Jurnal Ilmiah Mahasiswa Pertanian Unsyiah

Volume 4, Nomor 3, Agustus 2019

www.jim.unsyiah.ac.id/JFP

Pemilihan Teknik Akuisisi Spektrum LIBS-QCL untuk Membedakan Kopi

Arabika Gayo dan Robusta Gayo dengan Metode PCA
(Principal Component Analysis)
Selection of LIBS-QCL Spectrum Acquisition Technique for Distinguishing Gayo Arabica
and Gayo Robusta Coffee with PCA Method

Rina Harvina Suci, Zulfahrizal, Agus Arip Munawar1*

1
Program Studi Teknik Pertanian Fakultas Pertanian Universitas Syiah Kuala
Abstrak. Akuisisi spektrum Laser Induced Breakdown Spectroscopy-Quantum Cascade Laser (LIBS-QCL)
untuk bahan anorganik telah banyak dilakukan dalam berbagai penelitian namun untuk bahan organik
khususnya kopi dan olahannya masih belum dilakukan. Tujuan yang ingin dicapai dalam penelitian ini adalah
menentukan teknik akuisisi spektrum LIBS-QCL untuk membedakan kopi Arabika dan Robusta Gayo dalam
bentuk biji kopi beras, biji kopi sangrai dan kopi bubuk. Penelitian ini dilakukan di Laboratorium
Instrumentasi dan Energi, Program Studi Teknik Pertanian, Fakultas Pertanian, Universitas Syiah Kuala,
Darussalam Banda Aceh pada bulan Mei sampai Juli 2019. Penelitian menggunakan Standard Normal
Variate (SNV) dan Peak Normalization (PN) sebagai metode koreksi spektrum dan Principal Component
Analysis (PCA) sebagai metode pengolah data spektrum. Hasil penelitian menunjukkan bahwa akuisisi
spektrum LIBS-QCL cukup baik dalam bentuk biji kopi beras. LIBS-QCL juga diketahui mampu
membedakan varietas Arabika dan Robusta dalam bentuk biji kopi beras dan biji kopi sangrai, tetapi kopi
bubuk belum mampu dibedakan. Melalui studi ini ditemukan juga selang panjang gelombang yang dapat
mengidentifikasikan kualitas kopi sehingga dapat digunakan untuk penelitian selanjutnya dalam
pengembangan model identifikasi kualitas kopi.

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

Coresponding author: agus.amunawar@gmail.com

JIMFP (TPE), 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

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

Waktu dan Tempat

Penelitian ini dilaksanakan pada bulan Mei sampai Juli 2019. Bertempat di
Laboratorium Instrumentasi dan Energi, Program Studi Teknik Pertanian, Fakultas
Pertanian, Universitas Syiah Kuala, Banda Aceh.

Alat dan Bahan

Alat yang digunakan pada penelitian ini adalah Laser Spectroscopy Instrument
(Tube He-Ne), Thermo Integration Software, Self Developed Workflow dan Unscrambler
software® X version 10.1. Bahan yang digunakan pada penelitian ini adalah kopi Arabika
Gayo dan Robusta Gayo dalam bentuk biji beras, biji sangrai dan kopi bubuk.

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.

HASIL DAN PEMBAHASAN

Spektrum LIBS-QCL
Akuisisi spektrum dilakukan dengan menggunakan Laser Spectroscopy Instrument
dengan panjang gelombang 1000-2500 nm. Pada raw spectrum rata-rata biji kopi beras,
biji kopi sangrai, dan kopi bubuk menunjukkan adanya puncak/lembah spektrum
berdasarkan panjang gelombang yang menandakan ada zat kimia yang terkandung di
dalamnya dan juga setiap puncak dan lembah tersebut nilai kimianya juga berbeda-beda.
Terdapat beberapa puncak dan lembah pada spektrum dari ketiga bentuk kopi
tersebut. Dimana kandungan asam amino dan asam klorogenat berada pada panjang
gelombang kisaran (2010-2071) nm dan (2040-2225) nm. Kandungan air berada pada
panjang gelombang kisaran (1911-1938) nm. Kandungan lemak dan kafein berada pada
panjang gelombang kisaran (1730-1763) nm dan (1677-1718) nm. Hal ini sesuai dengan
hasil penelitian Ribeiro et al., (2011) bahwa rentang panjang gelombang (2010-2071) nm
sesuai dengan struktur asam amino; (2040-2205) nm sesuai dengan struktur asam
klorogenat; (1910-1970) nm sesuai dengan struktur air; (1700-1800) nm sesuai dengan
struktur lemak; (1672-1726) nm sesuai dengan struktur kafein..
Karakteristik spektrum dari ketiga kopi tersebut memiliki bentuk yang hampir
sama, hal ini menunjukkan walaupun berbeda bentuk, tetapi memiliki komposisi
kandungan kimia yang relatif sama. Spektrum yang dihasilkan terkadang terdapat noise
yang disebabkan oleh alat maupun bahan. Gangguan ini bisa dikarenakan alat yang
digunakan sudah terlalu panas, sedangkan dari bahan yaitu bentuk kopi yang tidak
beraturan saat ditumpuk, menyebabkan saat kopi di akuisisi LIBS-QCL mengenai obyek
lain selain kopi itu sendiri. Noise dapat diatasi dengan melakukan pengolahan awal data
spektra (pretreatment).

Asam Amino dan

Asam Air
1 Klorogenat
0.9
Diffuse Reflectance

0.8 Lemak dan Kafein

0.7
0.6
0.5 Biji Kopi Beras
0.4
0.3 Biji Kopi Sangrai
0.2 Kopi Bubuk
0.1
0
1455
2223
2147
2077
2011
1949
1890
1836
1784
1735
1689
1645
1603
1563
1526
1490

Wavelength (nm)

Gambar 1. Raw spectrum

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

Klasifikasi Kopi Bubuk 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 78,85% untuk varietas Arabika dan 80% untuk varietas Robusta
(Gambar 9).

(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

Analisis PCA dilakukan untuk membuktikan bahwa LIBS-QCL mampu

membedakan varietas Arabika dan Robusta dalam bentuk biji kopi beras, biji kopi sangrai
maupun kopi bubuk. Metode koreksi yang dipakai adalah PN dan SNV karena merujuk
pada kemampuan bekerja PN dan SNV sebelumnya.
Hasil PCA membuktikan bahwa LIBS-QCL mampu mengelompokkan data
berdasarkan varietas Arabika dan Robusta. Namun jiika dilihat secara detail dari hasil
klasifikasi menggunakan metode PCA dalam bentuk kopi bubuk dengan penambahan
pretreatment maupun tanpa pretreatment belum mampu mengklasifikasi data pada kopi
bubuk karena datanya masih tetap tercampur dan tidak bisa dibedakan. Klasifikasi PCA
yang diberi perlakuan pretreatment juga tidak lebih baik dari klasifikasi PCA tanpa
pretreatment. Maka dapat dikatakan bahwa dalam bentuk kopi bubuk tidak berhasil
diklasifikasi.
Hal ini bisa disebabkan oleh besarnya energi laser yang dipancarkan ke bahan yang
diduga dapat merusak ikatan kimia didalam bahan itu sendiri. Berbeda dengan biji kopi
beras dan biji kopi sangrai, kopi bubuk tidak lagi memiliki lapisan keras pada biji yang
dapat melindunginya dari besarnya energi laser yang dipaparkan. Hal ini sesuai dengan
pernyataan Hooker Simon (2010), Laser (Light Amplification by Stimulated Emission of
Radiation) adalah suatu sumber yang dapat memancarkan cahaya dengan tingkat
kemonokromatisan yang hampir sempurna. Sinar laser berbeda dengan sinar dari cahaya
biasa. Ada beberapa ciri laser yang membedakan dengan cahaya biasa, yaitu hanya
memancar pada satu arah saja (terpolarisasi linier), memiliki intensitas yang tinggi,
kemonokromatisan yang hampir sempurna dan memiliki tingkat koherensi yang tinggi.

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%.

Tabel 1. Hasil Klasifikasi Kopi dalam Berbagai Bentuk

Biji Kopi Beras (%) Biji Kopi Sangrai (%) Kopi Bubuk (%)
Perlakuan KBA- KBR- Rata-Rata
BBA-BB BBR-BB BSA-BS BSR-BS
KB KB
Tanpa
90 90 90 75 78,85 80 83,98
pretreatment

PN 90 90 80 75 47,2 80 77,03

SNV 90 90 90 75 84,45 90 86,58

Sumber: Hasil Analisis (2019)

SIMPULAN DAN SARAN

Simpulan
Berdasarkan hasil penelitian yang telah dilakukan maka yang dapat disimpulkan
sebagai berikut:
1. Teknik akuisisi spektrum LIBS-QCL sangat baik menggunakan biji kopi beras pada
rentang frekuensi 573 ± 18 Hz, jumlah scan 32 kali, atenuasi optik sebanyak 4 kali,
resolusi sebesar 8 cm-1, dan pada wavenumber 1.000 nm - 2.500 nm.
2. Teknologi LIBS-QCL dengan metode PCA mampu menghasilkan model yang baik
untuk membedakan kopi Arabika dan Robusta Gayo dalam bentuk biji kopi beras dan
biji kopi sangrai sementara dalam bentuk kopi bubuk belum mampu dibedakan.
3. Spektrum LIBS-QCL kopi menunjukkan keberadaan kandungan asam amino pada
panjang gelombang 2108 nm-2222 nm, kandungan kadar air dan protein pada panjang
gelombang 1910 nm-1970 nm, dan kandungan lemak pada panjang gelombang 1700
nm-1800 nm.
4. Teknologi LIBS-QCL dengan metode PCA mampu membedakan pencampuran varietas
Arabika dan Robusta yang mana zat dominan pembeda terdapat pada kandungan asam
amino, asam klorogenat, lemak dan kafein.

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

5. Pretreatment Standard Normal Variate (SNV) merupakan pretreatment terbaik dalam

mengklasifikasikan kopi Arabika dan Robusta karena mnghasilkan persentase
pengklasifikasian yang paling tinggi yaitu 86,58%.

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.

Hooker, Simon. 2010. Laser Physics. Oxford University Press, Oxford.

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