Electronic Theses and Dissertation

Kopi arabika merupakan salah satu komoditas unggulan di indonesia. keunikan dari cita rasa dan kandungan kafein yang lebih rendah dibandingkan kopi robusta menjadikan kopi arabika memiliki nilai ekonomi yang tinggi. namun, analisis kadar kafein secara konvensional menggunakan perangkat high-performance liquid chromatography (hplc) memerlukan waktu lama, biaya tinggi, dan preparasi sampel yang rumit. oleh karena itu, diperlukan pengembangan metode alternatif yang lebih cepat, efisien, dan non-destruktif untuk analisis kadar kafein pada kopi arabika. salah satu teknologi yang berpotensi adalah near infrared reflectance spectroscopy (nirs), yang bekerja dengan prinsip interaksi sinar inframerah dekat dengan molekul kimia dalam sampel. penelitian ini bertujuan untuk mengembangkan metode pendugaan kadar kafein pada green bean kopi arabika menggunakan teknologi nirs dengan metode koreksi spektrum (pretreatment) dan partial least squares regression (plsr). sampel penelitian ini diambil dari tujuh daerah penghasil kopi arabika di indonesia, yaitu gayo, pangalengan, cianjur, toraja, sidenreng rappang, pupuan dan kintamani, dengan total 32 sampel green bean kopi arabika masing-masing seberat 50 gram. data spektrum dianalisis menggunakan alat thermo nicolet antaris ii™ pada rentang panjang gelombang 1000–2500 nm. metode koreksi spektrum yang digunakan meliputi peak normalization, baseline shift correction, savitzky-golay smoothing, mean normalization, multiplicative scatter correction, dan moving average smoothing, yang bertujuan untuk mengurangi noise dan meningkatkan akurasi prediksi. analisis metode plsr menghasilkan nilai koefisien korelasi (r) 0.948 dan koefisien determinasi (r²) 0.900, menunjukkan tingkat akurasi prediksi yang sangat baik. metode peak normalization terbukti menjadi teknik koreksi spektrum terbaik dengan nilai residual predictive deviation (rpd) sebesar 3.21 dan root mean square error of calibration (rmsec) sebesar 0.2216, yang menandakan kemampuan prediksi kuantitatif yang sangat akurat. teknologi nirs dengan metode plsr dan koreksi spektrum ini menawarkan solusi yang lebih cepat, ramah lingkungan, dan non-destruktif dibandingkan metode konvensional seperti hplc. dengan keunggulannya, teknologi ini memiliki potensi besar untuk diterapkan sebagai alternatif untuk mengetahui kandungan kadar kafein kopi arabika.

Arabica coffee is one of Indonesia’s leading agricultural commodities. Its unique flavor profile and lower caffeine content compared to Robusta coffee make Arabica coffee highly valuable economically. However, conventional caffeine analysis using High-Performance Liquid Chromatography (HPLC) requires long processing time, high operational costs, and complex sample preparation. Therefore, it is necessary to develop a faster, more efficient, and non-destructive alternative method for analyzing caffeine content in Arabica coffee. One promising technology is Near Infrared Reflectance Spectroscopy (NIRS), which operates based on the interaction between near-infrared light and chemical molecules within a sample. This study aims to develop a method for estimating caffeine content in Arabica green beans using NIRS technology, combined with spectral correction (pretreatment) techniques and Partial Least Squares Regression (PLSR). The research samples were collected from seven Arabica coffee-producing regions in Indonesia—Gayo, Pangalengan, Cianjur, Toraja, Sidenreng Rappang, Pupuan, and Kintamani—comprising a total of 32 Arabica green bean samples, each weighing 50 grams. Spectral data were analyzed using a Thermo Nicolet Antaris II™ instrument across a wavelength range of 1000–2500 nm. The spectral correction methods applied included Peak Normalization, Baseline Shift Correction, Savitzky–Golay Smoothing, Mean Normalization, Multiplicative Scatter Correction, and Moving Average Smoothing, all aimed at reducing noise and improving prediction accuracy. The PLSR analysis produced a correlation coefficient (r) of 0.948 and a coefficient of determination (R²) of 0.900, indicating a very high level of predictive accuracy. Among the correction techniques, Peak Normalization proved to be the most effective, yielding a Residual Predictive Deviation (RPD) of 3.21 and a Root Mean Square Error of Calibration (RMSEC) of 0.2216, which demonstrates excellent quantitative predictive performance. Overall, the combination of NIRS technology, PLSR modeling, and spectral correction offers a faster, environmentally friendly, and non-destructive alternative to conventional methods such as HPLC. With these advantages, this technology holds great potential for application as an alternative tool to determine caffeine content in Arabica coffee.