Electronic Theses and Dissertation

Kelapa (cocos nucifera l.) merupakan salah satu komoditas penting di daerah tropis. tanaman ini dikenal serbaguna karena hampir seluruh bagiannya mulai dari akar, batang, daun, hingga buah dapat dimanfaatkan untuk berbagai kebutuhan manusia dan memiliki nilai ekonomi yang cukup tinggi. penelitian ini bertujuan untuk mengklasifikasikan mutu tepung ampas kelapa seperti fisikokimia dan sensori berdasarkan variabel suhu dan durasi pengeringan dengan menggunakan metode principal component analysis (pca). penelitian ini dianalisis menggunakan metode principal component analysis (pca), dengan menggunakan software origin. rancangan dalam penelitian ini melibatkan dua faktor yaitu, durasi dan suhu pengeringan. dengan durasi (d1) 6 jam, (d2) 8 jam dan (d3) 10 jam sedangkan suhunya (t1) 50 °c (t2) 60 °c dan (t3) 70 °c. dengan tiga kali pengulangan, sehingga total perlakuan yang diperoleh sebanyak 27 perlakuan. dan parameter yang di analisis meliputi, x₁ sebagai kadar air (moisture content), x₂ sebagai kadar abu (ash), x₃ sebagai lemak (fat), x₄ sebagai protein, x₅ sebagai serat kasar (dietary fiber), x₆ sebagai karbohidrat (carbohydrates), x₇ sebagai densitas curah (bulk density), x₈ sebagai rendemen (yield), x₉ sebagai overall, x₁₀ sebagai warna (color), x₁₁ sebagai tekstur (texture), x₁₂ sebagai aroma, dan x₁₃ sebagai rasa (taste). hasil penelitian menunjukkan bahwa, pca mampu menggelompokkan mutu tepung ampas kelapa berdasarkan karakteristik fisikokimia dan sensori, berdasarkan hasil eigenvalue of correlation matrix diperoleh sembilan komponen utama (pc), namun tidak seluruh komponen memberikan kontribusi yang berarti dalam menjelaskan variasi data. komponen utama pertama (pc1) memiliki nilai eigenvalue sebesar 6,22298 dengan persentase keragaman 47,87%, sedangkan komponen utama kedua (pc2) sebesar 4,41274 dengan kontribusi keragaman 33,94%. secara kumulatif, kedua komponen tersebut mampu menjelaskan 81,81% dari total variasi data, sehingga dinilai sudah cukup mewakili keseluruhan karakteristik data, sehingga pada penelitian ini difokuskan pada pc1 dan pc2 karena keduanya telah merepresentasikan sebagian besar informasi yang terkandung dalam data. berdasarkan hasil analisis yang diperoleh, perlakuan yang sesuai untuk pengembangan tepung bebas gluten menggunakan analisis principal component analysis (pca) yaitu t3d1, t3d2, dan t3d3 berada pada sisi positif pc1 dan memiliki karakteristik yang seragam. ketiganya cenderung berasosiasi dengan taste, aroma, dietary fiber, dan carbohydrates, serta berlawanan dengan moisture content, yang menunjukkan kualitas sensori baik, nilai nutrisi tinggi, dan kadar air rendah. dengan demikian, ketiga perlakuan tersebut dinilai sesuai karena memberikan keseimbangan antara aspek sensori, nutrisi, dan stabilitas produk tepung bebas gluten.

Coconut (Cocos nucifera L.) is one of the most important commodities in tropical regions. This plant is widely recognized for its versatility, as nearly all of its parts including the roots, trunk, leaves, and fruit can be utilized for various human needs and possess considerable economic value. This study aimed to classify the quality of coconut residue flour based on its physicochemical and sensory characteristics under different drying temperatures and drying durations using Principal Component Analysis (PCA). The data were analyzed using Principal Component Analysis (PCA) with Origin software. The experimental design consisted of two factors: drying duration and drying temperature. Drying durations included (D1) 6 h, (D2) 8 h, and (D3) 10 h, while drying temperatures consisted of (T1) 50°C, (T2) 60°C, and (T3) 70°C. Each treatment was replicated three times, resulting in a total of 27 experimental units. The analyzed parameters included x₁ moisture content, x₂ ash content, x₃ fat content, x₄ protein content, x₅ dietary fiber, x₆ carbohydrates, x₇ bulk density, x₈ yield, x₉ overall acceptability, x₁₀ color, x₁₁ texture, x₁₂ aroma, and x₁₃ taste. The results demonstrated that PCA effectively grouped coconut residue flour quality based on its physicochemical and sensory characteristics. The eigenvalue analysis of the correlation matrix identified nine principal components (PCs); however, not all components contributed substantially to explaining data variability. The first principal component (PC1) had an eigenvalue of 6.22298 and explained 47.87% of the total variance, while the second principal component (PC2) had an eigenvalue of 4.41274 and accounted for 33.94% of the variance. Collectively, PC1 and PC2 explained 81.81% of the total data variation, indicating that these two components sufficiently represented the overall characteristics of the dataset. Therefore, the analysis focused primarily on PC1 and PC2, as they captured most of the information contained in the data. Based on the PCA results, treatments T3D1, T3D2, and T3D3 were identified as the most suitable conditions for the development of gluten-free flour. These treatments were located on the positive side of PC1 and exhibited similar characteristics. They were positively associated with taste, aroma, dietary fiber, and carbohydrate content, while showing a negative association with moisture content. This pattern indicates favorable sensory quality, high nutritional value, and low moisture content. Therefore, these treatments were considered the most appropriate, as they provided a balanced combination of sensory attributes, nutritional quality, and product stability for gluten-free flour production.