| dc.description.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 | id |
