Prediction of the gross energy for fishmeal using near infrared reflectant (nir) technology

(1)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(2)

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Dengan ini saya menyatakan bahwa tesis Penentuan Kandungan Energi Bruto Tepung Ikan untuk Bahan Pakan Ternak Menggunakan Teknologi Near InfraRed

(NIR) adalah karya saya sendiri dengan arahan pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Bogor, Agustus 2006

Atiatul Quddus NIM F051030101

(3)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

Tesis

Sebagai salah satu syarat untuk memperoleh gelar

Magister Sains pada

Program Studi Teknologi Pascapanen

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(4)

@ Hak cipta milik Institut Pertanian Bogor, tahun 2006 Hak cipta dilindungi

Dilarang mengutip dan memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak, fotokopi, mikrofilm dan sebagainya.

(5)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

F 051 030 101

KOMISI PEMBIMBING:

Dr. Ir. I. Wayan Budiastra, M. Agr

Prof. Dr. Ir. Wiranda G. Piliang, M.Sc

PROGRAM STUDI TEKNOLOGI PASCAPANEN

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

2006

(6)

PRAKATA

Alhamdulillahirobbil’alamin. Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT atas segala limpahan karunia dan rahmat-Nya sehingga Tesis ini pada akhirnya dapat diselesaikan. Penelitian ini berjudul ”Penentuan kandungan energi bruto tepung ikan untuk bahan pakan ternak menggunakan teknologi near infrared

(NIR).

Terimakasih penulis ucapkan kepada Bapak Dr. Ir. I. Wayan Budiastra, M.Agr dan Prof. Dr.Ir. Wiranda G. Piliang, M.Sc selaku komisi pembimbing yang telah banyak memberikan masukan dan arahan selama dalam masa bimbingan sehingga tesis ini dapat diselesaikan.Terimakasih juga tak lupa penulis ucapkan kepada Dr. Ir. Sumiati, M.Si selaku penguji atas saran, kritikan dan masukannya. Last but not least, terimakasih tak terhingga selamanya buat Ayahanda H. Syaiful Anwar, Ibunda Hj. Nursimah atas limpahan kasih sayang, kesabaran, keikhlasan, serta do’a yang selalu mengalir untuk ananda, Ibunda Rukmini, Mamanda Nurbaini, Kakak-kakak atas bantuan moril maupun materil, Suami tercinta atas dukungan semangat, do’a dan kesabarannya, ponakan-ponakan tersayang untuk semua kehangatan cinta, Ade, Riko danYessi atas persahabatan yang tulus selama ini.

Terimakasih yang sebesar-besarnya penulis ucapkan kepada Prof. Dr. Ir. Hadi K. Purwadaria, Ipm, Dr. Ir. Suroso, M.Agr, Dr.Ir. Usman Ahmad, M.Agr, Bapak Sulyaden (Teknisi Lab. TPPHP), Dr. Ir. Widya, M.Si, Ibu Lanjarsih (Teknisi Lab.Nutrisi Unggas) atas ilmu pengetahuan yang telah penulis terima selama dalam menempuh pendidikan, rekan-rekan TPP angkatan 2002-2004, Keluarga besar IMPACS, Assabily crew, terimakasih atas pertemanan yang indah dalam suka dan duka selama ini serta diskusi-diskusi kecilnya.

Semoga tesis ini bermanfaat bagi kita semua, khususnya bagi pembaca yang selalu haus akan ilmu pengetahuan.

Bogor, Agustus 2006

(7)

RINGKASAN

ATIATUL QUDDUS. Pendugaan Kandungan Energi Bruto Tepung Ikan untuk Bahan Pakan Ternak Menggunakan Teknologi Near Infrared (NIR). Dibimbing oleh I WAYAN BUDIASTRA sebagai Ketua, WIRANDA G. PILIANG sebagai anggota.

Dalam rangka menjamin konsistensi kandungan gizi ransum, bahan pakan harus dimonitor secara terus menerus. Tepung ikan merupakan salah satu bahan pakan yang berasal dari hasil kegiatan industri pengolahan hasil perikanan yang sangat penting, karena sangat diperlukan sebagai sumber protein dalam menyusun pakan untuk kegiatan industri peternakan dan perikanan. Idealnya setiap bahan pakan diuji kandungan gizinya pada setiap kedatangan, namun memerlukan waktu dan biaya yang besar dengan metode konvensional yang ada (AOAC, 1999). Untuk itu perlu dicarikan metode alternatif untuk mengetahui status nilai gizi pakan dengan cepat, murah dan keakuratannya dapat dipertanggungjawabkan. Salah satu cara yang dapat dilakukan adalah dengan menggunakan metode Near Infrared (NIR), dengan cara mengukur reflektan cahaya infra merah dekat (NIR) yang dipancarkan ke bahan. Penelitian ini bertujuan untuk menduga kandungan energi bruto tepung ikan untuk bahan pakan ternak menggunakan teknologi Near Infrared (NIR).

Bahan utama yang digunakan dalam penelitian ini adalah sampel berupa 50 jenis tepung ikan yang diperoleh dari poultry shop yang ada dibeberapa daerah di Indonesia dan industri pakan ternak. Penelitian ini juga menggunakan 50 ekor ayam broiler jantan periode finisher untuk uji bioassay. Sistem NIR yang digunakan merupakan modifikasi dari rancangan Budiastra et. Al (1995); sistem NIR dihubungkan dengan komputer dan dijalankan dengan perangkat lunak bahasa C++. Sistem NIR ini terdiri dari atas tiga program, yaitu program untuk menjalankan motor, mengkonversi data dari analog ke digital, dan program untuk menampilkan data sebagai tampilan grafik hasil pengukuran.

Pertama-tama dilakukan pengukuran reflektan dengan menggunakan perangakat near infrared kemudian diikuti dengan pengukuran energi bruto (EB) dan energi metabolis (EM). Acuan dari energi metabolis dilakukan dengan uji

bioassay. . Data reflektan, absorban dikalibarasi dan divalidasi dengan EB dan EM dengan menggunakan regresi linier berganda (RLB) dan Principal Component Regression (PCR). 35 sampel (2/3 dari total sampel) digunakan untuk kalibrasi, sedangkan 15 sampel (1/3 dari total sampel) untuk validasi. Persamaan kalibrasi yang diperoleh dari regresi linear berganda (RLB) menggunakan data reflektan dan absorban menghasilkan nilai prediksi EB dan EM yang mendekati nilai bioassay.

Persamaan kalibrasi reflektan (11 panjang gelombang untuk EM dan 29 untuk EB) dapat digunakan untuk memprediksi EB dan EM. Hasil validasi sangat baik dengan nilai standard error prediksi dan koefisien keragaman yang rendah ( SEp= 6.6Kkal, CV= 0.2 %), (SEp= 171.8 Kkal, CV= 5.8 %). Persamaan kalibrasi yang diperoleh melalui metode principal component regression (PCR) menggunakan data absorban dengan menggunakan 10 komponen utama menghasilkan nilai prediksi EB dan EM yang cukup baik (SEp = 119.92 Kkal,

(8)

CV = 4.16 %), (Sep = 388.37 Kkal, CV = 13.12 %) tepung ikan.

Secara umum, nilai prediksi NIR baik menggunakan data reflektan maupun absorban menggunakan regresi linier berganda (RLB) mendekati nilai

bioassay walaupun nilai prediksi NIR menggunakan data reflektan sedikit lebih baik dari data absorban. Pada penelitian ini metode PCR kurang tepat dalam menduga nilai EB dan EM.

(9)

ABSTRACT

ATIATUL QUDDUS. Prediction of the Gross Energy for Fishmeal using Near Infrared Reflectant (NIR) Technology. Supervised by I WAYAN BUDIASTRA as the Chairman, WIRANDA G. PILIANG as the member.

In order to maintain the nutritional value of diets, feed must be monitored simultaneously. Fishmeal is one of the important feedstuff, a by product from fish industry. It is needed as the source of protein in the diet for farm animals and fish industry. The feedstuff is ideally tested each time of arrival. Near infrared reflectance analysis was assessed as a potential technique to measure gross energy of fishmeal. NIR scanning was conducted by using wavelengths ranging from 900 to 2.000 nm. This experiment was aimed to predict gross energy (GE) content of fishmeal by using Near Infrared (NIR) technology.

Fishmeal that was used in this experiment was obtained from the poultry shop in several regions in Indonesia and from animal feed industries. This experiment was conducted by using 50 fishmeals and 50 broiler chickens. Thirty five samples out of 50 samples fishmeal was used to develop the NIR of calibration and the rest 15 samples was used to test the accuracy of the calibration. Fifty broiler chickens used to measure the metabolizable energy (ME) value. NIR reflectant was measured by NIR system. Gross energy was measured by bomb calorimeter. Metabolizable energy was determined by bioassay method. Collected data were analyzed by using multivariate linier regression (MLR) and principal component regression (PCR).

Calibration equation of reflectant was analyzed by using 29 wavelengths for predicting GE and 11 wavelengths for predicting ME content. The results of the validation indicated high accuracy with standard error and coefficient of variation for GE: SEp = 6.6 Kkal/Kg, CV = 0.2 % and for ME: SEp = 171.8 Kkal/Kg, CV = 5.8 %. Calibration equation was obtained from PCR method by using absorbent data. The result of the validation indicated less accuracy with standard error and coefficient of variation for GE: SEp = 119.92 Kkal/Kg, CV = 4.16% and for ME: SEp = 388.37 Kkal/Kg, CV = 13.12%.

Keywords: Gross Energy, Near infrared Reflectant (NIR), fishmeal, Multivariate Linier Regression (MLR), Principal Component Regression (PCR)

(10)

RIWAYAT HIDUP

Penulis dilahirkan di Padang pada tanggal 14 Desember 1977 dari pasangan H. Syaiful Anwar, Bc.An dan Hj. Nursimah Syair. Penulis merupakan anak bungsu dari 10 bersaudara. Pada tahun 1997 penulis diterima melalui seleksi UMPTN pada Jurusan Nutrisi dan Makanan Ternak Fakultas Peternakan Universitas Andalas di Padang. Penulis memperoleh gelar Sarjana Peternakan pada tahun 2002.

Pada tahun 2002 penulis merupakan finalis dalam Lomba Karya Alternatif Mahasiswa (KAM) tingkat nasional. Pada tahun 2003 Penulis melanjutkan studi ke jenjang S2 Program Studi Teknologi Pascapanen, Sekolah Pascasarjana, Institut Pertanian Bogor. Penulis menikah dengan Nur Ahmad Firmansyah di Tangerang pada bulan Juni tahun 2006.

Selama mengikuti perkuliahan di Sekolah Pascasarjana Penulis aktif dibeberapa organisasi, Himpunan Mahasiswa Pascasarjana TPP- IPB (HIWACANA) 2003 -2004 sebagai bendahara II, pengurus Ikatan Mahasiswa Pascasarjana Asal Sumatera Barat (IMPACS) sebagai bendahara II periode 2004-2005.

(11)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(12)

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Dengan ini saya menyatakan bahwa tesis Penentuan Kandungan Energi Bruto Tepung Ikan untuk Bahan Pakan Ternak Menggunakan Teknologi Near InfraRed

Bogor, Agustus 2006

Atiatul Quddus NIM F051030101

(13)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

Tesis

Sebagai salah satu syarat untuk memperoleh gelar

Magister Sains pada

Program Studi Teknologi Pascapanen

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(14)

@ Hak cipta milik Institut Pertanian Bogor, tahun 2006 Hak cipta dilindungi

Dilarang mengutip dan memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak, fotokopi, mikrofilm dan sebagainya.

(15)

PENENTUAN KANDUNGAN ENERGI BRUTO

TEPUNG IKAN UNTUK BAHAN PAKAN TERNAK

MENGGUNAKAN TEKNOLOGI

NEAR INFRARED

(NIR)

ATIATUL QUDDUS

F 051 030 101

KOMISI PEMBIMBING:

Dr. Ir. I. Wayan Budiastra, M. Agr

Prof. Dr. Ir. Wiranda G. Piliang, M.Sc

PROGRAM STUDI TEKNOLOGI PASCAPANEN

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

2006

(16)

PRAKATA

(NIR).

Semoga tesis ini bermanfaat bagi kita semua, khususnya bagi pembaca yang selalu haus akan ilmu pengetahuan.

Bogor, Agustus 2006

(17)

RINGKASAN

(18)

CV = 4.16 %), (Sep = 388.37 Kkal, CV = 13.12 %) tepung ikan.

Secara umum, nilai prediksi NIR baik menggunakan data reflektan maupun absorban menggunakan regresi linier berganda (RLB) mendekati nilai

bioassay walaupun nilai prediksi NIR menggunakan data reflektan sedikit lebih baik dari data absorban. Pada penelitian ini metode PCR kurang tepat dalam menduga nilai EB dan EM.

(19)

ABSTRACT

ATIATUL QUDDUS. Prediction of the Gross Energy for Fishmeal using Near Infrared Reflectant (NIR) Technology. Supervised by I WAYAN BUDIASTRA as the Chairman, WIRANDA G. PILIANG as the member.

Keywords: Gross Energy, Near infrared Reflectant (NIR), fishmeal, Multivariate Linier Regression (MLR), Principal Component Regression (PCR)

(20)

RIWAYAT HIDUP

(21)

DAFTAR ISI

Halaman

DAFTAR TABEL... iii

DAFTAR GAMBAR ... iv

DAFTAR LAMPIRAN... v

PENDAHULUAN ... 1

Latar Belakang ... 1

Tujuan ... 3

TINJAUAN PUSTAKA ... 4

Teknologi Near infrared (NIR)... 4

Kalibrasi dan Validasi ... 7

Tepung Ikan ... 7

Teknologi Pengolahan Tepung Ikan ... 10

Cara Kering... ... 11

Cara Basah... ... 12

Mutu Tepung Ikan... 13

Energi Bruto ... 15

Energi Metabolis ... 15

METODOLOGI PENELITIAN... 17

Waktu dan Tempat ... 17

Bahan dan Alat... 17

Prosedur Penelitian ... 19

Pengukuran Pantulan Spektrum ... 20

Penentuan Kandungan Energi Metabolis... ... 21

Metode Analisa Energi Bruto... ... 21

Pengolahan dan Analisis Data... 23

Metode Regresi Linier Berganda... ... 23

Metode Orincipal Component Regression ... 24

HASIL DAN PEMBAHASAN... 26

Reflektan Near Infrared Tepung Ikan... 26

Absorbansi Near Infrared Tepung Ikan... 26

Analisis Data Regresi Linier Berganda... 27

Pendugaan Energi Bruto Reflektan ... 28

Pendugaan Energi Absorban ... 31

(22)

Pendugaan Energi Metabolis Absorban ... 39 Analisis Data dengan Principal Component Regression... 44 Pendugaan Energi Bruto Absorban... 46 Pendugaan Energi Metabolis Absorban ... 48 KESIMPULAN DAN SARAN... 49 Kesimpulan ... 49 Saran... ... 49 DAFTAR PUSTAKA ... 51 LAMPIRAN ... 56

(23)

iii

DAFTAR TABEL

Halaman

1. Persyaratan Mutu Standar Tepung Ikan... 14 2. Hasil validasi pendugaan nilai Energi Bruto

berdasarkan Reflektan... 31 3. Hasil validasi pendugaan nilai Energi Bruto

berdasarkan Absorban ... 34 4. Hasil validasi pendugaan nilai Energi Metabolis

berdasarkan Reflektan ... 38 5. Hasil validasi pendugaan nilai Energi Metabolis

berdasarkan Absorban ... 41 6. Hasil validasi pendugaan nilai Energi Bruto

berdasarkan Absorban ... 46 7. Hasil validasi pendugaan nilai Energi Metabolis

(24)

DAFTAR GAMBAR

Halaman 1. Proses Penyinaran Infrared pada Bahan... 5 2. Skema Pengolahan Tepung Ikan Cara Kering ... 11 3. Skema Pengolahan Tepung Ikan Cara Basah... 13 4. Peralatan Near infrared (NIR) ... 18 5. Sistem Pengukuran NIR... 18 6. Prosedur Pengujian Sistem Near Infrared... 19 7. Reflektan 50 buah sample tepung ikan ... 26 8. Absorbansi 50 buah sample tepung ikan... 27 9. Grafik perbandingan nilai energi bruto bahan dugaan NIR

dengan hasil uji kimia pada tahap reflektan kalibrasi 35 sampel... 29

10. Grafik perbandingan nilai energi bruto bahan dugaan NIR

dengan hasil uji kimia pada tahap reflektan validasi 15 sampel ... 30

11. Grafik perbandingan nilai energi metabolis dugaan NIR

dengan hasil uji kimia pada tahap reflektan kalibrasi 35 sampel... 32

12. Grafik perbandingan nilai energi metabolis dugaan NIR

dengan hasil uji kimia pada tahap reflektan validasi 15 sampel ... 33

13. Grafik perbandingan nilai energi bruto bahan dugaan NIR

dengan hasil uji kimia pada tahap absorbansi kalibrasi 35 sampel... 36

14. Grafik perbandingan nilai energi bruto bahan dugaan NIR

dengan hasil uji kimia pada tahap absorbansi validasi 15 sampel ... 37

15. Grafik perbandingan nilai energi metabolis dugaan NIR

dengan hasil uji kimia pada tahap absorbansi kalibrasi 35 sampel... 39

16. Grafik perbandingan nilai energi metabolis dugaan NIR

dengan hasil uji kimia pada tahap absorbansi validasi 15 sampel ... 40

(25)

DAFTAR LAMPIRAN

Halaman

1. Hasil pemilihan panjang gelombang pendugaan nilai

Energi Bruto (EB) dari data reflektan ... 56 2. Hasil pemilihan panjang gelombang pendugaan nilai

Energi Bruto (EB) dari data absorban ... 58 3. Hasil pemilihan panjang gelombang pendugaan nilai

Energi Metabolis (EM) dari data reflektan ... 60 4. Hasil pemilihan panjang gelombang pendugaan nilai

Energi Metabolis (EM) dari data absorban ... 74 5. Dua puluh bobot yang diekstrak dari data absorbansi tepung ikan

dengan analisis komponen utama ... 84 6. Persamaan regresi dari komponen utama ... 95 7. Nilai akar ciri pada sepuluh komponen utama ... 97

(26)

PENDAHULUAN

Latar Belakang

Dalam rangka menjamin konsisitensi kandungan nutrisi ransum, bahan pakan harus dimonitor secara terus menerus jenis, kondisi dan kandungan nutrisinya. Idealnya setiap bahan pakan, diuji kandungan gizinya pada setiap bahan datang, namun karena mempertimbangkan waktu dan biaya dengan menggunakan metode konvensional, maka evaluasi dilakukan dengan frekuensi terbatas. Frekuensi evaluasi tergantung kepada jenis bahan baku yang digunakan. Menurut Leeson dan Summers (1997) kandungan kadar air setiap bahan harus dimonitor pada setiap kedatangan. Protein kasar jagung dan dedak padi dimonitor pada setiap minggu, kacang kedelai setiap bulan, tetapi untuk bungkil kedelai dan tepung ikan harus dimonitor untuk setiap kedatangan. Lemak kasar jagung dan dedak padi dimonitor setiap dua bulan, bungkil kedelai dan kedelai cukup sekali sebulan, tetapi untuk tepung ikan harus dilakukan setiap kedatangan. Kalsium dan phosphor jagung, dedak dan kacang kedelai dimonitor setiap enam bulan, bungkil kedelai sekali sebulan, sedangkan untuk tepung ikan dilakukan setiap kedatangan. Asam amino dimonitor sekali enam bulan, kecuali bungkil kedelai sekali empat bulan dan tepung ikan setiap bulan. Dengan tingginya frekuensi evaluasi kandungan kimia bahan tersebut maka diperlukan metode penentuan yang cepat, murah dan akurat.

Salah satu bahan pakan yang digunakan adalah tepung ikan. Tepung ikan merupakan hasil industri pengolahan hasil perikanan yang sangat penting, mengingat tepung ikan sangat diperlukan untuk kegiatan industri peternakan dan perikanan, dalam menyusun pakan sebagai sumber protein. Sejalan dengan berkembangnya industri peternakan dan budidaya ikan atau udang, kebutuhan tepung ikan selalu meningkat. Sampai saat ini tepung ikan masih diimpor dari beberapa negara seperti Chili, Peru dan Thailand (Sunarya dan Djazuli, 1998). Impor tepung ikan Indonesia pada tahun 2002 adalah sebesar 524.120 ton (Statistik Hasil Impor Perikanan, 2004), sedangkan produksi tepung ikan lokal pada tahun yang sama adalah sebesar 8.346 ton (Statistik Perikanan Indonesia, 2004).

(27)

Metode konvensional Association Official Analitic Chemist (AOAC, 1999) untuk menentukan kandungan gizi bahan pakan membutuhkan bahan kimia dan peralatan yang beragam, waktu yang lama dan prosedur yang rumit, sehingga membutuhkan biaya yang mahal. Penentuan kadar air dilakukan dengan pengeringan dalam oven selama 5 jam. Penentuan kadar air protein dilakukan dengan metode kjelhdal membutuhkan 8 macam bahan kimia, prosedurnya juga cukup rumit dan membutuhkan waktu yang lama terutama dalam proses pendidihan dan destilasi. Penentuan kadar lemak kasar dan serat kasar membutuhkan waktu yang lama dalam proses ekstraksi (minimal 5 jam ), filtrasi dan pengeringan kadar abu membutuhkan waktu yang lama dalam pengendapan kalsium. Prosedur yang paling rumit dan biaya yang mahal dibutuhkan pada analisis asam amino. Pengukuran Energi Metabolis (EM) secara konvensional dilakukan dengan percobaan menggunakan ternak (bioassay) selama beberapa hari (Sibbald dan Wolynetz, 1985; Farrel,1999).

Berdasarkan permasalahan tersebut perlu dicarikan metode alternatif untuk mengetahui nilai gizi bahan pakan dengan cepat, murah, mudah dan keakuratannya dapat dipertanggungjawabkan. Pada saat ini sejumlah teknik instrumentasi yang didasarkan pada sifat fisik bahan telah dikembangkan. Salah satu teknik tersebut adalah pengukuran reflektan cahaya near infrared (NIR) yang dipancarkan ke bahan. Data dipengaruhi oleh jumlah dan tipe ikatan C-H, N-H dan O-H bahan yang dianalisis. Karakteristik tersebut erat hubungannya dengan komposisi kimia bahan (Williams dan Norris, 1990; Osborne et al., 1993). Berdasarkan hubungan tersebut dikembangkan metode pendugaan kandungan gizi menggunakan spectra NIR tersebut. Keuntungan metode ini adalah dalam pengukuran spectra NIR dapat dilakukan tanpa persiapan sampel yang rumit karena dapat dilakukan langsung pada material yang utuh atau bisa juga pada sampel dalam bentuk tepung. Dengan demikian pengukuran dapat dilakukan dengan cepat, murah dan tanpa bahan kimia.

Near Infrared (NIR) merupakan salah satu metode analisis untuk mengukur kandungan kimia bahan dengan cepat, tanpa merusak dan hanya membutuhkan contoh (sample) sederhana untuk persiapan. Ikatan Kovalen (covalent bond) antara atom-atom cahaya seperti C, N, H, O dan P, pada umumnya menyerap energi dalam jangkauan inframerah dimana atom-atom tersebut memiliki frekwensi vibrasi dasar

(28)

dan kombinasi yang dapat dideteksi pada wilayah kerja NIR yaitu 700 nm hingga 2500 nm. Analisis NIR, juga telah menjadi bagian terpenting dalam menentukan kadar protein, kadar air gandum dan produk palawija lainnya selama hampir 30 tahun. Hal lain yang juga menarik adalah cara ini digunakan juga secara luas untuk analisa beras.

Tingkat penerimaan metode pengukuran dengan pantulan infra merah dekat sangat ditentukan oleh kualitas spektrum yang didapat selama pengukuran dan metode matematika yang akan digunakan dalam analisis. Beberapa metode matematika yang digunakan dalam analisis pantulan infra merah dekat adalah regresi liniear berganda (multiple regression), regresi komponen utama (Principal Component Regression, PCR), partial least square, regresi transformasi fourier dan jaringan syaraf tiruan.

Tujuan penelitian ini adalah mengkaji metoda NIR untuk memprediksi kandungan energi bruto tepung ikan sebagai salah satu bahan pakan ternak. Hasil penelitian akan dapat membantu peternak dan industri makanan ternak memformulasikan ransum secara adaptif sesuai dengan kandungan gizi bahan yang digunakan pada saat ini.

(29)

TINJAUAN PUSTAKA

Teknologi Near Infrared (NIR)

Metode Near Infrared (NIR), cahaya infra merah dekat saat ini merupakan salah satu metode analisis yang cukup populer disebabkan berbagai kelebihannya antara lain tidak bersifat destruktif, singkat, biaya tenaga kerja relatif rendah, kebutuhan bahan-bahan kimia sedikit, dapat bersifat massal dan tidak menimbulkan masalah limbah.

Penerapan metode NIR telah lama berkembang terutama untuk keperluan bahan pangan/pertanian, kedokteran/farmasi, minyak dan industri-industri kimia. Untuk bahan pangan dan hasil pertanian seperti kedelei, jagung, beras, daging, telur, ikan, hortikultur (sayur dan buah-buahan), metode NIR dapat digunakan untuk penentuan komposisi kimia seperti kadar air, lemak, asam, gula, protein dan berbagai senyawa lainnya.

Infra merah dekat merupakan bagian dari spektrum gelombang elektromagnetik dimana panjang gelombangnya sedikit diatas daerah tampak yaitu antara 700-2500nm. Selain itu daerah infra merah dekat memiliki energi yang relatif rendah dan stabil, dalam interaksi terhadap molekul-molekul hanya akan menimbulkan vibrasi ikatan inter atomic. Keunggulan dari gelombang infra merah dekat dalam analisis khususnya analisa bahan makanan yaitu gabungan antara kecepatan, tingkat ketepatan, dan kemudahan dari percobaan yang dilakukan (Osborne et al .1993).

Informasi dari spektrum pantulan ini bisa didapat karena radiasi infra merah dekat yang dipancarkan oleh sumber radiasi berkorespondensi dengan frekuensi vibrasi dari molekul-molekul yang ada di dalam bahan organik karena setiap ikatan kimia CH, NH, dan OH memiliki frekuensi vibrasi tertentu sedangkan yang tidak berkorespondensi dengan molekul yang ada dalam bahan tersebut akan dipantulkan. Spektrum pantulan yang dihasilkan berisi hasil pengukuran parameter- parameter dan parameter tersebut dijelaskan oleh panjang gelombang dalam nanometer, amplitudo dengan tinggi puncak gelombang dan lebar gelombang menjelaskan intensitasnya

(30)

sehingga dengan parameter-parameter ini seluruh informasi penyerapan dari suatu bahan dapat dijelaskan (Murray dan Williams, 1990).

Informasi yang tercakup dalam spektrum infra merah dekat cukup banyak karena setiap bahan memiliki spektrum pantulan atau serapan infra merah dekat yang unik dan beragam dan juga hal ini dapat menyebabkan kesulitan dalam menginterpretasi spektrum tersebut.

Cahaya infra merah dekat yang mengenai suatu bahan memiliki energi yang kecil dan hanya menembus sekitar satu millimeter permukaan bahan, tergantung dari komposisi bahan tersebut. Jika cahaya mengalami penyebaran, spektrum tersebut tetap mengandung informasi contoh penyerapan permukaan bahan tetapi terjadi distorsi pada puncak gelombang. Variasi pada ukuran dan suhu partikel sampel mempengaruhi penyebaran radiasi infrared pada saat melewati sampel (Dryden, 2003). Partikel berukuran besar tidak dapat menyebarkan radiasi infrared sebanyak partikel kecil (Dryden, 2003). Makin banyak radiasi yang diserap dapat memberikan nilai absorban yang tinggi dan efeknya besar pada panjang gelombang yang diserap lebih kuat (Dryden, 2003). Proses pemantulan dan penyerapan cahaya infra merah dapat dilihat pada Gambar 1.

Infrared

Transmitten

Reflection

Gambar 1 Proses penyinaran infrared pada bahan

Berdasarkan sifat absorbansi dan reflektan dari energi radiasi yang dipancarkan, maka NIR dapat digunakan untuk mengkaji komposisi kimia bahan, termasuk bahan hasil pertanian dan bahan pangan. Evaluasi kualitas bahan hasil pertanian telah menggunakan perangkat dari radiasi infra merah dekat, (Norris dan Hart,1962), Evaluasi komposisi bahan lebih didasarkan pada jumlah energi radiasi yang diserap (absorb), dibandingkan dengan jumlah energi yang dipantulkan (reflectant). Berdasarkan energi radiasi yang diserap pada kedalaman beberapa nm

(31)

dalam bahan, bukan hanya komposisi kimianya yang terdeteksi, namun kerusakan bahan pangan dan pakan juga dapat terdeteksi tanpa merusak bahan.

Teknologi NIR juga telah banyak diterapkan dalam menganalisis kandungan suatu bahan pangan atau pakan karena lebih mudah, sangat cepat dan tidak menimbulkan polusi. Pantulan infra merah dekat digunakan untuk pengukuran langsung kandungan sukrosa dan asam sitrat pada jeruk Mandarin (Miyamoto et al.1998).

Rosita (2001) menerapkan teknologi NIR untuk memprediksi mutu buah duku berdasarkan kadar gula dan kekerasan buah dengan nilai korelasi yang dihasilkan 0,91, standard error 0,87 dan koefisien keragaman sebesar 5,93.

Fontaine et al. (2001) menerapkan NIR dalam menduga kandungan asam amino kedelai. Didapat bahwa 85 – 98% variasi asam amino mampu dijelaskan dengan baik menggunakan NIR.

Fontaine et al. (2001) telah menggunakan NIR untuk memprediksi kandungan asam amino esensial beberapa bahan pakan yakni kedelai, rapeseed meal, tepung biji bunga matahari, kacang polong, tepung ikan, tepung daging dan tepung produk samping pemotongan ayam (poultry by product).

Teknologi NIR digunakan pada pendugaan kadar air, karbohidrat, protein dan lemak tepung jagung pada panjang gelombang 900-1400 nm. Hasil pendugaan bahwa data reflektan dapat menganalisa kadar protein lebih baik dari data absorban. Data absorbansi dapat mengukur karbohidrat, lemak dan kadar air lebih baik daripada data reflektan (Mitamala, 2003). Panjang gelombang 900-2000 nm dapat digunakan dalam menduga kadar air, karbohidrat, protein, lemak dan amilosa beras (Oryza

Sativa L.) secara cepat dan akurat dengan teknologi near infrared

(Kusumaningtyas,2004).

Kelebihan penggunaan metode NIR antara lain disebabkan banyak komposisi kimia dari bahan pangan/pertanian yang menyerap (absorpsi) atau memantulkan (reflektan) cahaya pada rentang panjang gelombang 0.7-3 μm. Protein, air, asam, lemak, gula dan senyawa-senyawa kimia lainnya memiliki pola serapan yang khas berbeda satu dengan lainnya pada setiap panjang gelombang cahaya yang diberikan.

(32)

Kendala metode NIR adalah biaya investasi alat yang tinggi. Metode NIR masih tergolong sekunder karena memerlukan tahap kalibrasi terutama bagi sampel uji yang belum pernah menggunakan metode ini misalnya tepung ikan, bungkil inti sawit, dedak. Metode NIR sangat membantu pekerjaan analisis yang bersifat rutin, seperti kadar air, serat kasar, protein, dan lemak. Metode ini sangat sesuai karena tidak lagi banyak memerlukan tahap kalibrasi.

Kalibrasi dan Validasi

Untuk menganalisa pantulan infra merah dekat maka spektrum pantulan infra merah dekat dan nilai referensi di laboratorium perlu diukur. Hubungan antara spektrum pantulan dan nilai referensi diperoleh dengan cara metode matematika dengan cara mengkalibrasinya. Kesulitan dalam kalibrasi menurut Osborne et al.

(1993) adalah masalah informasi alam yang kompleks dalam spektrum infra merah contohnya setiap puncak spektrum hampir selalu tumpang tindih (overlapped) oleh satu atau lebih puncak-puncak yang lain. Berbagai macam metode kalibrasi spektrum infra merah telah tersedia tetapi dapat dibagi dalam dua kategori yaitu metode kalibrasi untuk panjang gelombang terpilih atau sering disebut metode lokal dan metode yang melibatkan seluruh spektrum atau sering disebut metode global atau juga disebut dengan metode kalibrasi spektrum penuh (full spectrum calibration methods) contohnya Principal Components Regression (PCR) dan Partial Least Square (PLS). Metode full-spectrum banyak digunakan karena dengan metode ini data dalam spektrum direduksi untuk mencegah masalah overfitting tanpa kehilangan satu atau beberapa informasi yang sangat berguna.

Jumlah sampel yang digunakan untuk kalibrasi maupun validasi harus cukup banyak. Jumlah sampel untuk kalibrasi harus lebih banyak dari pada untuk keperluan validasi, disarankan minimal 90% dari total sampel yang digunakan.

Tepung Ikan

Tepung ikan adalah salah satu sumber gizi yang lengkap dan sangat potensial dalam pembuatan pakan. Faktor yang sangat penting dalam pengembangan

(33)

usaha peternakan dan budidaya ikan adalah tersedianya pakan sehingga untuk menstimulasi produksi tersebut selain mengusahakan adanya pakan alami juga perlu ditambahkan pakan tambahan yang merupakan sumber gizi yang dapat melengkapi pakan alami. Pakan tersebut harus mempunyai kandungan gizi yang lengkap berupa protein, asam amino, lemak, asam lemak, vitamin, kalori dan mineral yang akan mampu meningkatkan produksi (Sunarya, 1990 dan Saleh, 1990).

Kegunaan tepung ikan adalah sebagai bahan campuran pakan ternak, unggas serta ikan dan berfungsi sebagai sumber protein. Tepung ikan yang akan digunakan sebagai sumber protein pakan harus memenuhi kualitas yang dipersyaratkan baik secara organoleptik, fisik, kimiawi dan bakteriologis maupun metode pengolahannya. Tepung ikan produk dalam negeri harus dapat memenuhi persyaratan ini agar dapat bersaing dengan produk impor. Secara umum tepung ikan yang berkualitas baik mengandung protein kasar antara 60% hingga 70% dan kaya akan asam amino esensial. Asam amino esensial yaitu asam amino yang mutlak diperlukan oleh hewan atau ternak dan harus tersedia di dalam makanannya sebab asam amino esensial itu tidak dapat dibuat di dalam tubuh hewan atau ternak itu sendiri. Komposisi asam amino yang ada pada tepung ikan antara lain lysine, methionine dan cystine, yang selalu kurang dalam bahan-bahan makanan ternak asal nabati (Rasyaf, 1990). Protein dari bahan nabati biasanya miskin akan methionine, hal ini dapat diperbaiki dengan menambahkan tepung ikan yang kaya akan methionine (Firdaus,1999). Tepung ikan merupakan penyumbang protein hewani pada pakan ternak. Pada formulasi ransum ternak 80% bahan pakan berasal dari nabati sehingga protein yang diperoleh juga berasal dari protein nabati. Protein nabati (asal tumbuh-tumbuhan) lebih sukar dicerna daripada protein hewani (asal hewan). Hal ini karena protein nabati terbungkus dalam dinding selulose yang sukar dicerna. Umumnya kandungan asam amino esensial dari protein nabati kurang lengkap dibandingkan dengan protein hewani (Mudjiman, 1984). Moeljanto (1982) menjelaskan bahwa jenis vitamin yang paling banyak ditemukan pada tepung ikan adalah vitamin-vitamin B yaitu riboflavin, asam pantothenat, niacin dan cobalamin.

Tepung ikan yang bermutu baik harus mempunyai sifat-sifat sebagi berikut : butiran- butirannya agak seragam, bebas dari sisa-sisa tulang, mata ikan dan

(34)

benda-9

benda asing lainnya. Tepung ikan yang dibuat dari bahan offal (sisa dari industri fillet ikan) mempunyai kadar protein lebih rendah dan kadar mineral lebih tinggi daripada tepung ikan yang terbuat dari ikan utuh. Cara pengolahan secara modern dan tradisional juga memberikan pengaruh terhadap kadar protein tepung ikan (Sunarya,1990). Irawan (1995) berpendapat bahwa ada dua faktor yang mempengaruhi kandungan lemak dan protein yang terdapat dalam daging ikan yaitu faktor dari luar dan dari dalam. Faktor dari luar berupa tempat ikan itu hidup, sumber makanan yang didapat dan pengaruh musim. Faktor dari dalam seperti masalah umur, jenis, sifat keturunan dan jenis kelamin.

Menurut Irawan (1995), tepung ikan merupakan suatu produk padat kering yang dihasilkan dari sisa-sisa olahan atau limbah ikan, bahkan bisa juga dari hasil kelebihan pada waktu penangkapan ikan. Di Indonesia pengolahan tepung ikan masih belum menggembirakan perkembangannya. Untuk memenuhi kebutuhan sendiri, produksi dalam negeri hanya mampu memenuhi 5% dari total kebutuhan dengan mutu relatif lebih rendah (Ilyas, 1988), sedangkan 95% sisanya dipenuhi dari impor dengan volume impor 128,9 ribu ton dengan nilai US $ 72,9 juta. Kenaikan rata-rata impor tepung ikan setiap tahunnya adalah 49,30%(Warta Gappindo, 1998).

Produksi dalam negeri yang hanya mampu memenuhi sebagian kecil kebutuhan tersebut, didapatkan dari industri pengolahan tepung ikan dengan skala tradisional sampai medium yang belum beroperasi secara maksimal karena terbatasnya bahan baku.

Untuk meningkatkan mutu tepung ikan agar memenuhi standar SNI dan FAO perlu dicari cara pengolahan tepung ikan paling efektif dan efisien tetapi sesuai dengan kondisi sosial ekonomi masyarakat kita. Sampai saat ini data yang berkaitan dengan hal tersebut masih sangat terbatas.

Di Indonesia, sumber bahan baku yang digunakan untuk pengolahan tepung ikan umumnya berupa jenis-jenis ikan yang kurang ekonomis (ikan rucah), hasil tangkapan samping(HTS), sisa-sisa olahan ikan (limbah pengolahan) yang berasal dari pengolahan ikan kaleng, ikan asap, ikan asin dan limbah udang. Industri tepung ikan di Banyuwangi dan daerah Pantai Barat Bali menggantungkan pada hasil tangkapan lemuru yang sangat musiman. Disamping memanfaatkan limbah dari

(35)

pabrik pengalengan yang mencapai 30-40% dari bahan baku untuk pengalengan serta lemuru yang tidak tertampung untuk konsumsi manusia pada musim berlimpah (Martosubroto dan Naamin 1985; Indriyati et al. 1990).

Jenis-jenis ikan yang dipakai sebagai bahan tepung ikan termasuk ikan-ikan demersal antara lain golongan petek (Leiognathidae), kerong-kerong (Theraponidae), buntal (Lagocephalidae, Diodonthidae), beloso (Saurida spp.), ikan kepala pipih (Platycephalidae), baronang (Singhanidae). Disamping itu termasuk pula jenis-jenis ikan pelagis yang ekonomis penting tetapi masih berukuran kecil-kecil seperti dari laying (Decapterus spp.), kembung (Rastrellinger spp), lemuru (Sardinela spp.) dan beberapa jenis selar (Carangidae) (Martosubroto dan Naamin 1985; Hardy dan Masumoto 1991).

Dalam Anonim (1985) dikemukakan bahwa selain ikan rusak, kelebihan ikan pada waktu musim penangkapan dan hasil buangan pabrik pengolahan ikan merupakan sumber yang sangat cocok untuk bahan baku tepung ikan adalah jenis-jenis ikan dasar yang berkualitas dan bernilai rendah yang dinilai sebagai “ikan sampah”. Jenis-jenis ikan sampah tersebut dikategorikan sebagai ikan komersial ketiga yang terdiri dari : kapas-kapas (Gerenidae), peperek (Leiognathidae), biji nangka, kuniran (Upeneus), pasir-pasir (Scolopsis), beloso (Saurida), kerong-kerong (Theraponidae), nomei (Harpodon), gigi anjing, mamar (Labridae), ikan hitam, buntana, greon (Acanthuridae), sedangkan ikan rucah lainnya adalah buntel duren (Diodonthidae), buntel mas, buntel pasir, buntel kelapa (Tetraodontidae), beloso (Synodus), pokol (Balistidae) dan lidah (Cynoglossidae).

Teknologi Pengolahan Tepung Ikan

Tepung ikan adalah suatu produk padat yang diperoleh dengan jalan mengeluarkan sebagian air atau seluruh lemak dari ikan atau limbah. Pengolahan tepung ikan pada prinsipnya adalah perubahan bentuk dari ikan utuh atau limbahnya menjadi bentuk tepung ikan sedangkan metode yang digunakan dapat dilakukan secara konvensional maupun secara sederhana (Erlina et al. 1985; Ilyas et al. 1985).

Teknologi pengolahan tepung ikan yang dipilih dapat ditentukan berdasarkan ketersediaan bahan mentah yang akan diolah. Jika bahan mentah yang

(36)

akan diolah menjadi tepung ikan dalam jumlah yang besar dan teratur pengadaannya, maka dapat digunakan cara konvensional yang lazim digunakan dalam industri tepung ikan. Pada cara konvensional, tahap-tahap pengolahan dilakukan secara kontinyu dan kondisi pengolahannya mudah dikontrol. Sebaliknya jika bahan mentah tersedia dalam jumlah yang kecil dan tidak teratur pengadaannya, maka hasil tangkapan tersebut dapat diolah dalam skala kecil dengan menggunakan metode sederhana. Selain jumlah bahan yang tersedia, pemilihan teknologi pengolahan juga harus disesuaikan dengan jenis ikan yang akan diolah, karena ikan yang berkadar lemak tinggi, lebih sulit mengolahnya daripada ikan yang berkadar lemak rendah. Pada pengolahan tepung ikan selain dihasilkan tepung ikan, juga didapat minyak ikan yang mempunyai nilai ekonomis cukup baik.

Urutan pengolahan tepung ikan adalah pencincangan, pemasakan, pengepresan, pengeringan dan penggilingan (Ilyas et al. 1985). Menurut Clusac dan Ward (1996), proses pengolahan tepung ikan dapat dilakukan melalui 2 cara seperti berikut :

Cara kering (dry process)

Cara ini dilakukan pada ikan yang berkadar lemak rendah (<5%). Proses pengolahannya dapat dilihat pada Gambar 2.

Ikan

Penggilingan Kasar

Pengepresan

Penggilingan Halus

Pengeringan

(kering matahari 3 jam; kering oven 400C, 12 jam)

Tepung Ikan

(37)

Bahan yang sudah dipres hingga kadar air mencapai kira-kira 10 persen. Pengeringan yang kurang sempurna akan memungkinkan pertumbuhan jamur, kapang atau mikroorganisme lainnya. Bila temperatur terlalu tinggi, terlebih ada bagian yang terbakar maka nilai gizi tepung ikan tersebut akan turun. Pada industri kecil, pengeringan tepung ikan dilakukan dengan penjemuran sinar matahari (Kompiang, 1982).

Cara Basah (wet process)

Cara ini dilakukan untuk mengolah ikan-ikan yang berkadar lemak tinggi (>5%), biasanya dilakukan bila persediaan bahan baku banyak dan kontinyu.

Pengolahan tepung ikan dapat dilakukan dengan metode konvensional maupun metode sederhana (skala kecil). Pengolahan tepung ikan secara konvensional dilakukan secara mekanis dan tahap-tahap pengolahannya merupakan suatu rangkaian yang kontinyu. Bahan mentah masuk ke dalam unit pengolah dan keluar sudah dalam bentuk produk akhir (tepung ikan). Sistem pengolahan konvensional telah banyak diterapkan oleh pabrik-pabrik tepung ikan di daerah muncar, walaupun dengan kapasitas yang masih rendah yaitu sekitar 20 ton per hari. Tahap-tahap pengolahan konvensional adalah berturut-turut : pencincangan , pemasakan (cooking), pengepresan, pemisahan ’press liquor’, pengeringan, penggilingan (milling), pengemasan, penyimpanan (Ilyas et al. 1985; Indriyati et al, 1990).

Tepung ikan lokal (produksi dalam negeri) umumnya merupakan produksi industri pabrik tepung ikan dan industri rumah tangga yang keduanya berbeda baik dalam cara pengolahannya maupun mutu produk akhir. Proses pengolahan tepung ikan di dalam pabrik biasanya menggunakan metode konvensional dengan peralatan dan mesin-mesin yang dilengkapi dengan alat pengontrol. Pada pabrik pengolahan tepung ikan, proses pengeringan dilakukan dengan menggunakan alat pengering drum. Pada cara ini terdapat dua sistem pengeringan, yaitu sistem pemanasan langsung, yang mana udara panas langsung disemprotkan dan sistem pemanasan tidak langsung menggunakan uap. Suhu udara panas untuk sistem pemanasan langsung sekitar 6000C sedangkan untuk sistem pemanasan tidak langsung suhu uapnya sekitar 1700C (Windsor dan Barlow, 1981). Dalam industri rakyat tepung ikan diolah dengan

(38)

teknik dan peralatan yang sangat sederhana sehingga kondisi pengolahannya sulit dikontrol. (Saleh et al. 1986). Proses pengolahan tepung ikan cara basah dapat dilihat pada Gambar 3.

Ikan

Pengukusan

(kering oven 900C, 30 menit)

Pengepresan

Ikan Tanpa Lemak Air Perasan

Pengeringan

(1. Kering matahari, 24 jam) Pemisahan Lemak (2. Kering oven 400C, 12 jam)

Penggilingan Fish Soluble Minyak Ikan Pengasaman sampai pH 4,5

Tepung Ikan

Pengeringan

(kering oven 400C, 12 jam)

(kering matahari, 24 jam)

Tepung Ikan

Gambar 3 Skema Pengolahan Tepung Ikan Cara Basah (Wet Process)

Mutu Tepung Ikan

Mutu tepung ikan meliputi kandungan kimia, mikrobiologi dan organoleptik. Standar Nasional Indonesia membagi tepung ikan menjadi tiga tingkatan mutu dan standar ini merupakan acuan industri pakan untuk menentukan

(39)

harga. Adapun mutu tepung ikan menurut Standar Nasional Indonesia dapat dilihat pada Tabel 1.

Ilyas et al. (1988) mengemukakan bahwa mutu tepung ikan dapat dinilai secara fisik (organoleptik). Secara fisik kriteria yang dinilai adalah penampakan (rupa dan warna), keseragaman ukuran partikel dan bau. Dari segi mikrobiologis, tepung ikan harus bebas dari bakteri patogen dan kapang serta benda asing yang merupakan keberatan (Objectional deffects) adalah potongan serangga, bulu, kayu dan kotoran lainnya. Adapun mutu tepung ikan yang dipersyaratkan untuk pakan ternak :

1. Kadar protein tinggi dan konstan, mudah dicerna. 2. Kadar air kurang dari 10%

3. Bebas dari kontaminasi kapang dan bakteri penyebab penyakit

4. Bebas dari benda asing, kotoran hewan, sisa serangga, bulu tikus dan lain-lain 5. Menambahkan anti oksidan

Tabel 1 Persyaratan mutu standar tepung ikan

Parameter Mutu I Mutu II Mutu III

Kimia :

- Air (%) maks 10 12 12

- Protein kasar (%) min 65 55 45

- Serat Kasar (%) maks 1,5 2,5 3

- Abu (%) maks 20 25 30

- Lemak (%) maks 8 10 12

- Ca (%) 2,5 – 6,0 2,5 – 6,0 2,5 – 7,0

- P (%) 1,6 – 3,2 1,6 – 4,0 1,6 – 4,7

- NaCl (%) maks 2 3 4

Mikrobiologi :

-Salmonella (25g sample) Negatif Negatif Negatif

Organoleptik :

- Nilai minimum 7 6 6

Sumber : Standar Nasional Indonesia (1992).

Selain mengandung komposisi di atas Irawan (1995) menambahkan tepungikan yang bermutu harus memenuhi syarat :

(40)

2. Tidak mengandung sisa-sisa tulang

3. Tidak bercampur dengan mata kail maupun benda-benda lainnya.

Energi Bruto

Ternak umumnya memperoleh energi dari pakan yang dikonsumsi. Akan tetapi tidak semua energi pakan tersebut dapat digunakan oleh tubuh ternak. Penggunaan energi pakan oleh tubuh unggas sangat penting diketahui, terutama untuk memenuhi kebutuhannya sesuai dengan tujuan pemeliharaan. Hal ini lebih penting lagi karena tidak semua bahan pakan yang mempunyai nilai energi bruto yang sama mempunyai daya guna yang sama (Wahju, 1985).

Energi dibutuhkan oleh semua ternak hampir dalam semua proses kehidupan, didalam proses metabolisme antara lain untuk mengatur tekanan darah, denyut jantung, penyerapan dan ekskresi serta sintetis komponen-komponen tubuh (Parakkasi, 1983). Nilai energi pakan dapat dinyatakan dalam bentuk energi bruto, energi dapat dicerna, energi metabolis dan energi netto (NRC, 1994). Energi bruto adalah jumlah panas yang dilepaskan jika suatu zat mengalami oksidasi sempurna menjadi CO2 dan air dalam bom kalorimeter dengan tekanan 25-30 atm O2. Menurut

Blakely dan Bade (1991), energi bruto merupakan kandungan seluruh energi yang terdapat dalam bahan pakan atau ransum yang tidak seluruhnya dipergunakan tubuh.

Energi Metabolis

Energi metabolis adalah energi yang dapat digunakan oleh tubuh dari pakan yang dikonsumsi untuk melakukan aktifitas dan berproduksi. Proses penggunaan energi dalam tubuh menyangkut perubahan bentuk dari satu bentuk ke bentuk lain. Proses ini dikenal dengan istilah metabolisme yang terdiri dari katabolisme (proses pemecahan) dan anabolisme (proses pembentukan) zat gizi dalam sel atau tubuh.

Energi metabolis adalah perbedaan antara kandungan energi bruto pakan suatu ransum dengan energi bruto yang dikeluarkan melalui ekskreta (Sibbald, 1980). Energi metabolis merupakan energi yang dapat dimanfaatkan oleh unggas (Blakely dan Bade 1991). Nilai energi metabolis antara lain dipengaruhi oleh kandungan energi bruto dalam pakan atau ransum, jumlah ransum yang dikonsumsi, dan jenis

(41)

ternak (Storey dan Allen, 1982). Energi metabolis juga dipengaruhi oleh kemampuan ternak untuk memetabolis ransum atau bahan pakan di dalam tubuhnya (Sibbald, 1989). Energi netto adalah energi yang dapat dimanfaatkan untuk fungsi-fungsi tubuh (Blakely dan Bade 1991).

Pada unggas lebih mudah menghitung energi metabolis yang jumlahnya 70-90 % dari energi bruto ransum karena feses dan urin dikeluarkan secara bersamaan (NRC, 1994). Banyaknya feses tergantung pada kuantitas bahan yang dapat tercerna seperti selulosa, hemiselulosa, dan lignin (Anggorodi, 1995).

Perhitungan energi metabolis menggunakan rumus yang dikembangkan oleh Sibbald dan Wolynetz (1985). Energi metabolis menurut Sibbald dan Wolynetz (1985) dinyatakan dengan empat peubah, yaitu energi metabolis semu (EMS), energi metabolis semu terkoreksi nitrogen (EMSn), energi metabolis murni (EMM) dan energi metabolis murni terkoreksi nitrogen (EMMn). Pada penelitian ini perhitungan energi metabolis hanya menggunakan energi metabolis semu (EMS).

Selama ini pedoman yang digunakan dalam penyusunan ransum di daerah tropis masih menggunakan patokan yang digunakan oleh National ResearchCouncil

(NRC) dari Amerika Serikat tahun 1994 tabel NRC disusun atas dasar berbagai penelitian dari berbagai daerah atau negara-negara bagian. Piliang (1977) dan Amrullah (1979) telah memulai meneliti kandungan energi bahan makanan berasal dari Indonesia yang masing-masing dilakukan di Amerika Serikat dan Fakultas Peternakan, IPB. Bahan-bahan yang diteliti masing-masing adalah dedak padi, tepung ikan, bungkil kelapa, bungkil kacang tanah dan kedele mentah (Piliang, 1977): jagung, dedak halus dan bungkil kedelai (Amrullah, 1979). Metode yang digunakan oleh kedua peneliti ini adalah metode Hill (1958) yang hanya menghasilkan nilai “Apparent Metabolizable Energy”

Menurut NRC (1994) energi tercerna adalah energi bruto bahan pakan dikurangi dengan energi bruto feses. Energi metabolis adalah energi bruto bahan pakan dikurangi energi bruto feses, urin dan gas yang dihasilkan selama proses pencernaa, tetapi pada unggas gas yang dihasilkan biasanya diabaikan sehingga energi metabolis merupakan energi bruto pakan dikurangi energi bruto ekskreta (NRC, 1994).

(42)

METODOLOGI PENELITIAN

Waktu dan Tempat

Penelitian dilakukan di Laboratorium Teknologi Pengolahan Pangan dan Hasil Pertanian (TPPHP) Departemen Tteknik Pertanian, Fak. Teknologi Pertanian IPB, Laboratorium Terpadu IPB, Laboratorium Ilmu dan Teknologi Pakan Departemen Ilmu Nutrisi dan Teknologi Pakan, Fak. Peternakan IPB dan Laboratorium Nutrisi Unggas, Fak. Peternakan IPB. Lamanya penelitian dari Maret sampai Desember tahun 2005.

Alat dan Bahan

Bahan utama yang digunakan adalah tepung ikan yang diperoleh dari poultry shop yang ada di beberapa daerah Indonesia dan industri pakan ternak. Sistem

NIR merupakan modifikasi dari rancangan Budiastra et al. (1995). Sistem ini terdiri

dari unit optik dan unit elektronik yaitu : lampu halogen 150 watt (AT-100GH),

pemutus cahaya (Chopper, AT-100CH), Penyaring cahaya (Light Filter)

Monokromotor (grating monochromator, SPG-100IR), Pengumpul Cahaya

(integrating sphere, ISR-200), yang terdiri dari; Sensor dan lensa optik serta sensor

Pbs, penguat (Lock in Amplifier, AT-100AM), Interface (FCL 812 PG), rangkaian

keluaran digital, komputer. Ayam broiler jantan sebanyak 53 ekor periode finisher ,

kandang metabolis, tempat air minum dan pakan yang dibutuhkan selama masa adaptasi.

(43)

Gambar 4. Peralatan Near Infrared (NIR)

Ket : CONT : Motor Contoller

DO : Digital Output

ADC : Analog Digital Converter

MONOKROMATOR

Penguat

ADC

KOMPUTER

DO CONT

FILTER

LAMPU HALOGEN CHOPPER

MOTOR

SAMPEL

CERMIN

SENSOR

INTEGRATING SPHERE

(44)

Sistem NIR dihubungkan dengan komputer dan dijalankan oleh perangkat lunak bahasa C++ (Budiastra dan Suroso, 2004 ) yang terdiri dari tiga program yaitu program untuk menjalankan motor, program pengkonversi data dari analog ke digital dan program yang menampilkan data sebagai tampilan grafik hasil pengukuran.

Prosedur Penelitian

Gambar 6. Prosedur Pengujian Sistem Near Infrared

50 Sampel

2⁄_{3dari total sampel} ₁⁄_{3 dari Total sampel}

Scanning NIR tepung ikan dengan berbagai panjang gelombang Analisis energi metabolis tepung ikan dengan metode kimia

Scanning NIR tepung ikan dengan berbagai panjang gelombang Analisis energi metabolis tepung ikan dengan metode kimia Pengkondisian data, turunan

log 1⁄_R

penormalan transformasi Penentuan energi metabolis penentuan mutu Pengkondisian data, turunan

log 1⁄_R

penormalan transformasi Penentuan energi metabolis penentuan mutu

Penentuan kalibrasi

validasi

(45)

Metode yang digunakan dalam penelitian antara lain adalah sebagai berikut :

Pengukuran Pantulan Spektrum

Sistem NIR merupakan modifikasi dari rancangan Budiastra et al. (1995). Sebelum dilakukan pengukuran, alat (sistem NIR) dinyalakan dan dibiarkan terlebih dahulu selama kurang lebih 30 menit sampai 1 jam. Celah masuk pada monochromator diatur sebesar 50µm, penguatan (gain) sebesar 100, waktu tanggap

sedang dua (mid 2) untuk panjang gelombang 900 nm sampai 2000 nm dan intensitas

cahaya diatur pada posisi 13, gain sebesar 200, tombol Pbs dan LNR diaktif. Filter

yang digunakan untuk menyaring cahaya yang masuk dalam chopper yaitu lensa

dengan kode 046 untuk panjang gelombang 900-1400 nm dan kode 048 untuk panjang gelombang 1400-2000 nm.

Pengukuran pantulan ini dilakukan dengan cara mengukur standar putih terlebih dahulu kemudian dilanjutkan dengan pengukuran sampel (tepung ikan) sebanyak secukupnya untuk setiap pengukuran dengan cara menempatkannya pada unit deteksi. Cahaya dari lampu halogen pertama dipotong pada laju sebesar 270 Hz

oleh pemotong (chopper) dan cahaya disaring oleh penyaring gangguan (interference)

sebelum masuk kedalam monochromator dan mengenai sampel. Pantulan cahaya dari

sampel akan dikumpulkan oleh integrating sphere, ditangkap oleh sensor yang

kemudian dikonversi dari analog ke digital oleh A/D converter. Komputer mengirim

sinyal digital ke motor untuk melakukan pemindaian gelombang NIR dan pengukuran pantulan dilakukan lagi dan seterusnya hingga pemindaian gelombang NIR selesai. Selanjutnya sifat pantulan dihitung, grafik spektrum diperagakan dan data direkam. Pemantulan dihitung dengan menggunakan persamaan sebagai berikut:

V

contoh

R

=

V

standar

Dimana Vcontoh = tegangan pantulan contoh/sampel (volt)

Vstandar= tegangan pantulan standar putih (volt)

Data absorbansi diperoleh dengan cara mentransformasikan nilai reflektan/pantulan kedalam bentuk log (1/R).

(46)

Penentuan Kandungan Energi Metabolis

Energi Metabolis (EM) juga ditentukan dengan metode Sibbald dan Wolynetz (1985) berdasarkan energi yang dikonsumsi dikurangi dengan energi keluar bersama ekskreta . Energi yang dikonsumsi ditentukan dengan jumlah ransum yang dikonsumsi dikali dengan kandungan energi ransum tersebut yang diukur dengan bomb calorimeter. Energi ekskreta diperoleh dengan mengumpulkan ekskreta ayam broiler yang diberi perlakuan tepung ikan. Sebagai nilai acuan untuk mendapatkan nilai energi metabolis adalah dengan melakukan pencekokan terhadap 53 ekor ayam broiler dengan memberikan masing-masing 30 gram tepung ikan yang berbeda, pengumpulan ekskreta, pengeringan ekskreta, membersihkan ekskreta dari bulu dan kotoran lain, digiling dan pengujian laboratorium (Sibbald, 1976) Penentuan energi bruto dilakukan dengan menggunakan bom kalorimeter (AOAC, 1999). Ayam broiler jantan umur 6 minggu jenis CP 707 diberi pakan perlakuan selama 2 hari untuk masa adaptasi . Setelah masa adaptasi, ayam dipuasakan dari makan selama 24 jam. Ekskreta dikumpulkan setiap 2 jam selama 24 jam. Setiap pengumpulan ekskreta

disimpan di dalam freezer, selanjutnya dikeringkan dengan oven pada suhu 600C.

Sebelum dikeringkan feses segar ditimbang dulu untuk penentuan kadar air. Setelah kering, sampel ekskreta dibersihkan dulu, terutama dari kontaminasi bulu-bulu halus ayam, kemudian ditimbang dan digiling. Kandungan energi ekskreta diukur dengan bomb calorimeter. Energi metabolis ditentukan dengan rumus berikut :

Energi Metabolis semu = (E. kons – E. ekskreta)/ ∑ kons. ransum

Penggunaan metode Sibbald ini dalam menghitung Energi metabolis

digunakan sebagai pembanding dari hasil yang diperoleh dengan menggunakan Near

Infrared.

Metode Analisa Energi Bruto

Metoda analisis yang digunakan adalah AOAC tahun 1999. Prinsip dasar

pada metode ini yaitu menentukan jumlah Energi Bruto (EB) atau Gross Energy (GE)

suatu bahan ,makanan ternak ataupun ransum. Bahan kimia dan alat : Na2CO3,

Aquadest, Kawat Platina, Indikator Methil Orange, Erlenmenyer, Bomb Calorimeter, Seperangkat alat titrasi dan botol semprot.

(47)

Metode Analisa :

1. Sample dalam bentuk pellet ditimbang 0,5 – 1 gram.

2. Sample dimasukkan ke dalam cawan kecil, kemudian dilewatkan kawat platina

sepanjang 10 cm dan dimasukkan lagi ke dalam bomb calorimeter.

3. Sebelum diisi gas oksigen sebanyak 25 atmosfer, bomb calorimeter diisi dengan

aquadest sedikit.

4. Bomb calorimeter dimasukkan ke dalam jaket yang sudah diisi air kemudian ditutup. Suhu distabilkan dengan memutar tombol. Setelah stabil dicatat sebagai suhu awal (a).

5. Sample dibakar dengan menekan tombol atau knop dan dibiarkan selama 5 menit.

Kemudian suhu distabilkan kembali dengan memulai tombol suhu. Suhu yang sudah stabil dicatat sebagai suhu akhir.

6. Cawan dan tabung bom kalorimeter dibilas dengan aquadest yang telah dicampuri

dengan indikator methil orange. Air bilasan titrasi dengan Na2CO3 (Natrium

Carbonat).

7. Kawat platina yang terbakar diukur sebagai k kalori.

Untuk mendapatkan jumlah Energi Bruto (EB) suatu bahan makanan ternak ataupun ransum maka dipergunakan rumus sebagai berikut :

Energi Bruto (EB) = (b−a)x2589−k−ti

Berat sample

= X kalori/ gram.

Dimana : b = suhu akhir 0F

a = suhu awal 0F

k = kawat platina terbakar (kalori)

ti = volume Na2CO3 yang digunakan untuk mencapai titik akhir

titrasi.

(48)

Pengolahan dan Analisis Data

Data-data yang diperoleh dianalisis dengan menggunakan bantuan program

statistika komputer antara lain adalah SPSS, Minitab dan Microsoft Excel . Pada

penelitian ini analisis menggunakan perangkat lunak Minitab 11 for windows dan

Minitab Realese 13.3 for Windows. Keluaran Regresi Linier Berganda (RLB) adalah

persamaan kalibrasi antara reflektan/absorban NIR dengan nilai bioassay yang

memiliki koefisien determinasi tinggi dan standard error yang rendah (Ratnawati,

2004) dan keluaran Principal Component Regression (PCR) adalah persamaan

kalibrasi antara absorban NIR dengan nilai bioassay yang memiliki standard error

yang rendah dan koefisien variasi yang kecil. Validasi bertujuan untuk menguji kemampuan RLB dan PCR untuk memprediksi kandungan gizi berdasarkan data reflektan/absorban NIR bahan. Proses validasi pada analisis RLB menggunakan 15

sampel. Parameter keberhasilan dilihat dari standard error prediksi (SEp) dan

koefisien variasi (CV).

Analisis data meliputi kalibrasi dan validasi pantulan (R) maupun data absorbansi (log 1/R). Dari seluruh sampel yang diukur akan dibagi dua bagian yaitu untuk proses kalibrasi dan validasi. Jumlah sampel untuk kalibrasi sebanyak 2/3 total sampel sedangkan jumlah sampel validasi sebanyak 1/3 total sampel.

]

Kalibrasi

MetodeRegresi Linier Berganda

Proses kalibrasi ini dilakukan untuk menentukan hubungan antara energi metabolis tepung ikan dengan data reflektan NIR maupun dengan data absorbansi NIR. Persamaan kalibrasi dapat dibangun dengan menggunakan persamaan regresi linier berganda (Mattjik dan Sumertajaya, 2002):

Y =

a

+b

₁

X

₁

+b

₂

X

₂

+…+b

X

Dimana :

Y : kandungan energi bruto/energi metabolis a dan b: konstanta regresi

(49)

Pemilihan panjang gelombang yang tepat untuk pendugaan energi metabolis tepung ikan dapat dilakukan dengan beberapa metode dari proses regresi, seperti

metode stepwise, backward eliminatation, forward dan sebagainya. Pada penelitian

ini metode yang digunakan adalah metode stepwise.

Metode Principal Component Regression (PCR)

Principal Component Regression (PCR) merupakan analisis statistika

peubah ganda yang dapat digunakan untuk keperluan mereduksi sejumlah peubah asal menjadi beberapa peubah baru yang bersifat ortogonal dan tetap mempertahankan total keragaman yang besar dari peubah asalnya. Hasil analisis berupa akar ciri, vektor ciri, proporsi dan proporsi komulatif total keragaman yang diterangkan oleh masing-masing komponen serta skor komponen. Persamaan kalibrasi dapat dibangun

dengan menggunakan persamaan principal component regression (Mattjik dan

Sumertajaya, 2002):

Y = a + b p

1 + c p2 + d p3 + ...+ n pn

Dimana :

Y : kandungan energi bruto/energi metabolis a, b, c, : konstanta

p : komponen utama pada panjang gelombang tertentu.

b. Validasi

Setelah didapatkan model persamaan kalibrasi, dilakukan proses validasi dengan menggunakan sisa data yang lain. Data tersebut dimasukkan ke dalam persamaan kalibrasi, sehingga diperoleh data kandungan energi metabolis dugaan NIR.

Data kandungan energi metabolis dugaan NIR akan divalidasi dengan data hasil pengujian secara kimiawi / bom kalorimeter di laboratorium kimia dan dibuat

hubungan antara keduanya. Setelah itu akan dihitung standard error of validation

(SEp), Coefficient of Variability (CV) dengan menggunakan persamaan sebagai

(50)

SE

=

(

(YNIR Y)

)

/n 2 − ∑

CV =

Y SE

x

100%

Dimana :

SEp : standard error validasi (Kkal/Kg) ,

YNIR : nilai energi bruto/energi metabolis dugaan NIR (Kkal/Kg).

Y : nilai energi bruto/energi metabolis dengan analisis proksimat (Kkal/Kg).

n : jumlah sampel (buah).

(51)

HASIL DAN PEMBAHASAN

Reflektan Near Infrared Tepung Ikan

Perangkat NIR yang digunakan menghasilkan data pengukuran berupa data reflektan radiasi NIR dengan panjang gelombang 900 – 2000 nm dengan interval 5 nm. Reflektan NIR pada setiap sampel jagung memiliki tingkat pantulan yang berbeda. Hal ini ditunjukkan pada gambar berikut

0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 91 5 96 0 100 5 105 0 109 5 114 0 118 5 123 0 127 5 132 0 136 5 141 0 145 5 150 0 154 5 159 0 163 5 168 0 172 5 177 0 181 5 186 0 190 5 195 0

Panjang Gelombang (nm)

ektan

Series 1 Series 2 Series3 Series4 Series5 Series 6 Series 7 Series 8 Series 9 Series10 Series11 Series12 Series 13 Series 14 Series 15 Series 16 Series17 Series18 Series19 Series 20 Series 21 Series 22 Series 23 Series24 Series25 Series26 Series 27 Series 28 Series 29 Series 30 Series31 Series32 Series33 Series 34 Series 35 Series 36 Series 37 Series38 Series39 Series40 Series 41 Series 42 Series 43 Series 44 Series45 Series46 Series47 Series 48 Series 49

Gambar 7 Reflektan 50 buah sample tepung ikan

Pantulan gelombang NIR yang berbeda tersebut menunjukkan bahwa setiap tepung ikan memiliki kandungan komposisi kimia yang berbeda termasuk didalamnya adalah kandungan energi metabolis.

Metode NIR mengukur besarnya parameter optik (reflektan, transmitan atau absorban) akibat interaksi antara gelombang cahaya (photon) dengan molekul-molekul materi. Pada saat radiasi infrared mengenai sampel padat, beberapa dipantulkan (specular reflectance) dari permukaan sampel. Proporsi radiasi lainnya masuk ke sampel dan diserap (absorption). Radiasi yang tidak diserap diteruskan melalui sampel atau dipantulkan dari dalam msampel (diffuse reflectance).

(52)

Absorbansi Near Infrared Tepung Ikan

Dengan menggunakan transformasi Log (1/R) data reflektan dapat ditransformasikan menjadi bentuk data absorbansi (penyerapan). Puncak gelombang spektrum absorbansi inframerah dekat tepung ikan terjadi pada panjang gelombang 1220 nm, 1245 nm, 1755 nm dan 1950 nm. Hal ini menunjukkan penyerapan cahaya yang tinggi oleh komponen Energi Bruto dan Energi Metabolis. Karakteristik serapan panjang gelombang NIR pada sampel tepung ikan dapat dilihat pada Gambar 8.

Panjang Gelombang (nm)

Ab s o rb a n ( % )

Series1 Series2 Series3 Series4 Series5 Series6 Series7 Series8 Series9 Series10 Series11 Series12 Series13 Series14 Series15 Series16 Series17 Series18 Series19 Series20 Series21 Series22 Series23 Series24 Series25 Series26 Series27 Series28 Series29 Series30 Series31 Series32 Series33 Series34 Series35 Series36 Series37 Series38 Series39 Series40 Series41 Series42 Series43 Series44 Series45 Series46 Series47 Series48 Series49

Gambar 8 Absorbansi 50 buah sample tepung ikan

Pada radiasi NIR terjadi penyerapan cahaya (photon) yang besar oleh molekul-molekul –CH, -OH, -CN atau –NH. Radiasi near infrared yang dipantulkan dari tepung ikan dapat digunakan untuk memprediksi kandungan kimia seperti energi bruto dan energi metabolis metabolis tepung ikan, data yang diperoleh dimasukkan dalam perhitungan kalibrasi. Jumlah dari radiasi pantulan sampel dijadikan sebagai data reflektan (R) dari jagung. Nilainya diekspresikan sebagai log (1/R), yang memberi nilai tinggi pada level tinggi absorban. Terdapat hubungan yang linear antara log (1/R) dan konsentrasi komponen yang diserap.

Penyerapan panjang gelombang tertentu oleh kandungan kimia tertentu ditunjukkan oleh terjadinya puncak-puncak gelombang pada kurva absorbsi NIR. Semakin besar kandungan kimia suatu bahan, maka penyerapan akan semakin besar atau puncak gelombang semakin tinggi.

(53)

Analisis Datadengan Regresi Linier Berganda

Analisis data terhadap energi bruto dan energi metabolis dilakukan pada reflektan maupun pada data absorbansi.

Pendugaan Energi Bruto berdasarkan Reflektan

Sebanyak 2/3 dari jumlah sampel digunakan untuk proses kalibrasi. Persamaan kalibrasi dalam menduga kandungan energi bruto (EB) berdasarkan data reflektan dibangun dengan membuat hubungan kandungan energi bruto hasil uji kimia terhadap nilai reflektan NIR dengan menggunakan proses regresi berganda.

Metode kalibrasi regresi berganda yang digunakan adalah metode stepwise, metode tersebut digunakan untuk memilih secara otomatis subset variabel-variabel bebas yang dapat menerangkan variabel respon (dependent) dengan baik berdasarkan kriteria uji signifikasi F.

Signifikasi F yang digunakan adalah dengan memasukkan harga entry

sebesar 0.25 dan removal 0.30. Berdasarkan kriteria tersebut maka suatu panjang gelombang akan dimasukkan kedalam persamaan kalibrasi jika tingkat signifikasi dari F lebih kecil dari harga entry dan panjang gelombang akan dikeluarkan dari persamaan kalibrasi jika tingkat signifikasi dari F lebih besar dari 0.30.

Pada tahap kalibrasi ini digunakan data reflektan dari 35 sampel tepung ikan dengan kisaran panjang gelombang 900 – 2000 nm dan interval 5 nm, terpilih sebanyak 32 panjang gelombang. Persamaan kalibrasi yang dibangun berdasarkan 32 panjang gelombang terpilih tersebut adalah sebagai berikut :

EB = 4242.208 - 58101.293(R1045) + 6430.453(R1945) - 3559.468(R1960) + 40044.295(R1035) + 1944.276(R1985) - 2377.448(R1995) - 18515.129(R1010) - 14285.519(R1545) - 8299.235(R1855) + 4054.663(R1940) + 9493.066(R1785) + 24053.472(R1085) - 5307.199(R1110) + 11304.710(R1560) - 2780.760(R1990) + 3280.648(R1585) - 10287.291(R1780) + 6662.169(R1715) + 3952.793(R1800) - 6272.569(R1695) + 19433.978(R990) - 6243.260(R940) - 8264.572(R1530) + 4407.519(R1525) + 14239.667(R1390) - 15119.679(R1375) + 10058.022(R1380) + 2637.023(R1610) - 9365.899(R1365) + 5612.685(R1240) - 4296.167(R1190) + 4789.746(R1030)

(54)

Persamaan kalibrasi ini digunakan untuk menduga nilai energi bruto dengan acuan panjang gelombang yang terpilih, sehingga didapat nilai reflektan. Angka-angka yang terdapat sebelum panjang gelombang terpilih merupakan konstanta regresi yang didapat pada metode regresi linier berganda melalui metode stepwise. Banyaknya panjang gelombang yang terpilih disebabkan harga entry dan removal

yang besar, hal ini karena range dari nilai energi bruto yang terlalu sempit.

Pada gambar 9. dapat terlihat grafik perbandingan nilai EB hasil uji bom kalorimeter terhadap niali EB hasil pendugaan NIR yang dihitung berdasarkan persamaan. Nilai koefisien korelasi (R) untuk pendugaan nilai energi bruto bahan tersebut adalah sebesar 0.99. Nilai koefisien determinasinya (R2) sebesar 0.99. Hal ini berarti bahwa variasi nilai EB bahan dapat dijelaskan dengan baik sebesar 99% oleh variasi 32 panjang gelombang terpilih.

R2 = 0.9942

3350 3400 3450 3500 3550 3600 3650 3700 3750 3800 3850

EB referensi (kkal)

ugaan

(kkal

)

Gambar 9 Grafik perbandingan nilai energi bruto dugaan NIR dengan analisis proksimat pada tahap kalibrasi 35 sampel.

Pada tahap kalibrasi ini digunakan sampel sebanyak 35 jenis tepung ikan. Nilai standard error kalibrasi 8.70 Kkal/Kg dengan koefisien keragaman sebesar 0.2 %. Dilihat dari nilai koefisien determinasi, standard error dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga persamaan kalibrasi yang telah dibuat sudah baik. Untuk menguji ketepatan dari persamaan kalibrasi tersebut maka sangat perlu dilakukan validasi.

(1)

1275 0.015 0.015 -0.006 0.020 1280 -0.013 -0.026 -0.011 0.051 1285 0.008 -0.020 -0.042 0.017 1290 0.003 0.006 -0.030 0.030 1295 0.022 -0.029 0.013 0.042 1300 -0.036 -0.021 -0.001 0.029 1305 -0.011 -0.007 0.036 0.010 1310 0.003 -0.022 0.041 0.031 1315 -0.035 -0.013 0.021 0.013 1320 -0.010 -0.006 0.042 -0.027 1325 -0.005 0.024 -0.006 0.002 1330 -0.017 -0.010 0.021 -0.004 1335 -0.042 0.033 0.029 0.019 1340 -0.040 0.044 0.032 -0.003 1345 -0.020 0.000 0.068 -0.064 1350 -0.021 -0.028 0.050 -0.021 1355 -0.026 -0.013 0.002 -0.010 1360 -0.044 0.012 0.030 0.010 1365 -0.016 0.037 0.023 0.029 1370 -0.032 0.053 -0.005 -0.030 1375 -0.022 0.019 0.013 0.016 1380 -0.047 0.043 0.017 0.028 1385 -0.030 0.059 -0.007 0.019 1390 -0.084 0.022 -0.000 0.002 1395 -0.059 0.075 0.000 -0.038 1400 -0.056 0.016 -0.011 -0.005 1405 0.050 0.031 -0.003 -0.052 1410 -0.007 0.060 0.021 -0.054 1415 0.001 0.090 -0.018 -0.153 1420 -0.007 0.094 -0.021 -0.073 1425 -0.016 0.073 -0.026 -0.062 1430 0.005 -0.002 0.027 -0.024 1435 0.046 0.007 0.018 -0.047 1440 0.015 0.011 -0.050 0.013 1445 0.020 -0.057 -0.003 -0.012 1450 -0.003 -0.033 -0.026 0.008 1455 0.012 -0.088 -0.044 0.015 1460 0.055 -0.021 -0.013 0.018 1465 -0.010 0.034 0.006 0.042 1470 0.046 -0.044 -0.008 0.041 1475 0.068 -0.040 -0.036 0.020 1480 0.008 -0.041 0.016 -0.084 1485 0.058 -0.060 -0.028 -0.034 1490 -0.011 -0.024 -0.006 0.019 1495 -0.001 -0.033 -0.008 0.069 1500 0.041 -0.008 -0.041 0.038 1505 0.066 -0.032 0.004 0.055 1510 0.043 0.050 -0.013 0.074 1515 0.032 0.030 0.016 0.085 1520 -0.121 0.060 0.035 -0.030 1525 -0.019 0.048 -0.015 0.059 1530 -0.011 0.093 0.026 0.108 1535 -0.032 0.091 0.060 0.010 1540 -0.018 -0.023 -0.026 -0.152 1545 -0.037 0.056 0.063 -0.030 1550 -0.053 0.058 -0.077 0.057 1555 -0.003 0.017 -0.002 0.007 1560 0.090 -0.011 0.075 0.083 1565 0.011 0.022 -0.032 -0.029 1570 0.058 0.077 -0.084 -0.006 1575 0.021 -0.050 -0.009 -0.026 1580 -0.027 0.052 0.065 0.101 1585 -0.113 -0.067 -0.076 -0.051 1590 -0.045 -0.058 -0.072 0.001 1595 -0.057 0.023 0.001 -0.007

(2)

1600 -0.007 -0.030 -0.063 -0.017 1605 0.049 0.007 0.059 -0.052 1610 -0.075 -0.125 -0.003 -0.125 1615 0.189 -0.159 0.059 -0.198 1620 -0.092 -0.071 0.102 -0.124 1625 0.063 -0.178 0.149 -0.005 1630 0.047 0.022 -0.069 -0.002 1635 -0.000 -0.062 -0.144 0.006 1640 -0.066 0.008 -0.030 0.003 1645 -0.052 0.109 -0.035 -0.005 1650 -0.012 0.024 -0.108 -0.021 1655 0.005 0.061 -0.032 0.081 1660 0.108 -0.046 0.007 0.086 1665 0.043 0.036 0.003 0.028 1670 0.030 -0.088 -0.005 -0.052 1675 -0.017 -0.017 -0.054 0.051 1680 0.016 0.011 0.053 0.011 1685 0.080 0.000 0.041 -0.045 1690 -0.064 0.126 0.056 0.025 1695 0.036 -0.058 -0.006 -0.039 1700 -0.142 -0.010 -0.055 -0.075 1705 -0.064 0.130 -0.112 0.026 1710 -0.013 0.040 0.024 -0.011 1715 -0.002 -0.063 0.053 -0.026 1720 -0.079 -0.077 -0.093 -0.082 1725 0.062 -0.096 -0.068 -0.012 1730 -0.028 -0.058 -0.139 -0.087 1735 0.137 -0.043 -0.072 0.049 1740 0.090 -0.084 -0.061 0.020 1745 0.030 0.032 0.038 0.030 1750 -0.001 0.061 0.073 0.151 1755 -0.110 0.027 0.163 -0.033 1760 -0.119 -0.037 0.028 0.145 1765 0.012 -0.028 -0.104 -0.007 1770 0.063 0.008 -0.022 0.044 1775 0.041 -0.102 -0.002 -0.103 1780 0.052 -0.134 -0.057 0.006 1785 0.133 -0.001 0.038 -0.032 1790 -0.012 0.109 -0.088 -0.050 1795 -0.010 -0.012 0.013 -0.077 1800 0.058 0.195 -0.071 -0.029 1805 0.009 -0.024 -0.085 0.099 1810 0.074 0.029 0.059 -0.141 1815 -0.044 -0.032 0.015 0.186 1820 0.012 0.060 0.103 -0.014 1825 -0.004 0.010 -0.051 0.154 1830 0.076 0.004 0.022 -0.004 1835 -0.033 0.124 0.069 -0.135 1840 -0.040 -0.068 0.188 -0.100 1845 -0.006 0.093 0.192 -0.035 1850 0.003 0.115 -0.138 -0.041 1855 0.192 -0.080 0.211 -0.025 1860 -0.024 0.045 0.103 0.052 1865 -0.086 0.005 0.132 0.189 1870 -0.183 -0.002 -0.089 0.110 1875 -0.055 0.193 -0.236 0.003 1880 0.052 0.030 0.113 0.174 1885 0.127 0.094 0.025 0.232 1890 -0.056 0.020 0.048 -0.041 1895 0.052 -0.122 0.137 -0.135 1900 -0.033 -0.104 0.092 -0.057 1905 -0.101 -0.155 0.096 -0.069 1910 0.097 -0.029 -0.348 0.108 1915 0.131 -0.146 0.123 -0.101 1920 0.019 -0.197 -0.146 0.129

(3)

1925 0.090 0.230 0.173 -0.074 1930 0.302 0.061 -0.139 -0.145 1935 -0.105 0.186 0.103 0.162 1940 0.016 0.106 -0.109 -0.006 1945 0.062 -0.180 0.108 0.202 1950 0.240 -0.020 0.029 0.061 1955 0.059 0.209 0.006 0.132 1960 0.093 -0.021 -0.151 -0.094 1965 -0.166 -0.145 0.233 0.162 1970 -0.161 0.021 0.006 -0.047 1975 -0.008 0.147 -0.003 -0.283 1980 -0.227 0.015 0.010 -0.092 1985 -0.268 -0.343 -0.192 0.085 1990 -0.342 -0.051 -0.069 -0.181

(4)

Lampiran 6. Persamaan regresi dari komponen utama

Regression Analysis: EB versus Z1, Z2, ...

The regression equation is

EB = 3569 - 0.26 Z1 + 3.49 Z2 + 0.11 Z3 - 6.07 Z4 + 1.3 Z5 + 47.3 Z6 + 4.5 Z7 + 44.0 Z8 - 35.6 Z9 - 63.9 Z10

Predictor Coef SE Coef T P Constant 3569.13 20.05 178.04 0.000 Z1 -0.261 1.522 -0.17 0.865 Z2 3.491 4.065 0.86 0.397 Z3 0.113 8.662 0.01 0.990 Z4 -6.065 9.461 -0.64 0.526 Z5 1.29 29.92 0.04 0.966 Z6 47.25 33.35 1.42 0.167 Z7 4.47 37.18 0.12 0.905 Z8 43.99 39.27 1.12 0.272 Z9 -35.58 46.70 -0.76 0.452 Z10 -63.88 50.93 -1.25 0.220

S = 126.789 R-Sq = 18.6% R-Sq(adj) = 0.0%

Analysis of Variance

Source DF SS MS F P Regression 10 106268 10627 0.66 0.750 Residual Error 29 466188 16075

Total 39 572456

Source DF Seq SS Z1 1 471 Z2 1 11859 Z3 1 3 Z4 1 6607 Z5 1 30 Z6 1 32274 Z7 1 232 Z8 1 20169 Z9 1 9333 Z10 1 25290

Unusual Observations

Obs Z1 GE bahan Fit SE Fit Residual St Resid 24 8.2 3477.0 3456.1 117.6 20.9 0.44 X 29 -6.5 3777.0 3556.9 65.9 220.1 2.03R 34 25.5 3658.0 3444.8 93.4 213.2 2.49R

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

(5)

Regression Analysis: E M versus Z1, Z2, Z3, Z4, Z5, Z6, Z7, Z8, Z9, Z10

The regression equation is

EM = 2943 + 5.27 Z1 - 17.1 Z2 - 17.4 Z3 - 20.1 Z4 - 162 Z5 + 153 Z6 + 96.0 Z7+ 172 Z8 + 94.0 Z9 - 136 Z10

Predictor Coef SE Coef T P Constant 2942.67 42.61 69.06 0.000 Z1 5.275 3.235 1.63 0.114 Z2 -17.107 8.640 -1.98 0.057 Z3 -17.40 18.41 -0.95 0.352 Z4 -20.09 20.11 -1.00 0.326 Z5 -162.12 63.60 -2.55 0.016

Z6 152.69 70.88 2.15 0.040

Z7 95.97 79.02 1.21 0.234 Z8 171.77 83.48 2.06 0.049

Z9 94.02 99.26 0.95 0.351 Z10 -135.7 108.3 -1.25 0.220

S = 269.498 R-Sq = 48.9% R-Sq(adj) = 31.3%

Analysis of Variance

Source DF SS MS F P Regression 10 2018143 201814 2.78 0.015 Residual Error 29 2106242 72629

Total 39 4124385

Source DF Seq SS Z1 1 193088 Z2 1 284753 Z3 1 64862 Z4 1 72514 Z5 1 471893 Z6 1 337019 Z7 1 107140 Z8 1 307522 Z9 1 65157 Z10 1 114196

Unusual Observations

Obs Z1 ME Fit SE Fit Residual St Resid 24 8.2 2579.4 2541.0 250.0 38.4 0.38 X 29 -6.5 3570.2 3050.7 140.0 519.5 2.26R 36 8.5 3545.1 2980.6 90.1 564.5 2.22R 38 10.4 3558.0 3264.1 230.3 293.9 2.10R

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.