| dc.description.abstract | Mutu tandan buah segar (TBS) kelapa sawit dipengaruhi oleh kandungan kimia buah, terutama kadar air, kadar minyak, dan kadar asam lemak bebas (ALB),
yang berperan penting dalam menentukan kualitas minyak sawit yang dihasilkan. Penentuan mutu TBS secara visual cenderung kurang akurat karena bersifat
subjektif, sedangkan analisis kandungan kimia melalui pengujian laboratorium memerlukan waktu, biaya, dan tenaga yang relatif besar sehingga kurang efisien. Dibutuhkan metode non-destruktif yang mampu menduga kandungan kimia TBS secara cepat dan efisien. Penelitian ini bertujuan menentukan karakteristik impedansi listrik TBS kelapa sawit pada berbagai tingkat kematangan serta membangun model pendugaan kadar air, kadar minyak, dan kadar asam lemak bebas (ALB) menggunakan metode Multiple Linear Regression (MLR). Pengukuran impedansi dilakukan menggunakan LCR meter pada rentang frekuensi 50 Hz–100 kHz terhadap 50 sampel TBS yang terdiri atas lima tingkat kematangan. Data impedansi kemudian diolah menggunakan empat perlakuan pre-treatment, yaitu Original, Normalize, Standard Normal Variate (SNV), dan Multiplicative Scatter Correction (MSC). Hasil penelitian menunjukkan bahwa nilai impedansi cenderung menurun seiring meningkatnya frekuensi dan berbeda pada setiap tingkat kematangan buah. Model pendugaan terbaik untuk kadar air diperoleh menggunakan pre-treatment SNV dengan nilai r = 0,97, SEC = 3,45%, SEP = 3,25%, CV = 7,68%, dan RPD = 4,08. Pendugaan kadar minyak juga memberikan hasil terbaik pada pre-treatment SNV dengan nilai r = 0,95, SEC = 3,04%, SEP = 3,05%, CV = 9,66%, dan RPD = 3,23. Sementara itu, pendugaan kadar ALB terbaik diperoleh menggunakan data Original tanpa pre-treatment dengan nilai r = 0,90, SEC = 0,69%, SEP = 0,77%, CV = 7,72%, dan RPD = 2,22. Hasil penelitian menunjukkan bahwa impedansi listrik dengan MLR berpotensi digunakan sebagai metode non-destruktif untuk menduga kadar air, kadar minyak, dan kadar ALB pada TBS kelapa sawit, dengan pre-treatment tertentu yang bergantung pada karakteristik parameter yang diprediksi. | |
