klasifikasi tiga jenis kopi robusta asal lampung ...digilib.unila.ac.id/59730/3/skripsi tanpa bab...

KLASIFIKASI TIGA JENIS KOPI ROBUSTA ASAL LAMPUNG

MENGGUNAKAN UV-VIS SPECTROSCOPY DAN METODE

KEMOMETRIKA

(Skripsi)

Oleh

NUR AZIS SIGIT PURNOMO

FAKULTAS PERTANIAN

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2019

ABSTRACT

CLASSIFICATION THREE TYPES OF ROBUSTA COFFEES FROM

LAMPUNG USING UV-VIS SPECTROSCOPY AND CHEMOMETRIC

METHOD

By


West Lampung Regency, Pesawaran and Tanggamus are Robusta coffee

producing areas with a height of coffee planting from 275 metres above sea level

(masl) to more than 1000 masl. The height of the planting area affects the

compound content and taste of coffee. Counterfeiting or mixing in coffee grounds

makes quality worse and decreases the level of consumer confidence in quality.

Coffee will be difficult to identify in powder form. This study aims to identify the

authenticity of ground coffee products from the West Lampung region, Pesawaran

and Tanggamus using UV-Vis Spectroscopy and the soft independent modeling of

class analogy (SIMCA) method.

This study used 60 samples of West Lampung ground coffee, 60 Pesawaran coffee

samples and 60 Tanggamus coffee samples with each sample in weight 1 gram.

Each sample is extracted using 50 ml of distilled water at a temperature of 90-98 °

C then filtered. Then dilution is done using 1: 20 ratio of distilled water and then

put in a 2 ml extraction sample in to 10 mm cuvette with 2 repetitions. Spectra

data were taken using UV-Vis Spectrometer and then processed using The

Unscrambler version 9.2 application and analyzed using the principal component

analysis (PCA) method and soft independent modeling of class analogy (SIMCA).

The classification results show the PCA and SIMCA methods are able to

distinguish Robusta coffee powder from West Lampung, Pesawaran and

Tanggamus. The best PCA analysis was obtained using a combination of

multiplicative scatter correction + Savitzky-Golay first derivative 9 segment

(MSC + SGD1) wavelength at 240-430 nm with PC1 values of 45% and PC2 of

35%. SIMCA classification results obtained value of accuracy (AC), sensitivity

(S), and specificity (SP) of 100%. The SIMCA model was tested using a receiver

operating characteristic (ROC) curve and obtained an area under curve (AUC)

value of 0.975-1 (excellent).

Keywords : Robusta Lampung Coffee, UV-Vis Spectrometer, Principal

Component Analysis (PCA), Soft Independent Modelling of Class

Analogy (SIMCA), Receiver Operating Characteristic (ROC).

ABSTRAK



KEMOMETRIKA

Oleh


Kabupaten Lampung Barat, Pesawaran dan Tanggamus merupakan daerah

penghasil kopi Robusta dengan ketinggian penanaman kopi mulai dari 275 meter

di atas permukaan laut (mdpl) sampai lebih dari 1000 mdpl. Ketinggian daerah

tanam mempengaruhi kandungan senyawa dan cita rasa pada kopi. Pemalsuan

atau pencampuran pada bubuk kopi membuat kualitas menjadi buruk dan

menurunkan tingkat kepercayaan konsumen terhadap kualitas. Kopi akan sulit

diidentifikasi apabila sudah dalam bentuk bubuk. Penelitian ini bertujuan untuk

mengidentifikasi keaslian produk kopi bubuk asal daerah Lampung Barat,

Pesawaran dan Tanggamus menggunakan UV-Vis Spectroscopy dan metode soft

independent modelling of class analogy (SIMCA).

Pada penelitian ini digunakan 60 sampel kopi bubuk Lampung Barat, 60 sampel

kopi Pesawaran dan 60 sampel kopi Tanggamus dengan masing-masing sampel

seberat 1 gram. Setiap 1 gram sampel diekstraksi menggunakan 50 ml aquades

dengan suhu 90-98°C lalu disaring. Selanjutnya dilakukan pengenceran

menggunakan aquades dengan perbandingan 1:20 kemudian dimasukkan ke

dalam kuvet ukuran 10 mm sebanyak 2 ml dengan 2 kali pengulangan. Data

spektra diambil menggunakan UV-Vis Spectrometer kemudian diolah

menggunakan aplikasi The Unscrambler versi 9.2 dan dilakukan analisis

menggunakan metode principal component analysis (PCA) dan soft independent

modeling of class analogy (SIMCA).

Hasil klasifikasi menunjukkan metode PCA dan SIMCA mampu membedakan

kopi Robusta bubuk Lampung Barat, Pesawaran dan Tanggamus. Analisis PCA

terbaik diperoleh menggunakan kombinasi pretreatment multiplicative scatter

correction + Savitzky-Golay first derivative 9 segmen (MSC + SGD1) pada

panjang gelombang 240-430 nm dengan nilai PC1 45% dan PC2 35%. Hasil

klasifikasi SIMCA diperoleh nilai akurasi (AC), sensitivitas (S), dan spesifisitas

(SP) sebesar 100%. Model SIMCA diuji menggunakan kurva receiver operating

characteristic (ROC) dan diperoleh nilai area under curve (AUC) sebesar 0,975-1

(sangat baik).

Kata Kunci : Kopi Robusta Lampung, UV-Vis Spectrometer, Principal

Component Analysis (PCA), Soft Independent Modelling of Class

Analogy (SIMCA), Receiver Operating Characteristic (ROC).



KEMOMETRIKA

Oleh

Nur Azis Sigit Purnomo

Skripsi

Sebagai Salah Satu Syarat untuk Mencapai Gelar

SARJANA TEKNOLOGI PERTANIAN

Pada

Jurusan Teknik Pertanian

Fakultas Pertanian Universitas Lampung

FAKULTAS PERTANIAN

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2019

RIWAYAT HIDUP

Penulis dilahirkan di Dusun Sumbertengah, Pekon

Tekad, Kecamatan Pulaupanggung, Kabupaten

Tanggamus Provinsi Lampung pada tanggal 24 Juni

1996, putra pertama dari dua bersaudara, dari pasangan

Bapak Sugita dan Ibu Roliyah. Pendidikan Sekolah

Dasar (SD) diselesaikan di SD Negeri 1 Bumi Dipasena

Sejahtera pada tahun 2008. Penulis melanjutkan

pendidikan Sekolah Menengah Pertama (SMP) diselesaikan di SMP Negeri 1

Pulaupanggung pada tahun 2011 dan Sekolah Menengah Atas (SMA) diselesaikan

di SMA Negeri 1 Gadingrejo pada tahun 2014.

Tahun 2014, penulis terdaftar sebagai mahasiswa Jurusan Teknik Pertanian,

Fakultas Pertanian, Universitas Lampung melalui jalur Seleksi Nasional Masuk

Perguruan Tinggi Negeri (SNMPTN). Selama menjadi mahasiswa penulis pernah

menjadi Asisten Dosen Mesin Peralatan Pengolahan Hasil Pertanian. Penulis

terdaftar di Organisasi Persatuan Mahasiswa Teknik Pertanian (PERMATEP)

sebagai Anggota Biasa PERMATEP. Penulis juga terdaftar aktif di Unit Kegiatan

Mahasiswa Korps Sukarela (KSR) PMI Unit Universitas Lampung sebagai

Anggota Divisi Pendidikan dan Latihan pada periode 2016-2017 serta sebagai

Sekretaris UKM KSR PMI Unit Universitas Lampung pada periode 2018.

Pada tanggal 17 Juli - 25 Agustus 2017, penulis melaksanakan Praktek Umum

(PU) selama 30 hari kerja di Balai Penelitian Tanaman Industri dan Penyegar

(BALITTRI) Sukabumi, Jawa Barat dengan judul “Mempelajari Mutu Fisik

Kopi Robusta Klon BP 308 di Balai Penelitian Tanaman Industri dan

Penyegar (BALITTRI) Sukabumi Jawa Barat”. Pada tanggal 22 Januari-2

Maret 2018, penulis melakukan Kuliah Kerja Nyata (KKN) di Tiyuh Indraloka

Mukti, Kecamatan Way Kenanga, Kabupaten Tulang Bawang Barat selama 40

hari kerja dengan tema “Pariwisata dan Budaya dalam Membangun dan

Meningkatkan Kemandirian Desa”.

SANWACANA

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat serta hidayah-

Nya sehingga penulis dapat menyelesaikan tugas akhir perkuliahan dalam

penyusunan skripsi ini yang berjudul “Klasifikasi Tiga Jenis Kopi Robusta Asal

Lampung Menggunakan UV-Vis Spectroscopy dan Metode Kemometrika”.

Skripsi ini adalah salah satu syarat untuk memperoleh gelar Sarjana Teknologi

Pertanian pada Jurusan Teknik Pertanian, Fakultas Pertanian, Universitas

Lampung.

Penulis menyadari dalam penyusunan skripsi ini terdapat begitu banyak kesalahan

dan kekurangan. Ucapan terima kasih penulis sampaikan kepada seluruh pihak

yang telah memberikan bantuan, bimbingan serta saran dalam pelaksanaan

penelitian dan penulisan skripsi. Ucapan terimakasih penulis ucapkan kepada :

1. Bapak Prof. Dr. Ir. Irwan Sukri Banuwa, M.Si., selaku Dekan Fakultas

Pertanian Universitas Lampung

2. Bapak Dr. Ir. Agus Haryanto, M.P., selaku Ketua Jurusan Teknik Pertanian,

Universitas Lampung.

3. Bapak Dr. Agr. Sc. Diding Suhandy, S.TP., M.Agr., selaku Dosen

Pembimbing Utama yang telah meluangkan waktunya untuk membimbing,

memotivasi dan memberikan saran selama proses penelitian hingga

penyusunan skripsi ini.

4. Ibu Cicih Sugianti, S.TP., M.Si., selaku pembimbing kedua yang telah

memberikan berbagai masukan dan bimbingannya dalam pembuatan proposal

penelitian.

5. Bapak Dr. Ir. Sapto Kuncoro, M.S., yang telah bersedia menjadi pembimbing

kedua menggantikan Ibu Cicih Sugianti, S.TP., M.Si., yang telah memberikan

bimbingan dalam menyelesaikan skripsi.

6. Dr. Ir. Tamrin, M.S., selaku pembahas yang telah memberikan saran dan

masukan sebagai perbaikan selama penyusunan skripsi ini.

7. Seluruh dosen di Universitas Lampung yang telah memberikan ilmu serta

pengalaman selama penulis menjadi mahasiswa.

8. Bapakku Sugita, ibuku Roliyah, adikku Ahmad Bion Al-asy’ari, serta semua

keluarga tercinta yang telah memberikan kasih sayang, dukungan moral,

material dan doa.

9. Teman-teman seperjuangan Teknik Pertanian 2014 yang telah memberikan

waktu, dukungan, semangat, canda dan motivasi.

10. Teman-teman Eny Supriyanti, Galih Eko Nugroho, Komang Sukarye, Nicolas,

Sulton Mufid yang telah membantu selama penelitian berlangsung.

11. Keluarga angkatan 24 UKM KSR PMI Unit Universitas Lampung dan Rekan

Presidium 2018 Gregorius Verli Giga Winarno, Wahyu Widiyatmoko, serta

Eny Supriyanti atas bantuan dan motivasinya.

12. Keluarga Besar UKM KSR PMI Unit Universitas dari angkatan 1 hingga

angkatan 29.

13. Keluarga Besar Teknik Pertanian Angkatan 2011, 2012, 2013, 2015, 2016,

2017, 2018 dan 2019.

Semoga Allah SWT membalas semua kebaikan Bapak, Ibu, serta rekan-rekan

sekalian, dan semoga skripsi ini dapat bermanfaat untuk semua pihak di masa

yang akan datang.

Bandarlampung, 14 Oktober 2019

Penulis,

Nur Azis Sigit Purnomo

Maka sesungguhnya bersama kesulitan itu ada kemudahan

(QS. Al Insyirah : 5)

Allah mencintai pekerjaan yang apabila bekerja ia

menyelesaikannya dengan baik

(H.R Thabrani)

Jadilah diri kamu sendiri, Aku adalah Aku

(Nur Azis Sigit Purnomo)

Alhamdulillahirabbalalaamin

Sujud syukur kusembahkan kepadaMu ya Allah, Tuhan Yang

Maha Agung dan Maha Tinggi. Atas kuasa-Mu hamba bisa

menjadi pribadi yang berpikir, berilmu, beriman dan bersabar.

Sebagai wujud rasa cinta, kasih sayang, dan terimakasih yang

tiada terkira. Ku persembahkan karya kecilku teruntuk

Ibukku Roliyah

Bapakku Sugita

Adikku Ahmad Bion Al Asy’ari dan

Seluruh keluarga Besarku

Serta

Almamater tercinta Universitas Lampung

Teknik Pertanian 2014

DAFTAR ISI

Halaman

DAFTAR TABEL ............................................................................................. v

DAFTAR GAMBAR ....................................................................................... viii

I. PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang ........................................................................................ 1

1.2 Tujuan Penelitian ..................................................................................... 6

1.3 Manfaat Penelitian ................................................................................... 6

1.4 Hipotesis .................................................................................................. 7

1.5 Batasan Masalah ...................................................................................... 7

II. TINJAUAN PUSTAKA ............................................................................ 8

2.1 Kopi (Coffea sp) ...................................................................................... 8

2.1.1 Kopi Robusta ................................................................................... 9

2.1.2 Kopi Robusta Lampung ................................................................... 11

2.2 Kandungan Senyawa Kopi ...................................................................... 14

2.3 UV-Vis Spectroscopy ............................................................................... 15

2.4 Metode Kemometrika (Chemometris Method) ....................................... 18

2.4.1 Principal Component Analysis (PCA) ............................................. 19

2.4.2 Soft Independent Modelling of Class Analogy (SIMCA) ................ 20

2.4.3 Confusion Matrix (Matrik Konfusi) ................................................. 21

2.4.4 Metode Pretreatment Spektra........................................................... 23

2.5 Kurva Receiver Operating Characteristic (ROC) ................................... 27

III. METODOLOGI PENELITIAN ............................................................ 29

3.1 Waktu dan Tempat .................................................................................. 29

iv

3.2 Alat dan Bahan ........................................................................................ 29

3.3 Prosedur Penelitian .................................................................................. 30

3.3.1 Persiapan Alat dan Bahan ................................................................ 31

3.3.2 Ekstraksi Kopi.................................................................................. 32

3.3.3 Pengambilan Spektra Menggunakan Spektrometer ......................... 34

3.3.4 Membuat dan Menguji Model ......................................................... 36

3.3.5 Analisis Data .................................................................................... 36

3.3.6 Prosedur Menggunakan Principal Component Analysis (PCA) ...... 37

IV. HASIL DAN PEMBAHASAN ................................................................ 41

4.1 Analisis Spektra Kopi Robusta Lampung Barat,

Kopi Robusta Pesawaran dan Kopi Robusta Tanggamus ...................... 41

4.2 Hasil Principal Component Analysis (PCA) Spektra Original

pada Panjang Gelombang 240-430 nm .................................................. 47

4.3 Model SIMCA Original pada Panjang Gelombang 240-430 nm ............ 51

4.4 Klasifikasi Model SIMCA Spektra Original pada Panjang

Gelombang 240-430 nm ......................................................................... 54

4.5 Analisis Perlakuan (Pretreatment) Spektra pada Masing-Masing

Sampel .................................................................................................... 65

4.6 Hasil Principal Component Analysis (PCA) Spektra

Menggunakan Pretreatment MSC + SGD1 pada Panjang

Gelombang 240-430 nm ......................................................................... 75

4.7 Model SIMCA MSC + SGD1 pada Panjang Gelombang 240-430 nm ... 79

4.8 Klasifikasi Model SIMCA Menggunakan Pretreatment

MSC + SGD1 Pada Panjang Gelombang 240-430 nm .......................... 82

4.9 Receiver Operating Characteristic (ROC) .............................................. 92

V. KESIMPULAN DAN SARAN ................................................................. 98

5.1 Kesimpulan .............................................................................................. 98

5.2 Saran ........................................................................................................ 100

DAFTAR PUSTAKA ...................................................................................... 101

LAMPIRAN ..................................................................................................... 106

v

DAFTAR TABEL

Tabel Halaman

1. Confusion Matrix ......................................................................................... 21

2. Komposisi Bahan ......................................................................................... 32

3. Hasil Klasifikasi Model SIMCA Spektra Original

Lampung Barat (LB) – Pesawaran (PW) pada Panjang

Gelombang 240-430 nm ............................................................................... 56

4. Confusion Matrix Model SIMCA Spektra Original

Lampung Barat (LB) – Pesawaran (PW) pada Panjang

Gelombang 240-430 nm ............................................................................... 57


Lampung Barat (LB) – Tanggamus (TG) pada Panjang

Gelombang 240-430 nm ............................................................................... 58


Lampung Barat (LB) - Tanggamus (TG) pada Panjang

Gelombang 240-430 nm ............................................................................... 59


Pesawaran (PW) – Tanggamus (TG) pada Panjang

Gelombang 240-430 nm ............................................................................... 61


Pesawaran (PW) – Tanggamus (TG) pada Panjang

Gelombang 240-430 nm ............................................................................... 62

9. Nilai PC1 dan PC2 Pada Masing-Masing Sampel ....................................... 67

10. Hasil Perhitungan Confusion Matrix Klasifikasi Prediksi ......................... 71

vi

11. Hasil Klasifikasi Model SIMCA Lampung Barat (LB) –

Pesawaran (PW) Menggunakan Pretreatment MSC + SGD1

pada Panjang Gelombang 240-430 nm ...................................................... 83

12. Confusion Matrix Model SIMCA Lampung Barat (LB) –

Pesawaran (PW) Menggunakan Pretratment MSC + SGD1


13. Hasil Klasifikasi Model SIMCA Lampung Barat (LB) –

Tanggamus (TG) Menggunakan Pretreatment MSC + SGD1


14. Confusion Matrix Model SIMCA Lampung Barat (LB) –

Tanggamus (TG) Menggunakan Pretratment MSC + SGD1


15. Hasil Klasifikasi Model SIMCA Pesawaran (PW) –

Tanggamus (TG) Menggunakan Pretreatment MSC + SGD1


16. Confusion Matrix Model SIMCA Pesawaran (PW) –

Tanggamus (TG) Menggunakan Pretratment MSC + SGD1


17. Hubungan Spesifisitas dan Sensitivitas Beberapa Level Klasifikasi

Lampung Barat (LB)-Pesawaran (PW) Menggunakan

Pretreatment MSC + SGD1 pada Panjang Gelombang 240-430 nm ......... 93


Lampung Barat (LB)-Tanggamus (TG) Menggunakan



Pesawaran (PW)-Tanggamus (TG) Menggunakan


Lampiran

20. Daftar Istilah (Camo, 2006., Lavine, 2009., dan Mark dan

Workman, 2017) dalam Sukarye (2018) .................................................... 107

21. Daftar Singkatan......................................................................................... 109

vii

22. Hasil Diskriminasi PCA Spektra Original pada Panjang

Gelombang 240-430 nm Dalam Bentuk Angka (Numeric) ....................... 110

23. Hasil Diskriminasi PCA Spektra Menggunakan Pretreatment

MSC + SGD1 pada Panjang Gelombang 240-430 nm

Dalam Bentuk Angka (Numeric) ............................................................... 119

DAFTAR GAMBAR

Gambar Halaman

1. Kopi asal Lampung Barat (a), Pesawaran (b) dan Tanggamus (c)

setelah disangrai (roasting) dengan ketinggian tempat tanam

yang berbeda. ................................................................................................ 3

2. Biji kopi Robusta setelah disangrai. .............................................................. 10

3. Biji kopi Robusta asal Lampung Barat, Pesawaran dan

Tanggamus setelah di sangrai (roasting). ...................................................... 12

4. UV-Vis Spectroscopy. .................................................................................... 16

5. Prinsip Kerja UV-Vis Spectroscopy (Handayani, 2016). .............................. 17

6. Perbandingan bentuk kurva ROC (Sprawls, 1995). ...................................... 28

7. Diagram alir penelitian (Pratiwi, 2017). ....................................................... 30

8. Prosedur ekstraksi kopi (Pratiwi, 2017). ....................................................... 33

9. Prosedur penggunaan UV-Vis Spectroscopy (Sambudi, 2018). .................... 35

10. Cara memasukkan data dari Ms. Excel ke The Unscrambler 9.2................ 37

11. Cara men-transpose data pada The Unscrambler 9.2. ................................ 38

12. Cara membuat kolom Category Variable. .................................................. 39

13. Menu Edit Set. ............................................................................................. 39

14. Sampel kopi Robusta Lampung dari Kabupaten Lampung Barat,

Pesawaran dan Tanggamus. ........................................................................ 41

15. Kopi Robusta asal Pesawaran (a), Tanggamus (b) dan

Lampung Barat (c) dengan ketinggian tempat tumbuh

yang berbeda. .............................................................................................. 42

ix

16. Grafik spektra original pada panjang gelombang 190-1100 nm. ................ 43

17. Distribusi cahaya pada panjang gelombang menggunakan

beberapa sumber cahaya lampu (Anonim, 2017)........................................ 45

18. Tampilan layar awal The Unscrambler versi 9.2. ....................................... 46

19. Data yang akan diolah menggunakan The Unscrambler versi 9.2.............. 47

20. Hasil plot skor PCA spektra original pada gelombang

240-430 nm dari 360 sampel. ...................................................................... 48

21. Grafik X-Loading PC1 hasil PCA spektra original dari

360 sampel pada panjang gelombang 240-430 nm. .................................... 49

22. Grafik X-Loading PC2 hasil PCA spektra original dari

360 sampel pada panjang gelombang 240-430 nm. .................................... 50

23. Model SIMCA spektra original sampel kopi Robusta

Lampung Barat pada panjang gelombang 240-430 nm. ............................. 52


Pesawaran pada panjang gelombang 240-430 nm. ..................................... 53


Tanggamus pada panjang gelombang 240-430 nm..................................... 53

26. Coomans plot sampel kopi Robusta Lampung Barat (LB) dan

Pesawaran (PW) menggunakan spektra original pada panjang

gelombang 240-430 nm. ............................................................................. 64


Tanggamus (TG) menggunakan spektra original pada panjang

gelombang 240-430 nm. ............................................................................. 64

28. Coomans plot sampel kopi Robusta Pesawaran (PW) dan

Tanggamus (TG) menggunakan spektra original pada panjang

gelombang 240-430 nm. ............................................................................. 64

29. Tampilan kolom pretreatment MSC + SGD1. ............................................ 76

30. Hasil plot skor PCA menggunakan pretreatment MSC + SGD1

pada panjang gelombang 240-430 nm dari 360 sampel. ............................. 76

31. Grafik X-Loading PC1 hasil PCA menggunakan pretreatment

MSC + SGD1 pada 360 sampel. ................................................................. 78

x

32. Grafik X-Loading PC2 hasil PCA menggunakan pretreatment

MSC + SGD1 pada 360 sampel. ................................................................. 78

33. Model SIMCA sampel kopi Robusta Lampung Barat menggunakan

pretreatment MSC + SGD1 pada panjang gelombang 240-430 nm. .......... 80

34. Model SIMCA sampel kopi Robusta pesawaran menggunakan


35. Model SIMCA sampel kopi Robusta Tanggamus menggunakan



Pesawaran (PW) menggunakan pretreatment MSC + SGD1

pada panjang gelombang 240-430 nm. ....................................................... 90


Tanggamus (TG) menggunakan pretreatment MSC + SGD1


38. Coomans plot sampel kopi Robusta Pesawaran (PW) dan

Tanggamus (TG) menggunakan pretreatment MSC + SGD1


39. Kurva ROC level 0,1%, 0,5%, 1%, 5%,10%, 25% klasifikasi

sampel kopi Lampung Barat (LB)-Pesawaran (PW) menggunakan


40. Kurva ROC level 0,1%, 0,5%, 1% klasifikasi sampel kopi

Lampung Barat (LB)-Tanggamus (TG) menggunakan


41. Kurva ROC level 5%,10%, 25% klasifikasi sampel kopi

Lampung Barat (LB)-Tanggamus (TG) menggunakan


42. Kurva ROC level 0,1%, 0,5%, 1%, 5%,10%, 25% klasifikasi

sampel kopi Pesawaran (PW)-Tanggamus (TG) menggunakan


Lampiran

43. Proses penggilingan roasted bean menggunakan mesin

coffe grinder merk Sayota tipe SCG 178 dengan daya 180 watt. .............. 128

xi

44. Pengayakan dilakukan menggunakan ayakan Tyler Meinzer II

dengan mesh ukuran 50. ............................................................................ 128

45. Sampel kopi Robusta Tanggamus, Lampung Barat dan

Pesawaran dalam bentuk bubuk. ................................................................ 129

46. Proses penimbangan sampel kopi. ............................................................. 129

47. Penimbangan masing-masing sampel sebesar 1 gram. .............................. 130

48. Proses penghomogenan sampel menggunakan Magnetic Stirrer. ............. 130

49. Proses penyaringan sampel menggunakan kertas saring. .......................... 131

50. Hasil pengenceran sampel dengan perbandingan 1 ml

sampel kopi dengan 20 ml aquades. .......................................................... 131

51. Tempat meletakkan kuvet. ......................................................................... 132

52. Penelitian dengan didampingi pembimbing. .............................................. 132

1

I. PENDAHULUAN

1.1 Latar Belakang

Komoditas perkebunan sangat berpengaruh dalam perekonomian di Indonesia.

Salah satu komoditas perkebunan andalan yaitu kopi. Komoditas kopi dalam

perekonomian Indonesia sangat penting sebagai peningkatan devisa negara dari

mulai produksi pengolahan, perdagangan (ekspor) maupun sebagai lahan

pendapatan bagi para petani kopi. Kopi dapat diolah menjadi beberapa produk

seperti minuman, perisa makan dan dapat dijadikan parfum. Kopi disenangi

banyak orang karena bubuk kopi dapat diseduh yang memiliki aroma khas dan

rasa yang nikmat (Panggabean, 2011).

Indonesia merupakan produsen biji kopi terbesar keempat setelah Brazil, Vietnam,

dan Kolombia dengan jumlah produksi tahun 2016 mencapai 639.305 ton dan luas

area sebesar 1.228.512 ha. (ICO, 2018). Sekitar 95 % dari areal dan produksi

kopi di Indonesia merupakan kopi rakyat (smallholders coffee), sedangkan

selebihnya adalah kopi perkebunan besar (estates coffee) (GAEKI, 2018). Hampir

seluruh provinsi di Indonesia terdapat perkebunan kopi kecuali DKI Jakarta.

Sumatera Selatan menjadi provinsi yang terdapat perkebunan kopi terluas dengan

total luas 206.018 ha dengan hasil produksi 110.481 ton. Sedangkan Lampung

2

menjadi Provinsi kedua yang memiliki perkebunan kopi berdasarkan luas areal

dan produksi kopi perkebunan rakyat, besar negara dan besar swasta dengan total

162.020 ha dengan hasil produksi 110.368 ton (Ditjenbun, 2017).

Di Indonesia terdapat beberapa jenis kopi, yaitu Arabika, Robusta, dan Liberika.

Namun, jenis kopi yang banyak dibudidayakan yaitu kopi jenis Arabika dan

Robusta (Prastowo dkk, 2010). Provinsi Lampung terkenal dengan kopi Robusta

dengan luas areal dan produksi kopi Robusta perkebunan rakyat mencapai

110.325 ton (Ditjenbun, 2017).

Pada saat ini mengkonsumsi kopi sudah menjadi budaya bagi seluruh kalangan

masyarakat Indonesia. Banyak kafe-kafe menyediakan menu minuman kopi

dengan jenis kopi yang beragam. Minuman kopi digemari karena memiliki

citarasa dan aroma yang khas. Saat ini para pecinta kopi tidak hanya sekedar

menikmati citarasa dan aroma kopi, tetapi permintaan pada kualitas kopi semakin

meningkat seiring berkembangnya tren minum kopi. Kualitas kopi tersebut mulai

dari jenis kopi, daerah penghasil kopi, ketinggian tempat penanaman kopi, proses

pemanenan kopi maupun pengolahan pasca panen kopi. Selain memiliki citarasa

dan aroma yang khas, kopi yang berkualitas memiliki kandungan senyawa yang

bermanfaat bagi kesehatan tubuh seperti asam klorogenat (chlorogenic acid) yang

mempunyai aktivitas sebagai antimutagenik dan juga dapat membantu dalam

menurunkan berat badan (Mills et al, 2013). Trigonelin juga terbukti dapat

memperbaiki profil lipid sehingga dapat bermanfaat sebagai antidiabetes dan anti

alzheimer (Makowska et al, 2013) dan kafein yang berfungsi sebagai stimulan

sistem syaraf pusat (Zhang et al, 2013).

3

(a) (b) (c)

Gambar 1. Kopi asal Lampung Barat (a), Pesawaran (b) dan Tanggamus (c)

setelah disangrai (roasting) dengan ketinggian tempat tanam yang

berbeda.

Gambar 1 merupakan kopi Robusta dari berbagai daerah Kabupaten di Lampung,

di antaranya yaitu Kabupaten Lampung Barat, Pesawaran dan Tanggamus.

Penanaman kopi pada ketiga daerah tersebut terletak pada kondisi geografis dan

ketinggian daerah tanam yang berbeda. Ketinggian atau elevasi penanaman

merupakan salah satu faktor yang mempengaruhi sifat dan karakteristik kopi.

Soetriono (2009), menyatakan bahwa kondisi lingkungan tumbuh kopi Robusta di

setiap daerah akan menghasilkan mutu dan citarasa yang berbeda antara satu

dengan lainnya. Rasa pahit pada ekstrak kopi disebabkan oleh kandungan mineral

dan pecahan kasar, asam klorogenat, kafein, tannin, dan beberapa senyawa

organik dan anorganik lainnya (Varnam dan Sutherland, 1994). Avelino et al

(2005) serta Sridevi dan Giridhar (2013) menemukan kopi yang tumbuh pada

elevasi yang lebih tinggi mempunyai komponen senyawa kimia lebih banyak

dibanding kopi yang tumbuh pada elevasi lebih rendah. Avelino et al (2005)

menemukan bahwa kopi dari Santa Maria de Dota (1550-1780 mdpl) memiliki

kadar kafein, trigonelin dan asam klorogenat yang lebih tinggi daripada kopi dari

Orosi (1020-1250 mdpl). Sridevi dan Giridhar (2013) menemukan kandungan

trigoneline dan niasin (nicotinic acid) pada kopi dipengaruhi oleh variasi

4

ketinggian tempat tanam. Kadar trigoneline dan niasin meningkat secara

signifikan dengan meningkatnya ketinggian daerah tanam. Selain itu, kopi

tersebut mempunyai aroma, body, acidity, dan preference yang lebih baik

(Bertrand et al., 2006). Berdasarkan hal tersebut, ketinggian tempat dalam

penanaman kopi berpengaruh dalam hal citarasa, aroma dan kandungan senyawa

yang terdapat dalam biji kopi. Dalam hal kesehatan, kopi yang ditanam pada

dataran tinggi akan lebih baik daripada kopi yang ditanam pada dataran rendah.

Dalam segi ekonomi, harga kopi yang dihasilkan pada daerah dataran tinggi akan

lebih mahal daripada kopi yang dihasilkan pada dataran rendah.

Meningkatnya kafe-kafe produk minuman kopi memicu meningkatnya permintaan

kopi yang berkualitas. Dalam hal ini pada industri perdagangan kopi dapat terjadi

pemalsuan atau pengoplosan bubuk kopi berkualitas rendah dengan bubuk kopi

berkualitas tinggi untuk memenuhi permintaan konsumen dan mendapatkan harga

(keuntungan) yang lebih tinggi. Pencampuran beberapa jenis kopi dapat merusak

keaslian kopi baik itu cita rasa, aroma maupun kandungan senyawa pada jenis

kopi tertentu.

Pada Gambar 1, biji kopi setelah disangrai (roasting) akan sulit dibedakan secara

visual, apalagi ketika biji kopi sudah dalam keadaan bubuk. Padahal masing-

masing kopi tersebut memiliki perbedaan pada kandungan senyawa dikarenakan

perbedaan elevasi penanaman. Bubuk kopi akan sangat sulit dianalisa oleh indra

manusia karena secara visual kopi ini terlihat hampir sama. Terdapat beberapa

metode yang dapat digunakan untuk membedakan suatu jenis kopi di antaranya

metode organoleptik, NIR (near infrared), GC (gas chromatography), HPLC

5

(high performance liquid chromatography) dan lain lain. Masing-masing metode

tersebut memiliki beberapa kelemahan dalam mendeskripsikan suatu jenis objek.

Metode organoleptik menggunakan human sensori (panca indra) yang memiliki

kelemahan dan keterbatasan karena sifat indrawi manusia tidak subjektif. Fisik

dan mental juga mempengaruhi tingkat ketepatan uji, karena indra manusia dapat

mengalami penurunan kepekaan indra. Metode NIR, GC dan HPLC memiliki

kelemahan yaitu sukar digunakan (dibutuhkan keahlian khusus) dan harga

peralatan yang relatif mahal. Untuk mengatasi hal tersebut, pada penelitian ini

digunakan UV-Vis Spectroscopy yang dapat mendeskripsikan jenis sampel secara

objektif. Kelebihan UV-Vis Spectroscopy adalah proses ekstraksinya sangat

murah, karena hanya melibatkan pelarut air sehingga bebas bahan kimia, akurat,

mudah digunakan (tidak membutuhkan keahlian khusus) dan banyak tersedia di

laboratorium standar (Sambudi, 2018).

Penggunaan UV-Vis Spectroscopy dalam mendiskriminasikan kopi sudah

dibuktikan oleh penelitian Sambudi (2018) dalam membedakan kopi Robusta

murni dekafeinasi dengan kopi Robusta murni nondekafeinasi pada bentuk bubuk

yang sulit untuk dibedakan dengan kasat mata dan Pratiwi (2017) dalam

membedakan kopi spesialti untuk mendapatkan absorban data.

Belum adanya penelitian tentang diskriminasi beberapa jenis kopi di Provinsi

Lampung berdasarkan elevasi penanaman menjadi pendorong dilakukannya

penelitian ini. Hasil dari penelitian ini dapat membantu produsen minuman kopi

yang mendapat suplai kopi dari petani maupun konsumen dalam mengetahui

keaslian jenis kopi dari Kabupaten Lampung Barat, Pesawaran dan Tanggamus

6

secara cepat dan mudah sehingga para produsen kopi dapat menjaga kualitas

produk kopi dan dapat meningkatkan kepuasan konsumen. Kopi tersebut

selanjutnya akan dibedakan berdasarkan sifat optik menggunakan UV-Vis

Spectroscopy dalam mendapatkan absorban data. Kemudian data nilai absorban

tersebut akan diolah menggunakan metode kemometrika.

1.2 Tujuan Penelitian

Tujuan dari penelitian ini yaitu untuk membedakan 3 jenis kopi Robusta asal

Lampung dengan perbedaan elevasi penanaman yaitu kopi Lampung Barat (1156

mdpl), kopi Pesawaran (534 mdpl) dan kopi Tanggamus (905 mdpl) berdasarkan

sifat optik menggunakan UV-Vis Spectroscopy.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah :

1. Memberikan informasi tentang perbedaan kopi asal Tanggamus, Pesawaran

dan Lampung Barat secara optik.

2. Mengetahui kualitas ketiga kopi tersebut berdasarkan kandungan

absorbansinya.

3. Mencegah pemalsuan dan pencampuran kopi spesialti di pasaran.

7

1.4 Hipotesis

Hipotesis dari penelitian ini yaitu kopi Robusta asal Lampung Barat, Pesawaran,

dan Tanggamus dapat dibedakan berdasarkan kandungan spektranya

menggunakan UV-Vis Spectroscopy dan metode kemometrika yaitu SIMCA.

1.5 Batasan Masalah

Batasan masalah dalam penelitian ini yaitu proses klasifikasi hanya pada 3 jenis

biji kopi roasting lokal yaitu kopi Lampung Barat (1156 mdpl), kopi Pesawaran

(534 mdpl) dan kopi Tanggamus (905 mdpl).

II. TINJAUAN PUSTAKA

2.1 Kopi (Coffea sp)

Tanaman kopi merupakan tanaman semak belukar yang berkeping dua (dikotil),

sehingga memiliki perakaran tunggang. Perakaran ini hanya dimiliki jika tanaman

kopi berasal dari bibit semai atau bibit sambung (okulasi) yang batang bawahnya

berasal dari bibit semai. Sebaliknya, tanaman kopi yang berasal dari bibit setek,

cangkok atau okulasi yang batang bawahnya berasal dari bibit setek tidak

memiliki akar tunggang, sehingga relatif mudah rebah (AAK,1988). Tanaman

kopi memiliki lima jenis cabang yaitu cabang primer, sekunder, reproduktif,

cabang balik, dan cabang kipas. Daun tanaman kopi hampir memiliki perwatakan

yang sama dengan tanaman kakao yang lebar dan tipis, sehingga dalam

budidayanya memerlukan tanaman naungan. Bagian pinggir daun kopi

bergelombang dan tumbuh pada cabang, batang, serta ranting (Panggabean,2011).

Tanaman kopi merupakan tanaman perkebunan yang berasal dari Benua Afrika,

tepatnya dari negara Ethiopia pada abad ke-9. Suku Ethiopia memasukan biji

kopi sebagai makanan mereka yang dikombinasikan dengan makanan-makanan

popok lainnya, seperti daging dan ikan. Tanaman ini mulai diperkenalkan di

dunia pada abad ke-17 di India. Selanjutnya, tanaman kopi menyebar ke benua

9

Eropa oleh seorang yang berkebangsaan Belanda dan terus dilanjutkan ke negara

lain termasuk ke wilayah jajahannya yaitu Indonesia (Anshori dalam Panggabean,

2011).

Kopi (Coffea sp) merupakan salah satu hasil komoditi perkebunan yang memiliki

nilai ekonomis yang cukup tinggi di antara tanaman perkebunan lainnya dan

berperan penting sebagai sumber devisa negara dan juga merupakan sumber

penghasilan dari satu setengah juta jiwa petani kopi di Indonesia (Rahardjo,

2012). Prasmatiwi, dkk (2010) dalam penelitiannya menyebutkan bahwa tanaman

kopi mulai belajar berproduksi pada tahun ke-3, dengan hasil produksi yang

belum tinggi. Pada tahun ke-4 dan ke-5, produksi kopi mencapai produksi yang

tinggi atau sering disebut “ngagung”. Petani kopi dapat memperoleh hasil

produksi hingga umur tanaman lebih dari 25 tahun. Selama umur produksi,

produktivitas kopi dapat mencapai 1.000-2.800 kg per hektar.

Kopi merupakan salah satu minuman penyegar yang sangat populer di dunia yang

dikonsumsi bukan sebagai sumber nutrisi tetapi terkait dengan cita rasa dan aroma

yang khas. Aspek mutu yang berhubungan dengan sifat fisik, kimiawi,

kontaminasi, dan kebersihan biji kopi harus diawasi secara ketat karena akan

berpengaruh pada cita rasa dan kesehatan konsumen.

2.1.1 Kopi Robusta

Pada Gambar 2 merupakan biji kopi Robusta yang sudah disangrai. Kopi Robusta

(Coffea canephora) merupakan salah satu spesies anggota genus Coffea yang

10

memiliki nilai ekonomis penting di dunia setelah kopi Arabika (Coffea arabica).

Kopi Robusta yang dihasilkan dari Provinsi Lampung, Bengkulu, dan Sumatera

Selatan dikenal memiliki kualitas baik.

Gambar 2. Biji kopi Robusta setelah disangrai.

Kopi Robusta dan kopi Arabika merupakan jenis tanaman kopi yang ditanam di

Indonesia. Kopi Robusta mempunyai persyaratan tumbuh yang berbeda dengan

kopi Arabika. Kopi Robusta sangat cocok ditanam pada dataran rendah dengan

ketinggian 300 – 600 mdpl, sedangkan kopi Arabika cocok ditanam pada dataran

yang lebih tinggi. Penanaman kopi Robusta pada dataran yang lebih tinggi dapat

mengganggu pertumbuhan tanaman dan menyebabkan penurunan produktifitas

hasil pertanian (BBPPTP, 2008).

Kopi Robusta ini lebih tahan terhadap cendawan Hemileia vastatrix dan memiliki

produksi yang tinggi dibandingkan kopi Liberika. Akan tetapi, citarasa yang

dimiliki oleh kopi Robusta ini tidak sebaik dari kopi jenis Arabika, sehingga

dalam pasar internasional kopi jenis ini memiliki indeks harga yang rendah

dibandingkan kopi jenis Arabika (Prastowo dkk, 2010).

11

Kopi Robusta adalah salah satu jenis kopi yang banyak dibudidayakan di

Indonesia, hampir diseluruh wilayah indonesia memiliki kopi jenis ini. Kopi

Robusta memiliki tekstur yang lebih kasar dibandingkan kopi jenis lainnya,

aromanya lebih pekat, kadar kafein akan cenderung meningkat ketika elevasi

tempat tumbuh kopi Robusta semakin tinggi (Towaha dkk, 2014).

Secana umum lahan (tanah) untuk tanaman kopi Robusta, Arabika maupun

Liberika mempunyai karakteristik/sifat yang hampir sama yaitu : (1) kemiringan

tanah kurang dari 30 %, (2) kedalaman tanah efektif lebih dari 100 cm, (3) tekstur

tanah berlempung (loamy) dengan struktur tanah lapisan atas remah, (4) kadar

bahan organik di atas 3,5 % atau kadar karbon(C) di atas 2 %, (5) nisbah C dan

nitrogen (N) antara 10˗12, (6) kapasitas tukar kation (KTK) di atas 15 me/100 g,

(6) kejenuhan basa (KB) di atas 35 %, (7) kemasaman (pH) tanah berkisar 5,5˗6,5

dan (8) kadar unsur hara N, posfor (P), kalium (K), kalsium (Ca) serta magnesium

(Mg) cukup sampai tinggi (Balittri, 2017).

2.1.2 Kopi Robusta Lampung

Provinsi Lampung adalah penghasil kopi Robusta terbesar di Indonesia, dengan

luas areal seluas 161.532 ha, produksi 144.516 ton, dan produktivitas 1.004 kg/ha.

Pengusahaan komoditas kopi Robusta di Provinsi Lampung dilakukan oleh petani

pekebunan secara tradisional dengan melibatkan sekitar 230.760 kepala keluarga

setara dengan 1.153.800 orang. Kondisi tersebut menunjukkan bahwa peranan

kopi Robusta dalam perekonomian Provinsi Lampung cukup signifikan, dimana

12

keberhasilan pengembangan perkopian di Lampung secara langsung akan

memperbaiki kesejahteraan petani kopi Robusta di Lampung.

Produksi kopi Lampung pada tahun 2017 mencapai 110,368 ton dengan luas area

sebesar 162,020 Ha (Ditjenbun, 2017). Kopi Lampung pada umumnya adalah

kopi jenis Robusta. Di pasaran nasional kopi Lampung sudah cukup dikenal.

Selama ini ekspor kopi Lampung didominasi hanya pada jenis kopi Robusta

dengan kualitas (grade) IV, dan terbatas hanya berupa biji kopi saja. Perkebunan

kopi Lampung di dataran tinggi Lampung sebagian besar adalah perkebunan

rakyat. Khususnya di daerah Tanggamus, Lampung Barat dan Pesawaran.

(a) (b) (c)

Gambar 3. Biji kopi Robusta asal Lampung Barat, Pesawaran dan Tanggamus

setelah di sangrai (roasting).

Kopi Lampung ini diproses dengan cara kering (dry processed). Namun ada juga

sebagian yang menggunakan tahap cuci ringan atau proses semi washed. Kopi

Lampung ini sendiri dapat di budidayakan pada ketinggian 600 meter dari

permukaan laut. Jika kopi Robusta ini di paksa di tanam pada dataran yang

tingginya hanya sekitar 100 atau 200 meter saja maka hasil kopi yang diberikan

akan memiliki rasa hambar saat di olah. Tanaman ini lebih tahan terhadap

serangan hama atau penyakit serta dari perubahan cuaca sekalipun.

13

Kopi Robusta Lampung dihasilkan dari tanaman kopi Robusta yang ditanam di

lahan dengan ketinggian lebih dari 275 m di atas permukaan laut dan bahkan ada

yang tumbuh subur pada ketinggian di atas 1.000 mdpl. Kawasan ini memiliki

udara yang dingin dan kering, khususnya pada bulan Juli-Agustus (musim

kemarau), udara seringkali sangat dingin karena adanya pengaruh angin kering

dari timur dan tenggara. Jumlah curah hujan cukup tinggi dalam setahun 1.500-

3.000 mm, dengan 7-9 bulan basah (MIG, 2013).

Tanaman kopi Robusta yang berada di daerah sentra produksi berasal dari

varietas-varietas kopi yang terseleksi. Pohon-pohon kopi tersebut ada yang

ditanam secara monokultur dengan penaung dan ada juga yang tumpang sari

dengan tanaman lada, kelapa, pisang dan lain-lain yang berfungsi sebagai sumber

pendapatan tambahan. Pohon penaung yang digunakan dalam penanaman kopi

Robusta adalah dadap, nangka, gliricidea, jengkol, kelapa dan lain-lain serta

dipupuk secara organik maupun non organik.

Kopi gelondong merah dihasilkan dari pemetikan buah-buah kopi secara manual

dengan proporsi buah merah minimal 95 %. Kopi gelondong merah tersebut

selanjutnya diolah secara kering dengan pengeringan secara alami dengan cara

menjemur dibawah sinar matahari atau secara mekanis menggunakan mesin.

Sifat-sifat khas kawasan, teknik budidaya, dan cara pengolahan pasca panen telah

terbukti menghasilkan biji kopi berkualitas tinggi dengan citarasa khas (MIG

2013).

14

2.2 Kandungan Senyawa Kopi

Kandungan kopi selain kafein berupa asam klorogenat, trigonelin, senyawa mudah

menguap, asam amino, dan karbohidrat mempengaruhi cita rasa kopi yang

dihasilkan. Perbedaan komposisi pada masing-masing jenis kopi akan

menghasilkan cita rasa kopi yang berbeda sehingga setiap jenis kopi bersifat unik.

Masing-masing senyawa kimia dalam kopi memiliki andil dalam pembentukan

cita rasa dan aroma seduhan kopi. Rasa pahit pada ekstrak kopi disebabkan oleh

kandungan mineral bersama dengan pecahan serat kasar, asam klorogenat, kafein,

tanin, dan beberapa senyawa organik dan anorganik lainnya (Varnam dan

Sutherland 1994).

Banyaknya komponen kimia didalam kopi seperti kafein, asam klorogenat,

trigonelin, karbohidrat, lemak, asam amino, asam organik, aroma volatile

dan mineral dapat menghasilkan efek yang menguntungkan dan membahayakan

bagi kesehatan penikmat kopi. Golongan asam pada kopi akan mempengaruhi

mutu dan memberikan aroma serta citarasa yang khas. Asam yang dominan pada

biji kopi adalah asam klorogenat yaitu sekitar 8 % pada biji kopi atau 4,5 % pada

kopi sangrai. Selama penyangraian sebagian besar asam klorogenat menjadi asam

kafeat dan asam kuinat. Asam klorogenat dapat melindungi tumbuhan kopi dari

mikroorganisme, serangga dan radiasi UV sedangkan manfaat asam klorogenat

bagi kesehatan manusia yaitu sebagai antioksidan, antivirus, hepatoprotektif, dan

berperan dalam kegiatan antispasmodik (Farhaty dan Muchtaridi, 2016).

15

Kandungan kafein pada biji kopi Robusta (1,5-2,6%) lebih besar dari biji kopi

Arabika (0,9-1,4%) sehingga kandungan kafein pada kopi Robusta lebih

berpotensi menimbulkan efek negatif kafein dalam tubuh terutama bagi individu

yang mempunyai toleransi rendah terhadap kafein dan pecandu kopi dengan

tingkat konsumsi tinggi (Kartasasmita dan Adyantina, 2012).

2.3 UV-Vis Spectroscopy

UV-Vis Spectroscopy merupakan pengukuran suatu interaksi antara radiasi

elektromagnetik dan molekul atau atom dari suatu zat kimia. Jangkauan panjang

gelombang untuk daerah ultraviolet adalah 190-380 nm, daerah cahaya tampak

380-780 nm, daerah infra merah dekat 780-3000 nm, dan daerah infra merah

2500-4000 nm (Ditjen POM, 1995 dalam Sirait, 2009).

UV-Vis Spectroscopy adalah salah satu alat ukur untuk analisa unsur-unsur

berkadar rendah secara kuantitatif maupun secara kualitatif. Penentuan secara

kualitatif berdasarkan puncak-puncak yang dihasilkan pada spektrum suatu unsur

tertentu pada panjang gelombang tertentu, sedangkan penentuan secara kuantitatif

berdasarkan nilai absorbansisi yang dihasilkan dari spektrum senyawa kompleks

unsur yang dianalisa dengan pengompleks yang sesuai. Pembentukan warna

dilakukan dengan cara menambahkan bahan pengompleks yang selektif terhadap

unsur yang ditentukan (Noviarty dan Angraini, 2013).

16

Gambar 4. UV-Vis Spectroscopy.

Spectroscopy merupakan metode analisis yang didasarkan pada besarnya nilai

absorbsi suatu zat terhadap radiasi sinar elektromagnetik. Prinsip kerja

UV-Vis Spectroscopy berdasarkan hukum Lambert-Beer, bila cahaya

monokromatik melalui suatu media (larutan) maka sebagian cahaya tersebut

diserap, sebagian dipantulkan, dan sebagian lagi dipancarkan. Absorbansi adalah

suatu polaritas cahaya yang terserap oleh bahan atau komponen kimia tertentu

pada panjang gelombang tertentu sehingga akan memberikan warna tertentu

terhadap bahan. Cahaya yang dimaksud bersifat monokromatis dan mempunyai

panjang gelombang tertentu. Persyaratan hukum Lambert-Beer antara lain radiasi

yang digunakan harus monokromatik, energi radiasi yang di absorbsi oleh sampel

tidak menimbulkan reaksi kimia, dan sampel (larutan) yang mengabsorbsi harus

homogen (Apratiwi, 2016).

UV-Vis Spectroscopy memiliki lima komponen utama, yaitu sumber radiasi,

wadah sampel, monokromator, detektor, amplifier, dan rekorder. Secara umum

instrumen UV-Vis Spectroscopy yaitu :

17

1. Sumber radiasi, yang digunakan oleh UV-Vis Spectroscopy adalah lampu

wolfram atau sering disebut lampu tungsten, dan ada juga yang menggunakan

lampu deuteurium (lampu hidrogen).

2. Kuvet, kuvet yang baik untuk UV-Vis Spectroscopy yaitu kuvet dari kuarsa

yang dapat melewatkan radiasi daerah ultraviolet. Sel yang baik tegak lurus

terhadap arah sinar untuk meminimimalkan pengaruh pantulan radiasi.

Selain itu kuvet yang digunakan tidak boleh berwarna.

3. Monokromator, digunakan sebagai alat penghasil sumber sinar

monokromatis.

4. Detektor, memberikan respon terhadap cahaya pada berbagai panjang

gelombang yang terpolarisasi. Detektor akan mengubah cahaya menjadi

sinyal listrik dan selanjutnya akan ditampilkan oleh penampil data dalam

bentuk angka digital.

a.

Gambar 5. Prinsip Kerja UV-Vis Spectroscopy (Handayani, 2016).

Penyerapan sinar tampak dan ultraviolet oleh suatu molekul akan menghasilkan

transisi di antara tingkat energi elektronik molekul tersebut. Transisi tersebut

pada umumnya antara orbital ikatan atau orbital pasangan bebas serta orbital

bukan ikatan atau orbital anti ikatan (Apratiwi, 2016).

Read

Out

Sumber

cahaya

Monokromator Kuvet

sampel Detektor

18

2.4 Metode Kemometrika (Chemometris Method)

Menurut International Chemometrics Society (Kumpulan ahli kemometrika

internasional), kemometrika adalah ilmu pengetahuan yang menghubungkan

pengukuran yang dibuat pada suatu proses atau sistem kimiawi melalui

penggunaan ilmu matematika dan statistika. Dari sini dapat diketahui bahwa ilmu

matematika dan statistika mendukung pemahaman kemometrika. Kemometrika

dikenalkan ke dalam spektroskopi untuk meningkatkan kualitas data yang

diperoleh. Meskipun, pada awal penggunaannya hanya untuk mengolah data

spektra, akan tetapi saat ini kemometrika memungkinkan untuk memperlakukan

sejumlah besar informasi yang berasal dari konsentrasi komponen sampel dalam

jangka waktu yang cepat (Rohman, 2014).

Metode kemometrika adalah multi disiplin ilmu yang melibatkan statistik

multivariant pemodelan matematika dan informasi teknologi, khususnya

diterapakan pada data kimia. Analisis multivariant adalah cara untuk meringkas

data variabel dengan menciptakan variabel baru yang mengandung sebagian besar

informasi. Variabel-variabel baru kemudian digunakan untuk pemecahan masalah

dan tampilan yaitu klasifikasi hubungan dan mengontrol grafik (Iriani, 2016).

Metode kemometrika sering disebut juga dengan metode statistik multivariat

(Mubayinah dkk, 2016). Analisis multivariat yang paling sering digunakan adalah

PCA (principal component analysis) dan SIMCA (soft independent modelling of

class analogy).

19

2.4.1 Principal Component Analysis (PCA)

PCA merupakan teknik yang digunakan untuk menyederhanakan suatu data,

dengan cara mentransformasi linear data sehingga terbentuk system koordinat

baru dengan keragaman maksimum. PCA dapat digunakan untuk mereduksi

dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan.

Metode ini mengubah dari sebagian besar variable asli yang saling berkolelasi

menjadi satu himpunan variable baru yang lebih kecil dan saling bebas (tidak

berkorelasi lagi) (Ardiansyah, 2013).

Prinsip PCA yaitu mencari komponen utama yang merupakan kombinasi linear

dari variabel asli. Komponen – komponen utama ini dipilih sedemikian rupa

sehingga komponen utama pertama memiliki varian terbesar dalam gugus data,

sedangkan komponen utama kedua tegak lurus terhadap komponen utama pertama

dan memiliki varian terbesar berikutnya (Nurcahyo, 2015).

PCA digunakan untuk mengaplikasikan sampel menjadi suatu komponen yang

umum, mendeteksi adanya pencilan, melakukan pemodelan data, serta menyeleksi

peubah untuk klasifikasi maupun untuk pemodelan. Komponen komponen utama

ini dipilih sedemikian rupa sehingga komponen utama memiliki variasi terbesar

dalam set data. Sedangkan komponen utama yang kedua tegak lurus terhadap

komponen utama yang pertama dan memiliki varian terbesar. Kedua komponen

utama ini pada umumnya digunakan sebagai bidang proyeksi utama pemeriksaan

visual data multivariat (Miller dan Miller, 2000).

20

2.4.2 Soft Independent Modelling of Class Analogy (SIMCA)

SIMCA adalah sebuah teknik analisis multivariat yang digunakan untuk menguji

kepekaan diskriminasi dan klasifikasi pada sampel yang diuji sampel. SIMCA

digunakan untuk menetapkan sampel ke dalam kelas yang tersedia dengan tepat.

Metode klasifikasi ini didasarkan pada pembuatan model PCA untuk masing-

masing kelas dan mengklasifikasikan setiap sampel pada masing-masing model

PCA. Hasil luaran dari SIMCA berupa tabel klasifikasi dimana sampel dapat

terklasifikasikan dalam satu, beberapa kelas, atau tidak terklasifikasikan ke dalam

kelas manapun (Nurcahyo, 2015).

Model dibangun dan diuji menggunakan program SIMCA. SIMCA juga

termasuk ke dalam PCA namun memiliki tingkat sensitifitas pembacaan data yang

tinggi (supervised). Prosedur yang digunakan untuk mengimplementasikan

SIMCA adalah dengan melakukan pemisahan PCA pada setiap kelas di data set,

dan dalam jumlah yang memadai komponen utama dipertahankan untuk sebagian

besar variasi data dalam setiap kelas. Klasifikasi di SIMCA dibuat dengan

membandingkan varians residual dari sampel dengan rata-rataresidual varians dari

sampel tersebut yang membentuk kelas (Lavine, 2009).

Keuntungan penggunaan SIMCA dalam mengklasifikasikan data:

a. Ditujukan untuk kelas yang memiliki probabilitas tinggi. Jika varians residual

sampel melebihi batas atas untuk setiap kelas dalam dataset, maka sampel tidak

akan direpresentasikan dalam kumpulan data.

21

b. SIMCA sensitif terhadap kualitas data yang digunakan untuk menghasilkan

model komponen utama masing-masing kelas pada training set. Variabel

dengan kekuatan pemodelan rendah dan daya diskriminatif rendah biasanya

dihapus dari analisis karena mereka hanya berkontribusi suara untuk model

komponen utama.

Kekurangan penggunaan SIMCA apabila menggunakan dua model A dan B:

a. Sampel data aktual masuk ke dalam model A

b. Sampel data aktual masuk ke dalam model B

c. Sampel data aktual masuk ke dalam model A dan model B

d. Sampel data aktual tidak dapat terdeteksi dan tidak masuk kedua-duanya

Hasil yang didapat dalam pengujian ini kemudian digunakan untuk menghitung

tingkat akurasi, sensitivitas, spesifisitas dan false alarm rate mengunakan

perhitungan confusion matrix.

2.4.3 Confusion Matrix (Matrik Konfusi)

Confusion matrix yaitu merupakan tabel pencatat hasil kerja klasifikasi dari

pengolahan menggunakan SIMCA. Rumus confusion matrix memiliki beberapa

keluaran yaitu akurasi, spesifitas, sensitivitas dan false alarm rate. Tabel 1

merupakan bentuk dari tabel confusion matrix.

Tabel 1. Confusion Matrix

Kelas A (Model SIMCA A) Kelas B (Model SIMCA B)

Kelas A(aktual)

Kelas B(aktual)

a

c

b

d

22

a) Akurasi (AC) =

................................ (1)

b) Sensitivitas (S) =

................................ (2)

c) Spesifisitas (SP) =

................................ (3)

d) False alarm rate =

................................ (4)

Keterangan :

a : Sampel kelas A yang masuk ke dalam kelas A

b : Sampel kelas B yang masuk ke dalam kelas A

c : Sampel kelas A yang masuk ke dalam kelas B

d : Sampel kelas B yang masuk ke dalam kelas B

Nilai yang diperoleh dari perhitungan akan menunjukkan persentasi tingkat

akurasi, sensitivitas, spesifisitas, dan false alarm rate dalam menguji model yang

telah dibangun. Akurasi menunjukkan nilai keakuratan dari model yang dibuat,

semakin tinggi nilai akurasi maka model yang dibuat semakin baik. Persentase

sensitivitas menunjukkan kemampuan model untuk bisa menolak sampel yang

bukan kelasnya, semakin tinggi persentase sensitivitas model maka model tersebut

semakin mengenali karakteristik sampel. Spesifisitas merupakan kemampuan

model untuk mengarahkan sampel ke kelas yang benar, sama halnya dengan

sensitivitas semakin tinggi persentase spesifisitas maka model tersebut semakin

baik dalam mengenali karakteristik sampel. Persentase false alarm rate

menunjukkan tingkat kesalahan model yang dibuat, semakin rendah persentase

false alarm rate maka model tersebut semakin baik dalam mengenali karakteristik

sampel (Lavine, 2009).

23

2.4.4 Metode Pretreatment Spektra

Metode pretreatment spektra dilakukan untuk mengurangi pengaruh interferensi

gelombang dan noises pada data spektra yang didapat. Interferensi merupakan

interaksi gelombang pada suatu daerah. Dilakukan pretreatment pada spektra agar

diperoleh model yang lebih akurat dan stabil. Metode pretreatment spektra

diterapkan pada data kalibrasi maupun prediksi, sebelum dilakukan

pengembangan model analisis. Terdapat 6 metode pretreatment untuk

memperbaiki data spektra yang diperoleh (Prieto, 2017., O’Haver, 2017.,

Kusumaningrum et al., 2017) :

a. Smoothing Moving Average

Merupakan metode yang sering digunakan untuk mengeliminasi noise.

Smoothing pada umumnya, dikombinasikan dengan motode pengolah awal

data lain untuk melakukan penghilangan noise.

Berikut persamaan dalam metode smoothing moving average menurut

Supriyanti (2018).

Keterangan :

Sj : Nilai smoothing moving average pada panjang gelombang ke j

Yj : Nilai spektra asli pada panjang gelombang ke j

j : Indeks panjang gelombang

3 : Jumlah segmen

24

Rumus di atas untuk segmen = 3, pembagi dan penyebut dapat berubah sesuai

dengan segmen yang dibuat. Hasil smoothing moving average akan terpusat

di tengah karena hal tersebut jumlah segmen merupakan bilangan ganjil.

b. Savitzky-Golay differentiation

Digunakan untuk menghilangkan background dan meningkatkan resolusi

spektra. Derivative mampu memperjelas puncak dan lembah spektra

absorbansi data. Diferensiasi Savitzky-Golay biasanya fokus pada diferensiasi

pertama. Turunan pertama (1st) memungkinkan penghapusan offset,

sementara derivative kedua (2nd

)menghilangkan offset dan baseline.

Berikut merupakan rumus dari diferensiasi menurut Kusumaningrum (2017).

∑

c. Mean Normalization (MN)

Tujuan dari pretreatment ini adalah untuk menskala sampel dalam

rangka untuk mendapatkan semua data pada sekitar skala yang sama

berdasarkan daerah, mean, maksimum, puncak dan vektor satuan.

Semua data spektrum juga dinormalisasi sebagai mean normalization.

Berikut merupakan persamaan mean normalize.

,

Keterangan (Supriyanti, 2018) :

Xmean(i,k) : Nilai mean normalize pada sampel i di panjang gelombang k

i : Indeks sampel

k : Indeks panjang gelombang

25

Xraw : Nilai spektra asli

Xmean : Nilai spektra rata-rata pada sampel .

Xmean menggunakan rata-rata nilai spektra pada baris panjang gelombang dari

Xraw hingga akhir.

d. Multiplicative Scatter Correction (MSC)

Metode MSC merupakan salah satu pendekatan untuk mengurangi

amplification (multiplicative, scattering) dan offset (additive, chemical) efek

dari spektra. MSC berguna untuk memperbaiki variasi cahaya yang

menyebar dalam data spektroskopi. Tujuan utama MSC adalah untuk

memperbaiki semua sampel sehingga semuanya memiliki tingkat persebaran

cahaya yang sama.

Berikut persamaan yang digunakan dalam metode MSC.


: Nilai dari spektrum yang dikoreksi (matriks data).

Xorg : Nilai dari spektra asli

: Nilai dari spektrum rata-rata

ei : Nilai error

ai : Nilai offset

bi : Nilai slope

i : Indeks sampel

j : Indeks panjang gelombang

26

Yang pertama dilakukan untuk mencari nilai MSC adalah mencari koefisien

regresi yaitu yang diperoleh dari persamaan regresi pada grafik

linier yang dibuat dan menunjukkan persamaan y = ax+b pada sampel i.

e. Standard Normal Variate (SNV)

Metode SNV adalah transformasi yang menghilangkan scatter effects

dari spektra dengan memusatkan dan men-skala spektra individual. Seperti

MSC, hasil praktis dari SNV adalah menghilangkan multiplicative

interferences dari scatter effects pada data spektra. Tujuan utama dari SNV

adalah penghapusan gangguan multiplikasi dari persebaran dan ukuran

partikel. Berikut persamaan yang digunakan pada metode SNV.

√∑


: Standar deviasi

K : Jumlah data pada sampel i

i : Indeks sampel

k : Indeks panjang gelombang

: Nilai SNV dari sampel i pada panjang gelombang k

: Nilai spektra original pada sampel i pada panjang gelombang k

: Nilai rata-rata pada sampel i

Sebelum mencari nilai SNV, dilakukan perhitungan standar deviasi yang

merupakan nilai statistik untuk menentukan bagaimana sebaran data pada

27

setiap sampel. Setelah diperoleh nilai standar deviasi, dilakukan perhitungan

untuk mencari nilai SNV pada setiap panjang gelombang.

2.5 Kurva Receiver Operating Characteristic (ROC)

Kurva receiver operating characteristic (ROC) pertama kali digunakan para

insinyur elektro dan teknisi radar selama perang dunia kedua untuk mendeteksi

benda-benda musuh di medan pertempuran, selanjutnya hal ini dikenal sebagai

teori deteksi sinyal. Analisis ROC selanjutnya berkembang dan telah digunakan

dalam bidang kedokteran, radiologi, serta pada beberapa bidang lainnya selama

beberapa dekade. Analisis ROC secara lebih lanjut telah diperkenalkan pada

bidang yang relatif baru seperti machine learning dan data mining (Fawcett,

2006).

Kurva ROC merupakan sebuah penghitungan statistika untuk menilai akurasi dari

sebuah prediksi. Sebuah prediksi dibuat sebelum nilai dari entitas atau wujud

yang diprediksi tersebut dikenal. Oleh karena itu, diperlukan sebuah metode

untuk mengevaluasi akurasi dari berbagai prediksi tersebut. Dalam kurva ROC

terdapat hubungan antara sensitivitas dan spesifisitas yang bersifat trade-off antara

keduanya (Gonen, 2007).

Kurva ROC adalah grafik hubungan antara sensitifitas (true positive rate) pada

sumbu Y dengan 1-spesifisitas pada sumbu X (false positive rate), seakan-akan

menggambarkan tawar menawar antara sensitivitas dan spesifisitas. Kurva ROC

adalah gambaran dua dimensi dari kinerja suatu pengklasifikasi. Suatu metode

28

yang umum digunakan untuk menghitung nilai kinerja dari pengklasifikasi adalah

dengan menghitung luas daerah dibawah kurva ROC, disebut dengan AUC (area

under curve). Karena AUC adalah luas kurva dari suatu persegi empat, maka

nilainya selalu berada diantara 0 dan 1. Untuk suatu kurva ROC yang memadai,

maka letaknya selalu berada di daerah sebelah atas dari garis diagonal (0,0) dan

(1,1), sehingga tidak ada nilai AUC yang lebih kecil dari 0,5.

Gambar 6. Perbandingan bentuk kurva ROC (Sprawls, 1995).

Untuk klasifikasi data mining, nilai AUC dapat dibagi menjadi beberapa

kelompok (Gorunescu, 2011).

a. 0,90-1,00 = Klasifikasi sangat baik

b. 0,80-0,90 = Klasifikasi baik

c. 0,70-0,80 = Klasifikasi cukup

d. 0,60-0,70 = Klasifikasi buruk

e. 0,50-0,60 = Klasifikasi salah

III. METODOLOGI PENELITIAN

3.1 Waktu dan Tempat

Penelitian ini dilaksanakan pada bulan Agustus hingga September 2018 di

Laboratorium Rekayasa Bioproses dan Pasca Panen, Jurusan Teknik Pertanian,

Fakultas Pertanian, Universitas Lampung.

3.2 Alat dan Bahan

Alat yang digunakan dalam penelitian ini yaitu Genesys 10s UV-Vis Spectroscopy,

cuvet, mesh, rubber bulb, aluminium foil, ayakan tyler meinzer II, stirrer model

S130810-33 (size pelat atas 4x4, tegangan 220-240 volt, kecepatan pengadukan 6

(350 rpm)), beaker glass, labu erlenmeyer 50 ml, botol semprot, pemanas air,

toples, botol transparan, termometer, timbangan digital, kertas saring, pengaduk,

spatula, pipet ukur (1 ml, 2 ml, 25 ml), gelas ukur, dan corong plastik.

Sedangkan bahan yang digunakan yaitu aquades, biji kopi Robusta Lampung

Barat (LB), biji kopi Robusta Pesawaran (PW) dan biji kopi Robusta Lampung

Tanggamus (TG). Kopi Robusta didapatkan dari salah satu outlet penjual kopi

yang berada di Bandar Lampung yaitu Hasti Coffee. Kopi yang dibeli masih

dalam berbentuk biji yang telah disangrai.

30

3.3 Prosedur Penelitian

Penelitian ini dilakukan untuk mengklasifikasikan 3 jenis kopi yang berasal dari

daerah yang berbeda menggunakan teknologi UV-Vis Spectroscopy dan

kemometrika. Tahapan-tahapan penilitian yang dilakukan pada penelitian ini

meliputi persiapan alat dan bahan, ekstraksi kopi, pengambilan spektra

menggunakan spektrometer, membuat dan menguji model, dan analisis data.

Diagram penelitian dapat dilihat pada Gambar 7.

Selesai

Mulai

Persiapan alat dan bahan

Ekstraksi kopi

Pengambilan spektra

Analisis data

Bangun model

Evaluasi model

Gambar 7. Diagram alir penelitian (Pratiwi, 2017).

31

3.3.1 Persiapan Alat dan Bahan

Terdapat beberapa tahapan persiapan alat dan bahan yang dilakukan pada

penelitian ini, yaitu :

1. Persiapan alat

Persiapan alat dilakukan dengan pengecekan terhadap masing-masing alat

yang akan digunakan dan memastikan alat tersebut dapat digunakan dengan

baik guna pelaksanaan penelitian ini dapat berjalan dengan lancar.

2. Penggilingan kopi

Penggilingan kopi dilakukan untuk pengecilan ukuran (size reduction) dari

berupa biji kopi setelah di roasting sampai menjadi bubuk kopi. Proses

penggilingan ini menggunakan mesin coffe grinder merk Sayota tipe SCG 178

dengan daya 180 watt.

3. Pengayakan

Pengayakan dilakukan untuk mendapatkan ukuran bubuk kopi yang halus dan

seragam dari partikel kopi yang digunakan. Pengayakan dilakukan dengan

menggunakan ayakan tyler meinzer II dengan mesh ukuran 50 (Sambudi,

2018).

4. Penimbangan

Penimbangan sampel uji sebanyak 1 gram untuk setiap jenis sampel dan setiap

ulangan agar setiap ulangan memiliki bobot yang seragam. Jumlah sampel

ulangan dan komposisi ketiga jenis kopi tersebut dapat dilihat pada Tabel 2.

32

Tabel 2. Komposisi Bahan

No Sampel Komposisi Bahan ∑ Sampel

LB1-LB60 1 gram kopi Robusta Lampung Barat 60

PW1-PW60 1 gram kopi Robusta Pesawaran 60

TG1-TG60 1 gram kopi Robusta Tanggamus 60

3.3.2 Ekstraksi Kopi

Prosedur ekstraksi kopi dapat dilihat pada Gambar 8, ekstraksi kopi melalui

tahapan berikut ini :

1. Pembuatan Larutan

Sampel untuk pengujian yang berupa bubuk harus dibuat larutan saat

pengujian menggunakan alat spektrometer dengan cara sampel yang telah

ditimbang dimasukkan ke dalam gelas ukur dan dilarutkan dengan aquades

sebanyak 50 ml pada suhu 90-98°C.

2. Pengadukan

Pengadukan dilakukan menggunakan stirrer model S130810-33 (size pelat

atas 4x4, tegangan 220-240 volt, kecepatan pengadukan 6 (350 rpm)),

pengadukan dilakukan selama 10 menit agar larutan kopi homogen.

3. Penyaringan

Sampel yang sudah melalui proses pelarutan dan pengadukan kemudian

dilakukan penyaringan menggunakan kertas saring dengan tujuan untuk

memisahkan ampas kopi dengan hasil ekstrak kopi.

33

4. Pengenceran

Ekstrak kopi yang dihasilkan pada proses penyaringan kemudian didinginkan

hingga mencapai suhu 27°C, lalu dilakukan pengenceran ekstrak kopi dengan

perbandingan 1 : 20 (Apratiwi, 2016).

Ditimbang kopi bubuk sebanyak 1 gram

Dipanaskan aquades pada suhu 90-98°C

Dicampurkan sampel kopi bubuk (1 gram) + aquades (50 ml)

Dilakukan pengenceran dengan perbandingan 1 : 20

Mulai

Selesai

Diaduk hasil ekstraksi selama 10 menit dengan kecepatan pengadukan 6

(350 rpm)

Disaring menggunakan kertas saring

Diaduk kembali hasil ekstraksi selama 10 menit dengan kecepatan

pengadukan 4 (125 rpm)

Gambar 8. Prosedur ekstraksi kopi (Pratiwi, 2017).

34

3.3.3 Pengambilan Spektra Menggunakan Spektrometer

Ekstrak kopi yang telah diencerkan kemudian dimasukkan ke dalam kuvet

sebanyak 2 ml. Kemudian kuvet dimasukkan dalam sistem holder dan diukur

nilai absorbannya selama 2 menit. Ketiga sampel diambil 2 kali ulangan pada

UV-VIS Spectroscopy. Prosedur penggunaan UV-Vis Spectroscopy terdapat pada

Gambar 9.

35

Gambar 9. Prosedur penggunaan UV-Vis Spectroscopy (Sambudi, 2018).

Mulai

Dimasukkan blank dan sampel ke dalam kuvet, diletakkan ke dalam holder system

B (blank)

Ditekan tombol test, test arme add caracter selanjutnya tekan tombol accept

name

Diklik tombol collect baseline, tunggu proses sampai 100%

Dipilih wavelength ditulis 190-1100 nm, tekan enter, pilih sampel position dengan

manual 6 lalu enter, ditekan tombol run test

Dipilih tombol posisi kuvet sesuai sampel, tunggu proses sampai 100%

Setelah selesai measure sample, akan muncul grafik lalu klik tombol tabular

Ditekan tombol test,edit data pilih menu save test to the USB drive

Diklik tombol create test arme, accept name

Data sudah tersimpan di dalam flashdisk, diambil sampel dan blank yang ada

didalam holders system, dibersihkan dan dikeringkan

Ditekan tombol pada bagian belakang alat untuk mematikan alat Uv-Vis

Spectroscopy

Selesai

36

3.3.4 Membuat dan Menguji Model

Nilai absorban yang diambil tersebut selanjutnya akan dibuat dan diuji model

dengan aplikasi The Unscrambler versi 9.2 dengan metode SIMCA.

3.3.5 Analisis Data

Analisis data dilakukan untuk mendeteksi pola sampel menggunakan aplikasi The

Unscrambler versi 9.2. Model dibangun menggunakan metode PCA dan SIMCA.

Sebelum dilakukan analisa dengan metode SIMCA, data yang tersimpan pada

flashdisk dipindahkan ke Microsoft Excel. Selanjutnya, dilakukan proses

pembersihan data yang bertujuan untuk menghilangkan data yang tidak lengkap.

Hal ini dilakukan agar pada saat analisa didapatkan data yang sebenarnya. Cara

yang digunakan untuk melengkapi data yang hilang adalah dengan menggantikan

nilai yang hilang dengan rata-rata dari variabel. Data yang sudah lengkap diolah

menggunakan program The Unscrambler versi 9.2. Sebelum data dianalisis

menggunakan metode PCA dan SIMCA, untuk mengetahui grafik spektrum dari

nilai absorban yang diperoleh dapat dilakukan dengan cara memblok nilai

absorban, klik menu plot, dan pilih menu line. Setelah hasil klasifikasi dari

pengujian model diperoleh selanjutnya dilakukan perhitungan menggunakan

matriks konfusi (Apratiwi, 2016). Kemudian dilakukan pengujian akurasi dalam

membuat model pada masing-masing level signifikan menggunakan kurva

receiver operating characteristic (ROC).

37

3.3.6 Prosedur Menggunakan Principal Component Analysis (PCA)

Data yang diambil dari UV-Vis Spectroscopy berupa data absorbansi yaitu 120

sampel kopi Robusta Lampung Barat, 120 sampel kopi Robusta Pesawaran dan

120 sampel kopi Robusta Tanggamus. Setelah diperoleh data absorbansinya

kemudian data tersebut digabungkan menjadi satu menggunakan Microsoft Excel

97-2003. Kemudian dianalisis menggunakan aplikasi The Unscrambler versi 9.2.

Untuk aplikasi The Unscrambler version 9.2 hanya dapat digunakan meggunakan

format Microsoft Excel 97-2003, di atas versi Microsoft Excel 2003 aplikasi

Microsoft Excel tidak kompatibel untuk aplikasi The Unscrambler versi 9.2.

Sampel dianalisis menggunakan The Unscrambler dengan cara dibuka dahulu

aplikasi tersebut kemudian setelah terbuka klik file pilih import data lalu dipilih

format excel untuk memasukkan file Microsoft Excel 97-2003 yang akan

dianalisis yang dapat dilihat pada Gambar 10.

Gambar 10. Cara memasukkan data dari Ms. Excel ke The Unscrambler 9.2.

38

Setelah data muncul pada jendela The Unscrambler kemudian data tersebut di

transpose dengan cara klik menu Task pilih Tranform lalu pilih Transpose dan

dapat dilihat pada Gambar 11.

Gambar 11. Cara men-transpose data pada The Unscrambler 9.2.

Setelah data tersebut di transpose, selanjutnya klik menu Edit pilih Append pilih

Category Variable, kemudian isi Category Variable Name dengan “JENIS

KOPI” pilih Next dan isi Level Name dengan kopi Robusta Lampung Barat, kopi

Robusta Pesawaran, dan kopi Robusta Tanggamus dilihat pada Gambar 12.

39

Gambar 12. Cara membuat kolom Category Variable.

Kemudian klik pada kolom JENIS KOPI dan isi masing-masing baris sesuai jenis

kopi. Kemudian sebelum data dianalisis dengan PCA data dikelompokkan sesuai

kategori sampel dan peubah. Pengelompokkan dilakukan dengan klik menu

Modify kemudian klik Edit Set kemudian isi Sampel Set dengan All Spectra dan

peubah set dengan All Variable dapat dilihat pada Gambar 13.

Gambar 13. Menu Edit Set.

40

Setelah data sudah diklasifikasi sesuai jenis kopi, kemudian ditambahkan kolom

Category Variable, kemudian isi dengan KALVALPRED (Kalibrasi, Validasi dan

Prediksi) dengan jumlah 60 sampel kalibrasi, 35 sampel validasi, dan 25 sampel

prediksi kemudian dianalisis menggunakan metode PCA dengan cara pilih menu

Task kemudian pilih PCA, selanjutnya klik menu Task pilih PCA lalu pilih

Validasi Test Set, pilih Set Up dan dipilih diisi dengan jumlah data validasi pada

sampel.

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil dari penelitian ini dapat disimpulkan :

1. Hasil analisis PCA spektra data original pada panjang gelombang 240-430 nm

menunjukkan nilai keragaman data sebesar 98% dengan nilai PC1 sebesar 90%

dan nilai PC2 sebesar 8%.

2. Hasil bangun model SIMCA original Lampung Barat menunjukkan nilai PC1

sebesar 92% dan PC2 sebesar 7% dengan nilai kumulatif sebesar 99%. Hasil

bangun model SIMCA original Pesawaran menunjukkan nilai PC1 sebesar

96% dan PC2 sebesar 3% dengan nilai kumulatif sebesar 99%. Hasil bangun

model SIMCA original Tanggamus menunjukkan nilai PC1 sebesar 94% dan

PC2 sebesar 5% dengan nilai kumulatif sebesar 99%.

3. Berdasarkan hasil klasifikasi perbandingan model Lampung Barat – Pesawaran

dan Pesawaran – Tanggamus menggunakan spektra original pada panjang

gelombang 240 – 430 nm diperoleh nilai akurasi (AC) sebesar 100%, nilai

sensitivitas (S) sebesar 100%, nilai spesifisitas (SP) sebesar 100% dan false

alarm rate sebesar 0%. Model Lampung Barat – Tanggamus diperoleh nilai

akurasi (AC) sebesar 55%, nilai sensitivitas (S) sebesar 100%, nilai spesifisitas

(SP) sebesar 53% dan false alarm rate sebesar 47%. Hasil analisis PCA

99

spektra menggunakan pretreatment MSC + SGD1 pada panjang gelombang

240-430 nm menunjukkan nilai keragaman data sebesar 80% dengan nilai PC1

sebesar 45% dan nilai PC2 sebesar 35%.

5. Hasil bangun model SIMCA Lampung Barat menggunakan pretreatment MSC

+ SGD1 menunjukkan nilai PC1 sebesar 49% dan PC2 sebesar 32% dengan

nilai kumulatif sebesar 81%. Hasil bangun model SIMCA Pesawaran

menggunakan pretreatment MSC + SGD1 menunjukkan nilai PC1 sebesar 50%

dan PC2 sebesar 21% dengan nilai kumulatif 71%. Hasil bangun model

SIMCA Tanggamus menggunakan pretreatment MSC + SGD1 menunjukkan

nilai PC1 sebesar 44%, PC2 sebesar 16% dan PC3 sebesar 12% dengan nilai

kumulatif 72%.

6. Berdasarkan hasil klasifikasi perbandingan model Lampung Barat-Pesawaran,

Lampung Barat-Tanggamus, Pesawaran-Tanggamus menggunakan

pretreatment MSC + SGD1 pada panjang gelombang 240-430 nm diperoleh

nilai akurasi (AC) sebesar 100%, nilai sensitivitas (S) sebesar 100%, nilai

spesifisitas (SP) sebesar 100% dan false alarm rate sebesar 0%.

7. Hasil uji model Lampung Barat-Pesawaran pada level 0,1%, 0,5%, 1%, 5%,

10% dan 25% menggunakan receiver operating characteristic (ROC)

diperoleh nilai area under curve (AUC) sebesar 1 (Uji model sangat baik).

Hasil uji model Lampung Barat-Tanggamus pada level 0,1%, 0,5%, 1%

menggunakan ROC diperoleh nilai AUC sebesar 0,975 (Uji model sangat baik)

dan pada level 5%, 0,5%, 1% diperoleh nilai AUC sebesar 1 (Uji model sangat

baik). Hasil uji model Pesawaran-Tanggamus pada level 0,1%, 0,5%, 1%, 5%,

100

10% dan 25% menggunakan ROC diperoleh nilai AUC sebesar 1 (Uji model

sangat baik).

5.2 Saran

Penelitian selanjutnya dapat menambahkan atau menguji varietas kopi Robusta

dari daerah lainnya dikarenakan perkembangan kopi di Indonesia semakin maju.

Diharapkan Penelitian selanjutnya dapat menguji kandungan senyawa yang

terdapat dalam kopi Lampung Barat, Pesawaran dan Tanggamus agar diperoleh

tingkat kualitas kopi Robusta terbaik di Provinsi Lampung.

DAFTAR PUSTAKA

Aksi Agraris Kanisius (AAK). 1988. Budidaya Tanaman Kopi. Kanisius,

Yogyakarta. 148 hlm.

Anonim. 2017. Light Source. Hamamatsu Photonics K.K.

https://www.hamamatsu.com/resources/pdf/etd/LIGHT_SOURCE_TLSZ0

001E.pdf. Diakses pada tanggal 25 Agustus 2019.

Avelino, J., Barboza, B., Araya, J.C., Fonseca, C., Davrieux, F., Guyot, B., &

Cilas, C. 2005. Effects of Slope Exposure, Altitude and Yield on Coffee

Quality in Two Altitude Terroirs of Costa Rica, Orosi and Santa Maria de

Dota. Journal of The Science of Food and Agriculture. 85:1869-1876.

Apratiwi, N. 2016. Studi Penggunaan UV-Vis Spectroscopy Untuk

Identifikasi Campuran Kopi Luwak dengan Kopi Arabika. (Skripsi).

Universitas Lampung. Bandar Lampung. 55 pp.

Ardiansyah, R. F. 2013. Pengenalan Pola Tanda Tangan dengan Menggunakan

Metode Principal Component Analysis (PCA). (Skripsi). Universitas Dian

Nuswantoro. Semarang. 62 pp.

Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (BBPPTP). 2008.

Teknologi Budidaya Kopi Poliklonal. Badan Penelitian Dan

Pengembangan Pertanian, Bogor. 22 hlm.

Balai Penelitian Tanaman Industri dan Penyegar (Balittri). 2017.

http://balittri.litbang.pertanian.go.id/index.php/berita/info-teknologi/474-

persiapan-dan-kesesuai-lahan-tanaman-kopi. Diakses pada tanggal 19

Oktober 2019.

Bertrand, B., Vaast, P., Alpizar, E., Etienne, H., Davrieux, F., and Charmentant,

P. 2006. Comparison of Bean Biochemical Composition and Beverage

Quality of Arabica Hybrids Involving Sudanese-Ethiopian Origins with

Traditional Varieties at Various Elevations in Central America. Tree

Physiology. 26:1239-1248.

https://www.hamamatsu.com/resources/pdf/etd/LIGHT_SOURCE_TLSZ0001E.pdf

https://www.hamamatsu.com/resources/pdf/etd/LIGHT_SOURCE_TLSZ0001E.pdf

http://balittri.litbang.pertanian.go.id/index.php/berita/info-teknologi/474-persiapan-dan-kesesuai-lahan-tanaman-kopi

http://balittri.litbang.pertanian.go.id/index.php/berita/info-teknologi/474-persiapan-dan-kesesuai-lahan-tanaman-kopi

102

Citrasari, D. 2015. Penentuan Adulterasi Daging Babi pada Nugget Ayam

Menggunakan NIR dan Kemometrik. (Skripsi). Universitas Jember.

Malang. 49 pp.

Direktorat Jenderal Perkebunan (Ditjenbun). 2017. Statistik Perkebunan Indonesia

: Kopi. Kementerian Pertanian, Jakarta. 98 hlm.

Farhaty, N, dan Muchtaridi. 2016. Tinjauan Kimia Farmakologi Senyawa Asam

Klorogenat pada Biji Kopi. Farmaka. 14(1):214-227.

Fawcett, T. 2006. An Introduction to ROC Analysis. Pattern Recognition Letters.

27(8):861-874.

Gabungan Eksportir Kopi Indonesia (GAEKI). 2018.

http://gaeki.or.id/areal-dan-produksi/. Diakses pada tanggal 25 Juni 2018.

Gonen, M. 2007. Analyzing Receiver Operating Characteristic Curves with SAS.

SAS Institute Inc., North Carolina. 153 hlm.

Gorunescu, F. 2011. Data Mining : Concepts, Models and Techniques. Scientific

Publishing Services Pvt. Ltd., Chennai. 325 hlm.

Handayani, F.N. 2016. Studi Penggunaan Metode Analisis Berbasis Uv-Vis

Spectroscopy untuk Membedakan Kopi Luwak Asli dan Kopi Campuran

Luwak-Robusta Secara Cepat. (Skripsi). Universitas Lampung. Bandar

Lampung. 46 pp.

International Coffee Organization (ICO). 2018.

http://ditjenppi.kemendag.go.id/index.php/apec-oi/organisasi-komoditi-

internasional/ico. Diakses pada tanggal 29 Agustus 2019.

Iriani, R. 2016. Studi Penggunaan UV-Vis Spectroscopy dan Kemometrika

Untuk Mengidentifikasi Pemalsuan Kopi Arabika dan Robusta Secara

Cepat. (Skripsi). Universitas Lampung. Bandar Lampung. 57 pp.

Kartasasmita, R.E. dan Addyantina, S. 2012. Dekafeinasi Biji Kopi Robusta

(Coffea canephora L.) Menggunakan Pelarut Polar (Etanol dan Metana).

Acta Pharmaceutica Indonesia. 37(3):83-89.

Lavine, B.K. 2009. Validation of classifiers. In:Walczak, B., Tauler, R., and

Brown, S. (eds.). Comprehensive Chemometric : Chemical and

Biochemical Data Analysis Volume III. Elsievier, Amsterdam. 587-599.

Makowska, J., Szczesny, D., Lichucka, A., Gieldoń, A., Chmurzyński, L., and

Kaliszan, R. 2013. Preliminary Studies on Trigonelline as Potential Anti-

Alzheimer Disease Agent: Determination by Hydrophilic Interaction

Liquid Chromatography and Modeling of Interactions With Beta-Amyloid.

Journal of Chromatography B. 968:101-104.

http://gaeki.or.id/areal-dan-produksi/

http://ditjenppi.kemendag.go.id/index.php/apec-oi/organisasi-komoditi-internasional/ico

http://ditjenppi.kemendag.go.id/index.php/apec-oi/organisasi-komoditi-internasional/ico

103

Masyarakat Indikasi Geografis (MIG) Kopi Robusta Lampung. 2013. Buku

Persyaratan Indikasi Geografis Kopi Robusta Lampung. Masyarakat

Indikasi Geografis (MIG) Kopi Robusta Lampung, Bandar Lampung. 155

hlm.

Miller, J.C., and Miller, J.N. 2000. Statistics and Chemometrics for Analytical

Chemistry, 4th Edition. Pearson Education, Harlow. 271 hlm.

Mills, C.E., Oruna-Concha, M.J., Mottram, D.S., Gibson, G.R., and Spencer,

J.P.E. 2013. The Effect of Processing on Chlorogenic Acid Content of

Commercially Available Coffee. Food Chemistry. 141(4):3335-3340.

Mubayinah, A., Kuswandi, B., dan Wulandari, L. 2016. Penentuan Adulterasi

Babi pada Sampel Burger Sapi Menggunakan Metode NIR dan

Kemometrik. Pustaka Kesehatan. 4(1):35-40.

Noviarty dan Angraini, D. 2013. Analisis Neodimium Menggunakan Metoda

Spektrofotometri UV-Vis. Pusat Teknologi Bahan Bakar Nuklir BATAN.

9(11): 9- 17.

Nurcahyo, B. 2015. Identifikasi dan Autentifikasi Meniran (Phyllanthus niruri)

Menggunakan Spektrum Ultraviolet-Tampak Dan Kemometrika. (Skripsi).

Institut Pertanian Bogor. Bogor. 41 pp.

O’Haver, T. 2016. A Pragmatic Introduction to Signal Processing. University of

Maryland, College Park. 459 hlm.

Panggabean, E. 2011. Buku Pintar Kopi. Agro Media, Jakarta. 240 hlm.

Prasmatiwi, F.E., Irham, Suryantini, A., dan Jamhari. 2010. Analisis

Keberlanjutan Usahatani Kopi di Kawasan Hutan Kabupaten Lampung

Barat dengan Pendekatan Nilai Ekonomi Lingkungan. Pelita Perkebunan.

26(1):57-69.

Prastowo, B., Indrawanto, C., Karmawati, E., Munarso, S.J., Rubijo., dan

Siswanto. 2010. Budidaya dan Pasca Panen Kopi. Pusat Penelitian dan

Pengembangan Perkebunan, Bogor. 75 hlm.

Pratiwi, M.T. 2017. Studi Penggunaan Spektra Data di Daerah Ultraviolet Visible

dan Metode PLS-DA Untuk Diskriminasi Beberapa Kopi Spesialti

Indonesia. (Skripsi). Universitas Lampung. Bandar Lampung. 62 pp.

Prieto, B.G. 2017. Novel Variable Influence On Projection (VIP) Methods in

OPLS, O2PLS, and On PLS Models for Single- and Multi- Block Variable

Selection. (Thesis). Umea University. Sweden. 120 pp.

https://terpconnect.umd.edu/~toh/spectrum/

104

Rahardjo, P. 2012. Kopi. Penebar Swadaya, Jakarta. 212 hlm.

Rohman, A. 2014. Statistika dan Kemometrika Dasar dalam Analisis Farmasi.

Pustaka Pelajar, Yogyakarta. 267 hlm.

Sambudi, S. 2018. Identifikasi Keaslian Kopi Robusta Dekafenisasi

Menggunakan Teknologi UV-VIS Spectroscopy dan Kemometrika.

(Skripsi). Universitas Lampung. Bandar Lampung. 66 pp.

Sirait, R. A. 2009. Penerapan Metode Spektrofotometri Ultraviolet pada

Penetapan Kadar Nifedipin dalam Sediaan Tablet. (Skripsi). Universitas

Sumatera Utara. Medan. 67 pp.

Soetriono. 2009. Strategi Peningkatan Daya Saing Agribisnis Kopi Robusta

Dengan Model Daya Saing Tree Five. Jurnal Program Studi Agribisnis

Pascasarjana Universitas Jember. 93-108.

Souto, U. T. C. P., Barbosa, M.F., Dantas, H.V,. Pontes, A.S,. Lyra, W.S,.

Diniz, P.H.G.D,. Araujo,M.C.U,. and Silva, E.C. 2015. Identification of

Adultration in Ground Roasted Coffees Using UV-Vis Spectroscopy and

SPA-LDA. LWT- Food Science and Technology. 63:1037-1041.

Sprawls, P. 1995. The Physical Principles of Medical Imaging, 2nd

Edition.

Medical Physics Publishing Corporation, Madison. 656 hlm.

Sridevi, V., dan Giridhar, P. 2013. Influence of Altitude Variation on

Trigonelline Content During Ontogeny of Coffea Canephora Fruit.

Journal of Food Studies. 2(1):62-74.

Sukarye, K. 2018. Studi Penggunaan UV-Vis Spectroscopy dan Metode SIMCA

Untuk Membedakan Kopi Bubuk Berdasarkan Umur Simpan. (Skripsi).

Universitas Lampung. Bandar Lampung. 102 pp.

Supriyanti, E. 2018. Penggunaan Teknologi UV-Vis Spectroscopy Untuk

Membedakan Jenis Kopi Bubuk Arabika Gayo Wine dan Kopi Bubuk

arabika Gayo Biasa. (Skripsi). Universitas Lampung. Bandar Lampung. 63

pp.

Towaha, J., Aunillah, A., Purwanto, E.H., dan Supriadi, H. 2014. Pengaruh

Elevasi dan Pengelolaan Terhadap Kandungan Kimia dan Cita Rasa

Kopi Robusta Lampung. J. TIDP. 1(1):57-62.

Varnam, A.H. and Sutherland, J. P. 1994. Beverages (Technology,

Chemestry and Microbiology). Aspen Publisher, Gaithersburg. 186

hlm.

105

Zhang, X., Li, W., Yin, B., Chen, W., Kelly, D.P., Wang, X., Zheng, K., and

Du, Y. 2013. Improvement of Near Infrared Spectroscopic (NIRS)

Analysis of Caffeine in Roasted Arabica Coffee by Variable

Selection Method of Stability Competitive Adaptive Reweighted

Sampling (SCARS). Spectrochimica Acta Part A: Molecular and

Biomolecular Spectroscopy. 114:350–356.

klasifikasi tiga jenis kopi robusta asal lampung ...digilib.unila.ac.id/59730/3/skripsi tanpa bab...

Documents