HASIL DAN PEMBAHASAN

Transkripsi

1 HASIL DAN PEMBAHASAN Hasil Kalibrasi NIR Spektra Kalibrasi NIR dapat dilakukan apabila telah terkumpul data uji minimal 60 sampel yang telah diubah menjadi spektrum. Pada penelitian ini telah terkumpul jumlah sampel pakan broiler dan spektra dari tiap jenis uji seperti pada Tabel 3. Tabel 3. Jumlah sampel dan spektra untuk kalibrasi NIR Jenis uji Jumlah sampel/ spektra Jumlah Spektra Kalibrasi Jumlah Spektra Validasi Air 60 (180 spektra) Abu 74 (222 spektra) Protein Kasar 60 (180 spektra) Lemak Kasar 280 (840 spektra) Serat kasar 60 (180 spektra) Kalsium 60 (180 spektra) Fosfor 220 (660 spektra) Hasil kalibrasi diperoleh dari proses penyinaran Infrared pada sampel dengan panjang gelombang antara cm -1. Radiasi yang dipancarkan ini adalah khas karena mempunyai panjang gelombang yang karakteristik pada ikatan kimia yang dimiliki tiap nutrien. Dasar analisis menggunakan teknik NIR adalah bahwa dengan mengukur besarnya absorbsi oleh ikatan kimia dari suatu nutrien, maka konsentrasi nutrien itu dapat ditentukan. Semakin besar absorbsinya, maka konsentrasinya semakin besar (Buchi 2005; Williams & Norris 1990). Absorbansi NIR dipengaruhi oleh jumlah dan tipe ikatan C-H, N-H dan O-H yang unsur pokoknya adalah molekul organik dalam pakan dan ukuran partikel sampel (Osborne et al. 1993; Williams & Norris 1990). Near Infrared (NIR) adalah sebuah metode vibrasi spekroskopi yang sangat penting dalam industri obat-obatan, pakan dan pangan (Buchi 2006; Frederick H 2008). Hasil pengukuran NIR dengan panjang gelombang cm -1 pada pakan ayam broiler memiliki spektra yang berbeda-beda berkaitan dengan ikatan molekul pada sampel. Spektra yang berbeda tersebut menunjukkan bahwa pakan

2 32 ayam broiler memiliki kandungan air, abu, protein kasar, lemak kasar, serat kasar, kalsium dan fosfor. Pretreatment spektra digunakan untuk memperbaiki dan meminimalkan pengaruh yang tidak diinginkan. Spektra NIR dipengaruhi oleh berbagai parameter seperti variasi kimia dan fisik dari sampel pada proses pengukuran dan perubahan pada spectrometer yang akan mempengaruhi hasil spektrum. Beberapa pengaruh yang umumnya muncul sebagai masalah adalah : serapan yang tumpang tindih, tidak linear, pemisahan cahaya dan gangguan acak data. Salah satu cara untuk memperbaiki masalah tersebut adalah signal spektra original akan ditransformasi secara matematika yang disebut pretreatment. Spektra semua parameter uji (air, abu, protein kasar, lemak kasar, serat kasar, Ca dan P) pada pakan ayam broiler sebelum dilakukan kalibrasi NIR mempunyai bentuk tampilan grafik yang sama seperti pada Gambar 5. Gambar 5. Spektra asli sebelum dilakukan kalibrasi NIR Spektra pada masing-masing parameter uji setelah proses kalibrasi NIR dilakukan adalah seperti : 1. Spektra kadar air Gambar 6. Spektra kadar air hasil kalibrasi NIR

3 33 Spektra kadar air seperti pada Gambar 6 diperoleh dari 180 data uji yang digunakan untuk kalibrasi sebanyak 132 data (2/3 nya) dan validasi sebanyak 48 data (1/3nya). Jenis grafik spektra yang dipilih adalah Normalization by Closure (NC). Jenis grafik ini masih seperti aslinya hanya memperbaiki signal yang diperoleh. 2. Spektra kadar abu Gambar 7. Spektra kadar abu hasil kalibrasi NIR Spektra kadar abu seperti pada Gambar 7 diperoleh dari 220 data uji yang digunakan untuk kalibrasi sebanyak 169 data (2/3 nya) dan validasi sebanyak 51 data (1/3nya). Jenis spektra yang dipilih adalah Normalization by Closure (NC), turunan pertama BCAP dan Vector Normalization to Unit Length (VN). Jenis grafik ini gabungan tiga jenis pretreatment. Tujuan dari Normalization adalah untuk mengurangi variasi dari baseline sedangkan turunan pertama BCAP adalah untuk mengeliminasi ordinat linear yang tidak dipakai 3. Spektra kadar protein kasar Gambar 8. Spektra kadar protein kasar hasil kalibrasi NIR

4 34 Spektra kadar protein kasar seperti pada Gambar 8 diperoleh dari 180 data uji yang digunakan untuk kalibrasi sebanyak 132 data (2/3 nya) dan validasi sebanyak 48 data (1/3nya). Jenis grafik spektra yang dipilih adalah Normalization by Closure (NC) dan turunan pertama BCAP. Jenis grafik ini gabungan dari dua jenis pretreatment. Tujuan dari turunan pertama BCAP adalah untuk mengeliminasi ordinat linear yang tidak dipakai. 4. Spektra kadar lemak kasar Gambar 9. Spektra kadar lemak kasar hasil kalibrasi NIR Spektra kadar lemak kasar seperti pada Gambar 9 diperoleh dari 839 data uji yang digunakan untuk kalibrasi sebanyak 568 data (2/3 nya) dan validasi sebanyak 271 data (1/3nya). Jenis grafik spektra yang dipilih adalah turunan pertama BCAP yaitu untuk mengeliminasi ordinat linear yang tidak dipakai. 5. Spektra kadar serat kasar Gambar 10. Spektra kadar serat kasar hasil kalibrasi NIR

5 35 Spektra kadar serat kasar seperti pada Gambar 10 diperoleh dari 180 data uji yang digunakan untuk kalibrasi sebanyak 123 data (2/3 nya) dan validasi sebanyak 54 data (1/3nya), tetapi ada 3 spektra yang tidak digunakan dalam kalibrasi dan validasi karena merusak hasil. Jenis grafik spektra yang dipilih adalah Normalization by Closure (NC). Tujuan dari NC adalah memperbaiki dari spektra original. 6. Spektra kalsium Gambar 11.Spektra kalsium hasil kalibrasi NIR Spektra kadar kalsium seperti pada Gambar 11 diperoleh dari 180 data uji yang digunakan untuk kalibrasi sebanyak 126 data (2/3 nya) dan validasi sebanyak 51 data (1/3nya), tetapi terdapat tiga spektra yang tidak digunakan dalam kalibrasi dan validasi karena merusak hasil. Jenis grafik spektra yang dipilih adalah Multiplicative Scatter Correction (MSC full). Tujuan MSC adalah mengurangi atau meningkatkan pengaruh baseline yang disebabkan oleh pemisahan cahaya. 7. Spektra fosfor Gambar 12. Spektra fosfor hasil kalibrasi NIR Spektra fosfor seperti pada Gambar 12 diperoleh dari 660 data uji yang digunakan untuk kalibrasi sebanyak 449 data (2/3 nya) dan validasi sebanyak 211 data

6 36 (1/3nya). Jenis grafik spektra yang dipilih oleh NIRCal software adalah Smooth Savitzky-Golay 9 Points. Tujuan dari smoothing adalah untuk mengurangi gangguan dalam spektra dan resolusi spektra serta masih seperti spektra original. Hasil Statistik Kalibrasi dan Validasi NIR Proses kalibrasi NIR juga menghasilkan kurva kalibrasi dan validasi serta pengolahan data statistiknya seperti tercantum pada Tabel 4 dan 5. Tabel 4. Statistik Hasil Kalibrasi NIR Jenis Pengujian Nilai Q Metode Jml Faktor Sekun der/ Utama Jml spek tra Bias SEE Hasil Kalibrasi NIR r SD Rata- Rata KV hitung KV Horwitz Air 0.88 PLS 11/ Abu 0.80 PLS 10/ PK 0.86 PLS 5/6 132 LK 0.67 PLS 4/ SK 0.68 PLS 9/ Kalsium 0.23 PLS 7/ Fosfor 0.62 PCR 18/ x x x x x x x Keterangan : PK = Protein kasar LK = Lemak kasar SK = Serat kasar PLS = Partial Least Sequare Regression PCR = Principle Component Regression SEE = Standar error of estimation SEP = Standar error of prediction r = koefisien korelasi SD = Standar deviasi KV = koefisien varian

7 37 Tabel 5. Statistik hasil validasi NIR Jenis Pengujian Konsis tensi (SEE/ SEPx 100) Jml spektra yang tdk diguna Kan Jml spectra Bias SEP Hasil Validasi NIR r SD Rata- Rata CV hitung CV Horwitz Air Abu PK LK SK Kalsium Fosfor Keterangan : PK = Protein kasar LK = Lemak kasar SK = Serat kasar PLS = Partial Least Sequare Regression PCR = Principle Component Regression SEE = Standar error of estimation SEP = Standar error of prediction r = koefisien korelasi SD = Standar deviasi KV = Coefisien varian Metode NIR yang digunakan dalam melakukan proses kalibrasi dan validasi adalah PLS untuk uji air, abu, protein kasar, lemak kasar, serat kasar dan kalsium sedangkan PCR untuk uji fosfor. Menurut Harjono (2008), metode PLS adalah sama dengan PCR yang bertujuan untuk mengestimasi koefisien regresi dalam model regresi linier dimana terdapat jumlah variabel x dengan multikolinieritas yang tinggi. Metode PCR akan mengekstraksi informasi yang ada di dalam variabel x (matrik absorbansi) dengan menerapkan analisis komponen utama (PCA) tanpa menggunakan informasi apapun mengenai variabel y (matrik konsentrasi). Sebaliknya metode PLS dihitung dengan memaksimalkan kriteria keseragaman antara variabel x dan y sehingga dalam teknik ini respon telah dilibatkan dalam analisis sejak awal. Statistik hasil kalibrasi dan validasi NIR selengkapnya dapat dilihat pada Lampiran 1-7.

8 38 Kadar Air dan Protein Kasar Hasil kalibrasi dan validasi NIR yang paling terbaik adalah kadar air dan protein kasar seperti dapat dilihat pada Tabel 4 dan 5. Hasil kalibrasi dan validasinya menunjukkan bahwa nilai Q sebagai indikator kualitas kalibrasi adalah paling tinggi dibandingkan jenis uji lainnya yaitu air senilai 0.88 dan protein kasar senilai 0.86, nilai koefisien korelasi (r) untuk kalibrasi NIR pada air dan protein kasar adalah 0.91 dan 0.96, sedangkan validasi NIR adalah 0.93 dan Persamaan regresi pada kalibrasi dan validasi baik kadar air dan protein kasar adalah berhimpit seperti terlihat pada Gambar 13 dan 14. Selain itu spektra kalibrasi dan validasi kedua jenis uji tersebut berkumpul hampir mendekati garis linear dan nilai ujinya tersebar cukup merata dari nilai rendah sampai nilai tinggi (Buchi, 2005). Hasil pengujian NIR pada kadar air maupun protein kasar adalah cukup teliti yang dibuktikan dengan nilai SEE dan SEP lebih kecil dari nilai SD kalibrasi dan validasi NIR kedua jenis uji tersebut dan dibuktikan lagi dengan nilai KV-hitung kalibrasi dan validasi NIR yang lebih kecil atau lebih besar sedikit dari KV-Horwitz seperti terlihat pada Tabel 4 dan 5 (Williams dan Norris, 1990; Wood et al., 1998). Hasil pengujian NIR pada kadar air maupun protein kasar adalah cukup akurat yang dibuktikan dengan nilai bias pada kalibrasi dan validasi NIR yang cukup baik mendekati nilai 0 (nol) yaitu kadar air (-4.89x10-15 dan 0.021) dan protein kasar (6.59x dan ) dan nilai konsistensi atau recovery (perolehan kembali) yang baik untuk air sebesar 92.23% dan protein kasar sebesar 92.47% yang masih memenuhi persyaratan validasi metode dengan kisaran sebesar 80%-110%. (Wood et al., 1998; Buchi, 2005). Absorbsi kadar air terjadi pada panjang gelombang sekitar cm -1 dan cm -1 dengan ikatan O-H overtone pertama. Pada protein kasar, absorbsinya terjadi pada panjang gelombang sekitar cm -1, cm -1, cm -1, cm -1 dan cm -1 dengan ikatan N-H overtone pertama dan amide I III.

9 39 Kalibrasi : Y= x , r = Validasi : Y= x , r = NILAI KIMIA Gambar 13. Kurva kalibrasi dan validasi NIR pada kadar air Kalibrasi: Y=0.9308x , r= Validasi : Y=0.9311x , r= NILAI KIMIA Gambar 14. Kurva kalibrasi dan validasi NIR pada kadar protein kasar Kadar Abu Hasil kalibrasi dan validasi NIR yang terbaik berikutnya adalah kadar abu yang menunjukkan bahwa nilai Q dengan nilai 0.80 dan nilai koefisien korelasi (r) kalibrasi dan validasi senilai 0.98 dan 0.96 adalah tinggi seperti terlihat pada Tabel 4 dan 5. Walaupun nilai ujinya tersebar cukup merata mulai dari nilai rendah sampai dengan nilai tinggi dan spektra kalibrasi dan validasinya pun berkumpul mendekati garis linear, namun persamaan regresi antara kalibrasi dan validasi tidak berhimpit sehingga dapat mempengaruhi hasil pengujian NIR, seperti terlihat pada Gambar 15. Kondisi kurva seperti ini dapat dibuktikan dengan nilai konsistensi yang kurang baik yaitu 75.39% diluar nilai kisaran (80% - 110%) dan nilai bias, dimana pada kalibrasi NIR masih baik yaitu -2.70x10-15 sedangkan pada validasi NIR adalah kurang baik dengan nilai bias diatas 0 (nol) yaitu (Wood et al., 1998; Buchi, 2005). Walaupun keakuratan hasil uji NIR kadar abu kurang baik, namun dapat memberikan nilai ketelitian yang baik dengan dibuktikan oleh nilai SEE (0.20%) dan SEP (0.27%) lebih kecil dari nilai SD kalibrasi dan validasi NIR (0.97% dan 0.99%),

10 40 dan nilai KV-hitung kalibrasi dan validasi (3.19% dan 4.29%) lebih besar sedikit dari KV-Horwitz (3.03% dan 3.03%) (Williams dan Norris, 1990; Wood et al., 1998). Kalibrasi : Y = x , r = Validasi : Y = x , r = NILAI KIMIA Gambar 15. Kurva kalibrasi dan validasi NIR pada kadar abu Lemak Kasar, Serat Kasar dan Fosfor Hasil kalibrasi dan validasi NIR yang baik berikutnya adalah lemak kasar, serat kasar dan fosfor yang menunjukkan bahwa nilai Q-nya cukup tinggi dengan nilai berturut-turut adalah 0.67, 0.68 dan 0.62 dan nilai koefisien korelasi (r) untuk kalibrasi NIR berturut-turut adalah 0.90, 0.97 dan 0.82, sedangkan validasi NIR berturut-turut adalah 0.91, 0.93 dan 0.88 seperti dapat dilihat pada Tabel 4 dan 5. Persamaan regresi kalibrasi dan validasi pada lemak kasar dan serat kasar adalah berhimpit seperti terlihat pada Gambar 16 dan 17, sedangkan pada fosfor tidak berhimpit tetapi bersilangan, sehingga nilai Q lebih rendah dari jenis uji lainnya, seperti terlihat pada Gambar 18. Spektra kalibrasi dan validasi pada kurva lemak kasar dan fosfor terlihat masih menyebar tidak terpusat mendekati garis linear dibandingkan dengan kurva serat kasar, sedangkan nilai uji pada kurva lemak kasar dan fosfor cukup merata dari nilai rendah sampai dengan nilai tinggi dibandingkan dengan serat kasar yang kurang merata, mengumpul pada nilai rendah. Kondisi ini yang mengakibatkan nilai Q belum maksimal (Buchi, 2005). Hasil pengujian NIR pada lemak kasar, serat kasar dan fosfor adalah kurang teliti yang dibuktikan dengan nilai SEE dan SEP lebih kecil dari nilai SD kalibrasi dan validasi NIR ketiga jenis uji tersebut tetapi nilai KV-hitung kalibrasi dan validasi NIR lebih besar dari KV-Horwitz seperti terlihat pada Tabel 4 dan 5 (Williams dan Norris,

11 ; Wood et al. 1998) walaupun menurut Nasoetion (1970), KV-hitung untuk suatu percobaan yang dilaksanakan dengan baik berkisar 15% -20%. Hasil pengujian NIR pada lemak kasar, serat kasar dan fosfor adalah kurang akurat, walaupun dengan nilai bias pada kalibrasi dan validasi NIR cukup baik mendekati nilai 0 (nol) yaitu lemak kasar (-1.96x10-14 dan ), serat kasar ( -1.26x10-14 dan ) dan fosfor (5.03x10-15 dan 0.007), tetapi nilai konsistensinya kurang baik yaitu serat kasar (117.68%) dan fosfor (112.95%), sedangkan nilai konsistensi yang baik hanya diperoleh lemak kasar yaitu % (Wood et al., 1998; Buchi, 2005). Absorbsi lemak kasar terjadi pada panjang gelombang sekitar cm -1 pada ikatan C-H dan (CH 2 ) n. Pada serat kasar terjadi pada panjang gelombang sekitar cm -1 dan cm -1 pada ikatan O-H overtone pertama, cm -1, cm -1 dan cm -1 pada ikatan C-H overtone kedua. Kalibrasi: Y=0.8116x , r= Validasi : Y=0.8275x , r= NILAI KIMIA Gambar 16. Kurva kalibrasi dan validasi NIR pada kadar lemak kasar Kalibrasi: Y=0.9313x , r= Validasi : Y=0.9299x , r= NILAI KIMIA Gambar 17. Kurva kalibrasi dan validasi NIR pada kadar serat kasar

12 42 Kalibrasi : Y=0.6761x , r= Validasi : Y=0.7408x , r= Gambar 18. Kurva kalibrasi dan validasi NIR pada fosfor Kalsium Hasil kalibrasi dan validasi NIR yang kurang baik adalah kalsium yang menunjukkan nilai Q senilai 0.23, sedangkan nilai koefisien korelasi (r) kalibrasi dan validasi senilai 0.60 dan 0.64 adalah cukup baik seperti terlihat pada Tabel 4 dan 5. Nilai ujinya tersebar tidak merata mengumpul pada nilai rendah dan sedang dan juga tidak fokus mendekati garis linear, walaupun persamaan regresi kalibrasi dan validasi NIR berhimpit, seperti terlihat pada Gambar 19. Kondisi ini yang mengakibatkan nilai Q tidak dapat maksimal (Buchi, 2005). Hasil pengujian NIR pada kalsium adalah kurang akurat yang dibuktikan dengan nilai konsistensi yang kurang baik yaitu 126,68% diluar nilai kisaran (80% - 110%), walaupun nilai bias pada kalibrasi dan validasi NIR masih baik mendekati 0 (nol) yaitu -6.36x10-15 dan (Wood et al., 1998; Buchi, 2005). Kalibrasi : Y = x , r = Validasi : Y = x , r = NILAI KIMIA NILAI KIMIA Gambar 19. Kurva kalibrasi dan validasi NIR pada kalsium Hasil pengujian NIR pada kalsium adalah kurang teliti yang dibuktikan dengan nilai SEE dan SEP lebih kecil dari nilai SD kalibrasi dan validasi NIR,

13 43 tetapi nilai KV-hitung kalibrasi dan validasi NIR lebih besar dari KV-Horwitz seperti terlihat pada Tabel 2 dan 3 (Williams & Norris 1990; Wood et al. 1998), walaupun menurut Nasoetion (1970), KV-hitung untuk suatu percobaan yang dilaksanakan dengan baik berkisar 15%-20%. Nilai r yang diperoleh dari hasil kalibrasi dan validasi NIR dapat diinterpretasikan bahwa korelasi yang sangat kuat sekali adalah air, abu, protein kasar, lemak kasar dan serat kasar karena mempunyai nilai r antara , korelasinya sangat kuat adalah fosfor karena nilai r antara dan korelasinya kuat adalah kalsium karena nilai r antara (Nugroho, 2005). Selain itu suksesnya hasil kalibrasi dan validasi NIR dipengaruhi oleh kimia sampel, penanganan sampel dan kondisi alat NIR (Williams & Norris 1990). Berdasarkan data statistik NIR, nilai Q yang diperoleh sebaiknya mendekati angka 1 yang menunjukkan keakuratan dan ketelitian sampel pakan ayam broiler. Namun untuk nilai Q mendekati angka 1 sangat sulit karena dipengaruhi oleh banyak faktor, seperti jenis sampel, ketebalan sampel, ukuran sampel, data uji kimia, proses pemisahan cahaya dan lain-lain. Hasil Uji Banding Setelah mendapatkan hasil kalibrasi dan validasi NIR yang terbaik, kemudian metode NIR diuji validitasnya dengan membandingkan antara metode NIR dengan metode kimia seperti pada Tabel 6. Berdasarkan uji keragaman menunjukkan bahwa semua jenis uji banding metode NIR dengan metode kimia menunjukkan masih bisa diterima (Kv hitung<20%) kecuali serat kasar yang mempunyai kv hitung 22.26%. Hal ini terjadi pada jenis produk sama yaitu pakan ayam broiler dengan nilai nutrisi mengacu SNI pakan tetapi pakan tersebut berasal dari pabrik pakan yang berbeda dan mungkin susunan formula bahan pakannya berbeda pula (Williams dan Norris, 1990; Wood et al., 1998). Pengujian dengan Metode NIR untuk kadar air, lemak, kalsium dan fosfor mempunyai ketelitian yang lebih baik dibandingkan dengan metode kimia, (SD NIR SD kimia), sedangkan metode kimia untuk abu, protein kasar dan serat kasar mempunyai ketelitian yang lebih baik dibandingkan dengan metode NIR (SD kimia SD NIR) (Wood et al. 1998). Perhitungan uji t selengkapnya dapat dilihat pada Lampiran 8-10

14 44 Tabel 6. Statistik Nilai uji Metode NIR dan Metode Kimia serta uji t NIR Kimia Parameter t-hitung n Rata-rata KV Rata-rata KV % Uji (mutlak) Air ± ± Abu ± ± Protein kasar ± ± Lemak kasar ,69 ± ± Serat kasar ± ± Kalsium ± ± 0.12 Fosfor ± ± Keterangan : KV = koefisien varian Kisaran KV = maksimal 20% t-tabel (0.05, 62) = 2.00 Berdasarkan perhitungan uji t, kadar air, abu, protein kasar dan kalsium antara metode NIR dan metode kimia tidak berbeda nyata (P<0.05), sedangkan Lemak kasar, serat kasar dan Fosfor berrbeda nyata (P>0.05). NIR lebih akurat untuk digunakan dalam pengujian bahan makro seperti air, dan protein. Sedang zat mikro atau dalam jumlah kecil kurang akurat seperti Fosfor. Bahan penyusun kimia pakan juga sangat berpengaruh seperti struktur penyusun yang sangat berbeda pada lemak dan serat kasar dari hewan dan tumbuhan. Penilaian metode NIR sebagai pengujian mutu pakan ayam broiler untuk pengawasan mutu pakan dapat digunakan untuk pengujian sesuai persyaratan mutu pakan yang berlaku dengan mengacu pada SNI untuk BR1 dan SNI untuk BR2 (BSN 1996). Hasil uji metode kimia dan metode NIR masih sesuai dengan SNI pakan ayam broiler starter dan finisher seperti pada Tabel 7. Semua parameter uji yaitu air, abu, protein kasar, lemak kasar, serat kasar, kalsium dan fosfor baik dilakukan dengan metode kimia dan metode NIR BPMPT memberikan nilai uji dalam batas standar SNI baik untuk pakan ayam broiler starter

15 45 maupun finisher. Namun apabila terdapat hasil uji metode NIR mengalami penyimpangan dari SNI, harus dilakukan uji ulang dengan metode kimia. Pada dasarnya pakan ayam broiler dapat diuji dengan metode NIR, namun penyimpangan dari SNI bisa terjadi, karena jenis pakan tersebut belum dikenali oleh alat NIR, bahan Tabel 7. Hubungan hasil uji metode kimia dan metode NIR dengan SNI pakan broiler No. Jenis Pengujian Uji kimia Kandungan Nutrisi Pakan NIR BPMPT SNI (BR1) SNI (BR2) 1. Air Max 14 Max Abu Max 8 Max 8 3. Protein Kasar Min 19 Min Lemak kasar Max 7,40 Max 8 5. Serat Kasar Max 6 Max 6 6. Kalsium ,90-1,20 0,90-1,20 7. Fosfor ,60-1,00 0,60-1,00 pakan penyusun formula pakan yang berbeda atau memang kadar nutrisi dari pakan ayam tersebut menyimpang dari SNI. Lama waktu uji menggunakan metode AOAC dan/atau SNI diperlukan sekitar 12 hari per sampel sedangkan menggunakan metode NIR sekitar 10 menit per sampel. Berdasarkan hasil uji banding ini menunjukkan bahwa metode NIR lebih cepat daripada metode AOAC/SIN. Dengan adanya kemampuan pengukuran pengujian dengan metode NIR sangat membantu peternak, agen, dinas peternakan provinsi/kabupaten/ kota dan pabrik pakan dalam melakukan evaluasi terhadap kandungan nutrisi pakan ayam broiler secara cepat dalam rangka melakukan pengawasan mutu pakan sesuai Peraturan Kementrian Pertanian No. 65/2007.