IV. HASIL DAN PEMBAHASAN

Transkripsi

1 IV. HASIL DAN PEMBAHASAN 4.1 Karakteristik Spektra NIR Buah Mangga Varietas Gedong Selama Penyimpanan Pengukuran spektra menggunakan perangkat NIRFlex Fiber Optic Solids N-500 menghasilkan data pengukuran mangga berupa data pantulan (reflectance) radiasi NIR dengan rentang panjang gelombang nm yang memiliki interval 0.4 nm. Kisaran panjang gelombang NIR juga sering dinyatakan dalam fekuensi gelombang dengan satuan cm -1, sehingga panjang gelombang yang digunakan dapat dinyatakan dalam cm -1 dengan interval 4 cm -1. Hasil pengukuran dengan NIRFlex Fiber Optic Solids N-500, dapat dilihat pada Gambar 20. Gambar 20. Kurva spektrum reflektan pada sampel buah mangga varietas Gedong Kandungan bahan kimia dan biologi pada buah mangga berhubungan erat dengan penyerapan radiasi NIR. Mohsenin (1984) menyatakan bahwa sinar yang dipancarkan dari sumber ke bahan organik, sekitar 4% akan dipantulkan kembali oleh permukaan luar (regular refraction) dan sisanya sekitar 96% akan masuk ke dalam produk tersebut. Berdasarkan pernyataan tersebut, untuk pengolahan lebih lanjut data pantulan NIR dirubah menjadi data absorbansi dengan mentransformasi bentuk menjadi log(1/r). Data absorbansi NIR pada buah mangga dapat dilihat pada Gambar

2 Gambar 21. Kurva spektrum absorban pada sampel buah mangga varietas Gedong Pengukuran dilakukan pada buah mangga yang disimpan pada tiga kondisi suhu yaitu suhu 8 o C, 13 o C, dan suhu ruang (27 o C). Setiap buah mangga ditembak NIR sebanyak tiga titik yang berbeda lokasinya yaitu pada bagian pangkal, tengah dan ujung. Data absorban radiasi NIR pada masing-masing kondisi suhu dan titik tembak dapat dilihat pada Gambar 22 dan Gambar 23. Spektra juga diambil pada buah monitoring, Gambar 24 menunjukkan karakteristik dari spektra buah monitoring yang disimpan selama 2, 4, 6, 8, 10, dan 12 hari. Gambar 22. Kurva spektrum absorban buah mangga varietas Gedong yang disimpan pada suhu 8 o C, suhu 13 o C, dan suhu 27 o C (suhu ruang) selama 16 hari penyimpanan 39

3 Gambar 23. Kurva spektrum absorban buah mangga varietas Gedong pada bagian pangkal, Tengah, dan ujung selama 16 hari penyimpanan Gambar 24. Kurva spektrum absorban buah mangga monitoring varietas Gedong setelah 2, 4, 6, 8, 10, dan 12 hari penyimpanan Dari Gambar 21, 22, 23, dan 24 didapatkan informasi bahwa radiasi NIR yang di pantulkan atau diserap, memiliki tingkat pemantulan dan penyerapan yang berbeda-beda. Kandungan bahan kimia tertentu akan mengalami penyerapan cahaya. Hal ini dapat dilihat dengan adanya puncak gelombang pada kurva spektrum absorban. Semakin besar penyerapan radiasi NIR, maka puncak gelombang akan semakin tinggi. Puncak gelombang spektrum absorban NIR buah mangga varietas Gedong terjadi pada panjang gelombang nm, nm. Hal ini menunjukkan penyerapan cahaya yang tinggi oleh komponen gula dan air. Osborne et al (1993) menyatakan bahwa pada panjang gelombang 1940 nm terjadi penyerapan radiasi NIR oleh air, 1440 nm dan 1493 nm 40

4 terjadi penyerapan oleh glukosa, 1436 nm dan 1489 nm terjadi penyerapan oleh sukrosa, dan 1432 nm dan 1492 nm terjadi penyerapan oleh pati. Secara umum senyawa tersebut merupakan komponen utama TPT yaitu gula yang merupakan hasil pemecahan dan pembelahan polimer karbohidrat khususnya pati. Puncak gelombang 1940 nm berhubungan erat dengan penyerapan radiasi NIR oleh air, dimana air merupakan komponen utama mangga dibanding komponen lainnya. Oleh karena itu, penyerapan radiasi NIR tertinggi dapat dilihat pada panjang gelombang 1940 nm. Mangga tremasuk buah klimakterik oleh karena itu setiap harinya buah mangga mengalami perubahan fisik maupun perubahan kimia selama penyimpanan dan pematangan. Hal tersebut terlihat dari karteristik spektrum yang diserap oleh mangga (Gambar 24). Dari gambar tersebut, terlihat jumlah energi NIR yang diserap berbeda tiap harinya terlihat jelas pada panjang gelombang nm, nm yang tiap harinya berubah sesuai dengan tingkat penyerapan NIR oleh komposisi buah. Pada kurva spektrum absorban buah mangga varietas Gedong yang disimpan pada suhu 8 o C, suhu 13 o C, dan suhu 27 o C (suhu ruang) selama 16 hari (Gambar 22), dapat dilihat puncak gelombang spektrum NIR buah pada panjang gelombang 1940 nm yang disimpan pada suhu 8 o C merupakan puncak yang tertinggi dibandingkan puncak gelombang pada panjang gelombang yang sama. Ini bererti pada buah mangga yang disimpan pada suhu 8 o C, buah masih belum menunjukkan tanda-tanda matang pada hari ke-16. Hal ini dapat dilihat dari kandungan airnya yang masih tinggi, berdasarkan panjang gelombang 1940 nm. Sedangkan buah yang disimpan pada suhu 13 o C dan suhu ruang, menunjukkan intensitas penyerapan radiasi NIR yang sama pada panjang gelombang 1940 nm. Tapi puncak gelombang pada panjang gelombang 1480 nm menunjukkan intensitas penyerapan radiasi NIR yang berbeda. Seperti yang dijelaskan sebelumnya pada panjang gelombang 1480 nm terjadi penyerapan oleh gula, ini berarti buah yang disimpan pada suhu 13 o C gula yang terbentuk belum sempurna seperti pada buah yang disimpan pada suhu ruang. Mangga memiliki tingkat kematangan yang berbeda dalam satu buah, dapat dilihat pada kurva spektrum absorban buah mangga varietas Gedong pada Gambar 23. Karakteristik spektra bagian mangga yaitu bagian pangkal, tengah dan ujung terlihat ada perbedaan. Dari kurva tersebut tingkat penyerapan radiasi NIR berberda-beda pada panjang gelombang 1940 dan Ini sesuai dengan kadungan TPT yang diuji secara destruktif dimana pada bagian pangkal selalu memiliki o Brix yang lebih tinggi dibandingkan bagian tengah dan ujung. Demikian juga bagian tengah selalu memiliki o Brix yang lebih tinggi dibanding bagian ujung. 4.2 Persiapan Data Persiapan data merupakan salah satu tahapan yang penting dilakukan sebelum merancang model jaringan syaraf tiruan. Data yang digunakan sebagai input jaringan syaraf tiruan adalah data spektra absorban NIR pada buah mangga varietas Gedong, sedangkan data yang digunakan sebagai target dalam jaringan syaraf tiruan adalah data total padatan terlarut dan kekerasan yang diukur secara destruktif seperti terlihat pada Lampiran 1. Dalam pengambilan data parameter mutu tersebut, didahului dengan penembakan NIR pada titik yang akan diambil parameter mutunya. Dari hasil 333 titik penembakan menghasilkan spektra NIR buah mangga dengan panjang gelombang nm dan interval 0.4 nm, sehingga didapatkan data sebanyak 1500 data setiap sampelnya. Persiapan data dalam penelitian ini menggunakan program MINITAB R-15. Program ini hanya dapat melakukan analisa dengan input 1000 kolom data saja. oleh karena itu, diperlukan reduksi data dengan memperlebar interval data menjadi 0.8 nm, sehingga jumlah datanya menjadi 751 data setiap sampelnya. 41

5 Persiapan data lebih lanjut untuk input JST ada bermacam-macam bentuknya termasuk diantaranya adalah melakukan normalisasi (0-1) dan analisa komponen utama (Principal Component Analysis) Normalisasi Data Untuk mengurangi error yang terjadi selama pengukuran spektra NIR dan untuk memperjelas datanya, perlu dilakukan pengolahan lebih lanjut. Salah satu pengolahan spektra yang dapat dilakukan adalah pengolahan dengan normalisasi data spektra pada rentang 0-1. Hal ini dimaksudkan untuk menghilangkan pengaruh perbedaan ukuran partikel sampel uji dan memperbesar rentang nilai penyerapan dan pantulan radiasi NIR serta memproporsionalkan nilai spektra dari dua atau lebih nilai spektra yang memiliki kandungan yang sama. Hasil normalisasi (0-1) spektra absorban ditunjukkan pada Gambar 25 yang memperlihatkan nilai tertinggi selalu 1 dan nilai terendah selalu 0. Pada Gambar 26 terlihat kurva original pada 3 kondisi suhu berbeda tingkat penyerapannya. Hal ini terlihat pada panjang gelombang nm dan nm kurva tersebut, puncak penyerapannya berbeda. Setelah dilakukan normalisasi ketiga kurva tersebut pada panjang gelombang nm menjadi sama jumlah penyerapannya dalam kurva terlihat menjadi berhimpit. Sedangkan pada panjang gelombang nm yang berhimpit hanya kurva suhu 8 o C dan 13 o C artinya suhu 8 o C dan 13 o C memiliki jumlah kandungan gula yang sama. Ini berarti ketiga sampel (digambarkan dengan kurva) menyerap energi dari radiasi NIR dengan persentase yang sama namun jumlahnya berbeda, sesuai dengan kandungan kimia pada masing-masing sampel. Jika terjadi perbedaaan ukuran sampel maka nilai yang diserap akan berbeda, tetapi perbedaan serapannya memiliki persentase yang sama. Gambar 25. Kurva normalisasi spektrum absorban sampel buah mangga varietas Gedong 42

6 Variasi Kumulatif (%) Gambar 26. Kurva spektrum absorban NIR original dan spektrum absorban NIR normalisasi 3 suhu penyimpanan (8 o C, 13 o C, dan 27 o C) pada sampel buah mangga varietas Gedong Analisis Komponen Utama Setelah melakukan persiapan data berupa memperbesar interval spektra menjadi 0.8 nm dan normalisasi data (0-1), untuk menjadi data masukan dalam jaringan syaraf tiruan ternyata diperlukan reduksi data lagi. Jika masukan suatu jaringan syaraf tiruan terlalu banyak maka menyebabkan jaringan syaraf tiruan gagal mencapai konvergensi dan memperlambat proses pelatihannya. Dalam penelitian ini metode reduksi data yang digunakan adalah analisis komponen utama. Data spektrum absorban hasil dari transformasi data pantulan NIR menghasilkan sebanyak 333 titik pengukuran dengan 751 panjang gelombang per titik pengukuran. Sebanyak 11 komponen utama diekstrak dari data absorban NIR buah mangga menggunakan program MINITAB R-15. Untuk melihat persentase yang diwakili (variasi) oleh masing-masing komponen utama dapat dilihat pada Gambar Komponen Utama Gambar 27. Kurva jumlah komponen utama dan persentase informasi yang diwakili pada analisis komponen utama panjang gelombang NIR mangga varietas Gedong 43

7 Komponen utama pertama (PC1) mewakili sebanyak 78,7% dari informasi yang ada pada 751 panjang gelombang. Sedangkan komponen utama kedua (PC2) mewakili 8.7% dan seterusnya hingga komponen utama ke sebelas (PC11) mewakili 0.2%. Total variasi keseluruhan komponen utama sebesar 98.1% pada PC11. Jika diteruskan maka informasi yang terwakili semakin kecil atau total variasinya mencapai 100%. Ini karena informasinya sudah terwakili oleh komponen utama sebelumnya. Meskipun pada PC11 belum mencapai 100% variasi kumulatifnya, namun dengan 98.1% sudah mewakili informasi yang ada pada 751 panjang gelombang. Hasil dari program MINITAB tersebut hanya didapatkan bobot dari masing-masing komponen utama. Bobot tersebut belum dapat digunakan sebagai masukan dalam jaringan syaraf tiruan. Untuk itu perlu dilakukan perkalian matrik antara matrik spektra NIR buah mangga dengan matrik bobot yang dihasilkan dari analisis komponen utama. Hasil perkalian matriks tersebut merupakan data komponen utama yang siap digunakan sebagai masukan dalam jaringan syaraf tiruan (Lampiran 2, 3, 4, 5, 6, 7, 8, dan 9) Hasil Distribusi Set Data Penggunaan jaringan syaraf tiruan untuk pendugaan berdasarkan serapan radiasi NIR buah mangga varietas Gedong, semua data dibagi menjadi dua set data. Kedua set data tersebut digunakan untuk proses pelatihan dan validasi, dengan proporsi 2/3 dari total data untuk pelatihan dan 1/3 dari total data untuk validasi. Untuk itu perlu dilakukan pembagian data yang baik, agar diperoleh hasil yang optimal. Dalam penelitian pembagian data menggunakan angka acak (random) dengan nilai maksimal dan minimal dimasukan dalam set data pelatihan. Distribusi data untuk set data pelatihan dan set data validasi pada penelitian utama, dapat dilihat pada Tabel 5. Tabel 5. Distribusi data pada set data pelatihan dan validasi untuk menduga TPT dan kekerasan penelitian utama Pelatihan Validasi Parameter mutu Jumlah Standar Jumlah Standar Rata-rata Rata-rata data deviasi data deviasi Total padatan terlarut ( o Brix) Kekerasan (kgf) Pendugaan total padatan terlarut dan kekerasan juga dilakukan pada sampel buah monitoring (pengamatan non-destruktif) yang waktu pengambilannya berbeda dengan data penelitian utama. Agar jaringan mampu menduga total padatan terlarut dan kekerasan dari buah monitoring maka jaringan harus diberikan informasi kondisi yang dialami oleh buah monitoring dengan menggunakan data pendahuluan. Distribusi data pada penelitian pendahuluan dapat dilihat pada Tabel 6. Tabel 6. Distribusi data pada set data penelitian pendahuluan Pelatihan Validasi Parameter mutu Jumlah Standar Jumlah Standar Rata-rata Rata-rata data deviasi data deviasi Total padatan terlarut ( o Brix) Kekerasan (kgf) Seperti yang dijelaskan bahwa data dapat dinyatakan baik jika memenuhi salah satu kriteria, yaitu Up-to-date (terbaru). Dalam pengembangan selanjutnya model jaringan syaraf tiruan perlu dilakukan update data. Hal ini agar menghasilkan model yang diinginkan. Data tambahan yang digunakan adalah data pada penelitian pendahuluan. 44

8 Untuk itu perlu data tambahan. Data tambahan yang digunakan adalah data pada penelitian pendahuluan. Data tersebut diambil bersamaan dengan data monitoring, sehingga informasi yang ada ketika pengambilan data dapat diketahui oleh model. Diharapkan dengan penambahan data pendahuluan tersebut, model dapat menduga TPT dan kekerasan menggunakan spektrum buah mangga monitoring. Distribusi data setelah dilakukan update data ditunjukkan pada Tabel 7. Tabel 7. Distribusi data pada set data yang sudah ditambah dengan set data pendahuluan Pelatihan Validasi Parameter mutu Jumlah Standar Jumlah Standar Rata-rata Rata-rata data deviasi data deviasi Total padatan terlarut ( o Brix) Kekerasan (kgf) Pengembangan Model Jaringan Syaraf Tiruan untuk Pendugaan Total Padatan Terlarut dan Kekerasan Buah Mangga Varietas Gedong Selama Penyimpanan Pendugaan total padatan terlarut dan kekerasan buah mangga varietas Gedong menggunakan model jaringan syaraf tiruan dengan tiga lapisan (termasuk multi layer artificial neural network) yang terdiri dari lapisan input, satu lapisan tersembunyi, dan lapisan output. Jumlah node atau neuron pada lapisan input adalah 11 buah, jumlah ini didasarkan pada jumlah komponen utama (PC) yang sudah dipilih. Jumlah node yang digunakan dalam lapisan tersembunyi setelah mempertimbangkan jumlah minimalnya berdasarkan Persamaan 39 adalah 6, 8, 10, dan 15 buah node. Sedangkan jumlah node yang digunakan dalam lapisan output adalah 1, yang mewakili TPT atau kekerasan sebagai target. Agar model jaringan syaraf tiruan memperoleh hasil yang optimum maka digunakan algoritma resilient backpropagation yang merupakan modifikasi dari algoritma backpropagation. Dengan algoritma tersebut pelatihan dilakukan sebanyak iterasi dan laju pembelajaran (α) sebesar 0.1. Semakin besar nilai α maka algoritma menjadi tidak stabil dan mencapai titik minimum lokal. Pelatihan jaringan syaraf tiruan tersebut menggunakan 222 data absorbansi radiasi NIR sampel mangga dan 111 data absorbansi radiasi NIR sampel mangga untuk pengujian. Perintah untuk membangun jaringan syaraf tiruan dalam Matlab disajikan dalam Lampiran 10 dan 11. Jaringan syaraf tiruan yang dirancang untuk penentuan TPT dan kekerasan hanya dibedakan dalam pemilihan set data dan jumlah node pada lapisan tersembunyi, sedangkan parameter lainnya sama. Jaringan yang baik adalah jaringan yang menghasilkan keluaran yang masuk akal jika diberi masukan yang serupa (tidak harus sama) dengan pola yang digunakan dalam pelatihan. Jaringan yang dipilih adalah jaringan yang memberikan unjuk kerja yang stabil antara pelatihan dan pengujian atau selisih MSE antara kalibrasi dan validasi menghasilkan nilai yang kecil. Unjuk kerja yang stabil ini menandakan bahwa jaringan sudah memiliki bobot yang stabil dan jaringan dapat digunakan untuk pendugaan selanjutnya. Nilai MSE yang merupakan unjuk kerja dari JST yang sudah dibuat R serta R 2 yang dihasilkan dari jaringan syaraf tiruan untuk menduga TPT dan kekerasan dapat dilihat pada Tabel 8 dan Tabel 9. 45

9 TPT Duga (%brix) Tabel 8. Nilai MSE, R dan R 2 serta selisih antara MSE kalibrisi dengan MSE validasi pada JST penduga TPT buah mangga selama penyimpanan Input Hidden Output Kalibrasi Validasi Layer Layer Layer MSE R 2 R MSE R 2 R MSEC-MSEP TPT Aktual (%brix) Kalibrasi Validasi Duga = Aktual Gambar 28. Hasil kalibrasi dan validasi model JST terbaik untuk menduga TPT buah mangga selama penyimpanan Berdasarkan Tabel 8 untuk menduga total padatan terlarut, jaringan yang memiliki selisih MSE kalibrasi dan validasi terkecil yaitu adalah jaringan dengan susunan Namun jika melihat nilai R 2 dan R kalibrasi dari jaringan nilainya lebih besar dibandingkan dengan R 2 dan R validasi. Hal ini menandakan jaringan dengan susunan untuk menduga TPT telah mengalami over fitting dimana jaringan hanya mengenali data pelatihan saja. sehingga jaringan tersebut tidak baik untuk menduga TPT buah mangga. Selisih nilai MSE kalibrasi dan validasi yang terkecil selanjutnya yaitu adalah jaringan dengan susunan Selain selisih nilai MSE yang kecil jaringan ini memiliki nilai R 2 dan R kalibrasi validasi yang tidak jauh berbeda atau stabil. Berdasarkan kriteria tersebut Jaringan dengan susunan dipilih sebagai jaringan syaraf tiruan paling optimal untuk menduga TPT buah mangga selama penyimpanan. Nilai duga TPT yang dihasilkan oleh jaringan dengan susunan dapat dilihat pada Gambar 28. Nilai duga TPT yang dihasilkan oleh jaringan mendekati nilai pada pengukuran secara destruktif yang nilainya dapat dilihat pada nilai target Lampiran 1. 46

10 Kekerasan Duga (kgf) Tabel 9. Nilai MSE, R dan R 2 serta selisih antara MSE kalibrisi dengan MSE validasi pada JST penduga Kekerasan buah mangga selama penyimpanan Input Hidden Output Kalibrasi Validasi Layer Layer Layer MSE R 2 R MSE R 2 R MSEC-MSEP Kekerasan Aktual (kgf) Kalibrasi Validasi Duga = Aktual Gambar 29. Hasil kalibrasi dan validasi model JST terbaik untuk menduga kekerasan buah mangga selama penyimpanan Sedangkan untuk menduga kekerasan, jaringan syaraf tiruan paling optimal yang dipilih adalah jaringan dengan susunan Dipilih skenario tersebut karena jaringan tersebut memiliki selisih nilai MSE kalibrasi dan validasi yang kecil dibanding skenario yang lain yaitu Begitu juga dengan nilai R 2 dan R kalibrasi validasi yang stabil, hal ini menunjukkan jaringan tidak mengalami over fitting dan layak digunakan untuk menduga kekerasan buah mangga. Nilai duga kekerasan yang dihasilkan oleh jaringan dengan susunan dapat dilihat pada Gambar 29. Walaupun nilai yang dihasilkan masih belum sempurna, namun nilai ini adalah yang paling mendekati pengukuran secara destruktif (Lampiran 1) dibanding keluaran dari skenarion lainnya. 4.4 Pendugaan Total Padatan Terlarut dan Kekerasan Pada Buah Monitoring Selain diuji dengan set data pengujian jaringan juga diuji dengan set data monitoring seperti dijelaskan dalam metodologi. Set data ini diambil ketika penelitian pendahuluan sehingga ada beberapa kondisi yang sedikit bebeda dengan penelitian utama. Sehingga jumlah data masukan harus 47

11 ditambahkan dengan 24 data pendahuluan. Sama dengan set data pelatihan, set data pengujian juga harus di update dengan menambahkan 12 data. Pada pendugaan TPT dan kekerasan buah selama penyimpanan, jaringan yang optimal adalah jaringan dengan susunan untuk pendugaan TPT dan untuk pendugaan kekerasan Jaringan yang optimal untuk pendugaan TPT dan kekerasan selama penyimpanan belum tentu optimal juga untuk menduga TPT dan kekerasan buah monitoring. karena itu, jaringan juga harus diupdate dengan melakukan pelatihan dan pengujian menggunakan data yang digunakan untuk pendugaan parameter mutu selama penyimpanan ditambah dengan set data penelitian pendahuluan. Jaringan baru terbentuk setelah jaringan diupdate, dengan bobot dan bias akhir yang berbeda dari sebelumnya. Bobot dan bias akhir dari jaringan untuk menduga TPT dan kekerasan dapat dilihat pada Lampiran 16 dan 17. Hasil analisis data pendugaan TPT dan kekerasan buah mangga varietas Gedong dapatdilihat pada Tabel 10. Tabel 10. Hasil analisis data TPT dengan jaringan syaraf tiruan (skenario ) dan hasil analisis data kekerasan dengan jaringan syaraf tiruan (skenario ) Diskripsi statistik Satuan TPT Kekerasan TPT Kekerasan Kalibrasi Validasi Kalibrasi Validasi Jumlah sampel buah buah R R MSE % % Standar deviasi o Brix kgf Standar error o Brix kgf CV % % M ax duga o Brix kgf Min duga o Brix kgf Max target o Brix kgf Min target o Brix kgf Rata-rata duga o Brix kgf Rata-rata target o Brix kgf MSEkalibrasi-MSEvalidasi % % Berdasarkan Tabel 10 dan Gambar 30 jaringan untuk menduga TPT buah monitoring memiliki selisih MSE kalibrasi dan validasi sebesar akibatnya standar error yang dihasilkan cukup besar yaitu 1.3 o Brix untuk kalibrasi dan 2.1 o Brix untuk validasi. Nilai standar error kalibrasi lebih besar dibandingkan validasi ini diakibatkan oleh MSE kalibrasi lebih besar dibandingkan MSE validasi, sehingga hasil pendugaan kalibrasi lebih baik dibandingkan validasi. Kejadian ini belum masuk kategori over fitting karena perbedaan yang dialami tidak terlalu berbeda jauh. Nilai CV dari hasil jaringan tersebut baik kalibrasi maupun validasi nilainya berada dibawah 20 %. Nilai CV ini menunjukkan besarnya error sebanding dengan rata-rata hasil pengukuran data aktual. Ini berarti error yang terjadi masih berada dalam batas normal. Sedangkan jaringan untuk menduga kekerasan buah monitoring, berdasarkan Tabel 10 dan Gambar 31 jaringan menghasilkan selisih MSE kalibrasi dan validasi sebesar Perbedaan yang kecil ini mengakibatkan nilai R 2 dan R tidak berbeda jauh seperti ditunjukkan pada Tabel 10. Standar error yang dihasilkan hampir mendekati 0 yaitu 0.7 kgf untuk kalibrasi dan 0.6 kgf untuk validasi. Berdasarkan hal tersebut jaringan tidak mengalami over fitting dan dapat digunakan sebagai model untuk pendugaan kekerasan buah monitoring. Nilai CV yang dihasilkan dari jaringan tersebut lebih dari batas ideal yaitu % (Mattjik et al. 2006). Hal ini disebabkan pada saat pengukuran dengan rheometer sampel tidak berada pada kondisi yang stabil terutama pada pengukuran ujung dan pangkal. 48

12 Kekerasan duga (kgf) TPT duga ( o brix) TPT aktual (%brix) Kalibrasi Validasi Duga = Aktual Gambar 30. Hasil kalibrasi dan validasi model JST terbaik untuk menduga TPT buah mangga monitoring Kekerasan aktual (kgf) Kalibrasi Validasi Duga = Aktual Gambar 31. Hasil kalibrasi dan validasi model JST terbaik untuk menduga kekerasan buah mangga monitoring Jaringan tersebut diuji kembali dengan data buah monitoring. Data monitoring ini hanya berupa PC dari spektrum buah yang dihasilkan dari penembakan NIR selama buah disimpan, dengan kata lain tidak ada perusakan jaringan buah untuk mengetahui TPT dan kekerasan buah selama penyimpanan. Selang hasil pengukuran TPT secara destruktif pada penelitian pendahuluan adalah o Brix sedangkan hasil pendugaan TPT buah monitoring menggunakan JST adalah

13 Kekerasan (kgf) TPT ( o brix) o Brix. Selang hasil pengukuran kekerasan secara destruktif pada penelitian pendahuluan adalah kgf sedangkan hasil pendugaan kekerasan buah monitoring menggunakan JST adalah kgf. Hasil pengujian dengan data monitoring dapat dilihat pada Gambar 32 dan 33. Berdasarkan pernyataan tersebut, jaringan dapat dikatakan optimal yang ditandai dengan Nilai duga TPT dan kekerasan yang dihasilkan oleh jaringan mendekati nilai pada pengukuran secara destruktif yang nilainya dapat dilihat dari nilai target pada Lampiran 6, 7, 8, dan Lama simpan (hari) Gambar 32. TPT buah monitoring hasil pendugaan menggunakan JST Lama simpan (hari) Gambar 33. Kekerasan buah monitoring hasil pendugaan menggunakan JST 4.5 Ion Leakage (Kebocoran Ion) Saltveit (1989) menerangkan bahwa gejala kerusakan dingin dapat diamati dari kenaikan kecepatan respirasi dan produksi etilen, terjadinya proses pematangan yang tidak normal dan lambat serta kenaikan jumlah ion yang dikeluarkan dari membran sel (ion leakage). Untuk mengetahui jumlah ion yang dikeluarkan dari membran sel, dilakukan pendekatan dengan pengukuran nilai elektrokonduktivitas listrik dari potongan mangga berbentuk dadu berukuran 2 cm yang masukkan di dalam air bebas ion (aquabides). Sitoplasma yang ada di dalam sel bermuatan negatif, hal ini disebabkan oleh Distribusi anion dan kation pada sisi membran yang berlawanan adalah tidak sama. Energi yang terdapat dalam membran bertindak sebagai sumber energi yang mempengaruhi lalulintas semua substansi bermuatan yang melewati membran. Energi tersebut mendukung transport pasif kation ke dalam sel dan anion 50

14 Total Persentase Ion Leakage (%) keluar sel, karena muatan di dalam sel lebih negatif dibandingkan diluarnya. Meningkatnya kerusakan membran permeabel pada saat dikeluarkan dari ruang penyimpanan dingin, cairan sel akan keluar menyebabkan kenaikan kebocoran ion yang tinggi (Mitchell 2000 dalam Badriyah 2010). Gambar 34 merupakan contoh nilai total persentase ion leakage yang dihasilkan dari pengukuran elektrokonduktivitas listrik. Nilai total persentase ion leakage pada pengukuran awal hingga pengukuran ke-5 (10 hari penyimpan) disajikan dalam Lampiran y = 0.174x R² = Waktu (menit) Gambar 34. Nilai total persentase ion leakage buah mangga di peyimpanan suhu 8 o C pada pengukuran kedua atau setelah 4 hari penyimpanan Gambar 34 merupakan nilai total persentase ion leakage dalam satuan %, dari gambar tesebut juga terlihat bahwa nilai persentase ion leakage buah mangga mulai menunjukkan linear setelah 20 menit pengukuran. Hal ini dapat dilihat dari besarnya nilai koefisien determinasi yang dihasilkan. Karena itu, laju kebocoran ion ditentukan mulai dari 20 menit sampai 300 menit. Setelah dibuat persamaan garis lurusnya ( y = ax +b dengan a adalah kemiringan), laju perubahan ion leakage dapat ditentukan dari kemiringan tersebut. Nilai laju perubahan ion leakage pada penyimpanan hari ke-0 sampai ke-10 dapat dilihat pada Tabel 11. Tabel 11. Laju perubahan ion leakage setelah 20 menit pada penyimpanan hari ke-0 sampai ke-10 Lama simpan (hari) Slope * *) Terjadi Chilling injury Dari Tabel 11 dapat di lihat laju ion leakage terus mengalami peningkatan hingga puncaknya setelah penyimpanan selama 4 hari, lalu setelah penyimpanan selama 4 hari terjadi penurunan laju ion leakage hingga akhir penyimpanan. Berdasarkan hal tersebut maka buah sudah menunjukkan gejala chilling injury sebelum hari ke 4 penyimpaan dan pada hari ke 4 buah sudah terkena chilling injury Karena jumlah ion yang dikeluarkan oleh sel terus mengalami penurunan. Dari penelitian ini buah 51

15 mangga pada penelitian utama selama penyimpanan di suhu 8 o C buah tersebut sudah mengalami kerusakan dingin yang ditandai dengan timbulnya bercak dan gagal matang setelah diperam dengan etilen 0.5 ppm selama 3 hari setelah 30 hari penyimpanan, seperti ditunjukkan pada Lampiran Pendugaan Gejala Chilling Injury (Kerusakan Dingin) pada Penyimpanan Buah Mangga di Suhu 8 o C (Destruktif) dan Buah Monitoring (non- Destruktif) Chilling injury merupakan salah satu jenis kerusakan fisik, jika kerusakan ini dibiarkan maka kerusakan lain dan penyakit dapat timbul. Chilling injury juga dapat diartikan kerusakan fisiologi dari produk pertanian yang mengakibatkan penurunan kualitas karena pengaruh suhu penyimpanan dingin diatas titik beku (Satuhu 2004). Secara teoritis, semakin rendah suhu penyimpanan, kemampuan respirasi buah-buahan segar dapat semakin dihambat. Karena pada suhu penyimpanan rendah, solubiditas dari cairan dalam sel buah-buahan akan semakin tinggi sehingga dapat menekan proses respirasi produk (Purwanto et al., 2005). Tetapi sebaliknya, suhu dingin dapat menyebabkan dinding sel rusak pada saat produk dikeluarkan dari suhu dingin. Air dalam sel akan keluar melalui dinding sel yang telah rusak dan mengakibatkan rusaknya buah tersebut. Kerusakan ini sering tidak nampak selama buah masih berada di ruang pendinginan. Tetapi jika diamati melalui parameter internal produk seperti perubahan ion leakage, terjadi perubahan yang cukup signifikan yang dapat dijadikan acuan untuk mendeteksi gejala chilling injury (Purwanto et al., 2005) Gejala Kerusakan Dingin pada Penyimpanan Buah Mangga di Suhu 8 o C (Destruktif) Selama pematangan buah, Total padatan terlarut dengan komponen utama berupa gula mengalami peningkatan. Peningkatan TPT terjadi karena polimer karbohidrat khususnya pati, dipecah menjadi gula. Gambar 35(a) memperlihatkan bahwa selama penyimpanan dingin pada suhu 8 o C selama 30 hari, kandungan TPT dari buah mangga varietas Gedong mengalami peningkatan. Selain itu, semakin lama buah disimpan maka kekerasan buah semakin berkurang atau buah mengalami pelunakan. Menurut Pantastico (1986), perubahan tebal dinding sel dan banyaknya ruang antar sel menyebabkan lunaknya jaringan. Hal ini dapat dijadikan petunjuk utama terjadinya pemasakan. Pelunakan buah disebabkan oleh perombakan protopektin yang tidak larut menjadi pektin yang larut atau hidrolisis zat pati dan lemak. Gambar 35(b) memperlihatkan penurunan kekerasan buah mangga varietas Gedong selama penyimpanan. Perubahan TPT dan kekerasan yang tidak normal merupakan akibat terjadinya chilling injury. Oleh karena itu, penentuan gejala chilling injury dapat diamati dari perubahan parameter tersebut. Selain itu, gejala kerusakan dingin dapat diamati salah satunya dari kenaikan jumlah ion yang dikeluarkan dari membran sel (ion leakage) (Saltveit 1989). Berdasarkan hal tersebut laju kebocoran ion yang paling tinggi dan diikuti penurunan kebocoran ion setelahya terjadi pada pengukuran ke 2 atau setelah 4 hari penyimpanan. Kondisi ini digunakan sebagai indikator dalam penentuan gejala chilling injury. 52

16 Gambar 35. (a) Total padatan terlarut dan (b)kekerasan buah mangga selama penyimpanan di suhu 8 o C Gejala kerusakan dingin juga dapat dilihat dalam bentuk kegagalan pematangan, pematangan tidak normal, pelunakan prematur, kulit terkelupas, dan peningkatan pembusukan yang disebabkan oleh luka, serta kehilangan flavor yang khas. Gejala-gejala kerusakan dingin tersebut berbeda-beda tergantung pada jenis jaringan yang mengalami kerusakan (Pantastico et al., 1986). Berdasarkan pernyataan tersebut jika dilihat perubahan TPT dan kekerasan pada pengukuran ke-2 (setelah 4 hari penyimpanan), yaitu waktu yang diindikasikan terjadi chilling injury menunjukkan hasil yang berbeda berdasarkan tingkat perubahan masing-masing parameter mutu. Pada total padatan terlarut di pengukuran ke-2, terjadi peningkatan. Namun, peningkatan tersebut lebih tinggi dibanding pengukuran ke-3. Demikian juga pada kekerasan, terjadi peningkatan yang seharusnya buah yang disimpan itu mengalami penurunan tingkat kekerasan. Berdasarkan laju kebocoran ion, telah terjadi chilling injury pada pengukuran ke-2 atau setelah penyimpanan selama 4 hari. Buah yang disimpan sebelum pengukuran ke-2 menunjukkan gejala chilling injury. Kondisi buah yang mengalami chilling injury adalah TPT 8.22 o Brix dan kekerasan 3.80 kgf. Nilai tersebut digunakan sebagai acuan untuk menduga gejala chilling injury Gejala Kerusakan Dingin pada Buah Monitoring (Non-Destruktif) Pendugaan chilling injury pada buah monitoring tidak seperti pendugaan chilling injury selama penyimpanan di suhu 8 o C pada penelitian utama. Pendugaan chilling injury buah monitoring dilakukan dengan menggunakan efek yang diakibatkan gejala chilling injury pada TPT dan kekerasan. Kondisi penyimpanan pada penelitian pendahuluan dan utama tidak berbeda jauh, yang berbeda adalah waktu pemanenan dan tingkat kematangannya. 53

17 Kekerasan (kgf) TPT ( o brix) Kondisi buah selama penyimpanan pada penelitian utama yang menunjukkan chilling injury adalah kandungan TPTnya 8.22 o Brix dan tekstur yang terukur menggunakan rheometer sebesar 3.80 kgf setelah 4 hari penyimpanan. Bila TPT buah monitoring mengalami peningkatan yang tidak normal hingga 4 hari penyimpanan dengan nilainya tidak lebih besar dari 8.22 o Brix buah sudah menunjukkan tanda-tanda gejala chilling injury, namun jika pada awal pengukuran atau penyimpanan nilainya lebih besar berarti buah tersebut tidak mengalami gejala chilling injury melainkan buah tersebut sudah dalam fase pematangan buah.. Begitu juga dengan kekerasan, bila dalam pengukurannya kekerasan menunjukkan penurunanan yang tidak normal hingga 4 hari penyimpanan dan nilainya belum lebih kecil dari 3.80 kgf buah sudah menunjukkan tanda-tanda gejala chilling injury, namun jika nilai pada awal pengukuran lebih kecil dari 3.80 kgf berarti buah tersebut tidak mengalami gejala chilling injury melainkan buah tersebut sudah dalam fase pematangan buah. Bila buah sudah menunjukkan gejala chilling injury buah harus di pindahkan ke suhu diatas batas ambang suhu optimumnya Lama Simpan (hari) TPT Penyimpanan TPT Monitoring Gambar 36. TPT duga buah monitoring dengan TPT buah mangga selama penyimpanan Lama Simpan (hari) Kekerasan Penyimpanan Kekerasan Monitoring Gambar 37. Kekerasan duga buah monitoring dengan kekerasan buah mangga selama penyimpanan Dari Gambar 36 dapat dilihat, TPT buah monitoring pada 4 hari penyimpanan nilainya lebih besar dari 8.22 o Brix yaitu 10.8 o Brix. Sedangkan kekerasan buah monitoring setelah 4 hari penyimpanan yang ditunjukkan pada Gambar 37 nilainya lebih kecil dari 3.80 kgf yaitu 0.43 kgf. Bila di lihat dari nilai awal pendugaa nilai TPT, nilainya sudah jauh melebihi 8.22 o Brix begitu juga kekerasan yang nilainya lebih kecil dari 3.80 kgf. Itu berarti, gejala chilling injury pada buah monitoring tidak dapat diduga, karena buah memasuki fase matang. Buah yang dapat diduga adalah 54

18 buah yang berada dalam fase green mature. Secara visual seperti terlihat dalam Gambar 38, menunjukkan setelah buah disimpan selama 10 hari buah (Gambar 38(b)) mulai muncul bercak. Bercak tersebut mengalami pembesaran (Gambar 38(c)) seiring dengan lama penyimpanan dan di akhiri dengan timbulnya jamur atau mikroorganisme perusak lainnya. (a) (b) Gambar 38. Kondisi buah monitoring pada (a)pengukuran ke-3 atau penyimpanan selama 6 hari, (b)pengukuran ke-5 atau penyimpanan selama 10 hari, dan (c)pengukuran ke-7 atau penyimpanan selama 14 hari (c) Bercak sudah terlihat 55