Prediksi Kandungan Kimia Buah Kelapa Sawit secara Non-Destruktif dengan Near-Infrared Spectroscopy dan Artificial Neural Network
Date
2024-01-12Author
Adiarifia, Nissa
Budiastra, I Wayan
Sutrisno, Prof
Metadata
Show full item recordAbstract
Kandungan kimia merupakan parameter kualitas kritis untuk Crude Palm
Oil (CPO) yang berasal dari pengolahan buah kelapa sawit. Secara tradisional,
parameter-parameter ini ditentukan melalui metode kimia di laboratorium, yang
memakan waktu yang lama dan bersifat destruktif. Meskipun sudah ada upaya
untuk menentukan secara non-destruktif kadar minyak, air, dan asam lemak bebas
(ALB) dalam buah kelapa sawit menggunakan metode seperti Near-Infrared
Spectroscopy (NIRS), namun hasilnya belum memuaskan untuk ALB. Penelitian
ini bertujuan mengkaji metode NIRS untuk penentuan kandungan kimia buah
kepala sawit secara non-destruktif menggunakan metode Partial Least SquaresArtificial Neural Network (PLS-ANN) dan Partial Least Squares-Regression
(PLSR). Sampel buah kelapa sawit (408 sampel) dengan sepuluh tingkat
kematangan, dipanen dari perkebunan di Cikabayan Farm, Bogor. Pengukuran
reflektansi sampel (n=408) diperoleh menggunakan spektrometer NIR-Flex 500
pada panjang gelombang 1000-2500 nm. Selanjutnya, kadar minyak, air, dan ALB
sampel (n=120) ditentukan melalui analisis kimia. Reflektansi dikonversi menjadi
absorbansi dan beberapa pre-treatment dilakukan, yaitu normalisasi, turunan
pertama Savitzky-Golay, kombinasi keduanya, dan standard normal variate. Data
NIR yang sudah di pre-treatment, dikalibrasi dan divalidasi dengan data kimia
menggunakan metode PLSR dan ANN (n=96-120). ANN menggunakan input
berupa beberapa Factor Component (FC) hasil pengolahan PLS, 1 hidden layer,
dan sebagai output adalah kadar minyak, kadar air dan ALB. Hasil penelitian
menunjukkan bahwa metode paling efektif untuk memprediksi kadar minyak
(n=96) adalah kombinasi turunan pertama Savitzky-Golay dan normalisasi dengan
menggunakan PLS-ANN dengan 20 FC (R²=0.99, SEC=0.55%, CV=2.31%,
RPD=28.21). Untuk kadar air (n=120), metode prediksi yang optimal melibatkan
pre-treatment standard normal variate menggunakan PLS-ANN dengan 19 FC
(²=0.99, SEC=1.21%, CV=1.96%, RPD=15.51). Untuk prediksi terbaik kadar ALB
(n=110), diperoleh dari pre-treatment turunan pertama Savitzky-Golay dengan 22
FC (R²=0.99, SEC=0.17%, CV=4.75%, RPD=11.47). Metode prediksi untuk ketiga
kandungan kimia buah kelapa sawit dengan PLS-ANN memiliki kinerja yang lebih
baik dibandingkan PLSR karena kemampuan PLS-ANN dalam mengatasi
permasalahan non-linearitas. Metode PLS-ANN dan NIRS yang dikembangkan
mampu memprediksi kandungan kimia (kadar minyak, kadar air, dan kadar ALB)
dalam buah kelapa sawit secara non-destruktif
Collections
- MT - Agriculture Technology [2218]