Prediksi Kekerasan, Vitamin C, Total Asam Dan Tpt Buah Kesemek (Diospyros Kaki L.) Dengan Spektroskopi Nir

Abstract

Kesemek (Diospyros kaki L.) merupakan salah satu produk hortikultura yang tumbuh di dataran tinggi. Salah satu kriteria mutu yang penting adalah kandungan internal (meliputi kandungan gula, total asam dan vitamin C). Pada umumnya untuk mengetahui kandungan internal di dalam buah dilakukan pengukuran secara destruktif. Metode ini memiliki kelemahan yaitu kondisi bahan yang tidak bisa dimanfaatkan kembali, perlu persiapan sampel, menggunakan zat kimia dan membutuhkan waktu yang lama. Saat ini telah dikembangkan teknologi instrumentasi untuk menentukan kandungan kimia suatu bahan dengan proses yang cepat, tepat, dan akurat yaitu spektroskopi NIR. Teknik analisis menggunakan spektroskopi Near Infrared (NIR) telah banyak digunakan pada bidang pertanian. Tujuan penelitian ini adalah untuk memprediksi kekerasan, vitamin c, total asam dan total padatan terlarut buah kesemek secara non destruktif dengan spektroskopi NIR menggunakan pengolahan data spektra dan Partial Least Square (PLS). Buah kesemek diperoleh dari petani kesemek di Cikajang, Garut, Jawa Barat dengan tiga tingkat ketuaan berdasarkan umur setelah berbunga yaitu 150, 170 dan 190 hari setelah berbunga (HSB). Reflektan buah kesemek diukur menggunakan Spectrometer NIR pada panjang gelombang 1000 sampai 2500nm. Dilanjutkan dengan pengukuran kekerasan, vitamin c, total asam dan total padatan terlarut buah kesemek dengan metode kimia. Beberapa pengolahan data NIR seperti normalisasi antara 0-1 (n01), derivatif pertama Savitzky-Golay (dg1), kombinasi n01 dan dg1, kombinasi derivatif pertama Savitzky-Golay dan Multiplicative Scatter Correction serta kalibrasi dengan PLS dilakukan untuk meningkatkan akurasi prediksi metoda NIR. Ketepatan dan ketelitian metode NIR dalam memprediksi dengan kekerasan, vitamin c, total asam dan TPT buah kesemek berdasarkan evaluasi dari nilai koefisien korelasi (r), standar error of calibration set (SEC), standar error of validation set (SEP), residual predictive deviation (RPD) dan coefficient of variation (CV). Model terbaik untuk prediksi kekerasan adalah pengolahan data NIR normalisasi (n01) dan 12 komponen utama (r = 0.94, SEP = 0.07%, RPD = 2.9, CV = 9.72%). Model terbaik untuk prediksi vitamin C adalah pengolahan data NIR Multiplicative Scatter Correction (MSC) dan 16 komponen utama (r = 0.79, SEP = 0.51%, RPD = 0.99, CV = 30.50%). Model terbaik untuk prediksi total asam adalah pengolahan data NIR Multiplicative Scatter Correction (MSC) dan 12 komponen utama (r = 0.65, SEP = 0.05%, RPD = 0.86, CV = 45.73%). Model terbaik untuk prediksi TPT adalah pengolahan data NIR Multiplicative Scatter Correction (MSC) dan 17 komponen utama (r = 0.86, SEP = 2.21%, RPD = 1.79, CV = 9.84%). Penelitian ini membuktikan metode NIR dapat digunakan untuk memprediksi kekerasan dan kandungan TPT namun tidak dapat diterapkan untuk memprediksi kandungan vitamin C dan total asam.