HASIL DAN PEMBAHASAN

Transkripsi

1 IV. HASIL DAN PEMBAHASAN A. Reflektan Near Infrared Biji Nyamplung (Calophyllum inophyllum L.) Perangkat NIRFlex Solids Petri N-500 yang digunakan dalam penelitian ini, menghasilkan data pengukuran berupa data pantulan (reflektan (R)) radiasi NIR dengan panjang gelombang nm atau cm -1 dengan interval 4 (empat) cm -1, dimana setiap spektrum gelombang terdiri dari 1500 data. Data reflektan atau pantulan sampel biji nyamplung (Calophyllum inophyllum L.) dengan hasil pengukuran NIR dan panjang gelombang nm memiliki tingkat pantulan yang berbeda-beda, hal ini ditunjukkan pada Gambar 6. Gambar 6. Kurva spektrum reflektan (R) NIR pada 70 sampel biji nyamplung Menurut Ruiz (2001) dalam Andrianyta (2006) menyatakan setiap substansi bahan atau material biologi memiliki spektrum NIR yang spesifik. Apabila diuji 2 (dua) sampel bahan yang mempunyai komposisi kimia dan komposisi fisik berbeda, maka akan terlihat perbedaan spektrum NIR yang dapat dilihat pada perbedaan puncak-puncak gelombang pada spektrum reflektan. Dari kurva diatas (Gambat 6), hampir seluruh sampel biji nyamplung menunjukkan bentuk spektrum yang sama, tetapi dengan tingkat reflektan yang berbeda-beda. Hal ini menunjukkan bahwa setiap biji nyamplung memiliki komposisi kimia, seperti kadar air, kadar lemak, bilangan asam, dan asam lemak bebas yang berbeda-beda. Menurut Mohsenin (1984), sinar yang dipancarkan dari sumber ke bahan organik, sekitar 4% akan dipantulkan kembali oleh permukaan luar (regular refraction) dan sisanya sekitar 96% akan masuk kedalam produk tersebut yang selanjutnya mengalami penyerapan (absorption), pemantulan (body reflection), penyebaran (scattering), dan penerusan cahaya (transmitten). Bahan pertanian pada umumnya tidak tembus cahaya, oleh karena itu analisis NIR cenderung menggunakan reflektan dan absorban daripada transmitan. Metode NIR mengukur besarnya parameter optik (reflektan, transmitan, atau absorban) akibat interaksi antara gelombang cahaya (photon) dengan molekul-molekul materi. Pada saat radiasi infrared mengenai sampel padat, beberapa dipantulkan (specular reflectance) dari permukaan sampel. Proporsi radiasi lainnya masuk ke sampel dan diserap (absorption) sekitar 2 mm. Radiasi yang tidak diserap diteruskan melalui sampel atau dipantulkan dari dalam sampel (diffuse reflectance) (Dryden, 2003). 24

2 Pada kurva spektrum reflektan NIR biji nyamplung diatas terlihat banyak guncangan (noise) serta kurang bagusnya bentuk dan model regresi kalibrasi yang dibangun, karena itu kurva tersebut diberikan proses urutan perlakuan data (data treatment) pada regresi kalibrasi pendugaan komposisi kimia biji nyamplung. Perlakuan data yang sesuai pada regresi kalibrasi, tergantung pada nilai koefisien determinasi (R 2 ) yang tertinggi dan standar error (SE) serta koefisien keragaman (CV) yang terendah dari data analisis yang telah diberikan perlakuan sebelumnya atau tidak diberikan perlakuan sama sekali. Perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) pada kurva reflektan NIR digunakan untuk menghaluskan kurva spektrum reflektan NIR pada panjang gelombang nm yang mengalami guncangan (noise) pada data saat pengukuran NIR dan memperkecil galat (kekeliruan) yang terjadi selama proses pengukuran NIR dan analisis kimiawi laboratorium, tanpa menghilangkan informasi spektrum yang ada (Tiaprasit dan Sangpithukwong, 2010). Perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) pada kurva spektrum reflektan NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) dapat dilihat pada Gambar 7. Gambar 7. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points). Perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky- Golay 9 points) digunakan untuk mereduksi efek basis dari adanya pertambahan proses absorban (shoulder effect) serta menghilangkan masalah basis kemiringan persamaan regresi (Tiaprasit dan Sangpithukwong, 2010). Perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) pada kurva spektrum reflektan NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) dapat dilihat pada Gambar 8. 25

3 Gambar 8. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points). Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) akan memperoleh bentuk dan model regresi kalibrasi yang optimum, layak, dan dapat dipercaya serta galat yang diperoleh pada saat pengukuran NIR dan analisis kimiawi laboratorium semakin kecil (Blanco dan Villaroya, dalam Yogaswara, 2005). Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) pada kurva spektrum reflektan NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) dapat dilihat pada Gambar 9. Gambar 9. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points). Perlakuan data normalisasi data spektra kedalam rentang 0-1 dimaksudkan untuk menghilangkan pengaruh perbedaan ukuran partikel sampel uji dan memperbesar rentang nilai reflektan. Perlakuan normalisasi diharapkan dapat mengurangi error yang terjadi selama pengambilan data spektra dan dapat memperjelas data spektra tersebut. Perlakuan normalisasi akan memperlebar nilai spektra serta memproporsionalkan nilai spektra dari dua nilai spektra dengan kandungan yang sama. (Mardison, 2010). Perlakuan data normalisasi data spektra 26

4 kedalam rentang 0-1 pada kurva spektrum reflektan NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data normalisasi data spektra kedalam rentang 0-1 dapat dilihat pada Gambar 10. Gambar 10. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data normalisasi data spektra kedalam rentang 0-1. Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points), dan normalisasi data spektra kedalam rentang 0-1 pada kurva spektrum reflektan NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky- Golay setiap 9 titik (second derivative Savitzky-Golay 9 points), dan normalisasi data spektra kedalam rentang 0-1 dapat dilihat pada Gambar 11. Gambar 11. Kurva spektrum reflektan NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky- Golay 9 points), dan normalisasi 0-1. B. Absorban Near Infrared Biji Nyamplung (Calophyllum inophyllum L.) Data reflektan tersebut secara tidak langsung digunakan untuk mengukur jumlah komposisi kimia yang diabsorbansi oleh sampel. Data absorban (penyerapan) didapatkan dengan menggunakan transformasi log (1/R) data reflektan. Transformasi ini dilakukan karena komposisi kimia suatu bahan mempunyai hubungan linier dengan data absorban NIR (Mohsenin, 1984). 27

5 Penyerapan panjang gelombang tertentu oleh kandungan komposisi kimia tertentu ditunjukkan oleh terjadinya puncak-puncak gelombang pada kurva absorban NIR, semakin besar komposisi kimia suatu bahan, maka penyerapan akan semakin besar dan juga puncak gelombang semakin tinggi. Kurva spektrum absorban (log (1/R)) pada 70 sampel biji nyamplung dapat dilihat pada Gambar 12. Gambar 12. Kurva spektrum absorban (log (1/R)) NIR pada 70 sampel biji nyamplung. Pada radiasi NIR yang dipancarkan oleh sumber radiasi berkorespondensi dengan frekuensi vibrasi dari molekul-molekul yang ada di dalam bahan akan terjadi penyerapan cahaya (photon) yang besar oleh molekul-molekul C-H, O-H, C-N, dan N-H. Radiasi NIR yang dipantulkan dari biji nyamplung dapat digunakan untuk menduga komposisi kimia seperti kadar air, kadar lemak, bilangan asam, dan asam lemak bebas. Data yang diperoleh dimasukkan dalam perhitungan kalibrasi. Jumlah dari radiasi pantulan sampel dijadikan sebagai data reflektan (R) dari biji nyamplung. Nilainya diekspresikan sebagai log (1/R) yang memberi nilai tinggi pada level tinggi absorban. Pada kurva spektrum absorban NIR biji nyamplung diatas terlihat banyak guncangan (noise) serta kurang bagusnya bentuk dan model regresi kalibrasi yang dibangun, karena itu kurva tersebut diberikan proses urutan perlakuan data (data treatment) pada regresi kalibrasi pendugaan komposisi kimia biji nyamplung. Perlakuan data yang sesuai pada regresi kalibrasi, tergantung pada nilai koefisien determinasi (R 2 ) yang tertinggi dan standar error (SE) serta koefisien keragaman (CV) yang terendah dari data analisis yang telah diberikan perlakuan sebelumnya atau tidak diberikan perlakuan sama sekali. Perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) pada kurva absorban NIR digunakan untuk menghaluskan kurva spektrum reflektan NIR pada panjang gelombang nm yang mengalami guncangan (noise) pada data saat pengukuran NIR dan memperkecil galat (kekeliruan) yang terjadi selama proses pengukuran NIR dan analisis kimiawi laboratorium, tanpa menghilangkan informasi spektrum yang ada (Tiaprasit dan Sangpithukwong, 2010). Perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) pada kurva spektrum absorban NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points) dapat dilihat pada Gambar

6 Gambar 13. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data penghalusan rataan setiap 3 titik (smooth average 3 points). Perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky- Golay 9 points) digunakan untuk mereduksi efek basis dari adanya pertambahan proses absorban (shoulder effect) serta menghilangkan masalah basis kemiringan persamaan regresi (Tiaprasit dan Sangpithukwong, 2010). Perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) pada kurva spektrum absorban NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) dapat dilihat pada Gambar 14. Gambar 14. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points). Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) akan memperoleh bentuk dan model regresi kalibrasi yang optimum, layak, dan dapat dipercaya serta galat yang diperoleh pada saat pengukuran NIR dan analisis kimiawi laboratorium semakin kecil (Blanco dan Villaroya, dalam Yogaswara, 2005). Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) pada kurva spektrum absorban NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua 29

7 Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points) dapat dilihat pada Gambar 15. Gambar 15. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points) dan derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky- Golay 9 points). Perlakuan data normalisasi data spektra kedalam rentang 0-1 dimaksudkan untuk menghilangkan pengaruh perbedaan ukuran partikel sampel uji dan memperbesar rentang nilai reflektan. Perlakuan normalisasi diharapkan dapat mengurangi error yang terjadi selama pengambilan data spektra dan dapat memperjelas data spektra tersebut. Perlakuan normalisasi akan memperlebar nilai spektra serta memproporsionalkan nilai spektra dari dua nilai spektra dengan kandungan yang sama (Mardison, 2010). Perlakuan data normalisasi data spektra kedalam rentang 0-1 pada kurva spektrum absorban NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data normalisasi data spektra kedalam rentang 0-1 dapat dilihat pada Gambar 16. Gambar 16. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data normalisasi data spektra kedalam rentang 0-1. Perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points), dan normalisasi data spektra kedalam rentang 0-1 pada kurva spektrum absorban NIR diberikan pada pendugaan kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dengan metode PCR dan PLS. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky- 30

8 Golay setiap 9 titik (second derivative Savitzky-Golay 9 points), dan normalisasi data spektra kedalam rentang 0-1 dapat dilihat pada Gambar 17. Gambar 17. Kurva spektrum absorban NIR biji nyamplung dengan perlakuan data kombinasi antara penghalusan rataan setiap 3 titik (smooth average 3 points), derivatif kedua Savitzky-Golay setiap 9 titik (second derivative Savitzky-Golay 9 points), dan normalisasi 0-1. C. Analisis Data Kimiawi Laboratorium dengan Metode Konvensional pada Komposisi Kimia Biji Nyamplung (Calophyllum inophyllum L.) Data analisis kimiawi laboratorium dari 70 sampel biji nyamplung (Calophyllum inophyllum L.) dapat dilihat pada Lampiran 1. Pada nilai maksimum dan minimum keempat komposisi kimia biji nyamplung yang dianalisis kimiawi laboratorium memiliki range yang cukup tinggi. Tabel yang disajikan dibawah ini merupakan rangkuman dari hasil analisis kimiawi laboratorium biji nyamplung secara statistik. Tabel 5. Data statistik 70 sampel biji nyamplung hasil analisis kimiawi laboratorium Komposisi Rataan StDev Minimum Maksimum Kadar Air (%) Kadar Lemak (%) Bilangan Asam (%) Asam Lemak Bebas (%) Sumber: Data pengukuran komposisi kimia biji nyamplung dengan metode konvensional (Lampiran 1) Standar deviasi atau variasi (SD) cukup dapat menyatakan banyaknya keragaman satu kumpulan data yang dianalisis. Variasi data komposisi kimia biji nyamplung sangat besar yaitu pada kadar air sebesar 7.47% dan kadar lemak 2.43%. Sedangkan nilai standar deviasi untuk bilangan asam dan asam lemak bebas, yaitu 0.69% dan 0.93%. Kadar air merupakan salah satu parameter penting dalam menentukan kualitas minyak nyamplung. Pengeringan yang tepat akan menentukan rendemen minyak yang dihasilkan. Kadar air yang tinggi memungkinkan terjadinya reaksi hidrolisis trigliserida menjadi asam lemak bebas dan gliserol. Penanganan pascapanen biji nyamplung mempengaruhi karakteristik minyak nyamplung yang dihasilkan. Setelah proses pengupasan, biji nyamplung harus melalui proses pengukusan untuk inaktivasi enzim lipase yang dapat menurunkan bilangan asam dan menghilangkan gum yang terkandung dalam buah (Murniasih, 2009). 31

9 Minyak nyamplung mempunyai kandungan asam lemak tidak jenuh yang cukup tinggi seperti asam oleat serta komponen-komponen tak tersabunkan diantaranya alkohol lemak, sterol, xanton, turunan kuomarin, kalofilat, isokalofilat, isoptalat, kapelierat, asam pseudobrasilat, dan penyusun triterpenoat sebanyak % yang dapat dimanfaatkan sebagai obat (Debaut et al., 2005). Bilangan asam menunjukkan jumlah asam lemak yang terdapat dalam minyak. Semakin tinggi kandungan asam lemak tidak jenuh dalam minyak nyamplung memungkinkan terjadinya oksidasi pada ikatan rangkap tersebut sehingga bilangan asam meningkat. Kondisi penyimpanan yang kontak langsung dengan udara dan besi juga dapat menjadi penyebab reaksi oksidasi yang menghasilkan asam lemak berantai pendek (Murniasih, 2009). D. Analisis Data Near Infrared Biji Nyamplung (Calophyllum inophyllum L.) Analisis data terhadap komposisi kimia biji nyamplung, seperti: kadar air, kadar lemak, bilangan asam, dan asam lemak bebas dilakukan dengan data reflektan (R) maupun pada data absorban (log (1/R)) menggunakan metode kalibrasi multivariatif yaitu principal component regression (PCR) dan partial least squares (PLS). Salah satu tahap analisis spektrum yang sangat penting adalah membentuk model kalibrasi melalui metode pengenalan pola untuk mengidentifikasi kemiripan dan pola utama data. Metode ini menghitung persamaan regresi berdasarkan spektrofotometri dan informasi nilai aktual yang diketahui, sehingga dapat digunakan untuk memprediksi konsentrasi sampel yang tidak diketahui. Hasil residu antara konsentrasi yang dibuat dan konsentrasi dugaan dari model dipakai sebagai parameter-parameter kebaikan model (Stchur et al., 2002 dalam Saragih, 2007). Pada proses analisis NIR tahap kalibrasi memberikan tiga hal utama analisis kimia yaitu: (1) pemisahan, (2) identifikasi, dan (3) perhitungan. Sehingga penurunan regresi kalibrasi dalam sebuah analisis NIR merupakan tahapan yang sangat penting dalam menentukan tingkat ketepatan hasil analisis. Penurunan regresi kalibrasi dalam sebuah analisis NIR merupakan tahapan yang sangat penting dalam menentukan tingkat ketepatan hasil analisis. Metode kalibrasi multivariatif pada penelitian ini adalah metode principal component regression (PCR) dan partial least square (PLS), digunakan untuk mengekstrak informasi kimia dari data yang dihasilkan dari pengukuran NIR dan memperkirakan serangkaian variabel tidak bebas dari variabel bebas yang jumlahnya sangat banyak, namun tidak membuang dan mengurangi data informasi yang berukuran besar dan berguna yang diperoleh dari instrumen pada suatu percobaan kimia. Konsep komponen utama pertama (primary principal components) mendefinisikan ruang luar pemodelan yang digunakan untuk X dalam membangun (calibration), dimana spektrum rekonstruksi tersebut berkaitan erat dengan spektrum yang tidak digunakan sehingga perbedaan spektrum tersebut dapat diterima. Komponen utama kedua (secondary principal components) berkaitan erat dengan ruang dalam pemodelan yang digunakan untuk Y dalam memprediksi (validation). Jumlah komponen utama pertama (primary PC) dalam analisis pengolahan data adalah bervariasi (maksimal 20 PC) namun dalam pengolahan data pendugaan komposisi kimia biji nyamplung digunakan 15 PC karena dengan 15 PC diasumsikan sudah dapat mewakili hampir semua informasi yang terdapat dalam spektra aslinya. Sedangkan untuk nilai komponen utama kedua (secondary PC) adalah 4 sesuai dengan jumlah parameter pendugaan komposisi kimia biji nyamplung tersebut yaitu kadar air, kadar lemak, bilangan asam, dan kadar asam lemak bebas. Data dari hasil analisis kimiawi laboratorium (kadar air, kadar lemak, bilangan asam, dan kadar asam lemak bebas) biji nyamplung dengan data reflektan dan absorban yang merupakan 32

10 hasil pengukuran spektrum NIR biji nyamplung dimasukkan kedalam kedua metode kalibrasi multivariatif tersebut dan dengan berbagai pemilihan perlakuan data, sehingga akan menghasilkan bentuk dan model regresi kalibrasi. Tahap kalibrasi dinyatakan baik jika sebuah regresi kalibrasi yang dibangun memberikan hasil dugaan yang terbaik. Hasil kalibrasi yang baik tersebut dapat dilihat dari nilai koefisien determinasi (R 2 ) yang tinggi serta nilai standar error dan koefisien keragaman yang rendah. Sebuah analisis bahan pangan dinyatakan berhasil jika memberikan nilai R 2 lebih besar sama dengan 95%. Apabila R 2 lebih besar sama dengan 80-95% maka analisis dapat dinyatakan baik sedangkan R 2 pada selang 70 80% maka analisis dapat dinyatakan cukup baik. Persyaratan lain yang juga merupakan acuan hasil kalibrasi NIR adalah standard error (SE) dan coefficient of variability (CV). Standar error didefinisikan sebagai selisih atau beda antara hasil perhitungan atau pengukuran terhadap hasil sebenarnya. Analisis dengan metode NIR membutuhkan standar error yang lebih rendah dari standar deviasi (SD) data referensi. Standar error (SE) yang diharapkan adalah mendekati nol, tetapi karena metode near infrared (NIR) lebih cepat dan bersifat non-destruktif dalam analisis, error sebesar 0.1 dalam analisis NIR dapat diterima. Jika standar error diperoleh mendekati 1 (satu) maka hasil pendugaan dinyatakan kurang baik. Besar standar error hasil analisis diharapkan sebanding dengan standar error pada analisis kimiawi laboratorium (data referensi). Selain itu standar error tergantung juga pada pendugaan komposisi kimia sampel yang digunakan. Misalkan untuk pendugaan komposisi kimia biji nyamplung seperti kadar asam lemak bebas yang nilainya diantara maka standar error yang diperoleh berkisar antara Coefficient of variability (CV) menunjukkan nilai keragaman yang merupakan hasil pembagian antara standar error terhadap nilai rata-rata data referensi (analisis kimiawi laboratorium). Koefisien keragaman (CV) dirumuskan dengan pembagian standar error (SE) terhadap nilai rataan sampel pada masing-masing tahap kalibrasi dan validasi, kemudian hasil pembagian tersebut dikali 100%. Nilai koefisien keragaman (CV) yang ideal dan dapat dikatakan memuaskan adalah berkisar antara %. Sedangkan apabila nilai koefisien keragaman berkisar antara % maka dapat dikatakan cukup baik. Nilai koefisien keragaman diatas dari 5.0% maka dapat dikatakan kurang baik. 1. Metode Principal Component Regression (PCR) Pada analisis data dengan menggunakan metode PCR ini, data yang digunakan adalah reflektan dan absorban biji nyamplung. Principal component analysis (PCA) adalah metode statistik multivariatif untuk mereduksi data dengan cara menghitung skor atau komponen dari keseluruhan variabel dimana beberapa komponen utama pertama sudah mewakili total variasi data. Dalam menggunakan metode PCR, jika seluruh komponen utama dimasukkan dalam persamaan regresi, maka akan dihasilkan model yang setara dengan diperoleh melalui metode kuadrat terkecil (Jollifc, 1986 dalam Rumahorbo, 2004). Tujuan dari metode PCR adalah untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mengekstrak) dimensinya kedalam beberapa komponen utama, namun tidak membuang informasi yang berguna. Peubah asal ditransformasi menjadi peubah baru yang disebut komponen utama, yang berciri: (1) merupakan kombinasi linier peubah-peubah asal, (2) jumlah kuadrat koefisien 33

11 dalam kombinasi linier tersebut bernilai satu, (3) tidak berkolerasi, dan (4) mempunyai ragam berurut dari yang terbesar ke yang terkecil. Menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali (principal component). a. Data reflektan biji nyamplung Data reflektan adalah data yang diperoleh dari proses pemantulan sampel biji nyamplung. Data reflektan dibangun dengan membuat hubungan komposisi kimia biji nyamplung hasil analisis kimiawi laboratorium (data referensi) terhadap nilai reflektan NIR dengan menggunakan proses regresi komponen utama (PCR). Jumlah sampel biji nyamplung yang digunakan pada penelitian ini sebanyak 70 sampel. Tahap kalibrasi memerlukan 2/3 dari keseluruhan jumlah sampel (± 45 sampel). Sedangkan 1/3 dari keseluruhan jumlah sampel (± 25 sampel) yang diteliti digunakan untuk tahap validasi. 1). Pendugaan Kadar Air Pada tahap kalibrasi pendugaan kadar air digunakan data reflektan dari 47 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi tersebut diberikan proses komponen utama pertama sebesar 15 dan komponen utama kedua sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan reflektan dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 6. Tabel 6. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%)

12 Pada regresi kalibrasi pendugaan kadar air data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah kombinasi ketiga perlakuan data tersebut yaitu, penghalusan rataan setiap 3 titik, derivatif kedua Savitzsky-Golay setiap 9 titik, dan normalisasi data spektra kedalam rentang 0-1. Nilai koefisien korelasi (R) untuk pendugaan nilai kadar air bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar air referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan kombinasi dari ketiga perlakuan data dapat dilihat pada Gambar 18. : Kalibrasi : Validasi Gambar 18. Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar air referensi hasil analisis laboratorium pada tahap kalibrasi 47 sampel dan validasi 23 sampel dengan metode PCR dan kombinasi dari ketiga perlakuan data. Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) cukup tinggi berturut-turut sebesar 5.57% dan 10.00%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan kadar air biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 23 sampel dari data reflektan NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 0.94% dan nilai koefisien keragamannya yaitu 1.68%. Dilihat dari nilai standar error yang kurang dari 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup baik. 2). Pendugaan Kadar Lemak Pada tahap kalibrasi pendugaan kadar lemak digunakan data reflektan dari 48 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi pendugaan kadar lemak tersebut 35

13 diberikan proses komponen utama pertama (PC primary) sebesar 15 dan komponen utama kedua (PC secondary) sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak berdasarkan reflektan dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 7. Tabel 7. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%) Pada regresi kalibrasi pendugaan kadar lemak data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah kombinasi ketiga perlakuan data tersebut yaitu, penghalusan rataan setiap 3 titik, derivatif kedua Savitzsky-Golay setiap 9 titik, dan normalisasi data spektra kedalam rentang 0-1. Nilai koefisien korelasi (R) untuk pendugaan nilai kadar lemak bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan kadar lemak dugaan data reflektan NIR dengan kadar lemak referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan kombinasi dari ketiga perlakuan data dapat dilihat pada Gambar

14 : Kalibrasi : Validasi Gambar 19. Grafik perbandingan kadar lemak dugaan data reflektan NIR dengan kadar lemak referensi hasil analisis laboratorium pada tahap kalibrasi 48 sampel dan validasi 22 sampel dengan metode PCR dan kombinasi dari ketiga perlakuan data. Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) cukup tinggi berturut-turut sebesar 3.53% dan 5.93%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan kadar lemak biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 22 sampel dari data reflektan NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 0.65% dan nilai koefisien keragamannya yaitu 1.09%. Dilihat dari nilai standar error yang kurang dari 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup baik. 3). Pendugaan Bilangan Asam Pada tahap kalibrasi pendugaan bilangan asam digunakan data reflektan dari 46 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi pendugaan bilangan asam tersebut diberikan proses komponen utama pertama (PC primary) sebesar 15 dan komponen utama kedua (PC secondary) sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan bilangan asam berdasarkan reflektan dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 8. 37

15 Tabel 8. Hasil analisis data tahap kalibrasi dan validasi pendugaan bilangan asam berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%) Pada regresi kalibrasi pendugaan bilangan asam data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah perlakuan data normalisasi data spektra kedalam rentang 0-1. Nilai koefisien korelasi (R) untuk pendugaan nilai bilangan asam bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan bilangan asam dugaan data reflektan NIR dengan bilangan asam referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan perlakuan data normalisasi data spektra kedalam rentang 0-1 dapat dilihat pada Gambar 20. : Kalibrasi : Validasi Gambar 20. Grafik perbandingan bilangan asam dugaan data reflektan NIR dengan bilangan asam referensi hasil analisis laboratorium pada tahap kalibrasi 46 sampel dan validasi 24 sampel dengan metode PCR dan perlakuan data normalisasi data spektra kedalam rentang

16 Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) berturut-turut sebesar 0.49% dan 1.17%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan bilangan asam biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 24 sampel dari data reflektan NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 0.07% dan nilai koefisien keragamannya yaitu 0.17%. Dilihat dari nilai standar error yang kurang dari 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan sangat memuaskan. 4). Pendugaan Kadar Asam Lemak Bebas Pada tahap kalibrasi pendugaan kadar asam lemak bebas digunakan data reflektan dari 45 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi pendugaan kadar asam lemak bebas tersebut diberikan proses komponen utama pertama (PC primary) sebesar 15 dan komponen utama kedua (PC secondary) sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar asam lemak bebas berdasarkan reflektan dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 9. Tabel 9. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar asam lemak bebas berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%)

17 Pada regresi kalibrasi pendugaan kadar asam lemak bebas data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah kombinasi ketiga perlakuan data tersebut yaitu, penghalusan rataan setiap 3 titik, derivatif kedua Savitzsky-Golay setiap 9 titik, dan normalisasi data spektra kedalam rentang 0-1. Nilai koefisien korelasi (R) untuk pendugaan nilai kadar asam lemak bebas bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan kadar asam lemak bebas dugaan data reflektan NIR dengan kadar asam lemak bebas referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan kombinasi dari ketiga perlakuan data dapat dilihat pada Gambar 21. : Kalibrasi : Validasi Gambar 21. Grafik perbandingan kadar asam lemak bebas dugaan data reflektan NIR dengan kadar asam lemak bebas referensi hasil analisis laboratorium pada tahap kalibrasi 45 sampel dan validasi 25 sampel dengan metode PCR dan kombinasi dari ketiga perlakuan data. Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) cukup tinggi berturut-turut sebesar 0.79% dan 3.50%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun cukup baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan kadar asam lemak bebas biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 25 sampel dari data reflektan NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 0.20% dan nilai koefisien keragamannya yaitu 0.88%. Dilihat dari nilai standar error yang kurang dari 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup memuaskan. 40

18 b. Data absorban biji nyamplung Selain dengan data reflektan (R), komposisi kimia biji nyamplung (kadar air, kadar lemak, bilangan asam, dan kadar asam lemak bebas) dapat juga diduga dengan data absorban yang telah ditransformasikan (log (1/R)). Sebanyak 70 sampel biji nyamplung digunakan untuk menduga komposisi kimia dengan metode NIR, dimana 2/3 dari jumlah sampel digunakan untuk proses kalibrasi dan sisa sampelnya 1/3 digunakan untuk proses validasi. Proses kalibrasi dan validasi dengan menggunakan data absorban tidak jauh berbeda dari proses kalibrasi reflektan. Persamaan regresi tahap kalibrasi untuk menduga komposisi kimia biji nyamplung berdasarkan data absorban digunakan dengan membuat hubungan komposisi kimia biji nyamplung hasil analisis kimiawi laboratorium (data referensi) terhadap nilai absorban near infrared dengan menggunakan persamaan regresi komponen utama (PCR). 1). Pendugaan Kadar Air Pada tahap kalibrasi pendugaan kadar air digunakan data absorban dari 46 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi tersebut diberikan proses komponen utama pertama sebesar 15 dan komponen utama kedua sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan absorban dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 10. Tabel 10. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar air berdasarkan absorban dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%) Pada regresi kalibrasi pendugaan kadar air data absorban dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah kombinasi dari ketiga perlakuan data tersebut. 41

19 Nilai koefisien korelasi (R) untuk pendugaan nilai kadar air bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan kadar air dugaan data absorban NIR dengan kadar air referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan kombinasi dari ketiga perlakuan data tersebut dapat dilihat pada Gambar 22. : Kalibrasi : Validasi Gambar 22. Grafik perbandingan kadar air dugaan data absorban NIR dengan kadar air referensi hasil analisis laboratorium pada tahap kalibrasi 46 sampel dan validasi 24 sampel dengan metode PCR dan kombinasi dari ketiga perlakuan data. Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) cukup tinggi berturut-turut sebesar 5.86% dan 10.53%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan kadar air biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 24 sampel dari dataabsorban NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 1.77% dan nilai koefisien keragamannya yaitu 3.18%. Dilihat dari nilai standar error yang lebih dari 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dikatakan kurang baik dan tidak dapat digunakan. 2). Pendugaan Kadar Lemak Pada tahap kalibrasi pendugaan kadar lemak digunakan data absorban dari 46 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi pendugaan kadar lemak tersebut diberikan proses komponen utama pertama (PC primary) sebesar 15 dan komponen utama kedua (PC secondary) sebesar 4. 42

20 Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak berdasarkan absorban dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel 11. Tabel 11. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak berdasarkan absorban dengan berbagai perlakuan data pada metode principal component regression (PCR) Data perlakuan (treatment data) penelitian Deskripsi statistik Penghalusan rataan setiap 3 titik Derivatif kedua Savitzsky-Golay setiap 9 titik Normalisasi 0-1 Kombinasi penghalusan rataan 3 titik dengan derivatif kedua Savitzsky- Golay setiap 9 titik Kombinasi ketiga perlakuan data Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi Kalibrasi Validasi n (buah) R (%) R 2 (%) Min (%) Maks (%) Mean (%) SD (%) SE (%) CV (%) Pada regresi kalibrasi pendugaan kadar lemak data absorban dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah kombinasi dari ketiga perlakuan data. Nilai koefisien korelasi (R) untuk pendugaan nilai kadar lemak bahan tersebut adalah sebesar nilai koefisien determinasinya (R 2 ) sebesar , nilai tersebut hampir mendekati 1 (satu). Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai analisis laboratorium. Grafik perbandingan kadar lemak dugaan data absorban NIR dengan kadar lemak referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode PCR dan perlakuan data kombinasi dari ketiga perlakuan data tersebut dapat dilihat pada Gambar

21 : Kalibrasi : Validasi Gambar 23. Grafik perbandingan kadar lemak dugaan data absorban NIR dengan kadar lemak referensi hasil analisis laboratorium pada tahap kalibrasi 46 sampel dan validasi 24 sampel dengan metode PCR dan kombinasi dari ketiga perlakuan data. Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi (SEC) dan koefisien keragaman (CV) cukup tinggi berturut-turut sebesar 3.80% dan 6.38%. dilihat dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi. Tahap validasi pendugaan kadar lemak biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 24 sampel dari data absorban NIR dan data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi (SEP) dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error validasi (SEP) memiliki nilai 0.98% dan nilai koefisien keragamannya yaitu 1.65%. Dilihat dari nilai standar error hampir bernilai 1 (satu) dan koefisien keragaman (CV) kurang dari 5.0%, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup baik. 3). Pendugaan Bilangan Asam Pada tahap kalibrasi pendugaan bilangan asam digunakan data absorban dari 45 sampel biji nyamplung dengan kisaran panjang gelombang nm ( cm -1 dengan interval 4 cm -1 ). Regresi kalibrasi pendugaan bilangan asam tersebut diberikan proses komponen utama pertama (PC primary) sebesar 15 dan komponen utama kedua (PC secondary) sebesar 4. Hasil analisis data tahap kalibrasi dan validasi pendugaan bilangan asam berdasarkan absorban dengan berbagai perlakuan data pada metode regresi komponen utama (PCR) dapat dilihat pada Tabel