Electronic Theses and Dissertation

Agung Hidayatullah. 2105104010019. Estimasi Kandungan Nutrisi Limbah Serai Wangi Fermentasi Menggunakan Near Infrared Replectance Spectroscopy di bawah bimbingan Samadi sebagai ketua dan Agus Arip Munawar sebagai anggota.
ABSTRAK
Pakan adalah substansi paling penting dalam uasaha peternakan baik skala kecil, menengah, maupun besar. Pakan menjadi penentu dalam hal produktivitas dan efesiensi. Serai wangi (Cymbopogon nardus) yang diambil minyak atsirinya melalui proses penyuling akan menghasilkan limbah yang dapat di jadikan sebagai pakan alternatif karena memiliki kandungan nutrisi yang dapat dimanfaatkan. Namun dalam pemanfaatan limbah serai wangi terhambat karena tingginya kandungan serat sehingga perlu adanya pengolahan terlebih dahulu. Untuk meningkatkan kandungan nutrisi pada limbah serai wangi perlu dilakukan fermentasi untuk mendegradasi senyawa kompleks menjadi senyawa sederhana dengan bantu mikroorganisme seperti jamur dan bakteri. Pengujian bahan pakan perlu dilakukan untuk mengetahui perubahan kandungan nutrisi bahan pakan, baik pengujian secara konvensional (kimia) dan mekanis menggunakan Near Infrared Replectance Spectroscopy untuk menganalisa kandungan bahan organik seperti Protein kasar (PK), Serat kasar (SK), Lemak kasar (LK), Abu dan Air. Penelitian ini bertujuan untuk mengembangkan model kalibrasi Near Infrared Replectance Spectroscopy dalam hal pengujian bahan pakan. Sebanyak 30 sampel bahan pakan yang sudah difermentasi selama 42 hari. Spektrum limbah serai wangi akan melalui tahapan Pretreatment menggunakan principal component analysis (PCA), multiplicative scatter correction (MSC) dan de-trending (DT), selanjutnya akan dikalibrasi dengan metode principal component regression (PCR). Hasil penelitian ini menunjukkan model prediksi dengan pretreatment MSC dan DT memperoleh hasil prediksi yang lebih akurat dan stabil. Nilai yang diproleh dari metode PCR pretreatment untuk parameter Protein kasar (PK) R2 sebesar 0,74 dan RPD sebesar 2,03. Lemak kasar (LK) R2 0,41 dan RPD 1,34. Serat kasar (SK) R2 0,55 dan RPD 1,54 dan untuk parameter Abu nilai R2 sebesar 0,88 dan RPD 3,06. Hal ini menandakan pendekatan NIRS dalam penelitian ini mampu diandalkan sebagai instrument prediksi yang memiliki kemampuan dalam menganalisa kadar kandungan nutrisi pada bahan pakan. Dalam hal ini, penulis menyampaikan saran terkait penelitian ini perlu dilakukan pengujian lanjutan dengan jumlah dan varian sampel yang lebih beragam, guna model kalibrasi yang dihasilkan dapat diterapkan secara luar dan representatif. Kemudian metode pretreatment dan regresi seperti partial least regression (PLSR) yang dapat dikaji lebih lanjut guna meningkatkan akurasi model prediksi dari NIRS.
Kata kunci : NIRS, principal component analysis (PCA), multiplicative scatter correction
(MSC), de-trending (DT), principal component regression (PCR).

Agung Hidayatullah. 2105104010019. Estimation of Nutrient Content in Fermented Citronella Waste Using Near Infrared Reflectance Spectroscopy under the guidance of Samadi as chairman and Agus Arip Munawar as member. ABSTRACK Feed is the most crucial substance in livestock farming, whether on a small, medium, or large scale. It serves as the determining factor for productivity and efficiency. Citronella (Cymbopogon nardus), after undergoing distillation to extract its essential oil, produces waste that can be utilized as alternative feed due to its nutritional content. However, the utilization of citronella waste is hindered by its high fiber content, necessitating prior processing. To enhance the nutritional value of citronella waste, fermentation is required to degrade complex compounds into simpler ones with the assistance of microorganisms such as fungi and bacteria. Feed testing must be conducted to determine changes in the nutritional content of feed ingredients, utilizing both conventional chemical testing and mechanical analysis using Near Infrared Reflectance Spectroscopy to analyze organic constituents such as Crude Protein (CP), Crude Fiber (CF), Crude Fat (EE), Ash, and Moisture. This study aims to develop a Near Infrared Reflectance Spectroscopy calibration model for feed ingredient testing. A total of 30 feed ingredient samples fermented for 42 days were used. The spectra of the citronella waste underwent pretreatment steps using Principal Component Analysis (PCA), Multiplicative Scatter Correction (MSC), and De-trending (DT), and were subsequently calibrated using the Principal Component Regression (PCR) method. The results of this study indicate that the prediction model using MSC and DT pretreatment yielded more accurate and stable prediction results. The values obtained from the PCR pretreatment method for Crude Protein (CP) showed an of 0.74 and an RPD of 2.03; Crude Fat (EE) showed an of 0.41 and an RPD of 1.34; Crude Fiber (CF) showed an of 0.55 and an RPD of 1.54; and for Ash, the value was 0.88 with an RPD of 3.06. This indicates that the NIRS approach in this study can be reliably used as a predictive instrument capable of analyzing the nutrient content of feed ingredients. Consequently, the author suggests that further research should be conducted with a larger and more diverse sample size to ensure the resulting calibration model can be applied broadly and representatively. Additionally, alternative pretreatment and regression methods, such as Partial Least Squares Regression (PLSR), could be further explored to improve the accuracy of the NIRS prediction model. Keywords: NIRS, principal component analysis (PCA), multiplicative scatter correction (MSC), de-trending (DT), principal component regression (PCR).