Akurasi Deteksi Kualitas Nutrisi dan Kecernaan Hijauan Pakan menggunakan Near Infrared Reflectance Spectroscopy (NIRS)

Abstract

Near Infrared Reflectance Spectroscopy (NIRS) merupakan metode alternatif yang dapat digunakan dalam memprediksi nilai nutrisi hijauan pakan. NIRS bersifat cepat, non destruktif, tidak merusak, tidak memerlukan bahan kimia dan menyisakan limbah kimia, serta lebih efektif secara biaya. Akurasi metode NIRS bergantung pada database yang digunakan dalam proses kalibrasi oleh instrumen NIRS. Ketersediaan database pakan lokal masih sangat terbatas. Pengembangan database lokal yang lebih relevan dengan bahan pakan yang dianalisis diperlukan agar dapat meningkatkan akurasi prediksi nutrien hijauan pakan. Penelitian bertujuan untuk mengevaluasi akurasi prediksi kualitas nutrien hijauan pakan dengan NIRS Initial Database (NIRSID) dan mengevaluasi akurasi prediksi kualitas nutrien serta kecernaan pakan menggunakan NIRS Local Database (NIRSLD) pada penggunaan database hijauan pakan spesies tunggal dan spesies campuran dalam pengembangan databasenya. Penelitian diawali dengan pengambilan sampel legum yang dikumpulkan dari berbagai lokasi di Bogor, Bandung, dan Sumedang, Jawa Barat. Kaliandra (Calliandra), lamtoro (Leucaena leucocephala), dan gamal (Gliricidia sepium) diambil masing-masing sebanyak 30 sampel dari lokasi yang berbeda untuk pengembangan database spesies tunggal. Sementara itu untuk pengembangan database spesies campuran digunakan sebanyak 120 sampel yang juga berasal dari lokasi berbeda, diantaranya kaliandra (Calliandra), lamtoro (Leucaena leucocephala), dan gamal (Gliricidia sepium), bauhinia (Bauhinia blakeana), indigofera (Indigofera), alfalfa (Medicago sativa), angsana (Pterocarpus indicus), sirihan/seuseureuhan (Piper aduncum L.), turi (Sesbania grandiflora), kelor (Moringa oleifera), Callopogonium, dan sentrosema (Centrosema pubencens). Untuk validasi eksternal digunakan 10 sampel leguminosa campuran. Sampel diambil masing-masing sebanyak ± 3 kg segar. Sampel dicacah dan dikeringkan dibawah sinar matahari, kemudian dioven menggunakan oven 60oC. Sampel yang telah kering dihaluskan dan disimpan di tempat yang kering untuk dilakukan analisis proksimat, analisis Van Soest, analisis kecernaan, serta koleksi spektrum, kalibrasi, dan validasi pada NIRS. Data hasil analisis kimia dan NIRSID dianalisis dengan T-Test (Paired Sample T-Test) menggunakan SPSS. Sementara itu parameter statistik NIRSLD diolah menggunakan NIRS dengan pemodelan partial least square (PLS). Data hasil NIRSLD, yakni database spesies tunggal (kaliandra, lamtoro, dan gamal) dan database spesies campuran dibandingkan dengan hasil analisis kimia menggunakan analisis T-Test (Paired Sample T-Test) dengan SPSS. Hasil analisis CWA dan NIRSID berbeda sangat nyata (P < 0,01) pada parameter kadar air, kadar abu, protein kasar, NDF, dan ADF, serta berbeda nyata (P<0,05) pada parameter serat kasar. Perbedaan hasil WCA dan NIRSID menunjukkan bahwa prediksi NIRSID akurasinya masih rendah, belum mampu untuk menduga kualitas nutrien hijauan lokal dengan baik. Spektrum yang dihasilkan berada pada rentang 4.000 sampai 10.000 cm -1 pada keempat spektrum database. Secara umum, semua spektrum sampel yang dihasilkan memiliki pola grafik yang sama. Hal tersebut menunjukkan bahwa instrumen NIRS mampu memberikan hasil pengukuran yang konsisten. Rentang spektrum pada database spesies tunggal terlihat masih bervariasi. Hal tersebut dapat disebabkan karena lokasi pengambilan sampel yang beragam sehingga komponen kimianya lebih bervariasi. Near Infrared Reflectance Spectrosphotocopy Local Database (NIRSLD) yang dikembangkan, yaitu NIRSLD spesies tunggal kaliandra, lamtoro, dan gamal, juga NIRSLD spesies campuran mampu meningkatkan akurasi pendugaan komponen nutrien dan kecernaan hijauan pakan. NIRSLD spesies tunggal relatif mempunyai akurasi prediksi yang lebih tinggi dibandingkan dengan NIRSLD spesies campuran. Diperlukan lebih banyak sampel yang mewakili variasi biologis, waktu pengumpulan, dan lokasi jangkauan untuk meningkatkan akurasi fraksi serat dan kecernaan. Selain itu diperlukan juga sampel yang satu spesies dengan set kalibrasi pada analisis validasi eksternal agar dapat menghasilkan kesalahan prediksi yang lebih rendah.

Kata kunci: database, NIRS, spesies tunggal, spesies campuran