Electronic Theses and Dissertation

CUT MULTIN ULVA, 1205106010044.Prediksi Kadar Air Bubuk Biji Kakao
Menggunakan NIRS Dengan Metode PLS (Dengan Pre-Treatment Derivative ke-
1 dan Mean Centering. Di bawah Bimbingan Dr.-ing. Agus Arip Munawar.
Sebagai Pembimbing Utama dan Dr. Zulfahrizal. Sebagai Pembimbing Anggota.
RINGKASAN
Indonesia berdasarkan data ICCO (International Cocoa Organization)
merupakan produsen biji kakao nomor tiga dunia setelah Pantai Gading dan
Ghana. Namun mayoritas biji kakao Indonesia dianggap bermutu rendah. Salah
satu metode yang saat ini sedang berkembang dan digunakan untuk mendeteksi
kualitas suatu produk pertanian adalah metode pantulan infra merah dekat atau
Near Infrared Reflectance Spectroscopy (NIRS). Metode ini dapat menganalisis
kualitas produk pertanian dengan waktu yang sangat cepat dan dilakukan secara
nondestruktif atau tanpa merusak buah bahkan tanpa menyentuh produk tersebut.
Tujuan penelitian ini adalah menentukan kandungan kadar air pada biji
kakao menggunakan NIRS dengan metode Partial Least Squares (PLS) sebagai
metode regresi serta membandingkan antara pretreatment Derivative 1 (D1) dan
Mean Centering (MC) sebagai metode koreksi. Penelitian ini menggunakan
sampel biji kakao varietas lindak yang didapat dari petani kemudian dijadikan
dalam bentuk bubuk dengan cara dihancurkan menggunakan blender dan diayak
dengan menggunakan ayakan 24 mesh. Selanjutnya bubuk biji kakao dilakukan
pengambilan spektrum NIRS sebanyak 10 gr per sampel sampai didapat 30
sampel dengan menggunakan alat FT-IR IPTEK T-1516. Data spectrum diolah
menggunakan Partial Least Squares (PLS) dengan dibantu pretreatment
derivative ke-1 dan mean centering.
Hasil penelitian ini didapat bahwa panjang gelombang 1860-2000
merupakan panjang gelombang yang relevan dalam menduga kadar air pada
bubuk biji kakao. Selain itu juga didapat bahwa PLS dengan non pretreatment
menghasilkan model yang tergolong sufficient performance dengan nilai R2 sebesar
0.67, nilai r sebesar 0.80, nilai RMSECV sebesar 0.54, dRMSE sebesar 0,09 dan
nilai RPD yaitu 1,73. PLS dengan penambahan derivative ke-1 menghasilkan
model yang tergolong sufficient performance dengan nilai R2 sebesar 0.65, nilai r
sebesar 0.79, nilai RMSECV sebesar 0.55, dRMSE sebesar 0,09 dan nilai RPD
yaitu 1,70. Selanjutnya PLS dengan penambahan pretreatmen mean centering
menghasilkan model yang tergolong sufficient performance dengan nilai R2 sebesar
0.67, nilai r sebesar 0.80, nilai RMSECV sebesar 0.54, dRMSE sebesar 0,09 dan
nilai RPD yaitu 1,73. Oleh karena itu dapat disimpulkan bahwa mean centering
adalah pretreatment terbaik diantara dua macam pretreatment yang dipakai dalam
penelitian ini.

Tidak Tersedia Deskripsi