Model Prediksi Kandungan Kimia Tepung Berbasis Ubi Kayu Secara Non-Destruktif Dengan Metode Spektroskopi NIR

Abstract

Meningkatnya impor ubi kayu beberapa tahun terakhir ini memicu para peneliti di bidang pemuliaan untuk merakit varietas unggul baru yang high yielding dan high starch content. Perbedaan genotipe ubi kayu hasil program pemuliaan berpengaruh terhadap karakteristik fisik dan kimianya. Karakteristik fisik dan kimia ini menentukan arah pemanfaatan (fungsionalitas) dalam pembuatan produk akhir. Penentuan karakteristik fisik dan kimia tepung sampai saat ini dilakukan dengan metode konvensional di laboratorium. Metode konvensional ini membutuhkan biaya yang mahal dan waktu pengerjaan yang cukup lama. Namun saat ini telah dikembangkan teknologi instrumentasi yang dapat memprediksi beberapa kandungan kimia suatu bahan dengan proses yang cepat dan non destruktif yaitu spektroskopi near infrared (NIR). Tujuan penelitian ini adalah mengkaji penggunaan spektroskopi NIR dalam memprediksi komponen kimia pada tepung berbasis ubi kayu dengan metode PLS. Dalam penelitian ini, ubi kayu yang berasal dari 24 genotipe stabil ubi kayu (5 genotipe tetua dan 19 genotipe turunan) hasil pemuliaan diolah menjadi tepung ubi kayu dan mocaf (modified cassava flour). Spektra reflektan tepung berbasis ubi kayu ini diukur menggunakan spektrofotometer NIR pada panjang gelombang 1000-2500 nm. Pada tahap selanjutnya, dilakukan pengukuran kadar air, total pati dan amilosa dengan metode kimia di Laboratorium. Model kalibrasi dikembangkan dengan metode partial least square (PLS) dan beberapa praperlakuan data seperti turunan pertama Savitzky-Golay (dg1), standard normal variate (SNV), kombinasi dg1 dan SNV serta proses transformasi spektra yang dilakukan untuk meningkatkan akurasi prediksi. Evaluasi hasil kalibrasi dan validasi NIR dalam memprediksi dengan kadar air dan komponen pati dilakukan berdasarkan analisis statistik meliputi nilai koefisien korelasi (r), koefisien determinasi (R2), standar error of validation (SEC), standar error of validation (SEP), ratio prediction to deviaton (RPD), bias, dan coefficient variation (CV). Model yang dibangun menggunakan spektra reflektan dengan praperlakuan kombinasi dg1 dan SNV merupakan model terbaik untuk menduga kadar air dan total pati, sedangkan model yang dibangun menggunakan spektra absorban dengan praperlakuan kombinasi dg1 dan SNV merupakan model terbaik untuk menduga amilosa. Evaluasi statistik menunjukkan, model prediksi kadar air memiliki r = 0.98, R2 = 0.95, SEC = 0.17%, SEP = 0.19%, CVkalibrasi = 2.64, CVvalidasi = 2.90, Bias = -0.05, dan RPD = 5.01. Model prediksi total pati memiliki hasil evaluasi r = 0.87, R2 = 0.76, SEC = 3.40%, SEP = 3.39%, CVkalibrasi = 4.21, CVvalidasi = 4.15, Bias = -0.16 dan RPD = 2.04. Sementara itu, model prediksi amilosa memberikan hasil evaluasi sebagai berikut: r = 0.97, R2 = 0.93, SEC dan SEP 0.89% dan 0.97%, CVkalibrasi = 3.26, CVvalidasi = 3.57, Bias = -0.11 serta RPD = 3.39. Penelitian ini membuktikan metode NIR sangat baik dan layak digunakan untuk memprediksi kadar air dengan rentang 4.59-8.23%, total pati dengan rentang 61.54-92.70% dan amilosa dengan rentang 16.56-33.86%.