Profil Fisikokimia Kecap Manis dengan Principal Component Analysis

hanya tujuh jenis kecap yang terdeteksi mengandung MSG. Kadar MSG tertinggi ditunjukkan oleh sampel C. Pada sampel F, H, I, J, K dan M tidak terdeteksi mengandung MSG beararti pada sampel tersebut tidak ditambahkan MSG sebagai penambah rasa gurih. Berdasarkan hasil analisis sidik ragam kadar MSG dari ketiga belas jenis kecap manis menunjukkan adanya perbedaan yang signifikan berpengaruh nyata pada p = 0.05 Lampiran 43.

3. Profil Fisikokimia Kecap Manis dengan Principal Component Analysis

Hasil analisis pengujian sifat fisik dan kimia pada ketiga belas jenis sampel kecap manis selanjutnya dilakukan analisis komponen utama dengan PCA Principal Component Analysis. Principal Component Analysis dapat menjelaskan jumlah keragaman dari yang terbesar hingga jumlah keragaman terkecil yang tersembunyi. Selain itu PCA digunakan untuk menunjukkan atribut yang berhubungan erat dan mereduksi gugus data peubah ganda yang besar menjadi gugus peubah yang lebih kecil atau gugus peubah baru yang lebih sedikit Jollife, 2002. Metode ini cenderung digunakan untuk pengelompokan, mengetahui hubungan pengelompokan antara contoh dan variabel, dan mendeteksi adanya data asing Setyaningsih et al, 2010. Pengolahan data dengan Principal Component Analysis dilakukan pada variabel sifat fisik dan variabel sifat kimia. Penentuan jumlah komponen utama yang digunakan dapat berdasarkan nilai eigen yang menerangkan keragaman komponen utama F, yaitu diambil komponen utama pada saat grafik sebelum melandai Hasil pengolahan data berupa nilai akar ciri eigen value, presentase, dan kumulatif serta eigenvector untuk sifat fisik dapat dilihat pada Lampiran 44 dan untuk sifat kimia pada Lampiran 45. Nilai eigen variabel sifat fisik diperoleh komponen utama 1 sebesar 2.977 yang dapat menjelaskan keragaman data sebesar 74,43. Komponen utama 2 diperoleh nilai eigen 0.639 dapat menjelaskan keragaman data sebesar 15.98. Total kumulatif persentase dari F1 dan F2 adalah sebesar 90.41. Menurut Supranto 2004, disarankan syarat minimum persentase varian yang akan menentukan banyaknya komponen utama yang diambil jika nilai persentasenya sudah mencapai paling sedikit 60 atau 75 dari seluruh varian variabel asli. Ada empat komponen yang dijelaskan oleh PCA yaitu scree plot, score plot, loading plot dan biplot. Masing-masing gambarnya untuk sifat fisik dapat dilihat pada Gambar 14, 15, 16, dan 17. Gambar 14. Scree plot eigenvalue sifat fisik Scree plot menampilkan jumlah Komponen utama F. Score plot Gambar 15 menggambarkan grafik antara komponen utama F1 dan F2 yang menerangkan hubungan antar sampel, dimana sampel yang berdekatan memiliki karakterisik yang mirip, sedangkan sampel yang berada pada posisi berlawanan memilki karakteristik yang berbeda Setyaningsih et al., 2010. Berdasarkan kedekatan antar sampel dalam satu kuadran dilakukan pengelompokan sampel. Pengelompokan sampel pada variabel sifat fisik terbagi atas 4 kelompok yaitu kelompok 1 sampel A, B, C, D, E, G dan H kelompok kedua sampel J dan I, kelompok 3 sampel K, L dan M, kelompok 4 adalah sampel F. F1 F2 F3 F4 1 2 3 4 Eigenvalues Gambar 15. Hasil score plot dari hubungan antar sampel pada variabelatribut sifat fisik dengan F1 dan F2 Gambar 16. Hasil loading plot dari hubungan antar variabel sifat fisik dengan F1 dan F2 A B C D E F G H I J K L M -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 F 2 1 5 .9 8 F1 74.43 Aw Derajat Brix Viskositas Lightness -1 -0.5 0.5 1 -1 -0.5 0.5 1 F 2 1 5 .9 8 F1 74.43 Berdasarkan dua komponen utama yaitu F1 dan F2 dan dari nilai eigenvector dapat ditentukan hubngan secara positif atau negatif. Variabel- variabel atau atribut yang dapat dijelaskan oleh komponen utama 1 adalah viskositas, warna, dan derajat brix, sedangkan atribut yang dapat dijelaskan oleh komponen utama 2 adalah a w . Hasil loading plot dari hubungan antara variabel dengan PC1 dan PC2 dapat dilihat pada Gambar 16. Gambar 17. Biplot F1 dan F 2 hasil analisis komponen utama atribut sifat fisik Biplot merupakan gabungan antara scoreplot dan loading plot Gambar 17. Terdapat 15. sampel kecap manis yaitu sampel F dan K memiliki karakter spesifik terhadap parameter viskositas, warna lightnes dan derajat brix. Sebanyak 54 sampel kecap manis yaitu sampel A, B, C, D, E, G dan H memiliki karakter spesifik terhadap a w , dan 31 sampel yaitu sampel J, I, L, dan M tidak menunjukkan atribut spesifik sifat fisik. Dari gambar loading plot dan biplot dapat menjelaskan korelasi antar variabel sifat fisik pada kecap manis. Korelasi antar variabel ditunjukkan dengan arah garis pada grafik loading plot atau biplot. Korelasi positif ditunjukkan dengan arah garis yang searah. Semakin dekat atau semakin kecil sudut garis variabel menunjukkan korelasi yang A B C D E F G H I J K L M Aw Derajat Brix Viskositas Lightness -2 -1.5 -1 -0.5 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0.5 1 1.5 2 F 2 1 5 .9 8 -F1 74.43 Biplot axes F1 and F2: 90.42 semakin kuat. Korelasi positif terjadi antara derajat brix, viskositas dan lightness warna. Salah satu tujuan dari Principal Component Analysis adalah mereduksi gugus data peubah ganda yang besar menjadi gugus peubah yang lebih kecil dan hasil analisis dari sifat fisik yang diperoleh serta grafik hasil loading plot dan biplot menunjukkan bahwa viskositas berkorelasi positif dengan derajat brix sehingga untuk analisis sifat fisik kecap manis selanjutnya tidak perlu dilakukan kedua parameter tersebut, tetapi cukup dipilih salah satu saja. Analisis dengan Principal Component Analysis untuk variabel sifat kimia menunjukkan grafik scree plot, score plot, loading plot dan biplot. Masing- masing gambarnya untuk sifat fisik dapat dilihat pada Gambar 18, 19, 20, dan 21. Nilai eigen variabel sifat kimia diperoleh komponen utama 1 sebesar 3.934 yang dapat menjelaskan keragaman data sebesar 56.19. Komponen utama 2 diperoleh nilai eigen 1.4 dapat menjelaskan keragaman data sebesar 20. Total kumulatif persentase dari F1 dan F2 adalah sebesar 86.19. Gambar 18. Scree plot eigenvalue sifat kimia Pengelompokan sampel pada score plot berdasarkan pada kedekatan antar sampel dalam satu kuadran maka variabel sifat kimia terbagi menjadi 6 kelompok yaitu sampel L dan M, sampel F, K dan H, sampel A, D dan I, sampel C dan E, selanjutnya yang masing-masing sendiri sampel D dan Sampel G. Penjelasan variabel-variabel pada komponen utama dapat dilihat pada Gambar 20. Variabel yang dijelaskan oleh komponen utama 1 adalah variabel kadar air, F1 F2 F3 F4 F5 F6 F7 1 2 3 4 5 Eigenvalues kadar abu, kadar nitrogen, dan total gula, sedangkan variabel yang dijelaskan variabel komponen utama 2 adalah variabel pH dan MSG. Gambar 19. Hasil score plot dari hubungan antar sampel pada variabelatribut sifat kimia dengan F1 dan F2 Gambar 20. Hasil loading plot dari hubungan antar variabel sifat kimia dengan F1 dan F2 Hubungan antar variabel ditunjukkan dengan arah garis pada grafik loading plot atau biplot. Korelasi positif ditunjukkan dengan arah garis yang searah. A B C D E F G H I J K L M -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 F 2 20.00 F1 56.20 pH Kadar Air Kadar Abu Total Nitrogen Total Gula Garam MSG -1 -0.5 0.5 1 -1 -0.5 0.5 1 F 2 2 .0 F1 56.20 Semakin dekat atau semakin kecil sudut garis variabel menunjukkan korelasi yang semakin kuat. Hubungan antar variabel menunjukkan kadar garam mempunyai hubungan yang positif dengan kadar air, kadar abu, MSG dan total nitrogen, sedangkan total gula mempunyai hubungan yang positif dengan pH. Pada biplot Gambar 21 dapat dilihat sampel G, D, A dan B 31 sampel memiliki karakter spesifik terhadap kadar abu dan kadar garam, sampel D memiliki karakter spesifik terhadap parameter kadar air dan total nitrogen, sampel C terhadap parameter MSG, sampel E, L dan M memiliki karakter spesifik terhadap parameter pH dan total gula, sedangkan sampel F, K, H, I dan J tidak menunjukkan spesifik atribut sifat kimia. Gambar 21. Biplot F1 dan F 2 hasil analisis komponen utama atribut sifat kimia Secara umum, pengujian terhadap fisikokimia penelitian ini menunjukkan bahwa kadar air kecap yang tinggi menurunkan nilai viskositas dan mempengaruhi kekentalan produk kecap manis. Kehadiran asam-asam organik pada produk kecap manis cenderung menurunkan nilai pH produk dan diduga mempengaruhi kemunculan rasa asam. Produk kecap manis dengan kadar garam yang tinggi AB C D E F G H I J K L M pH Kadar Air Kadar Abu Total Nitrogen Total Gula Garam MSG -2 -1.5 -1 -0.5 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0.5 1 1.5 2 F 2 2 .0 - F1 56.20 Biplot axes F1 and F2: 76.20 cenderung memiliki kadar total nitrogen yang tinggi dan mempengaruhi kemunculan rasa asin dan gurih pada produk kecap manis. Hubungan antara Profil Sensori Deskriptif dengan Karakteristik Fisikokimia produk kecap Manis Tahap penelitian ini merupakan tahap interpretasi data untuk melihat adanya keterkaitan dan hubungan antara atribut sensori dengan karakteristik fisikokimia. Analisis korelasi antar matriks secara univariat dilakukan dengan korelasi Pearson untuk melihat hubungan antara masing-masing atribut sensori atribut rasa, atribut aroma, hubungan antara atribut rasa dan aroma, hubungan antara atribut fisik dan atribut kimia serta hubungan antara atribut sensori dengan karakteristik fisikokimia.

a. Keterkaitan Atribut Sensori : Rasa dan Aroma pada Produk Kecap Manis