Anda di halaman 1dari 71

26

BAB III

METODE PENELITIAN

A. Desain Penelitian

Rancangan desain penelitian umumnya terbagi atas 3 (tiga) bentuk,

yaitu penelitian eksploratif (explorative research), penelitian deskriptif

(descrtiptive research) dan penelitian penjelasan (explanatory research)

(Umar, 1999 : 36). Penelitian exploratif adalah jenis penelitian yang

berusaha mencari ide-ide atau hubungan-hubungan yang baru.

Sedangkan penelitian deskriptif merupakan penelitian yang bertujuan

menguraikan sifat-sifat atau karakteristik dari suatu fenomena tertentu.

Terakhir, penelitian eksplanatory adalah penelitian yang bertujuan

menganalisis hubungan-hubungan antara satu variabel dengan variabel

lainnya atau bagaimana suatu variabel mempengaruhi variabel lainnya.

Berdasarkan pengelompokan tersebut, maka penelitian ini termasuk

penelitian eksploratif karena penelitian ini bertujuan untuk menguji daya

simpan dan pengaruh daya simpan terhadap ketengikan pada minyak ikan

bandeng. Sedangkan metode yang digunakan dalam penelitian ini yaitu

metode soxhletasi untuk selanjutnya dilakukan pengujian bilangan asam,

penyabunan, bilangan peroksida dan daya simpan dari minyak ikan

bandeng. Alur penelitian :


27

Gambar 3.1. diagram alir penelitian

Ikan Bandeng

Jeroan
Preparasi

Pemblenderan

Soxhletasi

Perhitungan Rendemen

Pengujian

Bilangan Peroksida Bilangan Penyabunan Bilangan Asam

0 5 15 0 5 15 0 5 15

8◦ c 27◦c 8◦ c 27◦c 8◦c 27◦c


28

B. Alur proses

a. Persiapan bahan baku yaitu Ikan Bandeng (Chanos chanos) .

a. Pencucian bahan baku dengan menggunakan air mengalir agar

bersih dari sisa – sia kotoran yang menempel.

b. Bahan baku yang sudah dicuci dan dibersihkan kemudian dibelah

dan diambil bagian perutnya (Jeroan) setelah itu ditimbang untuk

diketahui rasio bagian tubuh dengan ikan utuh

c. Sampel yang telah dipisahkan kemudian dicacah untuk selanjutnya

diekstrak. Sampel (jeroan ikan bandeng) diekstrak dengan larutan

organik untuk mengeluarkan lemak dari sampel dengan bantuan

pemanasan pada suhu titik didih pelarut selama 8 jam. Pelarut

organik yang mengikat lemak selanjutnya dipisahkan dengan

penguapan (evaporasi) sehingga hasil lemak tertinggal dalam labu.

Penetapan berat lemak dihitung secara gravimetri setelah itu

dilakukan pengujian.

d. Pengujian yang dilakukan diantaranya yaitu penentuan rendemen, uji

bilangan peroksida, uji bilangan asam, dan uji bilangan penyabunan

untuk mengetahui ketengikan pada minyak ikan dari perut ikan

bandeng (Jeroan).

e. Uji daya simpan, sampel yang telah di ekstraksi akan disimpan

selama 15 hari dan akan di uji kadar ketengikannya pada 0 hari, 5


29

hari, dan 15 hari dengan perlakuan suhu yang berbeda yaitu 8 ◦c dan

27◦c.

C. Waktu dan Lokasi Penelitian

Penelitian ini akan dilaksanakan pada bulan mei sampai dengan juni

2020 di Laboratorium Biokimia Teknologi Pengolahan Hasil Perikanan di

Kampus Politeknik Pertanian Negeri Pangkajene dan kepulauan yang

terletak di Jl. Poros Makassar – Pare, Km 83, Desa Mandalle, Kecamatan

Mandalle, Kabupaten Pangkajene dan Kepulauan.

D. Bahan dan Alat Penelitian

Bahan yang digunakan dalam penelitian ini dapat dilihat pada tabel

berikut :

Tabel 3.1 Bahan – bahan yang digunakan dalam penelitian

No. Nama Bahan Keterangan

1. Perut ikan bandeng Sampel

2. Dietil eter Pelarut


30

Sedangkan alat yang digunakan dalam penelitian ini dapat dilihat

pada tabel berikut :

Tabel 3.2. Alat yang digunakan dalam penelitian

No Nama Alat Keterangan


.
1. Soxhlet Digunakan untuk mengekstrak
suatu senyawa
2. Heating mantle Digunakan untuk menerapkan
panas kontainer, sebagai bentuk
lain dari mandi air panas
3. Labu alas bulat Digunakan untuk memanaskan
atau mendidihkan larutan.
4. Oven Digunakan untuk memanaskan
atau juga bisa mengeringkan alat –
alat laboratorium dan bahan lain
yang dalam keadaan basah.
5. Desikator Digunakan untuk menghilangkan
kadar air suatu bahan.
6. Neraca analitik Digunakan untuk menimbang
bahan kimia yang sifatnya pro
analytic (PA)
7. Blender Digunakan untuk menghaluskan
atau melumatkan bahan yang akan
digunakan dalam penelitian atau
dalam pembuatan medium.
8. Erlenmeyer Digunakan dalam proses titrasi
untuk menampung larutan yang
akan dititrasi.
9. Pipet tetes Digunakan untuk memindahkan
cairan dari suatu wadah ke wadah
lainnya dalam jumlah kecil, yaitu
setetes demi setetes.
10. Buret Digunakan untuk mengeluarkan
variabel, jumlah terukur dari larutan
kimia.
31

E. Unit Analisis

Unit analisis dalam penelitian ini adalah Ekstrak minyak ikan dari

perut ikan bandeng (Jeroan) yang diekstrak menggunakan metode

soxhletasi dengan 3 kali pengulangan dan di simpan selama 15 hari untuk

menguji ketengikan dan daya simpan dari hasil ekstraksi minyak ikan dari

perut ikan bandeng (Jeroan) .

F. Teknik Sampling

Sampel perut ikan bandeng (Jeroan) akan diambil sebanyak 3 kali

dari bahan baku yang sudah dipersiapkan kemudian dilakukan 3

parameter pengujian pada setiap sampel yaitu uji bilangan peroksida, uji

bilangan asam, dan uji bilangan penyabunan. Total pengujian untuk

sampel isi perut (jeroan) 27 pengujian.

G. Objek Penelitian

Parameter yang diamati pada penelitian ini adalah bilangan

peroksida, bilangan asam, penyabunan dan daya simpan. Dapat diketahui

berdasarkan ketentuan yang telah berlaku atau yang umum dilakukan.

1. Analisis bilangan peroksida/Peroxide Value (PV) (AOAC, 2005)

Metode penentuan bilangan peroksida menggunakan prinsip titrasi

iodin yang dilepaskan dari senyawa potassium iodide oleh peroksida

dengan menggunakan standar larutan thiosulfat sebagai titran dan larutan


32

pati sebagai indikator. Metode ini mendeteksi semua zat yang

mengoksidasi potassium iodide dalam kondisi asam. Perhitungan nilai

peroksida dilakukan dengan persamaan berikut:

S x M x 1000
Nilai Peroksida (meq / kg) =
Berat sampel (g)

S =Jumlah sodium thiosulfate (ml), M= konsentrasi sodium

thiosulfate (0,01)

Penetapan angka peroksida dilakukan sesuai dengan prosedur pada SNI

01-3555-1998. Dimana minyak hasil ekstraksi terlebih dahulu

ditambahkan asam asetat glasia1 : klorofom : etanol (4:11:5). Selanjutnya

campuran ditambahkan kristal KI, air bebas CO2, kemudian campuran

ditambahkan larutan kanji sebagai indikator selanjutnya dititrasi dengan

Na2S2O3 0,2N hingga warna ungu hilang

2. Analisis bilangan asam / Derajat Asam (SNI 01-2891-1992)

Sebanyak 2 – 5 gram contoh ditimbang dan kemudian dimasukkan

ke dalam erlenmeyer 250 ml, kemudian ditambahkan dengan 50 ml etanol

95% netral. Larutan dikocok lalu ditambahkan 3 – 5 tetes indikator PP dan

dititer dengan larutan standar NaOH 0,1 N hingga warna merah muda

tetap (tidak berubah selama 15 detik). Lakukan pekerjaan untuk blanko.

Perhitungan:

Bilangan Asam = V x T x 56,1


M
33

Derajat Asam = 100 x V x T


m

Keterangan:

V = Volume NaOH yang diperlukan dalam peniteran (ml)

T = normalitas NaOH

m = bobot contoh

M = bobot molekul asam lemak

3. Analisis bilangan Penyabunan (SNI 01-2891-1992)

Sebanyak dua gram contoh ditimbang dan dimasukkan ke dalam

labu erlenmeyer 250 ml. Kemudian ditambahkan 25 ml KOH alkohol 0,5 N

dengan menggunakan pipet dan beberapa butir baut didih. Erlenmeyer

yang berisi larutan dihubungkan dengan pendingin tegak dan dididihkan di

atas penangas air atau penangas listrik selama satu jam. Lalu

ditambahkan 0,5 – 1 ml fenolftalein ke dalam larutan tersebut dan dititer

dengan HCl 0,5 N sampai warna indikator berubah menjadi tidak

berwarna. Lakukan juga untuk blanko.Perhitungan:

Bilangan Penyabunan = 56,1 x T x (V0 – V1)


m

Keterangan:

V0 = volume HCl 0,5 N yang diperlukan pada peniteran blanko (ml)

V1 = volume HCl 0,5 N yang diperlukan pada peniteran contoh (ml)

M = bobot contoh (gram)


34

H. Analisis daya simpan

Penelitian ini diawali dengan penimbangan sampel sebanyak 15g

dan dimasukan ke dalam vial yang ditutup dengan aluminium foil. Sampel

disimpan dalam suhu refrigerator (8oC) dan suhu ruang (27oC) selama

perlakuan (15, 30 dan 45 hari)( Montesqrit dan Ovianti. R, 2016).

I. Analisa Data

Penelitian ini menggunakan uji t yaitu uji perbandingan kadar

ketengikan minyak ikan dari perut ikan bandeng (Jeroan) dengan waktu

penyimpanan yang berbeda yaitu penyimpanan 0 sampai 15 hari dengan

perlakuan suhu yang berbeda yaitu 8oC dan 27oC


35

BAB IV

HASIL DAN PEMBAHASAN

A. Rendemen

Hasil pengukuran rendemen ikan bandeng yang meliputi ukuran

panjang total, berat total dan berat jeroan dapat dilihat pada tabel 4.1

Rata-rata berat total ikan bandeng yang diperoleh yaitu 249,77 g per

ekor dan rata-rata panjang total ikan bandeng yang diperoleh yaitu

30,33 cm per ekor. Welfrido et al (2007) dalam Hafiludin (2015)

menjelaskan bahwa habitat, umur dan cara budidaya ikan bandeng

berpengaruh terhadap hasil akhir (bobot) ikan bandeng yang akhirnya

juga berpengaruh juga pada persentase rendemennya.

Tabel 4.1 Ukuran panjang dan berat ikan bandeng

No. Parameter Bobot ikan bandeng (per Rata-rata


ekor)

A B C
1. Panjang total (cm) 30,25 30,50 30,25 30,33

2. Berat total (g) 249,70 249,90 249,70 249,77

3. Berat jeroan (g) 19,98 20,00 19,98 19,99

Panjang total ikan bandeng B yaitu 30,50 cm dan lebih panjang

jika dibandingkan dengan panjang total ikan bandeng A dan ikan

bandeng C yang memiliki panjang total yang sama yaitu 30,25 cm.

Berat total ikan bandeng B adalah 249,90 g dan lebih berat jika

dibandingkan dengan berat total ikan bandeng A dan ikan bandeng C

yang memiliki berat yang sama yaitu 249,70 g. Berat jeroan ikan
36

bandeng A yaitu 19,98 g, berat jeroan ikan bandeng B yaitu 20,00 g,

berat jeroan ikan bandeng C sama besarnya dengan berat jeroan ikan

bandeng A yaitu 19,98 g. Rata-rata berat jeroan ikan bandeng yaitu

19,99 g per ekor.

Berat jeroan (isi perut) ikan bandeng yaitu 8% dari berat total ikan

bandeng. (Hafiludin, 2015).

B. Uji bilangan peroksida minyak ikan dari perut ikan bandeng


(jeroan)
Hasil penelitian yang diperoleh menunjukkan bilangan peroksida

minyak ikan dari perut ikan bandeng (jeroan) lebih tinggi pada

pengujian hari ke 15 dengan suhu 27 ◦c dari pengujian hari 1 dengan

suhu yang sama dan sedikit lebih tinggi pada pengujian hari ke 15

dengan perlakuan suhu yang berbeda yaitu 8 ◦c dari pengujian hari 1

dengan suhu 27◦c dan lebih rendah dari pengujian hari 15 dengan suhu

27◦c. Perbedaan bilangan peroksida pada minyak ikan dari perut ikan

bandeng (jeroan) dapat dilihat pada tabel di bawah ini.

Tabel 4.2 Analisis bilangan peroksida pada minyak ikan dari perut ikan
bandeng (jeroan).
BILANGAN PEROKSIDA (mg ekv
KODE O2/kg) RATA-
NO
CONTOH ULANGA ULANGA ULANGAN RATA
NI N II III
1 A0T0 1,5 1,46 1,51 1,49
2 A15T27 2,96 2,93 3,01 2,97
3 A15T8 1,53 1,53 1,51 1,52
37

Pengujian bilangan peroksida sangat penting untuk menentukan

kualitas minyak yang dihasilkan, nilai peroksida digunakan sebagai

ukuran sejauh mana reaksi ketengikan telah terjadi. Semakin rendah

bilangan peroksida pada minyak berarti semakin bagus kualitas minyak

tersebut. Hal ini diungkapkan oleh Panagan et al (2011) dalam Aditya. P.

R et al (2014) , bahwa semakin kecil bilangan peroksida berarti kualitas

minyak semakin baik.

Bilangan peroksida pada minyak ikan dari perut ikan bandeng

(jeroan) hari pertama (A0T0) dengan suhu 27 ◦c pada ulangan I yaitu 1,5

mg ekv O2/kg, ulangan II yaitu 1,46 mg ekv O2/kg, ulangan III yaitu 1,51

mg ekv O2/kg, dan rata rata-ratanya 1,49 mg ekv O2/kg. Bilangan

peroksida pada minyak ikan dari perut ikan bandeng (jeroan) hari ke 15

(A15T27) dengan suhu 27◦c pada ulangan I yaitu 2,96 mg ekv O2/kg,

ulangan II yaitu 2,93 mg ekv O2/kg, ulangan III yaitu 3,01 mg ekv O2/kg,

dan rata-ratanya yaitu 2,97 mg ekv O2/kg. Bilangan peroksida pada

minyak ikan bandeng dari perut ikan bandeng (jeroan) hari ke 15

(A15T8) dengan suhu 8◦c pada ulangan I yaitu 1,53 mg ekv O2/kg,

ulangan II yaitu 1,53 mg ekv O2/kg, ulangan III yaitu 1,51 mg ekv O2/kg,

dan rata-rata 1,52 mg ekv O2/kg.

Terjadinya bilangan peroksida dalam minyak ikan kasar diakibatkan

oleh panas pada proses ekstraksi, hal tersebut terjadi karena pemutusan

ikatan rangkap pada asam lemak tak jenuh. Hal ini sesuai dengan

pernyataan yang diungkapkan oleh Edwar et al (2011) dalam Aditya. P.


38

R et al (2014), minyak mengalami peningkatan bilangan peroksida

karena terputusnya ikatan rangkap akibat suhu pemanasan. Serta

menurut Montesqrit dan Ovianti. R (2013) semakin tinggi suhu dan lama

penyimpanan maka semakin tinggi bilangan peroksida. Untuk mengukur

tingkat ketengikan pada minyak ikan dari perut ikan bandeng (jeroan)

dengan pengaruh lama penyimpanan dengan suhu yang berbeda maka

parameter bilangan peroksidanya yaitu angka tertinggi dan terendah dari

hasil uji.

Penelitian ini diperoleh angka tertinggi bilangan peroksida ekstrak

minyak ikan dari perut ikan bandeng (jeroan) yaitu pada pengujian hari

ke 15 dengan suhu 27◦c ulangan III dengan hasil 3,01 mg ekv O2/kg

sedangkan angka terendah bilangan peroksida ekstrak minyak ikan dari

perut ikan bandeng (jeroan) yaitu pada pengujian hari ke 15 dengan

suhu 8◦c ulangan III dengan hasil 1,51 mg ekv O2/kg hal ini menunjukkan

bahwa semakin lama penyimpanan serta semakin tinggi perlakuan suhu

yang diberikan maka semakin tinggi pula angka peroksida yang di

hasilkan akan tetapi meskipun semakin lama penyimpanan yang

dilakukan dengan perlakuan suhu yang rendah maka akan mengurangi

bilangan peroksida pada minyak ikan dari perut ikan bandeng (jeroan)

menurut Montesqrit dan Ovianti. R (2013) semakin tinggi bilangan

peroksida pada minyak ikan maka semakin tinggi pula tingkat oksidasi

atau ketengikan pada minyak ikan sebaliknya semakin rendah bilangan


39

peroksida pada minyak ikan maka semakin rendah pula tingkat oksidasi

atau ketengikan pada minyak ikan.

Perbandingan nyata bilangan peroksida pada minyak ikan dari

perut ikan bandeng (jeroan) dengan lama penyimpanan dan suhu yang

berbeda dapat dilihat pada tabel 4.3 dan gambar 4.1 berikut.

Tabel 4.3 Perbandingan bilangan peroksida pada minyak ikan dari perut
ikan bandeng (jeroan) dengan lama penyimpanan dan suhu
yang berbeda
Kelompok N Mean Std p-value Perbedaan rata-
rata (IK 95%)
Peroksida 3 2,9667 0,4041 0,046 1,44333
hari = 15
suhu = 27◦c (1,5233-2,9667)
Peroksida 3 1,5233 0,1155 0,046 1,44333
hari = 15
suhu = 8◦c (1,5233-2,9667)
Dianalisis menggunakan SPSS Mann Whitney test (p<0,05) Significant

Gambar 4.1 Perbandingan bilangan peroksida pada minyak ikan dari


perut ikan bandeng (jeroan) dengan lama penyimpanan
dan suhu yang berbeda

Pada tabel 4.3 menunjukkan bahwa bilangan peroksida pada

minyak ikan dari perut ikan bandeng (jeroan) dengan lama penyimpanan

dan suhu yang berbeda yaitu bilangan peroksida pada hari ke 15 dengan
40

suhu 27◦c lebih besar yaitu 2,9667 (0,4041) dibandingkan rata-rata

bilangan peroksida pada hari ke 15 dengan suhu 8 ◦c yaitu 1,5233

(0,1155) dengan selisih 1,44333. Berdasarkan nilai P sebesar 0,046

(P<0,05) yang berarti nilai P signifikan sehingga dapat disimpulkan

bahwa terdapat perbedaaan bermakna antara rata-rata bilangan

peroksida pada minyak ikan dari perut ikan bandeng pada pengujian hari

ke 15 dengan suhu 27◦c dengan pengujian hari ke 15 dengan suhu 8◦c.

C. Uji bilangan penyabunan pada minyak ikan dari perut ikan


bandeng (jeroan)
Hasil penelitian yang diperoleh menunjukkan bilangan penyabunan

minyak ikan dari perut ikan bandeng (jeroan) lebih tinggi pada pengujian

hari ke 15 dengan suhu 27 ◦c dari pengujian hari 1 dengan suhu yang

sama dan sedikit lebih tinggi pada pengujian hari ke 15 dengan

perlakuan suhu yang berbeda yaitu 8 ◦c dari pengujian hari 1 dengan

suhu 27◦c dan lebih rendah dari pengujian hari 15 dengan suhu 27 ◦c.

Perbedaan bilangan penyabunan pada minyak ikan dari perut ikan

bandeng (jeroan) dapat dilihat pada tabel di bawah ini.

Tabel 4.4 Analisis bilangan penyabunan pada minyak ikan dari perut
ikan bandeng (jeroan).
BILANGAN PENYABUNAN (mg KOH/g)
KODE RATA-
NO ULANGAN ULANGAN ULANGAN
CONTOH RATA
I II III
1 A0T0 78,3 82,39 83,43 81,37
2 A15T27 84 83,58 84,03 83,87
3 A15T8 83,24 83,1 81,5 82,61
41

Bilangan penyabunan yang dihasilkan dari ekstrak minyak ikan dari

perut ikan bandeng (jeroan) hari pertama (A0T0) dengan suhu 27◦c

ulangan I yaitu 78,3 mg KOH/g, ulangan II yaitu 82,39 mg KOH/g,

ulangan III yaitu 83,43 mg KOH/g, dan rata-ratanya adalah 81,37 mg

KOH/g. Bilangan penyabunan yang dihasilkan dari ekstrak minyak ikan

dari perut ikan bandeng (jeroan) hari ke 15 (A15T27) dengan suhu yang

sama pada hari pertama 27◦c ulangan I yaitu 84 mg KOH/g, ulangan II

yaitu 83,58 mg KOH/g, ulangan III yaitu 84,03 mg KOH/g, dan rata-

ratanya adalah 83,87 mg KOH/g. Bilangan penyabunan yang dihasilkan

dari ekstrak minyak ikan dari perut ikan bandeng (jeroan) hari ke 15

(A15T8) dengan suhu yang berbeda yaitu 8 ◦c ulangan I 83,24 mg KOH/g,

ulangan II yaitu 83,1 mg KOH/g, ulangan III yaitu 81,5 mg KOH/g, dan

rata-ratanya adalah 82,61 mg KOH/g. Angka penyabunan pada minyak

ikan dari perut ikan bandeng (jeroan) lebih tinggi pada pengujian hari ke

15 dengan suhu 27◦c ulangan III yaitu 84,03 mg KOH/g dan lebih rendah

pada pengujian hari ke 15 dengan suhu yang berbeda yaitu 8 ◦c ulangan

III yaitu 81,5 mg KOH/g. Penentuan bilangan penyabunan ini dapat

dipergunakan untuk mengetahui sifat minyak dan lemak. Pengujian sifat

ini dipergunakan untuk membedakan lemak yang satu dengan yang

lainnya. Selain untuk mengetahui sifat fisik lemak atau minyak, angka

penyabunan juga dapat dipergunakan untuk menentukan berat molekul

minyak dan lemak secara kasar. (Rondang, T. 2006). Besar kecilnya

bilangan penyabunan ini tergantung pada panjang atau pendeknya rantai


42

karbon asam lemak atau dikatakan juga bahwa besarnya bilangan

penyabunan tergantung pada berat molekul lemak tersebut. Makin kecil

berat molekul lemak ,makin besar bilangan penyabunan(Ketaren, 1986).

Perbandingan nyata bilangan penyabunan pada minyak ikan dari

perut ikan bandeng (jeroan) dengan lama penyimpanan dan suhu yang

berbeda dapat dilihat pada tabel 4.5 dan gambar 4.2 berikut.

Tabel 4.5 Perbandingan bilangan penyabunan pada minyak ikan dari


perut ikan bandeng (jeroan) dengan lama penyimpanan dan
suhu yang berbeda
Penyabunan N Mean Std p-value Perbedaan rata-
rata (IK 95%)
hari = 15 3 83,8700 0,25159 0,50 1,25667
suhu = 27◦c
(82,6133-83,8700)
hari = 15 3 82,6133 0,96671 0,50 1,25667
suhu = 8◦c
(82,6133-83,8700)
Dianalisis menggunakan SPSS Mann Whitney test (p<0,05) Significant

Gambar 4.2 Perbandingan bilangan penyabunan pada minyak ikan dari


perut ikan bandeng (jeroan) dengan lama penyimpanan
dan suhu yang berbeda

Pada tabel 4.5 memperlihatkan bahwa bilangan penyabunan

minyak ikan dari perut ikan bandeng (jeroan) dengan lama penyimpanan
43

dan suhu yang berbeda yaitu bilangan penyabunan pada hari ke 15

dengan suhu 27◦c lebih tinggi yaitu 83,87 (0,2516) dibandingkan rata-rata

bilangan penyabunan pada hari ke 15 dengan suhu 8 ◦c yaitu 82,61

(0,9667) dengan selisih 1,25667. Berdasarkan nilai P sebesar 0,049

(P<0,05) yang berarti nilai P signifikan sehingga dapat disimpulkan

bahwa terdapat perbedaaan bermakna antara rata-rata bilangan

penyabunan pada minyak ikan dari perut ikan bandeng pada pengujian

hari ke 15 dengan suhu 27◦c dengan pengujian hari ke 15 dengan suhu

8◦c.

Bilangan penyabunan dinyatakan sebagai banyaknya (mg) KOH

yang dibutuhkan untuk menyabunkan satu gram minyak atau lemak,

alkohol yang ada dalam KOH berfungsi untuk melarutkan asam lemak

hasil hidrolisa dan mempermudah reaksi dengan basa sehingga

terbentuk sabun (Ketaren, 1986). Sehingga semakin besar angka

penyabunan maka asam lemak akan semakin kecil dan kualitas minyak

akan semakin bagus, sebaliknya jika angka penyabunan kecil maka

asam lemak besar dan kualitas menurun.

D. Uji bilangan asam pada minyak ikan dari perut ikan bandeng
(jeroan)
Bilangan asam merupakan salah satu parameter standar biodiesel

yang menunjukkan jumlah miligram KOH yang digunakan untuk

menetralkan ALB dalam minyak/lemak (Ketaren 2008). Menurut Ketaren

(2005) Angka asam terbentuk karena adanya reaksi hidrolisis, air dan
44

uap air akan menghidrolisis trigliserida pada suhu tinggi sehingga

menghasilkan monogliserida, digliserida, gliserol dan asam lemak bebas.

Hasil penelitian yang diperoleh menunjukkan bilangan asam

minyak ikan dari perut ikan bandeng (jeroan) lebih tinggi pada pengujian

hari ke 15 dengan suhu 27 ◦c dari pengujian hari 1 dengan suhu yang

sama dan sedikit lebih tinggi pada pengujian hari ke 15 dengan

perlakuan suhu yang berbeda yaitu 8 ◦c dari pengujian hari 1 dengan

suhu 27◦c dan lebih rendah dari pengujian hari 15 dengan suhu 27 ◦c.

Perbedaan bilangan asam pada minyak ikan dari perut ikan bandeng

(jeroan) dapat dilihat pada tabel di bawah ini.

Tabel 4.6 Analisis bilangan asam pada minyak ikan dari perut ikan
bandeng (jeroan).
BILANGAN ASAM (mg KOH/g)
KODE
NO ULANGAN ULANGAN ULANGAN RATA-RATA
CONTOH
I II III
1 A0T0 1,27 1,42 1,27 1,32
2 A15T27 1,81 1,96 1,97 1,91
3 A15T8 1,7 1,73 1,75 1,73

Bilangan asam yang dihasilkan dari ekstrak minyak ikan dari perut

ikan bandeng (jeroan) hari pertama (A0T0) dengan suhu 27◦c ulangan I

yaitu 1,27 mg KOH/g , ulangan II yaitu 1,42 mg KOH/g, ulangan III yaitu

1,27 mg KOH/g, dan rata-ratanya adalah 1,32 mg KOH/g. Bilangan asam

yang dihasilkan dari ekstrak minyak ikan dari perut ikan bandeng (jeroan)

hari ke 15 (A15T27) dengan suhu yang sama pada hari pertama 27 ◦c

ulangan I yaitu 1,81 mg KOH/g, ulangan II yaitu 1,96 mg KOH/g, ulangan


45

III yaitu 1,97 mg KOH/g, dan rata-ratanya adalah 1,91 mg KOH/g.

Bilangan asam yang dihasilkan dari ekstrak minyak ikan dari perut ikan

bandeng (jeroan) hari ke 15 (A15T8) dengan suhu yang berbeda yaitu 8 ◦c

ulangan I 1,7 mg KOH/g, ulangan II yaitu 1,73 mg KOH/g, ulangan III

yaitu 1,75 mg KOH/g, dan rata-ratanya adalah 1,73 mg KOH/g. Angka

bilangan asam pada minyak ikan dari perut ikan bandeng (jeroan) lebih

tinggi pada pengujian hari ke 15 dengan suhu 27 ◦c ulangan III yaitu 1,97

mg KOH/g dan lebih rendah pada pengujian hari ke 15 dengan suhu

yang berbeda yaitu 8◦c ulangan I yaitu 1,7 mg KOH/g. Pengaruh lamanya

penyimpanan juga dapat mempengaruhi kadar bilangan asam pada

produk lemak dan minyak. Bila lemak dan minyak disimpan terlalu lama

maka kemungkinan terjadi reaksi oksidasi semakin besar yang

diakibatkan karena kontak dengan cahaya (Indah Purwaningsih 2015).

Perbandingan nyata bilangan asam pada minyak ikan dari perut

ikan bandeng (jeroan) dengan lama penyimpanan dan suhu yang

berbeda dapat dilihat pada tabel 4.7 dan gambar 4.3 berikut.

Tabel 4.7 Perbandingan bilangan penyabunan pada minyak ikan dari


perut ikan bandeng (jeroan) dengan lama penyimpanan dan
suhu yang berbeda
Penyabunan N Mean Std p-value Perbedaan rata-
rata (IK 95%)
hari = 15 3 1,9133 0,8963 0,50 0,18667
suhu = 27◦c
(1,7267-1,9133)
hari = 15 3 1,7267 0,2517 0,50 0,18667
suhu = 8◦c
(1,7267-1,9133)
Dianalisis menggunakan SPSS Mann Whitney test (p<0,05) Significant
46

Gambar 4.3 Perbandingan bilangan asam pada minyak ikan dari perut
ikan bandeng (jeroan) dengan lama penyimpanan dan suhu
yang berbeda
Pada tabel 4.7 memperlihatkan bahwa bilangan asam minyak ikan

dari perut ikan bandeng (jeroan) dengan lama penyimpanan dan suhu

yang berbeda yaitu bilangan asam pada hari ke 15 dengan suhu 27 ◦c

lebih tinggi yaitu 1,91 (0,8963) dibandingkan rata-rata bilangan asam

pada hari ke 15 dengan suhu 8 ◦c yaitu 1,73 (0,2517) dengan selisih

0,18667. Berdasarkan nilai P sebesar 0,050 (P<0,05) yang berarti nilai P

signifikan sehingga dapat disimpulkan bahwa terdapat perbedaaan

bermakna antara rata-rata bilangan asam pada minyak ikan dari perut

ikan bandeng pada pengujian hari ke 15 dengan suhu 27 ◦c dengan

pengujian hari ke 15 dengan suhu 8 ◦c.


47

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

1. Limbah jeroan (isi perut) ikan bandeng memiliki rendemen

sebanyak 19,99 g per ekor ikan bandeng.

2. Dari hasil penelitian ekstraksi minyak ikan dari perut ikan bandeng

(jeroan) menunjukkan adanya perubahan kadar ketengikan

(peroksida,bilangan penyabunan,bilangan asam) dengan

perlakuan lama penyimpanan dan suhu yang berbeda di setiap

pengujian. Bilangan peroksida lebih besar pada penyimpanan 15

hari dengan suhu 27◦c 2,97 mg ekv O2/kg dibandingkan rata rata

bilangan peroksida pada penyimpanan 15 hari dengan suhu 8 ◦c

1,52 mg ekv O2/kg atau dengan selisih 1,44%. Bilangan

penyabunan lebih besar pada penyimpanan 15 hari dengan suhu

27◦c yaitu 83,87 mg KOH/g dibandingkan rata rata bilangan

penyabunan pada penyimpanan 15 hari dengan suhu 8 ◦c yaitu

82,61 mg KOH/g atau dengan selisih 1,25%. Bilangan asam lebih

besar pada penyimpanan 15 hari dengan suhu 27 ◦c yaitu 1,91 mg

KOH/g dibandingkan rata rata bilangan asam pada penyimpanan


48

15 hari dengan suhu 8◦c yaitu 1,73 mg KOH/g atau dengan selisih

0,18%.

B. Saran

Disarankan untuk meningkatkan kualitas pengolahan terhadap

sumber daya perikanan khususnya pada ikan bandeng agar mutu

hasil olahan ikan bandeng seperti minyak ikan dan hasil olahan

lainnya dapat terjaga mutunya dan aman untuk dikonsumsi.


49

EXAMINE VARIABLES=y BY x
  /PLOT BOXPLOT STEMLEAF NPPLOT
  /COMPARE GROUP
  /STATISTICS DESCRIPTIVES
  /CINTERVAL 95
  /MISSING LISTWISE

  /NOTOTAL.

ONEWAY y BY x
  /STATISTICS DESCRIPTIVES HOMOGENEITY
  /MISSING ANALYSIS

  /POSTHOC=TUKEY ALPHA(0.05).

T-TEST GROUPS=x(1 2)
  /MISSING=ANALYSIS
  /VARIABLES=y

  /CRITERIA=CI(.9500).

T-TEST GROUPS=x(1 3)
  /MISSING=ANALYSIS
  /VARIABLES=y

  /CRITERIA=CI(.9500).

FREQUENCIES VARIABLES=x
  /BARCHART FREQ

  /ORDER=ANALYSIS.

FREQUENCIES VARIABLES=x y
  /BARCHART FREQ

  /ORDER=ANALYSIS.

FREQUENCIES VARIABLES=x
  /BARCHART FREQ

  /ORDER=ANALYSIS.

FREQUENCIES VARIABLES=y
  /BARCHART FREQ

  /ORDER=ANALYSIS.

FREQUENCIES VARIABLES=y
  /BARCHART PERCENT

  /ORDER=ANALYSIS.

FREQUENCIES VARIABLES=y
  /BARCHART PERCENT

  /ORDER=ANALYSIS.

SAVE OUTFILE='C:\Users\ACER\Documents\bilangan peroksida.sav'
50

  /COMPRESSED.

Frequencies

Notes

Output Created 14-Jun-2020 17:33:16

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=y


/BARCHART PERCENT
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.344

Elapsed Time 00:00:00.250

[DataSet0] 

Statistics

bilangan peroksida

N Valid 9

Missing 0
51

bilangan peroksida

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.46 1 11.1 11.1 11.1

1.5 1 11.1 11.1 22.2

1.51 2 22.2 22.2 44.4

1.53 2 22.2 22.2 66.7

2.93 1 11.1 11.1 77.8

2.96 1 11.1 11.1 88.9

3.01 1 11.1 11.1 100.0

Total 9 100.0 100.0


52

Frequencies

Notes

Output Created 14-Jun-2020 17:31:17

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=y


/BARCHART PERCENT
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.234

Elapsed Time 00:00:00.235

[DataSet0] 

Statistics

bilangan peroksida

N Valid 9

Missing 0
53

bilangan peroksida

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.46 1 11.1 11.1 11.1

1.5 1 11.1 11.1 22.2

1.51 2 22.2 22.2 44.4

1.53 2 22.2 22.2 66.7

2.93 1 11.1 11.1 77.8

2.96 1 11.1 11.1 88.9

3.01 1 11.1 11.1 100.0

Total 9 100.0 100.0


54

Frequencies

Notes

Output Created 14-Jun-2020 17:29:19

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=y


/BARCHART FREQ
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.234

Elapsed Time 00:00:00.234

[DataSet0] 

Statistics

bilangan peroksida

N Valid 9

Missing 0
55

bilangan peroksida

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.46 1 11.1 11.1 11.1

1.5 1 11.1 11.1 22.2

1.51 2 22.2 22.2 44.4

1.53 2 22.2 22.2 66.7

2.93 1 11.1 11.1 77.8

2.96 1 11.1 11.1 88.9

3.01 1 11.1 11.1 100.0

Total 9 100.0 100.0


56

Frequencies

Notes

Output Created 14-Jun-2020 17:21:40

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=x


/BARCHART FREQ
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.250

Elapsed Time 00:00:00.250

[DataSet0] 

Statistics

hari

N Valid 9

Missing 0
57

hari

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.49 = bilangan peroksida


3 33.3 33.3 33.3
rendah

2.97 = bilangan peroksida tinggi 3 33.3 33.3 66.7

1.52 = bilangan peroksida


3 33.3 33.3 100.0
sedang

Total 9 100.0 100.0

Frequencies
58

Notes

Output Created 14-Jun-2020 17:15:35

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=x y


/BARCHART FREQ
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.579

Elapsed Time 00:00:00.510

[DataSet0] 

Statistics

hari bilangan peroksida

N Valid 9 9

Missing 0 0

Bar Chart
59
60

Frequency Table

hari

Cumulative
Frequency Percent Valid Percent Percent

Valid 0 hari 3 33.3 33.3 33.3

5 hari 3 33.3 33.3 66.7

15 hari 3 33.3 33.3 100.0

Total 9 100.0 100.0


61

bilangan peroksida

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.46 1 11.1 11.1 11.1

1.5 1 11.1 11.1 22.2

1.51 2 22.2 22.2 44.4

1.53 2 22.2 22.2 66.7

2.93 1 11.1 11.1 77.8

2.96 1 11.1 11.1 88.9

3.01 1 11.1 11.1 100.0

Total 9 100.0 100.0

Frequencies

Notes

Output Created 14-Jun-2020 17:14:14

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid


data.

Syntax FREQUENCIES VARIABLES=x


/BARCHART FREQ
/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.266


62

Elapsed Time 00:00:00.280

[DataSet0] 

Statistics

hari

N Valid 9

Missing 0

hari

Cumulative
Frequency Percent Valid Percent Percent

Valid 0 hari 3 33.3 33.3 33.3

5 hari 3 33.3 33.3 66.7

15 hari 3 33.3 33.3 100.0

Total 9 100.0 100.0


63

T-Test

Notes

Output Created 14-Jun-2020 16:39:31

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9


64

Missing Value Handling Definition of Missing User defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on the


cases with no missing or out-of-range data
for any variable in the analysis.

Syntax T-TEST GROUPS=x(1 3)


/MISSING=ANALYSIS
/VARIABLES=y
/CRITERIA=CI(.9500).

Resources Processor Time 00:00:00.000

Elapsed Time 00:00:00.016

[DataSet0] 

Group Statistics

hari N Mean Std. Deviation Std. Error Mean

bilangan peroksida 0 hari 3 1.4900 .02646 .01528

15 hari 3 1.5233 .01155 .00667

Independent Sample

Levene's Test for Equality of Variances

F Sig. t df

bilangan peroksida Equal variances assumed 3.226 .147 -2.000

Equal variances not assumed -2.000

T-Test

Notes
65

Output Created 14-Jun-2020 16:37:55

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on the


cases with no missing or out-of-range data
for any variable in the analysis.

Syntax T-TEST GROUPS=x(1 2)


/MISSING=ANALYSIS
/VARIABLES=y
/CRITERIA=CI(.9500).

Resources Processor Time 00:00:00.000

Elapsed Time 00:00:00.015

[DataSet0] 

Group Statistics

hari N Mean Std. Deviation Std. Error Mean

bilangan peroksida 0 hari 3 1.4900 .02646 .01528

5 hari 3 2.9667 .04041 .02333


66

Independent Sample

Levene's Test for Equality of Variances

F Sig. t df

bilangan peroksida Equal variances assumed .492 .522 -52.949

Equal variances not assumed -52.949

Oneway

Notes

Output Created 14-Jun-2020 16:10:22

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on


cases with no missing data for any variable
in the analysis.

Syntax ONEWAY y BY x
/STATISTICS DESCRIPTIVES
HOMOGENEITY
/MISSING ANALYSIS
/POSTHOC=TUKEY ALPHA(0.05).

Resources Processor Time 00:00:00.047

Elapsed Time 00:00:00.046


67

[DataSet0] 

Descriptives

bilangan peroksida

95% Confidence Interval for Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound Mini

0 hari 3 1.4900 .02646 .01528 1.4243 1.5557

5 hari 3 2.9667 .04041 .02333 2.8663 3.0671

15 hari 3 1.5233 .01155 .00667 1.4946 1.5520

Total 9 1.9933 .73056 .24352 1.4318 2.5549

Test of Homogeneity of Variances

bilangan peroksida

Levene Statistic df1 df2 Sig.

1.821 2 6 .241

ANOVA

bilangan peroksida

Sum of Squares df Mean Square F Sig.

Between Groups 4.265 2 2.132 2.594E3 .000

Within Groups .005 6 .001

Total 4.270 8

Post Hoc Tests
68

Multiple Comparisons

bilangan peroksida
Tukey HSD

95% Confidence Interval


Mean Difference
(I) hari (J) hari (I-J) Std. Error Sig. Lower Bound Upper Bound

0 hari 5 hari -1.47667* .02341 .000 -1.5485 -1.4048

15 hari -.03333 .02341 .388 -.1052 .0385

5 hari 0 hari 1.47667* .02341 .000 1.4048 1.5485

15 hari 1.44333* .02341 .000 1.3715 1.5152

15 hari 0 hari .03333 .02341 .388 -.0385 .1052

5 hari -1.44333* .02341 .000 -1.5152 -1.3715

*. The mean difference is significant at the 0.05 level.

Homogeneous Subsets

bilangan peroksida

Tukey HSD

Subset for alpha = 0.05

hari N 1 2

0 hari 3 1.4900

15 hari 3 1.5233

5 hari 3 2.9667

Sig. .388 1.000

Means for groups in homogeneous subsets are


displayed.

Explore

Notes

Output Created 14-Jun-2020 16:06:05


69

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 9

Missing Value Handling Definition of Missing User-defined missing values for dependent
variables are treated as missing.

Cases Used Statistics are based on cases with no


missing values for any dependent variable
or factor used.

Syntax EXAMINE VARIABLES=y BY x


/PLOT BOXPLOT STEMLEAF NPPLOT
/COMPARE GROUP
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Resources Processor Time 00:00:01.500

Elapsed Time 00:00:01.532

[DataSet0] 

Warnings

bilangan peroksida is constant when hari = 15 hari. It will be included in any boxplots produced but
other output will be omitted.

hari
70

Case Processing Summary

Cases

Valid Missing Total

hari N Percent N Percent N Percent

bilangan peroksida 0 hari 3 100.0% 0 .0% 3 100.0%

5 hari 3 100.0% 0 .0% 3 100.0%

15 hari 2 66.7% 1 33.3% 3 100.0%

Descriptivesa

hari Statistic Std. Erro

bilangan peroksida 0 hari Mean 1.4900 .015

95% Confidence Interval for Lower Bound 1.4243


Mean
Upper Bound 1.5557

5% Trimmed Mean .

Median 1.5000

Variance .001

Std. Deviation .02646

Minimum 1.46

Maximum 1.51

Range .05

Interquartile Range .

Skewness -1.458 1.2

Kurtosis .

5 hari Mean 2.9667 .023

95% Confidence Interval for Lower Bound 2.8663


Mean
Upper Bound 3.0671

5% Trimmed Mean .

Median 2.9600

Variance .002
71

Std. Deviation .04041

Minimum 2.93

Maximum 3.01

Range .08

Interquartile Range .

Skewness .722 1.2

Kurtosis .

a. bilangan peroksida is constant when hari = 15 hari. It has been omitted.

Tests of Normalityb

Kolmogorov-Smirnova Shapiro-Wilk

hari Statistic df Sig. Statistic df Sig.

bilangan peroksida 0 hari .314 3 . .893 3 .363

5 hari .232 3 . .980 3 .726

a. Lilliefors Significance Correction

b. bilangan peroksida is constant when hari = 15 hari. It has been omitted.

bilangan peroksida
72

Detrended Normal Q-Q Plots
73
74

Normal Q-Q Plots
75
76

Stem-and-Leaf Plots
bilangan peroksida Stem-and-Leaf Plot for
x= 0 hari

 Frequency    Stem &  Leaf

     1,00       14 .  6
     2,00       15 .  01

 Stem width:       ,10
 Each leaf:       1 case(s)

bilangan peroksida Stem-and-Leaf Plot for
x= 5 hari
77

 Frequency    Stem &  Leaf

     2,00       29 .  36
     1,00       30 .  1

 Stem width:       ,10
 Each leaf:       1 case(s)

GET
  FILE='C:\Users\ACER\Documents\peroksida 1.sav'.
DATASET NAME DataSet1 WINDOW=FRONT.
NPAR TESTS
  /M-W= bilangan_penyabunan BY kelompok(1 2)

  /MISSING ANALYSIS.

DATASET CLOSE DataSet0.
T-TEST GROUPS=kelompok(1 2)
  /MISSING=ANALYSIS
  /VARIABLES=bilangan_penyabunan

  /CRITERIA=CI(.9500).

SAVE OUTFILE='C:\Users\ACER\Documents\peroksida 1.sav' /COMPRESSED.
GET
  FILE='C:\Users\ACER\Documents\peroksida 1.sav'.
DATASET NAME DataSet1 WINDOW=FRONT.
NPAR TEST
  /CHISQUARE=bilangan_penyabunan
  /EXPECTED=EQUAL

  /MISSING ANALYSIS.

NPAR TEST
  /CHISQUARE=bilangan_penyabunan kelompok
  /EXPECTED=EQUAL

  /MISSING ANALYSIS.

* Chart Builder.
GGRAPH
  /GRAPHDATASET NAME="graphdataset" VARIABLES=kelompok rata_rata MISSING=
LISTWISE REPORTMISSING=NO
  /GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
  SOURCE: s=userSource(id("graphdataset"))
  DATA: kelompok=col(source(s), name("kelompok"), unit.category())
  DATA: rata_rata=col(source(s), name("rata_rata"), unit.category())
  GUIDE: axis(dim(1), label("penyabunan"))
  GUIDE: axis(dim(2), label("rata_rata"))
  SCALE: cat(dim(1), include("1.00", "2.00"))
  ELEMENT: interval(position(kelompok*rata_rata), shape.interior(shape.sq
uare))

END GPL.

* Chart Builder.
GGRAPH
78

  /GRAPHDATASET NAME="graphdataset" VARIABLES=kelompok bilangan_asam MISS
ING=LISTWISE REPORTMISSING=NO
  /GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
  SOURCE: s=userSource(id("graphdataset"))
  DATA: kelompok=col(source(s), name("kelompok"), unit.category())
  DATA: bilangan_asam=col(source(s), name("bilangan_asam"), unit.category
())
  GUIDE: axis(dim(1), label("penyabunan"))
  GUIDE: axis(dim(2), label("bilangan_asam"))
  SCALE: cat(dim(1), include("1.00", "2.00"))
  ELEMENT: interval(position(kelompok*bilangan_asam), shape.interior(shap
e.square))

END GPL.

Notes

Output Created 25-Jun-2020 21:57:28

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6


79

Syntax GGRAPH
/GRAPHDATASET NAME="graphdataset"
VARIABLES=kelompok bilangan_asam
MISSING=LISTWISE
REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE:
s=userSource(id("graphdataset"))
DATA: kelompok=col(source(s),
name("kelompok"), unit.category())
DATA: bilangan_asam=col(source(s),
name("bilangan_asam"), unit.category())
GUIDE: axis(dim(1), label("penyabunan"))
GUIDE: axis(dim(2),
label("bilangan_asam"))
SCALE: cat(dim(1), include("1.00", "2.00"))
ELEMENT:
interval(position(kelompok*bilangan_asam),
shape.interior(shape.square))
END GPL.

Resources Processor Time 00:00:00.734

Elapsed Time 00:00:00.921

GGraph

Notes

Output Created 19-Jun-2020 20:49:30

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>


80

N of Rows in Working Data File 6

Syntax GGRAPH
/GRAPHDATASET NAME="graphdataset"
VARIABLES=kelompok rata_rata
MISSING=LISTWISE
REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE:
s=userSource(id("graphdataset"))
DATA: kelompok=col(source(s),
name("kelompok"), unit.category())
DATA: rata_rata=col(source(s),
name("rata_rata"), unit.category())
GUIDE: axis(dim(1), label("penyabunan"))
GUIDE: axis(dim(2), label("rata_rata"))
SCALE: cat(dim(1), include("1.00", "2.00"))
ELEMENT:
interval(position(kelompok*rata_rata),
shape.interior(shape.square))
END GPL.

Resources Processor Time 00:00:00.297

Elapsed Time 00:00:00.282

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav
81

Notes

Output Created 19-Jun-2020 20:44:59

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6


82

Syntax GGRAPH
/GRAPHDATASET NAME="graphdataset"
VARIABLES=kelompok rata_rata
MISSING=VARIABLEWISE
REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE:
s=userSource(id("graphdataset"))
DATA: kelompok=col(source(s),
name("kelompok"), unit.category())
DATA: rata_rata=col(source(s),
name("rata_rata"), unit.category())
GUIDE: axis(dim(1), label("penyabunan"))
GUIDE: axis(dim(2), label("rata_rata"))
SCALE: cat(dim(1), include("1.00", "2.00"),
sort.natural())
SCALE: cat(dim(2), include("1.0000",
"2.0000"), sort.natural())
ELEMENT:
interval(position(kelompok*rata_rata),
shape.interior(shape.square))
END GPL.

Resources Processor Time 00:00:00.469

Elapsed Time 00:00:00.485

Notes

Output Created 19-Jun-2020 20:31:59

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6


83

Syntax GRAPH
/BAR(SIMPLE)=COUNT BY kelompok
/PANEL ROWVAR=rata_rata
ROWOP=CROSS.

Resources Processor Time 00:00:00.516

Elapsed Time 00:00:00.641

NPar Tests

Notes

Output Created 19-Jun-2020 20:15:26

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each test are based on all


cases with valid data for the variable(s)
used in that test.

Syntax NPAR TEST


/CHISQUARE=bilangan_penyabunan
kelompok
/EXPECTED=EQUAL
/MISSING ANALYSIS.

Resources Processor Timea 00:00:00.000

Elapsed Time 00:00:00.000

Number of Cases Allowed 157286

a. Based on availability of workspace memory.


84

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Chi-Square Test

Test Statistics

bilangan_penyabu
nan penyabunan

Chi-Square .000a .000b

df 5 1

Asymp. Sig. 1.000 1.000

a. 6 cells (100,0%) have expected frequencies less


than 5. The minimum expected cell frequency is 1,0.

b. 2 cells (100,0%) have expected frequencies less


than 5. The minimum expected cell frequency is 3,0.

Frequencies

bilangan_penyabunan

Observed N Expected N Residual

81.5 1 1.0 .0

83.1 1 1.0 .0

83.24 1 1.0 .0

83.58 1 1.0 .0

84 1 1.0 .0

84.03 1 1.0 .0

Total 6
85

penyabunan

Observed N Expected N Residual

suhu=27 hari=15 3 3.0 .0

suhu=8 hari=15 3 3.0 .0

Total 6

NPar Tests

Notes

Output Created 19-Jun-2020 20:14:34

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each test are based on all


cases with valid data for the variable(s)
used in that test.

Syntax NPAR TEST


/CHISQUARE=bilangan_penyabunan
/EXPECTED=EQUAL
/MISSING ANALYSIS.

Resources Processor Timea 00:00:00.016

Elapsed Time 00:00:00.016

Number of Cases Allowed 196608

a. Based on availability of workspace memory.


86

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Chi-Square Test

Test Statistics

bilangan_penyabu
nan

Chi-Square .000a

df 5

Asymp. Sig. 1.000

a. 6 cells (100,0%) have expected


frequencies less than 5. The
minimum expected cell frequency is
1,0.

Frequencies

bilangan_penyabunan

Observed N Expected N Residual

81.5 1 1.0 .0

83.1 1 1.0 .0

83.24 1 1.0 .0

83.58 1 1.0 .0

84 1 1.0 .0

84.03 1 1.0 .0

Total 6

T-Test

Notes

Output Created 19-Jun-2020 17:50:29


87

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on the


cases with no missing or out-of-range data
for any variable in the analysis.

Syntax T-TEST GROUPS=kelompok(1 2)


/MISSING=ANALYSIS
/VARIABLES=bilangan_penyabunan
/CRITERIA=CI(.9500).

Resources Processor Time 00:00:00.000

Elapsed Time 00:00:00.000

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Group Statistics

penyabunan N Mean Std. Deviation Std. Error Mean

bilangan_penyabunan suhu=27 hari=15 3 83.8700 .25159 .14526

suhu=8 hari=15 3 82.6133 .96671 .55813


88

Independent Samp

Levene's Test for Equality of Variances

F Sig. t

bilangan_penyabunan Equal variances assumed 7.830 .049 2.179

Equal variances not assumed 2.179

NPar Tests

Notes

Output Created 19-Jun-2020 17:46:47

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each test are based on all


cases with valid data for the variable(s)
used in that test.

Syntax NPAR TESTS


/M-W= bilangan_penyabunan BY
kelompok(1 2)
/MISSING ANALYSIS.

Resources Processor Timea 00:00:00.000

Elapsed Time 00:00:00.016

Number of Cases Allowed 112347

a. Based on availability of workspace memory.


89

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Mann-Whitney Test

Ranks

penyabunan N Mean Rank Sum of Ranks

bilangan_penyabunan suhu=27 hari=15 3 5.00 15.00

suhu=8 hari=15 3 2.00 6.00

Total 6

Test Statisticsb

bilangan_penyabu
nan

Mann-Whitney U .000

Wilcoxon W 6.000

Z -1.964

Asymp. Sig. (2-tailed) .050

Exact Sig. [2*(1-tailed Sig.)] .100a

a. Not corrected for ties.

b. Grouping Variable: penyabunan

GET
  FILE='C:\Users\ACER\Documents\peroksida 1.sav'.
DATASET NAME DataSet1 WINDOW=FRONT.
NPAR TESTS
  /M-W= bilangan_asam BY kelompok(1 2)

  /MISSING ANALYSIS.

T-TEST GROUPS=kelompok(1 2)
  /MISSING=ANALYSIS
  /VARIABLES=bilangan_asam

  /CRITERIA=CI(.9500).

* Chart Builder.
GGRAPH
90

  /GRAPHDATASET NAME="graphdataset" VARIABLES=kelompok bilangan_asam MISS
ING=LISTWISE REPORTMISSING=NO
  /GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
  SOURCE: s=userSource(id("graphdataset"))
  DATA: kelompok=col(source(s), name("kelompok"), unit.category())
  DATA: bilangan_asam=col(source(s), name("bilangan_asam"), unit.category
())
  GUIDE: axis(dim(1), label("penyabunan"))
  GUIDE: axis(dim(2), label("bilangan_asam"))
  SCALE: cat(dim(1), include("1.00", "2.00"))
  ELEMENT: interval(position(kelompok*bilangan_asam), shape.interior(shap
e.square))

END GPL.

* Chart Builder.
GGRAPH
  /GRAPHDATASET NAME="graphdataset" VARIABLES=kelompok bilangan_asam MISS
ING=LISTWISE REPORTMISSING=NO
  /GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
  SOURCE: s=userSource(id("graphdataset"))
  DATA: kelompok=col(source(s), name("kelompok"), unit.category())
  DATA: bilangan_asam=col(source(s), name("bilangan_asam"), unit.category
())
  GUIDE: axis(dim(1), label("asam"))
  GUIDE: axis(dim(2), label("bilangan_asam"))
  SCALE: cat(dim(1), include("1.00", "2.00"))
  ELEMENT: interval(position(kelompok*bilangan_asam), shape.interior(shap
e.square))

END GPL.

SAVE OUTFILE='C:\Users\ACER\Documents\peroksida 1.sav' /COMPRESSED.

GGraph

Notes

Output Created 25-Jun-2020 22:01:44

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6


91

Syntax GGRAPH
/GRAPHDATASET NAME="graphdataset"
VARIABLES=kelompok bilangan_asam
MISSING=LISTWISE
REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE:
s=userSource(id("graphdataset"))
DATA: kelompok=col(source(s),
name("kelompok"), unit.category())
DATA: bilangan_asam=col(source(s),
name("bilangan_asam"), unit.category())
GUIDE: axis(dim(1), label("asam"))
GUIDE: axis(dim(2),
label("bilangan_asam"))
SCALE: cat(dim(1), include("1.00", "2.00"))
ELEMENT:
interval(position(kelompok*bilangan_asam),
shape.interior(shape.square))
END GPL.

Resources Processor Time 00:00:00.297

Elapsed Time 00:00:00.281

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav
92

Notes

Output Created 25-Jun-2020 21:58:50

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6


93

Syntax GGRAPH
/GRAPHDATASET NAME="graphdataset"
VARIABLES=kelompok bilangan_asam
MISSING=LISTWISE
REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE:
s=userSource(id("graphdataset"))
DATA: kelompok=col(source(s),
name("kelompok"), unit.category())
DATA: bilangan_asam=col(source(s),
name("bilangan_asam"), unit.category())
GUIDE: axis(dim(1), label("penyabunan"))
GUIDE: axis(dim(2),
label("bilangan_asam"))
SCALE: cat(dim(1), include("1.00", "2.00"))
ELEMENT:
interval(position(kelompok*bilangan_asam),
shape.interior(shape.square))
END GPL.

Resources Processor Time 00:00:00.375

Elapsed Time 00:00:00.313

T-Test

Notes

Output Created 25-Jun-2020 21:44:15

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>


94

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on the


cases with no missing or out-of-range data
for any variable in the analysis.

Syntax T-TEST GROUPS=kelompok(1 2)


/MISSING=ANALYSIS
/VARIABLES=bilangan_asam
/CRITERIA=CI(.9500).

Resources Processor Time 00:00:00.000

Elapsed Time 00:00:00.000

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Group Statistics

penyabunan N Mean Std. Deviation Std. Error Mean

bilangan_asam suhu=27 hari=15 3 1.9133 .08963 .05175

suhu=8 hari=15 3 1.7267 .02517 .01453

Independent Samples

Levene's Test for Equality of Variances

F Sig. t df

bilangan_asam Equal variances assumed 7.297 .054 3.473

Equal variances not assumed 3.473 2.31

NPar Tests
95

Notes

Output Created 25-Jun-2020 21:43:01

Comments

Input Data C:\Users\ACER\Documents\peroksida 1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 6

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each test are based on all


cases with valid data for the variable(s)
used in that test.

Syntax NPAR TESTS


/M-W= bilangan_asam BY kelompok(1 2)
/MISSING ANALYSIS.

Resources Processor Timea 00:00:00.000

Elapsed Time 00:00:00.014

Number of Cases Allowed 112347

a. Based on availability of workspace memory.

[DataSet1] C:\Users\ACER\Documents\peroksida 1.sav

Mann-Whitney Test

Ranks

penyabunan N Mean Rank Sum of Ranks

bilangan_asam suhu=27 hari=15 3 5.00 15.00

suhu=8 hari=15 3 2.00 6.00

Total 6
96

Test Statisticsb

bilangan_asam

Mann-Whitney U .000

Wilcoxon W 6.000

Z -1.964

Asymp. Sig. (2-tailed) .050

Exact Sig. [2*(1-tailed Sig.)] .100a

a. Not corrected for ties.

b. Grouping Variable: penyabunan

Anda mungkin juga menyukai