| dc.description.abstract | Kesemek (Diospyros kaki L.) merupakan salah satu produk hortikultura
yang tumbuh di dataran tinggi. Salah satu kriteria mutu yang penting adalah
kandungan internal (meliputi kandungan gula, total asam dan vitamin C). Pada
umumnya untuk mengetahui kandungan internal di dalam buah dilakukan
pengukuran secara destruktif. Metode ini memiliki kelemahan yaitu kondisi bahan
yang tidak bisa dimanfaatkan kembali, perlu persiapan sampel, menggunakan zat
kimia dan membutuhkan waktu yang lama. Saat ini telah dikembangkan teknologi
instrumentasi untuk menentukan kandungan kimia suatu bahan dengan proses
yang cepat, tepat, dan akurat yaitu spektroskopi NIR. Teknik analisis
menggunakan spektroskopi Near Infrared (NIR) telah banyak digunakan pada
bidang pertanian. Tujuan penelitian ini adalah untuk memprediksi kekerasan,
vitamin c, total asam dan total padatan terlarut buah kesemek secara non
destruktif dengan spektroskopi NIR menggunakan pengolahan data spektra dan
Partial Least Square (PLS).
Buah kesemek diperoleh dari petani kesemek di Cikajang, Garut, Jawa
Barat dengan tiga tingkat ketuaan berdasarkan umur setelah berbunga yaitu 150,
170 dan 190 hari setelah berbunga (HSB). Reflektan buah kesemek diukur
menggunakan Spectrometer NIR pada panjang gelombang 1000 sampai 2500nm.
Dilanjutkan dengan pengukuran kekerasan, vitamin c, total asam dan total padatan
terlarut buah kesemek dengan metode kimia. Beberapa pengolahan data NIR
seperti normalisasi antara 0-1 (n01), derivatif pertama Savitzky-Golay (dg1),
kombinasi n01 dan dg1, kombinasi derivatif pertama Savitzky-Golay dan
Multiplicative Scatter Correction serta kalibrasi dengan PLS dilakukan untuk
meningkatkan akurasi prediksi metoda NIR. Ketepatan dan ketelitian metode NIR
dalam memprediksi dengan kekerasan, vitamin c, total asam dan TPT buah
kesemek berdasarkan evaluasi dari nilai koefisien korelasi (r), standar error of
calibration set (SEC), standar error of validation set (SEP), residual predictive
deviation (RPD) dan coefficient of variation (CV).
Model terbaik untuk prediksi kekerasan adalah pengolahan data NIR
normalisasi (n01) dan 12 komponen utama (r = 0.94, SEP = 0.07%, RPD = 2.9,
CV = 9.72%). Model terbaik untuk prediksi vitamin C adalah pengolahan data
NIR Multiplicative Scatter Correction (MSC) dan 16 komponen utama (r = 0.79,
SEP = 0.51%, RPD = 0.99, CV = 30.50%). Model terbaik untuk prediksi total
asam adalah pengolahan data NIR Multiplicative Scatter Correction (MSC) dan
12 komponen utama (r = 0.65, SEP = 0.05%, RPD = 0.86, CV = 45.73%). Model
terbaik untuk prediksi TPT adalah pengolahan data NIR Multiplicative Scatter
Correction (MSC) dan 17 komponen utama (r = 0.86, SEP = 2.21%, RPD = 1.79,
CV = 9.84%). Penelitian ini membuktikan metode NIR dapat digunakan untuk
memprediksi kekerasan dan kandungan TPT namun tidak dapat diterapkan untuk
memprediksi kandungan vitamin C dan total asam. | id |
