PREDIKSI UMUR PANEN PEPAYA BERDASARKAN TOTAL … · KADAR AIR DENGAN NIR SPEKTROSKOPI PAHLEVI...
Transcript of PREDIKSI UMUR PANEN PEPAYA BERDASARKAN TOTAL … · KADAR AIR DENGAN NIR SPEKTROSKOPI PAHLEVI...
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
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknologi Pertanian
pada
Departemen Teknik Mesin dan Biosistem
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
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 NIM : F14090138
Disetujui oleh
Dr Ir Y Aris Purwanto, M.Sc Pembimbing
Tanggal Lulus: -03 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 10
HASIL DAN PEMBAHASAN 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 Analisis data kimiawi secara konvensional 13 2 Deskripsi statistik spektra reflektan kadar air 18 3 Deskripsi statistik spektra absorban kadar air 20 4 Deskripsi statistik spektra reflektan kadar protein 22 5 Deskripsi statistik spektra absorban kadar protein 24 6 Deskripsi statistik spektra reflektan total padatan terlarut 26 7 Deskripsi statistik spektra absorban total padatan terlarut 27 8 Deskripsi statistik spektra model 29
DAFTAR GAMBAR
1 Kriteria buah pepaya yang di uji 5 2 Pengukuran secara non desktruktif 6 3 Potongan pepaya yang akan dikeringkan dalam oven 7 4 Penggunaan metoda partial least square 9 5 Diagram alir penelitian 12 6 Kandungan TPT pada pepaya 14 7 Kandungan protein pada pepaya 14 8 Kandungan air pada pepaya 15 9 Kurva spektra reflektan 16
10 Kurva spektra absorban 17 11 Grafik model kalibrasi spektra reflektan kadar air 19 12 Grafik model validasi spektra reflektan kadar air 19 13 Grafik model kalibrasi spektra absorban kadar air 21
14 Grafik model validasi spektra absorban kadar air 21 15 Grafik model kalibrasi spektra reflektan kadar protein 22 16 Grafik model validasi spektra reflektan kadar protein 23
17 Grafik model kalibrasi spektra absorban kadar protein 24 18 Grafik model validasi spektra absorban kadar protein 25 19 Grafik model kalibrasi spektra reflektan total padatan terlarut 26 20 Grafik model validasi spektra reflektan total padatan terlarut 27 21 Grafik model kalibrasi spektra absorban total padatan terlarut 28
22 Grafik model validasi spektra absorban total padatan terlarut 28
DAFTAR LAMPIRAN
1 Alat-alat yang digunakan pada penelitian 34
2 Hasil pengukuran kandungan pepaya secara destruktif 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 800-
2500 nm. Peralatan yang digunakan untuk mengukur parameter secara desktruktif
berupa oven, refraktometer, timbangan digital, cawan dan desikator. Gambar alat-
alat 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 N-
500 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 = kandungan protein suatu bahan
% N = kandungan nitrogen suatu bahan
Faktor konversi = 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
Gambar 5. Diagram alir penelitian
Pengukuran spektrum buah
pepaya dengan NIRflex N-500
Analisis nilai kadar air dan TPT
Perancangan model dengan metode PLS
R2, koefisien keseragaman (CV), dan standar
error kalibrasi (SEC)
Koefisien keseragaman (CV), dan standar
error validasi (SEP), RPD
Model kalibrasi
Sampel pepaya
Metode kalibrasi dan dan seleksi spketrum
kalibrasi/validasi:
1. Kalibrasi (2/3 total sampel)
2. Validasi (1/3 total sampel)
Penentuan persamaan
regresi kalibrasi
Penentuan validasi
Selesai
Mulai
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 rata-
rata. 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
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.
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
0
2
4
6
8
10
12
14
-14 -7 -4 0
% b
riks
Kelompok umur panen (hari)
TPT
14 hari sebelum
panen
7 hari sebelum
panen
4hari sebelum
panen
siap panen
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
-14 -7 -4 0
%
Kelompok umur panen (hari)
Kadar Protein
14 hari sebelum
panen
7 hari sebelum
panen
4 hari sebelum
panen
siap panen
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.
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 1000-
2500 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.
84
86
88
90
92
94
96
-14 -7 -4 0
%
Kelompok umur panen (hari)
Kadar Air 14 hari sebelum
panen7 hari sebelum
panen4 hari sebelum
panensiap panen
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.
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
0
0.1
0.2
0.3
0.4
0.5
0.6
Ref
lekt
an
Panjang gelombang (nm)
Tengah
Pangkal
Ujung
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.
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).
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Ab
sorb
an
Panjang gelombang (nm)
Tengah
Pangkal
Ujung
O-H
N-H O-H
N-H
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.
19
Gambar 11. Grafik model kalibrasi spektra reflektan kadar air
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.
Gambar 12. Grafik model validasi spektra reflektan kadar air
y = 0.901x + 8.9552 R² = 0.901
84
85
86
87
88
89
90
91
92
93
94
95
96
97
84 85 86 87 88 89 90 91 92 93 94 95 96 97
Kadar
air p
endugaan N
IR (
%)
Kadar air referensi (%)
Callibration set
y = 0.7536x + 22.117 R² = 0.848
84
85
86
87
88
89
90
91
92
93
94
95
96
97
84 85 86 87 88 89 90 91 92 93 94 95 96 97
Kadar
air p
endugaan N
IR (
%)
Kadar air referensi (%)
Validation set
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.
21
Gambar 13. Grafik model kalibrasi spektra absorban kadar air
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.
Gambar 14. Grafik model validasi spektra absorban kadar air
y = 0.8701x + 11.721 R² = 0.8701
84
85
86
87
88
89
90
91
92
93
94
95
96
97
84 85 86 87 88 89 90 91 92 93 94 95 96 97
Kadar
air p
endugaan N
IR(%
)
Kadar air referensi (%)
Callibration set
y = 0.8127x + 16.139 R² = 0.82
8485868788899091929394959697
84 85 86 87 88 89 90 91 92 93 94 95 96 97
kadar
air p
endugaan N
IR(%
)
Kadar air referensi(%)
Validation set
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
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.
Gambar 15. Grafik model kalibrasi spektra reflektan kadar protein
y = 0.8372x + 0.1769 R² = 0.8372
0
1
2
0 1 2 Kadar
Pro
tein
pendugaan N
IR (
%)
Kadar Protein referensi (%)
Callibration set
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.
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.
y = 1.108x + 0.2524 R² = 0.8136
0
1
2
0 1 2
Kadar
Pro
tein
pendugaan N
IR (
%)
Kadar Protein referensi (%)
Validation set
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.
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.
y = 0.8577x + 0.1543 R² = 0.8577
0
1
2
0 1 2Kadar
Pro
tein
pendu
gaan N
IR (
%)
Kadar Protein referensi (%)
Callibration set
25
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.
y = 0.9665x + 0.4197 R² = 0.7278
0
1
2
0 1 2
Kadar
pro
tein
pendugaan N
IR (
%)
Kadar protein referensi (%)
Validation set
26
Tabel 6. Deskripsi statistik spektra reflektan total padatan terlarut
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.
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.
y = 0.8766x + 1.1006 R² = 0.8767
0123456789
10111213141516
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TP
T p
endugaan N
IR (
0 b
riks)
TPT Referensi (0 briks)
Callibration set
27
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
y = 0.7727x + 2.2221 R² = 0.8379
0123456789
10111213141516
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TP
T p
endugaan N
IR (
0 b
riks)
TPT referensi(0 briks)
Validation set
28
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.
Gambar 21. Grafik model kalibrasi spektra absorban total padatan terlarut
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.
Gambar 16. Grafik model validasi spektra absorban total padatan terlarut
y = 0.9724x + 0.2509 R² = 0.9724
0123456789
10111213141516
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TP
T p
endugaan N
IR (
0 b
riks)
TPT referensi ( 0 briks)
Callibration set
y = 0.8007x + 2.0339 R² = 0.8412
0123456789
10111213141516
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
TP
T p
endugaan N
IR (
0 b
riks)
TPT referensi (0 briks)
Validation set
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 623-
631
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 Timbangan Digital
Refraktometer Oven
Cawan Instrumen NIRFlex N-500 fiber optic solids
35
Lampiran 2. Hasil pengukuran kandungan pepaya secara destruktif
Waktu panen TPT
(0briks)
KP (%) KA (%)
Waktu panen TPT
(0briks)
KP (%) KA (%)
2 minggu
sebelum
panen
4.27 0.86 93.52
4 hari
sebelum
panen
6.46 0.72 83.12
4.33 0.75 92.56
8.20 1.45 91.52
4.33 1.25 94.21
8.90 0.92 91.21
4.87 1.02 93.45
8.93 0.99 90.98
5.00 0.76 93.58
9.10 0.89 89.06
5.03 0.94 93.92
9.27 1.25 89.04
5.03 0.92 93.19
9.63 1.00 90.06
5.23 0.93 93.43
9.77 1.46 90.52
5.30 0.84 93.42
9.97 1.41 89.95
5.47 0.80 92.81
11.23 1.02 88.55
5.50 0.76 93.05
11.80 0.86 89.32
5.93 0.94 93.23
Siap panen
10.00 0.83 88.55
1 minggu
sebelum
panen
5.80 0.77 92.64
10.17 1.75 89.69
5.87 0.66 92.07
10.17 1.14 89.75
6.53 0.84 92.40
10.37 1.53 88.97
6.53 1.03 92.38
10.47 1.03 89.69
6.63 1.02 91.42
10.60 1.65 89.54
7.00 0.85 91.78
10.63 1.02 89.59
7.03 0.65 91.16
10.73 1.19 89.83
7.10 0.70 91.00
10.76 0.89 89.38
7.63 0.95 90.79
10.80 1.18 88.99
9.10 0.96 90.05
10.90 1.27 89.12
9.23 0.82 90.61
10.93 1.47 89.69
9.30 0.83 90.58
11.13 1.01 89.71
11.27 1.12 89.63
11.30 1.24 88.03
11.33 1.48 87.50
11.33 1.08 87.87
11.36 0.95 88.69
11.43 1.19 88.26
11.53 0.94 88.38
11.60 0.88 88.32
11.70 1.18 87.99
11.70 1.11 88.23
11.70 0.93 89.11
11.80 1.17 87.87
11.90 1.34 89.72
12.90 1.08 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.