30
Tabel 14 memperlihatkan bahwa sampel kecap manis lokal F dan K memiliki intensitas rasa gurih yang sama, yaitu sebesar 3.74. Sampel kecap manis lokal D
memiliki intensitas rasa gurih yang relatif cukup berbeda, yaitu sebesar 2.70. Hasil uji lanjut Duncan pada Tabel 14 memperlihatkan sampel kecap manis lokal memiliki rasa
gurih yang tidak berbeda nyata p value 0.05. Sampel-sampel kecap manis lokal hanya berbeda nyata terhadap sampel kecap manis nasional O dan P p value 0.05.
Gambar 8. Intensitas rasa gurih pada kemasan kecap manis yang berbeda Rasa gurih merupakan salah satu rasa yang diinginkan pada kecap manis.
Berdasarkan Gambar 8 dapat dilihat bahwa sampel kemasan sachet N, O, P memiliki rasa gurih tertinggi. Hasil uji Duncan pada Tabel 14 menunjukkan bahwa pada
umumnya sampel-sampel kecap manis pada kemasan botol, refil, dan sachet memiliki rasa gurih yang tidak betbeda nyata p value 0.05. Namun demikian, ada pula
beberapa sampel kecap manis pada kemasan yang sama memiliki rasa gurih yang berbeda p value 0.05. Hal ini terlihat pada rasa gurih sampel kemasan sachet O
yang berbeda nyata p value 0.05 dengan sampel kemasan sachet lainnya. Rasa gurih pada kecap manis sangat dipengaruhi oleh jumlah asam amino
terlarut. Selama fermentasi moromi, kadar protein terlarut meningkat. Hal ini menunjukkan bahwa protein kompleks mengalami proteolisis oleh enzim protease
menjadi fraksi-fraksi peptida yang lebih pendek dan asam-asam amino sehingga meningkatkan kadar protein terlarut. Peningkatan yang terjadi ini diakibatkan pada
saat fermentasi dalam larutan garam, enzim yang dihasilkan pada proses fermentasi kapang masih bersifat aktif Rahayu et al. 2005. Kadar asam amino yang dinyatakan
dalam kadar foromol nitrogen pada kecap aren, kecap kelapa, dan kecap tebu tidak berbeda Apriyantono Wiratma 1997. Hal ini menunjukkan penggunaan jenis gula
yang berbeda tidak berpengaruh terhadap rasa gurih kecap.
3. Korelasi Atribut Rasa Kecap Manis
Data rata-rata intensitas atribut rasa manis yang diujikan dianalisis menggunakan PCA Principal Component Analysis. Analisis PCA menggunakan software XL STAT
menghasilkan data eigenvalue dan data korelasi serta grafik loading plot, score plot dan biplot. Tabel 15 merupakan tabel eigenvalue hasil analisis PCA pada atribut rasa. Suatu
0,00 2,00
4,00 6,00
8,00 10,00
12,00 14,00
D H I J K L
A B C E F M G N O P Q
In te
n si
ta s
Sampel
Bot ol Refil
Sachet
31
eigenvalue menunjukkan besarnya sumbangan dari faktor terhadap varian seluruh variabel asli. Eigenvalue merupakan hasil reduksi dari seluruh matriks data pada tiap variabel.
Tabel 15 memperlihatkan bahwa data intensitas rata-rata atribut rasa menghasilkan lima komponen utama F1-F5. Banyaknya komponen utama yang dihasilkan sama dengan
jumlah atribut yang dianalisis. Pada atribut rasa terdapat lima atribut yang diuji antara lain: manis, asin, asam, gurih, dan pahit. Nilai eigenvalue baik pada atribut rasa menunjukkan
nilai yang semakin menurun. Hal ini menunjukkan keragaman data yang dijelaskan akan semakin kecil pada komponen utama yang terakhir. Jumlah nilai eigenvalue pada semua
komponen utama akan sama dengan variabel atribut yang dianalisis. Misalnya, hasil penjumlahan eigenvalue pada komponen utama atribut rasa akan berjumlah 5, yaitu sesuai
dengan atribut rasa yang dianalisis. Tabel 15. Eigenvalue atribut rasa
F1 F2
F3 F4
F5 Eigenvalue
2.726 1.265
0.642 0.275
0.092 variance
54.529 25.300
12.847 5.493
1.831 Cumulative
54.529 79.829
92.676 98.169
100.000 Persen variance menunjukkan seberapa besar keragaman data yang dapat dijelaskan
pada tiap komponen utama. Sedangkan persen kumulatif merupakan penjumlahan persentase keragaman data variance pada komponen utama. Pada Tabel 15 terlihat
bahwa komponen utama 1 F1 pada analisis atribut rasa dapat menjelaskan keragaman data sebesar 54.529 dari seluruh keragaman data dan komponen utama 2 F2 dapat
menjelaskan sebesar 25.300 keragaman data. Tujuan utama PCA yaitu menjelaskan sebanyak mungkin jumlah varian data asli
dengan sedikit mungkin komponen utama Supranto 2004. Oleh karena itu, akan dipilih beberapa komponen utama yang dapat menjelaskan keragaman data sebanyak mungkin.
Banyaknya komponen utama yang diambil pada analisis PCA biasanya komponen utama yang memiliki persentase kumulatif varian sudah mencapai paling sedikit 60 atau 75
dari seluruh varian keragaman variabel asli Supranto 2004. Nilai persen kumulatif pada 2 komponen utama pada atribut rasa adalah sebesar 79.829. Oleh karena itu, sebanyak 2
komponen utama akan digunakan untuk menjelaskan keragaman data pada atribut rasa. Tabel 16. Korelasi atribut rasa
Atribut Manis
Asin Asam
Gurih Pahit
Manis 1
0.135 -0.703
0.140 -0.765
Asin 0.135
1 -0.214
-0.264 -0.262
Asam
-0.703
-0.214 1
-0.247
0.858
Gurih 0.140
-0.264 -0.247
1 -0.406
Pahit -0.765
-0.262 0.858
-0.406 1
Korelasi antar atribut dapat dijelaskan melalui grafik loading plot, biplot, serta tabel matriks korelasi. Tabel 16 merupakan tabel korelasi atribut rasa pada kecap manis. Angka-
angka yang tercetak tebal pada Tabel 16 menunjukkan adanya korelasi antar atribut. Berdasarkan Tabel 16 dapat terlihat bahwa atribut asam dan manis memiliki korelasi -
0.703. Tanda negatif menunjukkan korelasi yang terjadi merupakan korelasi negatif yang berarti semakin besar intensitas rasa asam pada kecap manis maka intensitas rasa manis
yang dihasilkan akan semakin kecil dan sebaliknya. Rasa manis juga memiliki korelasi
32
negatif sebesar -0.765 terhadap rasa pahit yang menunjukkan semakin besar intensitas rasa manis yang dirasakan pada kecap manis maka intensitas rasa pahit yang timbul akan
semakin kecil. Rasa pahit juga memiliki korelasi yang positif terhadap rasa asam sebesar 0.858. hal ini menunjukkan bahwa semakin besar intensitas rasa pahit pada kecap manis,
maka intensitas rasa asam yang dihasilkan juga semakin besar. Gambar 9 merupakan grafik loading plot atribut rasa pada 17 sampel kecap manis
komersial Indonesia. Gambar ini juga dapat menjelaskan korelasi yang terjadi antara atribut-atribut rasa kecap manis. Korelasi yang terjadi antara atribut-atribut rasa kecap
manis dapat dijelaskan dengan arah garis-garis atribut dan sudut yang dihasilkan dari garis- garis atribut. Garis-garis atribut yang searah menunjukkan adanya korelasi yang positif
diantara atribut-atribut rasa kecap manis, sedangkan garis yang berlawanan arah menunjukkan korelasi yang negatif. Semakin lancip sudut yang dihasilkan, maka korelasi
yang ditimbulkan akan semakin kuat. Berdasarkan Gambar 9 terlihat bahwa intensitas rasa pahit yang kuat akan menimbulkan intensitas rasa asam yang juga semakin kuat korelasi
positif, sedangkan semakin kuatnya intensitas rasa manis yang terdeteksi pada kecap manis akan menghasilkan intensitas rasa pahit dan asam yang semakin kecil korelasi negatif.
Gambar 9. Loading plot atribut rasa kecap manis komersial Tabel 17 menunjukkan nilai faktor loading pada atribut rasa kecap manis. Nilai
faktor loading digunakan untuk menjelaskan atribut-atribut yang dapat dijelaskan pada komponen utama. Suatu atribut dapat dijelaskan pada komponen utama tertentu jika
memiliki nilai tertinggi pada komponen utama tersebut. Berdasarkan Tabel 17 dapat terlihat bahwa rasa manis, asam dan pahit dapat dijelaskan pada komponen utama 1 F1
sedangkan atribut asin dan gurih dapat dijelaskan pada komponen utama 2 F 2. Hal tersebut dapat dipastikan pada grafik loading plot Gambar 2 yang menunjukkan garis
atribut manis, asam, dan pahit terletak dekat dengan garis komponen utama 1 garis horizontal sedangkan atribut rasa gurih dan rasa asin terletak cukup dekat dengan garis
komponen utama 2 garis vertikal.
Manis Asin
Asam
Gurih Pahit
-1 -0,5
0,5 1
-1 -0,5
0,5 1
K o
m p
o n
e n
U ta
m a
2 2
5 .3
Komponen Utama 1 54.53
33
Tabel 17. Faktor loading atribut rasa kecap manis F1
F2 F3
F4 F5
Manis -0.854
0.068 -0.370
0.349 0.082
Asin -0.268
0.816 0.501
0.094 0.047
Asam 0.917
-0.047 0.086
0.362 -0.135
Gurih -0.387
-0.769 0.492
0.109 0.073
Pahit 0.966
0.023 -0.073
0.034 0.243
Gambar 10 merupakan grafik score plot atribut rasa pada 17 sampel kecap manis komersial Indonesia. Sampel yang berdekatan memiliki deskripsi yang sama, sedangkan
sampel yang berada pada lokasi yang berlawanan mempunyai deskripsi yang berbeda Setyaningsih et al. 2010. Score plot atribut rasa kecap manis Gambar 10 menunjukkan
adanya sampel-sampel yang bergerombol maupun sampel-sampel yang terletak berjauhan. Sampel D, J, G dan sampel O, Q merupakan sampel-sampel yang terletak cukup berjauhan.
Sampel D, J, dan G terletak pada kuadran 1, sedangkan sampel O dan Q terletak pada kuadran 2. Sampel-sampel yang terletak pada kuadran yang sama memiliki karakteristik
yang sama. Hal ini menunjukkan walaupun terletak cukup jauh, namun sampel D, J, dan G yang terlatak pada kuadran 1 memiliki kemiripan karakteristik dan sampel O pada kuadran
2 juga memiliki kemiripan karakteristik dengan sampel Q. Gambar 10 juga memperlihatkan adanya 9 sampel yang bergerombol. Walaupun bergerombol sampel-sampel ini masih dapat
dibedakan karakteristiknya. Sampel F, K, L, M, dan N cenderung lebih mirip karakteristiknya dengan sampel P kuadran 3, sedangkan sampel E, C, I, dan A memiliki
karakteristik yang lebih mirip dengan sampel B dan H kuadran 4.
Gambar 10. Score plot atribut rasa kecap manis
4. Pemetaan Kecap Manis Komersial pada Atribut Rasa
