Prediksi Kandungan Kimia Buah Kesemek (Diospyros Kaki L.) Dengan Spektroskopi Nir

Abstract

Kesemek (Diospyros kaki L.) merupakan buah yang tumbuh di dataran tinggi Indonesia dan mempunyai potensi untuk dikembangkan. Kualitas yang penting pada buah kesemek terdiri dari kadar air, total padatan tidak terlarut dan kandungan tanin. Penentuan kandungan buah biasa dilakukan dengan metode kimia, metode ini bersifat destruktif, memakan waktu dan tidak dapat diterapkan untuk pengembangan grading secara on-line. Oleh karena itu spektroskopi NIR merupakan alat yang berpotensi untuk mengukur kandungan kimia secara cepat dan tidak merusak. Pengukuran kandungan kimia buah kesemek menggunakan NIR sudah banyak dilakukan tetapi metode kalibrasi principle component regression (PCR) dan partial least square (PLS) untuk menentukan kandungan tanin dan total padatan tidak terlarut buah kesemek belum dilakukan. Tujuan penelitian ini adalah memprediksi secara cepat kadar air, total padatan tidak terlarut dan kandungan tanin buah kesemek secara non destruktif dengan spektroskopi NIR menggunakan metode PCR dan PLS. Buah kesemek kultivar Reundeu diperoleh dari kebun petani di Garut, Jawa Barat kemudian disortasi dan dikelompokkan buah muda, tua dan matang. Spektrum reflektan NIR diukur dengan NIRFlex N-500 fiber optic solid pada panjang gelombang 1000-2500 nm. Untuk metode referensi, kadar air, total padatan tidak terlarut dan kandungan tanin diukur dengan menggunakan metode kimia. Beberapa metode pengolahan data NIR turunan pertama Savitzy-Golay (dg1), multiplicative scatter correction (MSC) dan standard normal variate (SNV) diterapkan. Kemudian hasilnya dikalibrasi dengan data kimia menggunakan metode principle component regression (PCR) dan partial least square (PLS). Ketepatan dan ketelitian metode NIR dalam memprediksi kadar air, total padatan tidak terlarut dan kandungan tannin buah kesemek dikaji dari koefisien korelasi (r), standar eror kalibrasi (SEC), standar eror validasi (SEP), koefisien keragaman (CV), dan residual predictive deviation (RPD). Model terbaik untuk memprediksi kadar air buah kesemek dengan menggunakan pengolahan data standard normal variate (SNV) dan metode PLS didapatkan r, SEP dan RPD masing - masing 0.90, 1.55% dan 1.68. Model terbaik untuk memprediksi total padatan tidak terlarut (non-SSC) adalah menggunakan pra pengolahan multiplicative scatter correction (MSC) dan PLS dengan r, SEP dan RPD masing - masing 0.83, 1.48%, dan 1.59. Model terbaik untuk memprediksi tanin diperoleh dengan menggunakan turunan pertama Savitzky-Golay (dg1) dan metode PLS dengan r, SEP dan RPD masing - masing 0.72, 0.14% dan 1.06. Metode PLS menghasilkan model kalibrasi lebih baik daripada PCR dalam memprediksi kadar air, non-SSC dan kandungan tanin buah kesemek.