Pendugaan Total Padatan Terlarut dan Kekerasan Buah Melon secara Non-Destruktif Menggunakan Near Infrared Spectroscopy

Abstract

Melon (Cucumis melo L.) merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi. Penentuan kualitas buah, seperti total padatan terlarut (TPT) dan kekerasan, umumnya masih dilakukan secara destruktif sehingga memerlukan waktu, biaya, dan menyebabkan kerusakan sampel. Near Infrared Spectroscopy (NIRS) merupakan metode alternatif yang bersifat non-destruktif, cepat, dan efisien untuk menduga kualitas buah. Penelitian ini bertujuan memprediksi TPT dan kekerasan buah melon secara non-destruktif menggunakan NIRS dengan metode Partial Least Squares (PLS) dan Principal Component Analysis–Jaringan Saraf Tiruan (PCA–JST). Sebanyak 72 sampel dengan kulit dan 72 sampel tanpa kulit diukur menggunakan spektrometer NIRFlex N-500 pada rentang panjang gelombang 1000–2500 nm. Pre-treatment yang digunakan meliputi Normalize, Standard Normal Variate (SNV), Multiplicative Scatter Correction (MSC), Moving Average, dan Savitzky–Golay Smoothing. Prediksi terbaik TPT dengan kulit diperoleh menggunakan metode PLS dengan pre-treatment SNV faktor 6 (r = 0,73; RPD = 1,43; konsistensi = 103%), sedangkan prediksi terbaik TPT tanpa kulit diperoleh menggunakan metode PCA–JST dengan pre-treatment Savitzky–Golay Smoothing, 9 principal component, dan 1 neuron (r = 0,92; RPD = 2,48; konsistensi = 103%). Prediksi terbaik kekerasan dengan kulit diperoleh menggunakan metode PCA–JST dengan pre-treatment Normalize, 2 principal component, dan 3 neuron (r = 0,70; RPD = 1,30; konsistensi = 96%), sedangkan prediksi terbaik kekerasan tanpa kulit diperoleh menggunakan metode PCA–JST menggunakan spektrum original, 2 principal component, dan 5 neuron (r = 0,85; RPD = 1,64; konsistensi = 93%). Berdasarkan nilai RPD, model TPT tanpa kulit memiliki kemampuan prediksi kuantitatif yang baik, sedangkan model kekerasan tanpa kulit dapat digunakan untuk screening. Adapun model TPT dengan kulit dan kekerasan dengan kulit masih memiliki kemampuan prediksi yang terbatas. Secara keseluruhan, metode PCA–JST menunjukkan performa prediksi yang lebih baik pada tiga dari empat kondisi pengujian, yaitu TPT tanpa kulit serta kekerasan buah melon dengan dan tanpa kulit. Sementara itu, metode PLS menghasilkan model terbaik pada prediksi TPT buah melon dengan kulit.