kadar air reflektan 0.68 dan 0.86 serta model absorban 0.73 dan 0.87. Nilai ini sangat berbeda dengan nilai CV dari model kadar protein dan total padatan terlarut. besarnya nilai koefisien kergaman yang didapat dikarenakan sampel yang diuji berasal dari pohon yang berbeda dan waktu petik yang tidak sama meskipun sudah dikategorikan berdasarkan dugaan waktu panen. Nilai RPD dari model kadar air yakni 2.48 untuk reflektan dan 2.36 untuk absorban, pada model kadar protein yakni 1.85 untuk reflektan dan 1.67 untuk absorban dan pada model total padatan terlarut 2.45 untuk reflektan dan 2.49 untuk absorban. Nilai RPD pada rentang 2 sampai 3 menunjukan model baik untuk pendugaan kasar, diantara 3 sampai 5 potensial untuk pendugaan, antara 5 sampai 8 dapat digunakan untuk analisis kontrol dan lebih besar dari 8 model cocok untuk aplikasi analisis (Lengkey 2013). Nilai RPD pada model reflektan dapat memenuhi syarat ideal dalam analisis kelayakan model. Apabila setiap nilai yang sudah dipilih untuk dapat mewakili syarat sudah terpenuhi, maka dapat dilakukan pemilihan model. Dengan melihat kriteria pada Tabel dari nilai yang menjadi syarat pembentuk model yang baik mengarahkan pada model dengan spektra reflektan. Model reflektan mampu menjadi acuan dalam pengukuran kandungan buah pepaya walaupun tidak sempurna.
31
SIMPULAN DAN SARAN Simpulan 1. Terdapat hubungan antara kandungan total padatan terlarut (TPT), kadar air & kadar protein dengan spektrum NIR ditunjukan oleh puncak dan lembah dari kurva spektra reflektan dan absorban pada panjang gelombang 1000-2500 nm. 2. Terbentuk model pendugaan kandungan dengan pemberian perlakuan data. 3. Didapat persamaan model kalibrasi pendugaan pada spektrum reflektan dengan nilai koefisien determinasi (R2), SEC dan SEP yakni 0.900, 0.62 dan 0.76 untuk kadar air; 0.837, 0.1 dan 0,1 untuk kadar protein dan 0.876, 0.90 dan 1.06 untuk total padatan terlarut.
Saran 1. Sebaiknya memperbanyak jumlah sampel yang digunakan.
32
DAFTAR PUSTAKA Akamine, EK. 1996. Respiration Of Fruits Of Papaya (Carica papaya L. Var. Solo) With Reference To The Effect Of Quarantine Disinfection Treatments. Proceedings of the american society of horticultural science 89, hal 231-236 Broto, W, Suyanti, Sjaifullah dan Durachman. 1994. Analisis mutu nektar dari buah pepaya (Carica papaya, L.) cv. Dampit dan Paris. Jurnal Hortikultura 4(1) : 34-41 Buchi Labortechnik. 2008. Quick Guide NIRCal With Toolbox.BUCHI NIR Application Support, Bangkok, Thailand. Chen, NM. dan Paull, RE. 1986. Development And Prevention Of Chilling Injury In Papaya Fruit. Journal of the American society for horticultural science 111, hal 639-643. Elfadl E, Reinbrecht, Claupeina W. 2010. Development Of Near Infrared Reflectance Spectroscopy(NIRS) Calibration Model For Estimation Of Oil Content In A Worldwide Safflower Germplasm Collection. Int J Plant Prod 4(4): 259-270. www.ijpp.info Gray, J, S Picton, J Shabbeer, W Schuch, D Grierson. 1992. Molecular Biology Of Fruit Ripening And Its Manipulation With Ethylene Gene. Plant Mol. Biol. 19:69-87. Gabbie, NP. 2011. Pendugaan kadar air, protein dan karbohidrat biji sorgum secara non-destruktif dengan metode near infrared (NIR). Skripsi. IPB : Bogor Jones, WW. 1942. Respiration And Chemical Changes Of The Papaya Fruit In Relation To Temperature. Plant Physiology. hal. 481-486. Lengkey, LCECh. 2013. Metode pendugaan kandungan kimia biji jarak pagar (Jatropha curcas L.) menggunakan spektroskopi inframerah dekat dan partial least square. Disampaikan pada seminar september 2013, IPB : Bogor. Mohsenin, NM. 1984. Electromagnetic Radiation Of Food And Agricultural Products. Gordon and Breach Science Publisher : New York. Osborne, BGT, Fearn, and PH Hindle. 1993. Partial NIRS, With Applications In Food And Beverage Analysis.2nd Eds. Longman Scientific and Technical: United Kingdom Pantastico, Er. B. 1986. Fisiologi pasca panen, penanganan dan pemanfaatan buah-buahan dan sayur-sayuran tropika dan subtropika. Penterjemah: Prof.Ir.Kamariyani Dan Tjitrosoepomo. Gadjah Mada University Press, Yogyakarta. Paull, RE dan Chen, NJ. 1983.Heatshock response in field-grown ripening papaya fruit.Journal of the American Society for horticultural science 115, hal 623631 Pusat Kajian Buah-Buahan Tropika. 2004. Riset Unggulan Strategis Nasional Pengembangan Buah Unggulan Indonesia : Pepaya. PKBT-IPB. Bogor. Proctor,FJ dan Caygill JC. 1985. Ethylene In Commercial Post-Harvest Handling Of Tropical Fruit. Dalam: Roberts, JA dan Tucker,GA.(eds) Ethylene And Plant Development. Butterworth Scientific Limited, London, hal. 317-332.
33 Rochimawati NR. 2004. Pengkajian teknik NIR (NEAR INFRARED) dalam menentukan mutu tepung jagung (Zea mays) secara cepat dan simultan. Skripsi. IPB : Bogor. Rumahorbo, Regina. 2004. Pereduksi data keluaran spektrometer NIR. Skripsi. IPB : Bogor Selvaraj, Y, Pal, DK, Subramanyan, MD dan Lyer, CPA. 1982. Changes In The Chemical Composition Of Four Cultivars Of Papaya (Carica papaya L) During Growth And Development. Journal of horticultural science 57, hal 135-145 Tiaprasit W, Sangpithukwong C. 2010. BUCHI NIRFlex N-500 Training Course. BUCHI NIR Application Support, Bangkok, Thailand. Villegas, V N. 1997. Carica papaya L. In : E. W. M. Verheiji and R.E. Coronel.(Eds.) Sumberdaya Nabati Asia Tenggara 2: Buah-Buahan Yang Dapat Dimakan. PT.Gramedia Pustaka Utama. Jakarta Walpole,RE. 1995. Penghantar Statistika Edisi Ke-3.PT. Gramedia, Jakarta. William, P C, Sobering D C. 1993. Comparison of commercial near infrared transmittance and reflectance for analysis of whole grain and seeds. Jurnal Near Infrared Spectroscopy 1 : 25-32.
34 LAMPIRAN Lampiran 1. Alat-alat yang digunakan pada penelitian
Desikator
Refraktometer
Cawan
Timbangan Digital
Oven
Instrumen NIRFlex N-500 fiber optic solids
35 Lampiran 2. Hasil pengukuran kandungan pepaya secara destruktif Waktu panen
2 minggu sebelum panen
1 minggu sebelum panen
TPT ( briks) 4.27 4.33 4.33 4.87 5.00 5.03 5.03 5.23 5.30 5.47 5.50 5.93 5.80 5.87 6.53 6.53 6.63 7.00 7.03 7.10 7.63 9.10 9.23 9.30 0
KP (%)
KA (%)
0.86 0.75 1.25 1.02 0.76 0.94 0.92 0.93 0.84 0.80 0.76 0.94 0.77 0.66 0.84 1.03 1.02 0.85 0.65 0.70 0.95 0.96 0.82 0.83
93.52 92.56 94.21 93.45 93.58 93.92 93.19 93.43 93.42 92.81 93.05 93.23 92.64 92.07 92.40 92.38 91.42 91.78 91.16 91.00 90.79 90.05 90.61 90.58
Waktu panen
4 hari sebelum panen
Siap panen
TPT ( briks) 6.46 8.20 8.90 8.93 9.10 9.27 9.63 9.77 9.97 11.23 11.80 10.00 10.17 10.17 10.37 10.47 10.60 10.63 10.73 10.76 10.80 10.90 10.93 11.13 11.27 11.30 11.33 11.33 11.36 11.43 11.53 11.60 11.70 11.70 11.70 11.80 11.90 12.90 0
KP (%)
KA (%)
0.72 1.45 0.92 0.99 0.89 1.25 1.00 1.46 1.41 1.02 0.86 0.83 1.75 1.14 1.53 1.03 1.65 1.02 1.19 0.89 1.18 1.27 1.47 1.01 1.12 1.24 1.48 1.08 0.95 1.19 0.94 0.88 1.18 1.11 0.93 1.17 1.34 1.08
83.12 91.52 91.21 90.98 89.06 89.04 90.06 90.52 89.95 88.55 89.32 88.55 89.69 89.75 88.97 89.69 89.54 89.59 89.83 89.38 88.99 89.12 89.69 89.71 89.63 88.03 87.50 87.87 88.69 88.26 88.38 88.32 87.99 88.23 89.11 87.87 89.72 88.37
36
RIWAYAT HIDUP Penulis dilahirkan di Serdang Bedagai, Sumatera utara pada tanggal 15 Oktober 1990. Dilahirkan dari pasangan H. Pandjaitan dan H. br Sitorus, penulis merupakan anak ke dua dari 4 bersaudara (Murni Pandjaitan, Andrew Pandjaitan dan Idenesia Pandjaitan). Penulis menyelesaikan pendidikan akademik di SDN 102102 dan SDS R.A. Kartini, SMP N 1 Tebing Tinggi, SMA N 1 Tebing Tinggi dan diterima di IPB melalui jalur SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negri) pada tahun 2009 di program Studi Teknik Pertanian, Departemen Teknik Pertanian yang sekarang menjadi Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian. Selama perkuliahan yang dijalani, penulis aktif dalam mengikuti kegiatan organisasi intra kampus dan akademik seperti Unit Kegiatan Mahasiswa Persekutuan Mahasiswa Kristen IPB, Komisi Persekutuan IPB, HIMATETA (himpunan mahasiwsa teknik pertanian) dan pengajar responsi mata kuliah agama kristen. Pada Juli-Agustus 2012 penulis melakukan kegiatan praktik kerja lapangan di pabrik kelapa sawit dan perkebunan sawit Kebun Rambutan PTPN III Sumatera Utara. Di akhir masa studi, penulis melakukan penelitian dan menyelesaikan skripsi sebagai salah satu syarat dalam mengakhiri pendidikan tinggi di Institut Pertanian Bogor guna mendapatkan gelar Sarjana Teknologi Pertanian. Penulis melakukan penelitian terhadap pepaya IPB-9 dengan judul Prediksi Umur Panen Pepaya Berdasarkan Total Padatan Terlarut, Kandungan Protein dan Kadar Air dengan NIR Spektroskopi.
