Pemilihan Teknik Akuisisi Spektrum Libs-Qcl Untuk Membedakan Kopi Arabika Dan Robusta Gayo Dengan Metode Pca
Pemilihan Teknik Akuisisi Spektrum Libs-Qcl Untuk Membedakan Kopi Arabika Dan Robusta Gayo Dengan Metode Pca
Kata Kunci : Non Destructive Test (NDT), Laser Induced Breakdown Spectroscopy, Quantum Cascade
Laser, Kopi
Abstract. Laser Induced Breakdown Spectroscopy-Quantum Cascade Laser (LIBS-QCL) spectra acquisition
for inorganic materials has been widely applied in various studies, but for the organic materials especially
coffee have not been carried out. The objectives of this research was to determine a spectral acquisition
technique of LIBS-QCL for distinguishing Gayo Arabica and Gayo Robusta in the form of green beans,
roasted beans, and coffee powder. This research was performed in Instrumentation and Energy Laboratory,
Major of Agricultural Engineering, Faculty of Agriculture, Syiah Kuala University, Darussalam, Banda Aceh
from May to July 2019. Standard for Normal Variation (SNV) and Peak Normalization (PN) were used as
spectral pre-processing method whilst Principal Component Analysis (PCA) was applied as a method of data
processing. The results showed that LIBS-QCL spectrum acquisition is quite good in the form of green
beans. LIBS-QCL is able to distiguish the types of Arabica and Robusta coffee in the form of green beans
and roasted beans, but coffee powder has not been able to be distinguished. The study also found several
wavelength range interval associated with coffee quality so that it can be used for further studies to develop
coffee quality attributes prediction models.
Keywords : Non Destructive Test (NDT), Laser Induced Breakdown Spectroscopy, Quantum Cascade Laser,
Coffee
PENDAHULUAN
Kopi salah satu komoditas ekspor Indonesia yang cukup penting sebagai penghasil
devisa negara selain minyak dan gas. Salah satu penyumbang ekspor kopi Indonesia adalah
kopi Arabika Gayo. Kopi Arabika mempumyai karakter rasa yang lebih kaya, itulah
mengapa harga kopi arabika lebih tinggi dibandingkan dengan kopi Robusta. Karena harga
di pasaran kopi Arabika lebih mahal dibandingkan kopi Robusta, dikhawatirkan hal ini
dapat disalahgunakan oleh oknum yang tidak bertanggungjawab. Salah satunya adalah
dengan cara pencampuran antara kopi Arabika dan Robusta yang bertujuan untuk
mendapatkan keuntungan lebih. Pencampuran pada bahan pangan khususnya kopi dapat
merugikan konsumen maupun produsen. Oleh karena itu, perlu suatu teknologi yang dapat
mengidentifikasi pencampuran kopi varietas Arabika dan Robusta ini.
Pendeteksian pencampuran kopi Arabika dan Robusta secara cepat dan efesien
dapat diwujudkan melalui pengembangan teknologi Laser-Induced Breakdown
Spectroscopy (LIBS) dengan menggunakan spektrum Quantum Cascade Laser (QCL).
Pendeteksian pencampuran kopi Arabika dan Robusta ini dilakukan dengan cara
mengklasifikasikan varietas kopi tersebut berdasarkan spektrum LIBS-QCL dengan
pretreatment Peak Normalization (PN) dan Standard Normal Variate (SNV) sebagai
metode koreksi spektrum. Adapun keunggulan dari teknologi ini adalah tidak merusak
bahan (non-destructive), tidak memerlukan bahan kimia, serta tidak menyentuh bahan.
Sebagai sebuah metode yang baru, penelitian LIBS-QCL pada bahan organik belum
banyak berkembang, khususnya tanaman kopi. Oleh karena itu, diharapkan teknologi ini
dapat bekerja secara cepat dan efesien untuk membedakan kopi Arabika dan Robusta
dalam berbagai bentuk.
METODE PENELITIAN
Metode Pelaksanaan
Sampel yang digunakan pada penelitian ini adalah kopi Arabika dan Robusta
Gayo yang telah diberi perlakuan pasca panen. Berat total sampel yang digunakan adalah
biji kopi beras Arabika sebanyak 350 g, biji kopi beras Robusta 250 g, biji kopi sangrai
Arabika 210 g, biji kopi sangrai Robusta 150 g, kopi bubuk Arabika 122,87 g, dan kopi
bubuk Robusta 117,15 g. Pada penelitian ini juga menggunakan campuran varietas
Arabika dan Robusta pada masing-masing bentuk kopi dengan komposisi campuran
sebesar 75% Arabika dan 25% Robusta. Jumlah keseluruhan sampel yang digunakan
adalah 90 sampel. Pengukuran spektrum kopi menggunakan Self developed LIBS-QCL.
Pengendalian kerja alat untuk pembuatan workflow dan menjalankan workflow
menggunakan software thermo integration®. Workflow dibuat untuk mengatur alat agar
bekerja untuk mengakuisisi spektrum diffuse reflectance, memindai sampel 32 kali,
rentang frekuensi 573 ± 18 Hz, atenuasi optik sebanyak 4 kali, resolusi sebesar 8 cm-1, dan
pada wavenumber (1.000 nm-2.500 nm), lalu merata-ratakan hasilnya, dan menyimpan
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
hasil pemindaian dalam tiga bentuk file yakni *.SPA, *.JDX dan *.CSV. Selanjutnya data
spektrum diolah menggunakan unscrambler software® X version 10.1.
Wavelength (nm)
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
Outlier Removal
Outlier removal bertujuan untuk mendeteksi keberadaan data pencilan dengan
menggunakan metode PCA yang dikombinasikan dengan Hotelling T2 ellipse yang akan
membuat data lebih sempurna (Gambar 2). Hasil dari PCA biji kopi beras dengan jumlah
sampel 10 buah terdapat 1 data pengungkit. Begitu juga dengan biji kopi sangrai dengan
jumlah sampel 10 buah terdapat 1 data pengungkit. Sedangkan pada kopi bubuk dengan
jumlah sampel 10 buah terdapat 1 data pencilan maka sisa data yang termasuk dalam
ellipse sebanyak 9 buah.
(a) (b)
(c)
Gambar 2. (a) Analisa Data Outlier pada Biji Kopi Beras (b) Analisa Data Outlier pada Biji Kopi Sangrai
(c) Analisa Data Outlier pada Kopi Bubuk
Klasifikasi Biji Kopi Beras dengan Metode PCA (Principal Component Analysis)
Metode klasifikasi ini dilakukan dengan cara menggelompokkan data seperti pada
Gambar 3. Hasil analisis PCA terlihat bahwa keduanya terpisah dengan sangat baik. Total
data yang dapat di analisa dengan kumulatif expalined variance 2 PC adalah sebesar 99%
untuk varietas Arabika dan 99% untuk varietas Robusta. Data ini terklasifikasi secara baik
dengan persentase keberhasilan sebesar 90% untuk varietas Arabika dan juga 90% untuk
varietas Robusta.
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
(a) (b)
Gambar 3. (a) Klasifikasi Varietas Arabika (BBA) dan Campuran (BB) Tanpa Pretreatment (b) Klasifikasi
Varietas Robusta (BBR) dan Campuran (BB) Tanpa Pretreatment
Pretrement Peak Normalization (PN) dan Pretrement Standard Normal Variate (SNV)
Hasil klasifikasi varietas Arabika dan Robusta pada biji kopi beras perlu diperbaiki
untuk menghasilkan klasifikasi yang lebih baik. Untuk memperbaiki klasifikasi tersebut
perlu dilakukannya penambahan pretreatment, yaitu pretreatment PN dan SNV.
Klasifikasi PCA dengan penambahan pretreatment PN menghasilkan total (PC-1
dan PC-2) sebesar 99% untuk masing-masing varietas Arabika dan Robusta. Data ini
terklasifikasi secara baik dengan persentase keberhasilan masing-masing sebesar 90%
(Gambar 4). Klasifikasi PCA dengan penambahan pretreatment SNV menghasilkan total
(PC-1 dan PC-2) sebesar 89% untuk masing-masing varietas Arabika dan Robusta. Data
ini terklasifikasi secara baik dengan persentase keberhasilan masing-masing sebesar 90%
(Gambar 5).
(a) (b)
Gambar 4. (a) Klasifikasi Varietas Arabika (BBA) dan Campuran (BB) Pretreatment PN (b) Klasifikasi
Varietas Robusta (BBR) dan Campuran (BB) Pretreatment PN
(a) (b)
Gambar 5. (a) Klasifikasi Varietas Arabika (BBA) dan Campuran (BB) Pretreatment SNV (b) Klasifikasi
Varietas Robusta (BBR) dan Campuran (BB) Pretreatment SNV
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
Klasifikasi Biji Kopi Sangrai dengan Metode PCA (Principal Component Analysis)
Hasil analisis PCA tanpa pretreatment pada varietas Arabika menghasilkan total
data principal component 1 dan principal component 2 (PC-1 dan PC-2) sebesar 100% dan
begitu juga dengan varietas Robusta. Data ini terklasifikasi secara baik dengan persentase
keberhasilan sebesar 90% untuk varietas Arabika dan 75% untuk varietas Robusta
(Gambar 6).
(a) (b)
Gambar 6. (a) Klasifikasi Varietas Arabika (BSA) dan Campuran (BS) Tanpa Pretreatment (b) Klasifikasi
Varietas Robusta (BSR) dan Campuran (BS) Tanpa Pretreatment
Pretrement Peak Normalization (PN) dan Pretrement Standard Normal Variate (SNV)
Klasifikasi PCA dengan penambahan pretreatment PN menghasilkan total (PC-1
dan PC-2) sebesar 100% untuk masing-masing varietas Arabika dan Robusta. Data ini
terklasifikasi secara baik dengan persentase keberhasilan sebesar 80% untuk varietas
Arabika dan 75% untuk varietas Robusta (Gambar 7). Klasifikasi PCA dengan
penambahan pretreatment SNV menghasilkan total (PC-1 dan PC-2) sebesar 94% untuk
masing-masing varietas Arabika dan Robusta. Data ini terklasifikasi secara baik dengan
persentase keberhasilan sebesar 90% untuk varietas Arabika dan 75% untuk varietas
Robusta (Gambar 8).
(a) (b)
Gambar 7. (a) Klasifikasi Varietas Arabika (BSA) dan Campuran (BS) Pretreatment PN (b) Klasifikasi
Varietas Robusta (BSR) dan Campuran (BS) Pretreatment PN
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
(a) (b)
Gambar 8. (a) Klasifikasi Varietas Arabika (BSA) dan Campuran (BS) Pretreatment SNV (b) Klasifikasi
Varietas Robusta (BSR) dan Campuran (BS) Pretreatment SNV
(a) (b)
Gambar 9. (a) Klasifikasi Varietas Arabika (KBA) dan Campuran (KB) Tanpa Pretreatment (b) Klasifikasi
Varietas Robusta (KBR) dan Campuran (KB) Tanpa Pretreatment
Pretrement Peak Normalization (PN) dan Pretrement Standard Normal Variate (SNV)
Klasifikasi PCA dengan penambahan pretreatment PN menghasilkan total (PC-1
dan PC-2) sebesar 99% untuk masing-masing varietas Arabika dan Robusta. Data ini
terklasifikasi kurang baik dengan persentase keberhasilan sebesar 47,2% untuk varietas
Arabika dan 80% untuk varietas Robusta (Gambar 10). Klasifikasi PCA dengan
penambahan pretreatment SNV menghasilkan total (PC-1 dan PC-2) sebesar 89% untuk
masing-masing varietas Arabika dan Robusta. Data ini terklasifikasi secara baik dengan
persentase keberhasilan sebesar 84,45% untuk varietas Arabika dan 90% untuk varietas
Robusta (Gambar 11).
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
(a) (b)
Gambar 10. (a) Klasifikasi Varietas Arabika (KBA) dan Campuran (KB) Pretreatment PN (b) Klasifikasi
Varietas Robusta (KBR) dan Campuran (KB) Pretreatment PN
(a) (b)
Gambar 11. (a) Klasifikasi Varietas Arabika (KBA) dan Campuran (KB) Pretreatment SNV (b) Klasifikasi
Varietas Robusta (KBR) dan Campuran (KB) Pretreatment SNV
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
Pada penelitian sebelumnya, LIBS-QCL ini belum pernah diuji ke bahan organik.
Sejauh ini hanya diterapkan ke bahan anorganik. Maka dari itu penelitian ini mencoba
menguji pada bahan organik. Walaupun tidak semua tujuan penelitian tercapai, tetapi
sebagian tujuan tercapai. Oleh karena itu butuh penelitian lebih lanjut agar bisa
memastikan LIBS-QCL ini bisa digunakan pada bahan organik.
Secara umum dapat disimpulkan bahwa PCA mampu mengklasifikasikan kopi
berdasarkan varietasnya dimana semua model klasifikasi PCA menggunakan pretreatment
dan tanpa pretreatment menghasilkan model dengan tingkat keberhasilan diatas 75%
kecuali dalam bentuk kopi bubuk yang belum mampu diklasifikasi. Berdasarkan Tabel 1
dapat disimpulkan bahwa pretreatment terbaik yang digunakan untuk membedakan kopi
Arabika dan kopi Robusta adalah pretreatment SNV dengan keberhasilan 85,74%.
PN 90 90 80 75 47,2 80 77,03
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah
Volume 4, Nomor 3, Agustus 2019
www.jim.unsyiah.ac.id/JFP
Saran
Berdasarkan hasil penelitian yang telah dilakukan, saran yang dapat dikemukakan
untuk meningkatkan hasil klasifikasi adalah dengan menaikkan wavenumber sehingga
lebih panjang dan akibatnya frekuensi yang dihasilkan lebih besar, sehingga dapat
mendeteksi perbedaaan dengan pasti.
DAFTAR PUSTAKA
Clarke, R. J. and R. Macrae. 1987. Coffe Technology (Volume 2). Elsevier Applied
Science, London and New York.
Hairatun, Agus A.M., Zulfahrizal. 2017. Akuisisi spektrum near infrared reflectance pada
bubuk kopi arabika (kenary coffee) dan bubuk kopi robusta (kopi ulee kareng).
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah. 2(1): 331-337.
Hruschka, W.R. 1990. Data analysis: wavelength selection methods. Dalam Williams P,
Norris K (eds). Near-Infrared Technology in the Agricultural and Food Industries.
Ed ke-2. St. Paul, Minnesota (USA). Hal: 18.
William, P.C. and D.C. Sobering. 1993. Comparison of commercial near infrared
transmittance and reflectance instruments for analysis of whole grain and seeds. J.
Near Infrared Spectrosc. 1: 25-32.
Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi Arabika Gayo dan
Robusta Gayo dengan Metode PCA (Principal Component Analysis)
(Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar*)
Jurnal Ilmiah Mahasiswa Pertanian Unsyiah, Vol. 4, No. 3, Agustus 2019: 1-10