Electronic Theses and Dissertation

Limbah serai wangi (cymbopogon nardus) hasil penyulingan minyak atsiri memiliki potensi sebagai pakan ternak alternatif karena kandungan nutrisinya yang masih cukup baik. namun, tingginya kadar serat kasar menyebabkan rendahnya daya cerna oleh ternak. upaya peningkatan kecernaan dilakukan melalui fermentasi menggunakan mikroorganisme jamur dan bakteri. penilaian kecernaan secara konvensional umumnya dilakukan dengan metode in vitro yang memerlukan waktu lama, biaya besar, serta prosedur laboratorium yang kompleks. sebagai alternatif, near infrared reflectance spectroscopy (nirs) dipilih karena mampu menganalisis sampel secara cepat, non destruktif, dan efisien. namun, penerapan nirs membutuhkan model kalibrasi yang akurat untuk menghubungkan data spektrum dengan nilai kecernaan. oleh karena itu, penelitian ini bertujuan mengembangkan model kalibrasi nirs untuk memprediksi parameter kecernaan in vitro seperti kecernaan bahan kering (kcbk), kecernaan bahan organik (kcbo), dan ph pada limbah serai wangi fermentasi. sebanyak 30 sampel limbah serai wangi difermentasi selama 42 hari menggunakan metode fermentasi dua tahap, yaitu tahap fermentasi jamur selama 28 hari dan tahap fermentasi bakteri selama 14 hari. sampel dianalisis untuk parameter kimia yaitu kecernaan bahan kering (kcbk), kecernaan bahan organik (kcbo), dan ph. data hasil analisis kimia tersebut digunakan sebagai nilai referensi (y) untuk dikalibrasikan dengan data spektrum nirs (x) yang diambil menggunakan instrumen nirflex. spektrum kemudian diproses dengan metode pretreatment multiplicative scatter correction (msc) dan de-trending (dt), lalu dikalibrasi menggunakan metode principal component regression (pcr). evaluasi performa model dilakukan menggunakan parameter statistik seperti koefisien determinasi (r²), koefisien korelasi (r), root mean square error of calibration (rmsec), dan residual predictive deviation (rpd). hasil penelitian menunjukkan bahwa model kalibrasi dengan pretreatment msc dan dt mampu memberikan akurasi prediksi yang tinggi. model prediksi untuk parameter ph menghasilkan nilai r² sebesar 0,95 dan rpd sebesar 2,49, sedangkan untuk kcbk dan kcbo masing-masing menunjukkan nilai r² sebesar 0,84 dengan rpd sebesar 2,60 dan 2,49. nilai-nilai ini mengindikasikan bahwa model yang dibangun memiliki kemampuan prediksi yang sangat baik dan layak digunakan untuk estimasi cepat parameter kecernaan. simpulan dari penelitian ini adalah bahwa pendekatan nirs dapat diandalkan dalam memprediksi nilai kecernaan bahan pakan secara efisien.

Lemongrass (Cymbopogon nardus) waste, a byproduct of essential oil distillation, has potential as an alternative animal feed due to its relatively good nutritional content. However, the high crude fiber content results in low digestibility by livestock. Efforts to improve digestibility are carried out through fermentation using fungal and bacterial microorganisms. Conventional digestibility assessments are generally conducted using in vitro methods, which are time-consuming, expensive, and require complex laboratory procedures. As an alternative, Near Infrared Reflectance Spectroscopy (NIRS) was chosen due to its ability to analyze samples quickly, non-destructively, and efficiently. However, the application of NIRS requires an accurate calibration model to link spectral data with digestibility values. Therefore, this study aims to develop a NIRS calibration model to predict in vitro digestibility parameters such as dry matter digestibility (DMC), organic matter digestibility (BO), and pH in fermented citronella waste. A total of 30 samples of citronella waste were fermented for 42 days using a two-stage fermentation method: a 28-day fungal fermentation stage and a 14-day bacterial fermentation stage. The samples were analyzed for chemical parameters, including dry matter digestibility (DMC), organic matter digestibility (ORC), and pH. The chemical analysis data were used as reference values (Y) to be calibrated with the NIRS spectrum data (X) collected using the NIRFlex instrument. The spectra were then processed using the Multiplicative Scatter Correction (MSC) and De-Trending (DT) pretreatment methods, and then calibrated using Principal Component Regression (PCR). Model performance was evaluated using statistical parameters such as the coefficient of determination (R²), correlation coefficient (r), Root Mean Square Error of Calibration (RMSEC), and Residual Predictive Deviation (RPD). The results showed that the calibration model with MSC and DT pretreatment provided high prediction accuracy. The prediction model for pH produced an R² value of 0.95 and an RPD of 2.49, while for KCBK and KCBO, R² values were 0.84 and RPDs of 2.60 and 2.49, respectively. These values indicate that the developed model has excellent predictive capability and is suitable for rapid estimation of digestibility parameters.The conclusion of this study is that the NIRS approach is reliable in efficiently predicting feed digestibility.