Identifikasi Berbagai Jenis Susu Sapi Menggunakan Kombinasi Analisis Sidik Jari Voltammetri dan Kemometrik

Abstract

Susu pasteurisasi, ultra high temperature (UHT), evaporasi, bubuk, dan skim merupakan ragam produk olahan susu sapi segar yang mengalami perubahan komposisi kimia dan nutrisi akibat perbedaan proses, sehingga diperlukan metode analisis cepat untuk identifikasinya. Penelitian ini mengembangkan metode identifikasi enam jenis susu berdasarkan kombinasi sidik jari voltammetri dengan analisis kemometrik. Sidik jari voltammetri diperoleh dengan teknik voltammetri siklik menggunakan elektrode karbon kaca (GCE) termodifikasi multiwalled carbon nanotube (MWCNT) yang difungsionalkan dengan pelarut asam kuat, sementara analisis kemometrik yang digunakan adalah analisis komponen utama (PCA). Voltammogram enam sampel susu menunjukkan keberadaan dua puncak oksidasi pada potensial 0,20 V sampai 1 V vs Ag/AgCl dengan pola mirip, tetapi intensitasnya berbeda. Analisis PCA dengan pre-processing autoscaling berhasil memisahkan sebagian besar sampel dengan total PC 92%, kecuali susu segar dan susu UHT yang masih tumpang tindih. Hasil ini mengindikasikan potensi penerapan metode yang dikembangkan ini untuk mengidentifikasi dan mengklasifikasi berbagai jenis susu berdasarkan pengolahannya sehingga dapat digunakan dalam pengawasan mutu dan autentikasi produk di industri pangan.

Pasteurized, UHT, evaporated, powdered, and skim milk are processed forms of fresh cow’s milk. Processing differences can alter their chemical and nutritional composition, making rapid identification methods necessary. This study developed a method to identify six milk types using voltammetric fingerprinting combined with principal component analysis (PCA). Voltammetric fingerprints were obtained using cyclic voltammetry technique with a glassy carbon electrode (GCE) modified with multiwalled carbon nanotube (MWCNT) functionalized with strong acid solvents. The voltammograms showed two oxidation peaks between 0.20–1.00 V vs Ag/AgCl with similar patterns but varying intensities. PCA with autoscalling preprocessing successfully separated most samples with 92% total variance, except fresh and UHT milk, which overlapped. These results demonstrate the method’s potential for milk classification based on processing, aiding quality control and product authentication.