1

I. PENDAHULUAN
A. Latar Belakang
Mutu produk pertanian sangat dipengaruhi oleh teknik pascapanennya,
mutu produk dapat dipertahankan sebaik mungkin dengan menerapkan teknik
pascapanen yang tepat. Dengan melihat karakteristik buahnya tomat
merupakan komoditas hortikultura yang mudah rusak (perishable). Metode
Near Infrared (NIR) merupakan salah satu metode untuk mengetahui mutu
dari suatu produk secara non destruktif. Metode non destruktif ini sangat
menguntungkan karena mutu buah dapat dilihat tanpa harus merusak buah
tersebut. Metode NIR telah banyak digunakan di beberapa negara di Eropa,
Amerika Utara, Asia, Australia, dan New Zealand baik dalam bidang industri
maupun dalam bidang pertanian. Di Indonesia, metode ini belum banyak
digunakan terutama dalam bidang pertanian.
Prinsip utama dari metode NIR adalah berdasarkan cahaya infra merah
yang mengenai bahan memiliki energi kecil dan hanya menembus sekitar 5mm
permukaan bahan, dan hanya efektif pada 2 mm tergantung komposisi bahan
tersebut. Cahaya yang dipantulkan disebut dengan refraktan sedangkan
gelombang yang diserap adalah absorban. Data yang terkumpul kemudian
diolah dengan cara kalibrasi dan validasi dengan bantuan software NIRCal
V5.2 (Build 3000).
Pada praktikum kali ini adalah sebagai dasar pengenalan mengukur mutu
secara non destruktif dengan menggunakan metode NIR pada buah tomat.
Kandungan yang diukur adalah total padatan terlarut (TPT) pada buah tomat.
B. Tujuan
Adapun tujuan dari praktikum kali ini diantaranya untuk :
1. Mempelajari cara kerja alat pengukuran mutu secara non destruktif (NIR)
2. Menganalisa hasil pengukuran secara non destruktif dan destruktif




2

II. METODE PRAKTIKUM
A. Waktu Pelaksaan
Hari/ tanggal : Rabu/ 18 Desember 2013
Waktu : 11.00 14.00 WIB
Tempat : Laboratorium TPPHP- IPB
B. Alat dan Bahan
Bahan :
1. Tomat apel
2. Spidol

Alat:
1. Refraktometer (TPT)
2. NIR spectroscopy (Buchi NIRFlex
N-500 Fiber Optics Solid)
C. Prosedur Kerja
Penelitian ini dilakukan dengan beberapa proses yaitu: (1) Pengukuran
spektra reflektan sampel dengan menggunakan Buchi NIRFlex N-500 Fiber
Optics Solid, (2) Pengukuran TPT tomat secara destruktif, (3) Kalibrasi NIR
untuk memprediksi TPT buah tomat secara Non destruktif menggunakan NIR.
1. Pengukuran Spektra Buah Tomat
Tomat yang digunakan adalah tomat dengan tingkat kematangan 75-90%.
Kemudian tomat dibersihkan dari kotoran yang menempel. Kemudian
dilakukan pengukuran spektrum NIR dengan menggunakan Buchi NIRFlex N-
500 Fiber Optics Solid, dimana setiap sampel akan dilakukan 3 kali
pengulangan dengan 3 titik pengukuran yang berbeda. Spektrum yang terukur
dari detektor akan diteruskan ke komputer untuk disimpan secara langsung.
Data reflektan tersimpan di database NIRCal 5.2 yang merupakan program
olah data yang terintegrasi dengan spektrometer NIRFlex N-500. Prinsip
pengukuran spektra adalah menembakkan cahaya dari lampu halogen ke
sampel. Sebagian energi akan diserap dan sebagian lainnya dipantulkan. Energi
yang dipantulkan akan diterima oleh detektor sebagai data frekuensi getaran
dan ditransformasi dengan metode Fourier menjadi grafik data reflektan
(Anonim 2008). Data yang disimpan sudah dalam bentuk digital sehingga lebih
mudah untuk diolah lebih lanjut dengan software bawaan NIR.
2. Pengukuran TPT tomat secara destruktif
Pengukuran Total padatan teerlarut dilakukan dengan refraktometer.
Dilakukan dengan cara menghancurkan bagian tomat, kemudian diletakkan
3

pada refraktometer. Dilakukan tiga kali pengulangan di tempat yang sama pada
saat pengambilan data spektrum NIR. Pengukuran TPT dapat dilihat pada
gambar 1 berikut ini.

Gambar 2.1. Pengukuran TPT dengan refraktometer
3. Kalibrasi NIR untuk memprediksi TPT buah tomat secara Non destruktif
menggunakan NIR.
Dilakukan dengan cara menginput data hasil pengukuran destruktif pada
komputer yang kemudian akan diproses dan dianalisis oleh software sehingga
mendapatkan pengukuran yang valid.
Supaya lebih jelas kegiatan praktikum tentang pengukuran mutu buah
tomat secara non destruktif ini dapat dilihat pada diagram alir di bawah ini.

4



Gambar 2.2 Diagram alir praktikum












5

III. HASIL DAN PEMBAHASAN
Near Infrared (NIR) atau infra merah dekat merupakan gelombang
elektromagnetik yang memiliki panjang gelombang 700nm sampai 2500 nm
(Dryden, 2003). Kisaran gelombang ini telah lama dipelajari dan digunakan
sebagai metode analitik berbagai material baik organik maupun anorganik.
Cahaya tampak diterima oleh mata sesuai dengan besarnya pantulan, seperti
halnya warna dihasilkan dari cahaya yang dipantulkan dari suatu objek. Setiap
bahan memiliki gabungan pantulan spektrum inframerah dekat yang unik yang
dihasilkan dari efek penyebaran, penyerapan, dan pantulan cahaya oleh bahan.
Dalam penerapannya, metode NIR memiliki kelebihan, antara lain dapat
menganalisa dengan kecepatan tinggi, tidak menimbulkan polusi, penggunaan
preparat contoh yang sederhana, tidak menggunakan bahan kimia, dan dapat
menganalisa contoh secara non-destruktif. Sedangkan kendala dalam penggunaan
metode NIR adalah biaya investasi alat yang tinggi.
Pada praktikum kali ini penggunaan metode NIR diterapkan pada pengukuran
TPT pada buah tomat. Data hasil pengukuran tersebut kemudian akan dikalibrasi
dengan hasil pengukuran secara destruktif. Software NIRCal V5.2 (Build 3000)
digunakan untuk membuat bentuk dan model kalibrasi antara data reflektan dan
absorban NIR terhadap hasil analisis kimiawi laboratorium dengan metode
kalibrasi multivariatif yaitu principal component regression (PCR) dan partial
least square (PLS). Dari seluruh jumlah sampel yang diukur akan dibagi dua
tahap yaitu tahap kalibrasi dan validasi. Jumlah sampel untuk tahap kalibrasi
harus lebih banyak daripada tahap validasi diman jumlah sampel untuk tahap
kalibrasi sebanyak 2/3 total sampel sedangkan jumlah sampel untuk validasi
sebanyak 1/3 total sampel. Selain itu, range data yang digunakan untuk tahap
kalibrasi harus lebih besar daripada tahap validasi. Jumlah sampel yang digunakan
adalah 180 sampel yang digunakan untuk kalibrasi sebanyak 120 dan digunakan
untuk validasi sebanyak 60.
Proses kalibrasi dilakukan untuk menentukan hubungan total padatan terlarut
dapat dilakukan dengan metode kalibrasi multivariatif yaitu partial least square
(PLS). Metode kalibrasi ini memiliki struktur sistematik linier dan non-linier
(Herve, 2003 dalam Saragih, 2007). Metode PLS digunakan memperoleh
6

pendugaan bagi Y sebagai fungsi peubah-peubah Xn yang terpilih. Persamaan
regresi kalibrasi antara peubah Y dengan a dan b sebagai konstanta kuadrat
terkecil parsial X terpilih (Naes, 1985 dalam Rumahorbo), dinyatakan sebagai
berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ + b
n
X
n
(2)
Dimana:
Y = TPT tomat
a dan b = Konstanta kuadrat terkecil parsial
X = Reflektan/absorbansi pada panjang gelombang tertentu.
Setelah didapatkan model regresi kalibrasi, kemudian dilakukan validasi
pada sisa data yang ada. Validasi bertujuan menguji ketepatan pendugaan
komposisi kimia dengan persamaan regresi kalibrasi yang telah dibangun.
Parameter untuk menentukan kecocokan model kalibrasi adalah koefisien
determinasi (R
2
), standard error (SE), coefficient of variation (CV). Koefisien
determinasi atau R
2
menunjukkan kemampuan model menerangkan keragaman
nilai peubah tak bebas. Semakin besar nilai R2 berarti model semakin mampu
menerangkan perilaku peubah tak bebas. Kisaran nilai R
2
mulai dari 0% sampai
100 % (Matjik et al., 2006).
A. Reflektan (Pantulan) NIR Tomat
Hasil pengukuran NIR dengan panjang gelombang 4600-10000 cm
-1

pada permukaan buah tomat memiliki bentuk spektrum yang sama namun
memiliki tingkat reflektan yang berbeda. Hal ini menunjukkan bahwa setiap
sampel memiliki nilai kandungan TPT yang berbeda-beda. Menurut Mohsenin
(1984) apabila sinar dipancarkan dari sumber ke bahan organik, maka sekitar
4% akan dipantulkan kembali oleh permukaan luar (regular refraction), dan
sekitar 96 % sisanya akan masuk ke dalam produk yang selanjutnya mengalami
penyerapan (absorption), pemantulan (body reflection), penyebaran
(scattering), dan penerusan cahaya (transmitten). Analisis NIR untuk bahan
pertanian cenderung menggunakan reflektan karena pada umumnya bahan
pertanian tidak tembus cahaya. Adapun hasil pengukuran tersebut dapat dilihat
pada gambar di bawah ini.
7


Gambar 3.1 Reflektan sampel buah tomat
Metode NIR mengukur besarnya parameter optik akibat interaksi antara
gelombang cahaya dengan molekul-molekul materi. Pada saat radiasi infra
merah mengenai sampel padat, beberapa dipantulkan dari permukaan sampel.
Proporsi radiasi lainnya masuk ke sampel dan diserap sekitar 2 mm. Radiasi
yang tidak diserap diteruskan melalui sampel atau dipantulkan dari dalam
sampel (Dryden, 2003).
Kurva spektrum tersebut berdasarkan proses urutan perlakuan data
(data treatment) untuk persamaan regresi kalibrasi pendugaan nilai TPT tomat.
Perlakuan data dilakukan karena pada kurva spektrum reflektan NIR terdapat
banyak guncangan (noise) serta kurang bagusnya bentuk dan model persamaan
regresi kalibrasi yang dibangun. Perlakuan data yang paling baik dapat dilihat
dari nilai koefisien determinasi (R
2
) yang tertinggi dan standar error terendah
serta koefisen keragaman terendah dari data-data yang telah diberikan
perlakuan data lain.
B. Hasil kalibrasi dan validasi data TPT tomat.
Data reflektan yang telah terkumpul kemudian diolah dengan cara
mengkalibrasi dan validasi untuk menduga kandungan TPT pada tomat. Seperti
yang telah dijelaskan di atas bahwa banyaknya data untuk kalibrasi adalah 120
dan untuk validasi sebesar 60. Persamaan kalibrasi untuk menduga kandungan
TPT berdasarkan data reflektan dibangun dengan membuat hubungan antara
kandungan TPT hasil pengukuran refraktometer dengan nilai refrektan pada
proses regresi berganda. Adapun hasil dari pengolahan data tersebut dapat
dilihat pada kurva di bawah ini.
8



Gambar 3.2 Grafik perbandingan TPT dugaan NIR dengan hasil pengukuran
TPT menggunakan refraktometer.
Dari gambar diatas kita dapat melihat nilai koefisien determinasi (R
2
)
sebesar 0. 3278 (32.78%) untuk kalibrasi dan 0.1990 (19.9%) untuk validasi,
standar deviasi 0.3122 untuk kalibrasi dan 0.3002 untuk deviasi. Sedangkan
untuk standar error atau bias sebesar - 0.05637. Kecilnya nilai (R
2
) baik pada
kalibrasi maupun validasi dikarenakan perlakuan data yang kurang bagus.
Perlakuan data dapat dilakukan dengan cara menukar-nukar titik sampel yang
dimasukan ke dalam data untuk kalibrasi atau pada data untuk validasi.
Dikarenakan keterbatasan waktu dan kemampuan praktikan terhadap materi
praktikum kali ini maka tidak dilakukan perlakuan data sehingga mendapatkan
nilai R
2
yang tinggi. Selain ketepatan pada saat pengukuran (penembakan)
pada buah tomat keterampilan untuk membuat perlakuan data juga merupakan
faktor penting untuk menghasilkan nilai R
2
yang tinggi. Koefisien determinasi
atau R
2
menunjukkan kemampuan model menerangkan keragaman nilai
peubah tak bebas. Semakin besar nilai R
2
berarti model semakin mampu
menerangkan perilaku peubah tak bebas (Matjik et al., 2006). Interpretasi dari
nilai R
2
yang didapat adalah untuk kalibrasi bahwa sebesar 32.78% variasi TPT
dapat dijelaskan oleh 120 panjang gelombang terpilih. Sedangkan untuk nilai
R
2
validasi adalah sebesar 19.9% variasi TPT dapat dijelaskan oleh 60 panjang
gelombang terpilih.
9

IV. Kesimpulan
Berdasarkan dari hasil dan pembahasan yang telah dipaparkan di atas,
maka kesimpulan yang dapat diambil dari praktikum kali ini diantaranya:
1. Nilai koefisien determinasi (R
2
) untuk data kalibrasi sebesar 0.3278
(32.78%) dengan standar deviasi 0.3122 dan bias 0.
2. Nilai koefisien determinasi (R
2
) untuk data validasi sebesar 0.1990
(19.9%) dengan standar deviasi 0.3002 dan bias -0.05637.
3. Tidak dilakukan perlakuan data menyebabkan nilai koefisien
determinasi (R
2
) kecil.
V. Saran
Untuk mendapatkan model kalibrasi yang lebih baik untuk memprediksi
total padatan terlarut buah tomat disarankan agar dilakukan data treatment
seperti penghalusan rataan setiap 3 titik, normalisasi antara 0 sampai 1,
derivatif kedua Savitzky-Golay setiap 9 titik, kombinasi antara penghalusan
rataan setiap 3 titik dengan derivatif kedua Savitzky-Golay, dan kombinasi
antara ketiga perlakuan data.
DAFTAR PUSTAKA
Dryden, G. M. 2003. Near Infrared Reflectance Spectroscopy:Application in Deer
Nutrition Rural Industries Reseacrh and Development Corporation.
Kingston, Australia.
Matjik, Ahmad Ansori; I Made Sumertajaya. (2006). Perancangan Percobaan
dengan Aplikasi SAS dan MINITAB. IPB Press. Bogor.
Mohsenin, NM. 1984. Electromagnetic Radiation Properties of Food and
Agricultural Product. Gordon and Breach Science Publishes. New York.
London. Paris. Montreux. Tokyo.
Rumahorbo, Regina. 2004. Pereduksi Data Keluaran Spektrometer Near Infrared
(NIR) [skripsi]. Bogor. Departemen Statistika. Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Saragih, M. A. 2007. Metode Analisis Simultan Natrium Benzoat dan Kalium
Sorbat menggunakan Kombinasi Spektrofotometri dan Kalibrasi
Multivariat [skripsi]. Bogor: Departemen Kimia Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
.

10

LAPORAN PRAKTIKUM
TEKNOLOGI PENANGANAN PASCAPANEN TANAMAN
HORTIKULTURA
PENGUKURAN MUTU SECARA NON DESTRUKTIF PADA BUAH TOMAT





Disusun oleh :
IRNA DWI DESTIANA
F152130151












PROGRAM STUDI TEKNOLOGI PASCAPANEN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
2014