Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi Karagenan dengan Metode Analisis Komponen Utama
POLA SPEKTRUM INFRAMERAH TRANSFORMASI
FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN
METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRAK
AMRAN ADRI. Pola Spektrum Inframerah Transformasi Fourier untuk
Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Dibimbing
oleh AHMAD SJAHRIZA dan SRI SUGIARTI.
Teknik spektroskopi inframerah (IR) yang digabungkan dengan teknik
kemometrik digunakan sebagai metode alternatif untuk pencirian jenis karagenan.
Kelima jenis sampel karagenan (kappa foodgrade, kappa non-blaeching, kappa
bleaching, iota, dan campuran kappa iota) dianalisis dengan teknik spektroskopi
inframerah transformasi Fourier. Analisis komponen utama digunakan untuk
mengelompokkan jenis karagenan. Spektrum IR dengan perlakuan pendahuluan
(normalisasi, koreksi garis dasar, derivatisasi, dan smoothing) menunjukkan
pengelompokan yang lebih baik dibandingkan dengan spektrum IR tanpa
perlakuan pendahuluan. Pengelompokan terbaik dihasilkan dari spektrum utuh,
yaitu pada kisaran 400-4000 cm-1. Dua kompoenen utama (principal component,
PC) pertama pada score plot dari set data ini mampu menjelaskan 87% (PC1=
76%, PC2= 11%) dari variansi total. Dengan demikian, teknik ini berhasil
membedakan kelima jenis karagenan yang digunakan dalam penelitian ini.
ABSTRACT
AMRAN ADRI. Fourier Transformation Infrared Spectra Pattern for Carageenan
Identification Using Principal Component Analysis Method. Supervised by
AHMAD SJAHRIZA and SRI SUGIARTI.
Infrared (IR) spectroscopy technique combined with chemometric was used
as an alternative method to characterize carageenans. Five types of carageenans
(foodgrade kappa, non-blaeching kappa, bleaching kappa, iota, and mixture of
kappa with iota) were analyzed using fourier transform infrared spectroscopy
technique. The principal component analysis was used to get the spectral
classification based on sample origins. The preprocessed IR spectra
(normalization, baseline correction, derivatization, and smoothing), showed better
calassification result as compared with the non-preprocessed IR spectra. The
preprocessed IR spectra that showed a better classification was obtained from the
entire spectral data in the wavenumber range of 400-4000 cm-1. The first two
principal component (PCs) of the data score plot on this set data represent 87% of
the total variance (PC1= 76%, PC2= 11%). Therefore, this technique succesfully
differentiated the five types of carageenans used in the experiment.
POLA SPEKTRUM INFRAMERAH TRANSFORMASI
FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN
METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Kimia
DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
Judul Skripi : Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi
Karagenan dengan Metode Analisis Komponen Utama
Nama
: Amran Adri
NIM
: G44070066
Disetujui,
Pembimbing I
Pembimbing II
Drs Ahmad Sjahriza
NIP 19620406 198903 1 002
Sri Sugiarti, PhD
NIP 19701225 199512 2 001
Diketahui,
Ketua Departemen Kimia
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof Dr Ir Tun Tedja Irawadi, MS
NIP 19501227 197603 2 002
Tanggal lulus :
v
PRAKATA
Assalamualaikum Wr. Wb.
Puji dan syukur penulis panjatkan kehadirat Allah SWT yang senantiasa
memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
karya ilmiah dengan judul: Pola Spektrum Inframerah Transformasi Fourier untuk
Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Shalawat dan
salam disampaikan kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan
pengikutnya yang tetap berada di jalan-Nya hingga akhir zaman.
Penulis mengucapkan terima kasih kepada berbagai pihak yang membantu,
memberi masukan dan saran selama kegiatan penelitian dan penyusunan karya
ilmiah ini, antara lain Bapak Drs. Ahmad Sjahriza dan Ibu Sri Sugiarti, PhD
selaku pembimbing. Ungkapan terima kasih juga disampaikan kepada Ibunda
tercinta dan kakak-kakakku, serta rekan-rekan kimia 44 yang selalu memberikan
dukungan dan do`anya
Semoga karya ilmiah ini dapat bermanfaat.
Wassalamualaikum Wr. Wb.
Bogor, Februari 2012
Amran Adri
vi
RIWAYAT HIDUP
Penulis dilahirkan di Riau pada tanggal 16 Juli 1989 dari pasangan M.
Rasyid dan Nurhayati. Penulis merupakan anak kelima dari lima bersaudara.
Tahun 2007 penulis lulus dari SMA Negeri 3 Siak dan pada tahun yang
sama penulis masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan
Seleksi Masuk IPB (USMI). Penulis diterima di Program Studi S1 Kimia,
Departemen Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor. Beasiswa penididikan sarjana diperoleh dari Pemerintah Daerah
Kabupaten Siak, Riau.
Selama masa perkuliahan penulis aktif di organisasi Mahasiswa Daerah
Riau. Pada bulan Juli-Agustus 2010 penulis berkesempatan melaksanakan
kegiatan Praktik Lapangan di Balai Pusat Penelitian dan Pengembangan Hasil
Hutan, Bogor. Selama menjadi mahasiswa penulis juga pernah menjadi asisten
praktikum Kimia Anorganik Layanan untuk mahasiswa Biokimia, dan praktikum
Kimia Dasar untuk mahasiswa Tingkat Persiapan Bersama.
vii
DAFTAR ISI
Halaman
DAFTAR GAMBAR ........................................................................................... viii
DAFTAR TABEL ................................................................................................ viii
DAFTAR LAMPIRAN .......................................................................................... ix
PENDAHULUAN .................................................................................................. 1
TINJAUAN PUSTAKA ......................................................................................... 1
Karagenan ........................................................................................................... 1
Spektrofotometri Inframerah Transformasi Fourier (FTIR) ............................... 2
Pencirian Pola Spektrum FTIR ............................................................................2
Analisis Komponen Utama................................................................................ ..2
BAHAN DAN METODE ....................................................................................... 3
Alat dan Bahan .................................................................................................... 3
Metode................................................................................................................. 3
HASIL DAN PEMBAHASAN ............................................................................... 4
Analisis FTIR ...................................................................................................... 4
Analisis Komponen Utama.................................................................................. 5
Pengelompokan karagenan dengan PCA ............................................................ 5
SIMPULAN DAN SARAN .................................................................................... 8
Simpulan ............................................................................................................. 8
Saran .................................................................................................................... 8
DAFTAR PUSTAKA ............................................................................................. 8
LAMPIRAN ............................................................................................................ 9
viii
DAFTAR GAMBAR
Halaman
1 Struktur dasar karagenan ..............................................................................
1
2 Skema alat spektroskopi FTIR ......................................................................
2
3 Spektrum FTIR karagenan dengan dan tanpa perlakuan pendahuluan .........
4
4 Score Plot dua PC pertama dari spektrum IR utuh dengan smoothing .........
6
5 Score Plot dua PC pertama dari spektrum IR serbuk karagenan .................
7
DAFTAR TABEL
Halaman
1
Daerah spektrum FTIR ................................................................................
3
2
Penamaan set data .....................................................................................
4
ix
DAFTAR LAMPIRAN
Halaman
1
Bagan alir penelitian secara umum ................................................................
10
2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan
pendahuluan ...................................................................................................
11
Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan
pendahuluan ....................................................................................................
11
Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan
pendahuluan ....................................................................................................
12
Spektrum IR utuh sampel serbuk karagenan dengan perlakuan
pendahuluan ......................................................................................................
12
Spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan
pendahuluan ....................................................................................................
13
Spektrum IR segmentasi II sampel serbuk karagenan dengan perlakuan
pendahuluan ....................................................................................................
13
Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa
perlakuan pendahuluan ..................................................................................
14
Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan tanpa
perlakuan pendahuluan ....................................................................................
14
10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
tanpa perlakuan pendahuluan .........................................................................
15
11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan
perlakuan pendahuluan ..................................................................................
15
12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan ....................................................................
16
13 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan ....................................................................
16
3
4
5
6
7
8
9
PENDAHULUAN
Salah satu dari banyak hasil laut yang
mempunyai nilai ekspor adalah rumput laut.
Rumput laut dimanfaatkan sebagai bahan
mentah, seperti agar-agar, karagenan dan
alginat. Karagenan merupakan polisakarida
dengan unit-unit utamanya adalah galaktosa.
Karagenan dibagi atas tiga kelompok utama
yaitu kappa, iota, dan lambda. Ketiga jenis
karagenan ini mempunyai bentuk dan struktur
yang mirip. Oleh karena itu, perlu dilakukan
pencirian sifat komponen kimia untuk
klasifikasi dari jenis karagenan.
Secara konvensional, metode klasifikasi
karagenan dilakukan berdasarkan kandungan
sulfat dan pencampuran dengan ion alkali.
Proses pelaksanaan metode ini biasanya
membutuhkan waktu dan bahan kimia yang
cukup banyak. Pendekatan lain untuk
klasifikasi dan identifikasi dengan cara yang
lebih cepat adalah berdasarkan teknik
spektroskopi. Salah satu metode spektroskopi
yang dapat digunakan untuk pencirian atau
pembedaan dari ketiga jenis karagenan
tersebut
adalah
dengan
spektroskopi
Inframerah Transformasi Fourier (FTIR).
Teknik spektroskopi FTIR berpotensi
sebagai metode analisis cepat karena analisis
dapat dilakukan secara langsung pada serbuk
kering sampel tanpa tahapan pemisahan
terlebih dahulu. Spektrum FTIR yang
dihasilkan merupakan hasil interaksi antara
senyawa-senyawa kimia dalam matriks
sampel yang sangat kompleks. Spektrum ini
sangat rumit dan tidak tampak dengan jelas
dan pada umumnya tidak dapat dilihat secara
visual (Chew et al. 2004). Untuk itu,
digunakan suatu metode kemometrik untuk
mengungkap informasi tersembunyi yang
bersifat kualitatif dan kuantitatif dari data
multidimensi. Teknik spektroskopi FTIR yang
digabungkan dengan kemometrik dapat
digunakan sebagai metode alternatif untuk
pencirian jenis karagenan. Salah satu metode
kemometrik yang digunakan berupa analisis
multivariat yang digunakan untuk pengenalan
pola dalam suatu sampel adalah metode
Analisis Komponen Utama (PCA).
tiga jenis, yaitu
kappa karagenan, iota
karagenan, dan lamda karagenan. Kappa
karagenan dihasilkan dari Eucheuma cotonii,
iota karagenan dihasilkan dari Eucheuma
spinosum, dan lambda karagenan dihasilkan
dari Chondrus crispus (Istini & Zatnika 1991).
Selain dapat dibedakan oleh jenis spesies
alga merah, karagenan juga dapat dibedakan
berdasarkan
gugus
fungsinya.
Kappa
karagenan tersusun dari α(1→3) D galaktosa
4-sulfat dan β(1→4) 3,6 anhidro-D-Galaktosa.
Iota karagenan tersusun dari (1→3) -α-3,6
anhidro-D-Galaktosa-2-sulfat.
Sedangkan
lambda karagenan tersusun dari (1→3) -β-DGalaktosa-2-sulfat (1→4) α-D-Galaktosa-2,6sulfat (Gambar 1).
n
(a)
(b)
n
(a)
n
(b)
n
TINJAUAN PUSTAKA
(c)
Karagenan
Karagenan merupakan salah satu jenis
polisakarida yang berasal dari alga merah
(Glicksman 1983). Karagenan dibagi dalam
Gambar 1
Struktur dasar kappa karagenan
(a), iota karagenan (b), dan
lambda karagenan (c).
2
Spektrofotometri Inframerah
Transformasi Fourier (FTIR)
Radiasi IR berada pada kisaran panjang
gelombang 0.78-1000 m atau bilangan
gelombang 12800-10 cm-1. Spektrumnya
terbagi atas radiasi inframerah dekat (128004000 cm-1), menengah (4000-200 cm-1), dan
jauh (200-10 cm-1). Daerah spektrum yang
paling banyak digunakan untuk berbagai
keperluan praktis seperti analisis dalam
bidang industri, bahan pertanian, dan kendali
mutu adalah pada 4000-670 cm-1 atau daerah
IR tengah (Skoog et al. 1998).
Energi radiasi IR digunakan terbatas hanya
pada transisi molekul yang melibatkan vibrasi.
Efek dari vibrasi ini menyebabkan perubahan
momen dipol. Radiasi medan listrik yang
berubah-ubah akan berinteraksi dengan
molekul dan akan menyebabkan perubahan
amplitudo salah satu gerakan molekul.
Perwujudan interaksi tersebut menghasilkan
serapan yang khas dari setiap komponen atau
struktur molekul. Serapan grup fungsional
berada pada kisaran 4000-1500 cm-1
sedangkan fenomena intra-molekular yang
bersifat sangat spesifik untuk setiap materi
antara 1500-400 cm-1 (daerah sidik jari)
(Khopkar 2002).
FTIR merupakan gabungan instrumen
dispersif konvensional IR dengan komputer
dan mikroprosesor. Komponen instrumen
FTIR serupa dengan spektrometer UVtampak, namun sumber, detektor, dan
komponen
optiknya
sedikit
berbeda.
Pengukuran dengan FTIR melibatkan
kombinasi interferensi konstruktif dan
destruktif yang senantiasa berubah mengikuti
beberapa yang datang untuk menghasilkan
spektrum (modulasi interferometrik dari
radiasi). Interferometer mengubah frekuensi
yang masuk menjadi bentuk khusus yang
dapat diamati oleh detektor (Gambar 2). Data
yang diperoleh sangat kompleks dan masingmasing poin membawa informasi untuk
yang berbeda. Proses matematika dengan
transformasi Fourier mengkonversi data
tersebut agar dapat digunakan (Naumann
1998; Wartewig 2003).
Analisis dengan FTIR lebih cepat dan
lebih sensitif daripada IR dispersif.
Penggunaan interferometer Michelson mampu
mengatasi kekurangan sistem dispersif dalam
penggunaan energi karena pada sistem
dispersif banyak energi yang terbuang akibat
penggunaan model deteksi pemindaian. FTIR
juga memiliki perbaikan dari segi laju koleksi
sinyal, keakuratan data terkait dengan hasil
pengukuran laser dari kaca bergerak, linearitas
absorbans karena tidak ada penghamburan
cahaya, dan penyimpanan serta mutu data
melalui peningkatan resolusi atau koreksi
garis dasar (Naumann 1998)
Gambar 2
Skema alat spektroskopi FTIR.
(1)Sumber
Inframerah
(2)
Pembagi Berkas (Beam Spliter)
(3) Kaca Pemantul (4) Sensor
Inframerah (5) Sampel dan (6)
Display (Stchur 2002)
Kehadiran FTIR pada dasawarsa terakhir
mampu meningkatkan aplikasi radiasi
menengah IR tidak hanya untuk analisis
kualitatif organik dan penentuan struktur,
tetapi juga untuk analisis kuantitatif contoh
yang kompleks. Model analisis kuantitatif ini
dikembangkan
dengan
memanfaatkan
informasi pola sidik jari yang bersifat khas
sebagai
variabel
yang
mempengaruhi
penampakan kimiawi seperti aktivitas
biologis, konsentrasi, dan polarisabilitas
(Wold et al. 2001).
Pencirian Pola Spektrum FTIR
Spektrum IR mengandung
informasi
struktur molekular yang terdiri atas gerak
vibrasi. Banyaknya gerakan molekular dari
molekul
poliatom
akan
membentuk
serangkaian pita serapan yang spesifik untuk
masing-masing molekul. Untuk dapat
mengekstraksi informasi dari data spektrum
IR tersebut, diperlukan suatu metode
kemometrik berupa analisis multivariat
(Stchur et al. 2002).
Analisis multivariat menyediakan metode
untuk mereduksi data berukuran besar dari
instrumen, seperti spektrofotometer. Metode
multivariat dapat berupa multiple linear
3
regression, principal component regression,
PLS, artificial neural network (ANN),
principal
component
analysis
(PCA),
discriminant analysis, K-nearest neighbor,
soft independent modeling of class anology
(SIMCA), dan cluster analysis (Miller &
Miller 2000)
Analisis Komponen Utama
Analisis Komponen Utama (AKU) atau
Principal Component Analysis (PCA)
merupakan suatu metode analisis yang
bertujuan mereduksi dimensi peubah asal
sehingga diperoleh peubah baru (principal
component, PC) yang tidak saling berkorelasi
tetapi menyimpan sebagian informasi yang
terkandung pada peubah asal. PC pertama
memiliki variansi terbesar dalam set data,
sedangkan PC kedua memiliki variansi
terbesar selanjutnya. Dua PC pertama pada
umumnya digunakan sebagai bidang proyeksi
untuk inspeksi visual dari data (Miller &
Miller 2000). PC terakhir biasanya mewakili
bagian yang tidak penting dari varian dan
diasumsikan sebagai noise (derau) atau
gangguan yang lain di dalam proses rekoleksi,
dan PC pertama mempertahankan proporsi
utama dari variansi.
Teknik
PCA
berdasarkan
pada
dekomposisi matriks data X (N x K) menjadi
dua matriks T (N x A) dan matriks P (K x A)
yang saling tegak lurus. Matriks T yang
disebut dengan matriks skor menggambarkan
variansi dalam objek, sedangkan matriks P
yang disebut matriks loading menjelaskan
pengaruh variabel terhadap komponen utama.
Matriks P terdiri atas data asli dalam sistem
koordinat baru. Error dari model yang
terbentuk dinyatakan dalam E (Lohninger
2004).
X=TP` + E ≈ TP`
Skor dapat diplot bersama-sama dengan
loading untuk mengidentifikasi karakteristik
yang lebih relevan di dalam data. Kelompok
pengamatan dapat dideteksi bersama dengan
hubungan dalam pengamatan, di dalam
variabel, dan di antara pengamatan dan
variabel.
PCA dapat digunakan untuk identifikasi.
Jika mencocokkan suatu model PC dengan
hanya pengamatan satu kelompok atau kelas
tertentu, model dapat digunakan untuk
melihat apakah suatu pengamatan baru
termasuk dalam kelas yang sama. Hal ini
dilakukan dengan menghitung peluang dari
pengamatan yang termasuk dalam model.
BAHAN DAN METODE
Alat dan Bahan
Bahan-bahan yang digunakan dalam
penelitian ini ialah karagenan kappa
foodgarade, kappa bleaching, kappa nonbleaching, iota, campuran kappa dan iota (1:1)
dan KBr. Alat yang digunakan adalah
komputer personal (PC) yang dioperasikan
menggunakan windows 7, dan spektroskopi
inframerah transformasi Fourier (FTIR)
Shimazu. Perangkat lunak yang digunakan
adalah Essential FTIR, Microsoft Excel, dan
The Unscrambler 10.1 (Camo Inc) .
Metode
Analisis Sampel Menggunakan
Spektroskopi FTIR
Disiapkan masing-masing sebanyak 0.01 g
serbuk kappa foodgrade (KF), kappa non
bleaching (KNB), kappa bleaching (KB), Iota,
dan campuran kappa dan iota 1:1 (K+I).
Sebanyak 0.01 g serbuk sampel yang telah
disiapkan dicampurkan dengan 0.1 g KBr.
Pengukuran
spektrum
dilakukan
menggunakan spektrometer FTIR. Sebuah
komputer personal yang dilengkapi dengan
perangkat lunak essential FTIR mengatur
kerja spektrofotometer FTIR pada kisaran
daerah 4000-400 cm-1.
Spektrum yang
dihasilkan disimpan dalam format txt.
Selanjutanya diubah dalam bentuk fomat
excel.
Analisis Data Secara Kemometrik
Spektrum FTIR dalam bentuk format txt
disimpan dalam bentuk format Excel dengan
program Microsoft Excel. Data kemudian
dibagi menjadi 3 jenis, yaitu spektrum utuh
dengan 935 titik, segmentasi I (daerah sidik
jari) dengan 287 titik, dan segmentasi II
(daerah gugus fungsi) dengan 649 titik.
Pembagian
daerah panjang gelombang
spektrum diperlihatkan pada Tabel 2.
Tabel 2 Daerah spektrum FTIR
Kisaran bilangan
gelombang (cm-1)
Spektrum utuh
400-4000
Segmentasi I
400-1500
Segmentasi II
1500-4000
4
Analisis data kemometrik dilakukan
menggunakan set data dengan dan tanpa
perlakuan pendahuluan yang meliputi
normalisasi, koreksi garis dasar, derivatisasi
dan smoothing. Selanjutnya set data dinamai
berdasarkan diberikan atau tidaknya perlakuan
pendahuluan dan segmentasi terhadap data.
Penamaan dapat dilihat pada Tabel 3.
Tabel 3 Penamaan set data
Set
Perlakuan
Pembagian data
data pendahuluan
1
Spektrum utuh
2
Ada
Segmentasi I
3
Segmentasi II
4
Spektrum utuh
5
Tidak ada
Segmentasi I
6
Segmentasi II
(a)
Analisis kemometrik PCA dilakukan
menggunakan Unscrambler 10.1 (camo inc).
Prosedur lengkapnya dapat dilihat pada
Lampiran 1
HASIL DAN PEMBAHASAN
Analisis FTIR
Pengujian FTIR dilakukan pada serbuk
kappa foodgrade, kappa bleaching, kappa
non-bleaching, iota, serta campuran antara
serbuk kappa dan iota (1:1). Setiap objek
amatan tersebut diukur sebanyak 5 kali
ulangan menggunakan spektroskopi FTIR
sehingga diperoleh 5 spektrum untuk tiap
objek amatan (Gambar 2). Spektrum FTIR
tidak memiliki pola tertentu dan bersifat
fluktuatif. Data spektrum FTIR yang
digunakan berada pada kisaran bilangan
gelombang 400 sampai 1500 cm-1.
Adapun pita-pita serapan utama yang
dapat diamati dari spektrum adalah pita
serapan lebar pada daerah 1210-1260 cm-1
yang merupakan representasi dari serapan
S=O dan pada 1010-1080 cm-1 yang
merupakan daerah serapan ikatan glikosida.
Pita serapan tersebut berlaku untuk semua
jenis karagenan. Sedangkan pita serapan lain
menunjukkan perbedaan karakteristik jenis
karagenan. Pita serapan 845-850 cm-1
menunjukkan daerah kappa dan iota
karagenan. Sedangkan pada serapan 800-805
cm-1
menunjukkan
karakteristik
iota
karagenan.
(b)
Gambar 2 Spektrum FTIR serbuk kappa
foodgrade ( ), kappa bleaching
( ) , kappa nonbleaching ( ),
iota ( ), kappa+ iota ( ) tanpa
perlakuan pendahuluan (a) dan
dengan perlakuan pendahuluan
(b).
Gambar 2a memperlihatkan spektrum dari
25 contoh sampel sebelum diberi perlakuan
pendahuluan.
Sedangkan
Gambar
2b
menunjukkan spektrum setelah diberikan
perlakuan pendahuluan yang memperlihatkan
bahwa seluruh spektrum menjadi lebih
seragam. Perlakuan pendahuluan ini dapat
menghindari masalah akibat geseran garis
dasar dan mengurangi derau acak pada
spektrum awal sehingga akan meningkatkan
hasil analisis kemometrik (Naes et al. 2002).
Derivatisasi akan menghilangkan pergeseran
garis dasar dan tumpang rindih puncak,
sehingga informasi spektrum yang berguna
untuk analisis selanjutnya akan meningkat
(Stchur et al. 2002)
5
Analisis Komponen Utama
Penggunaan spektrum FTIR sebagai alat
bantu untuk penentuan struktur molekul suatu
senyawa kimia biasanya terbatas hanya
melibatkan informasi serapan pada daerahdaerah tertentu saja sebagai tanda pengenal
gugus fungsi tertentu. Pemanfaatan ini
membatasi informasi lain yang dimiliki oleh
suatu spektrum IR, terlebih lagi bila spektrum
tersebut merupakan spektrum yang bersifat
multidimensi seperti spektrum sel utuh dari
suatu bagian tumbuhan.
Spektrum multidimensi mengandung
informasi
kuantitatif
yang
dapat
menggambarkan ciri khas suatu spesies.
Spektrum sel utuh setiap contoh karagenan
juga memiliki perbedaan informasi kuantitatif,
informasi yang tidak dapat diekstrak hanya
dengan melihat pola serapan spektrum
karagenan. Untuk mendapatkan informasi
perbedaan secara sederhana dari 25 spektrum
karagenan tersebut, digunakanlah Analisis
Komponen Utama (PCA). PCA mereduksi
variabel-variabel yang dimiliki oleh spektrum
menjadi beberapa variabel utama saja. Proses
reduksi ini dapat menyebabkan contoh
karagenan
terkelompokkan
berdasarkan
korelasi informasi variabel yang dimiliki
dalam grup.
Analisis PCA karagenan dilakukan tidak
hanya menggunakan data spektrum asli, tetapi
juga melibatkan data spektrum hasil perlakuan
pendahuluan. Perlakuan pendahuluan tersebut
menggunakan metode yang berasal dari
beberapa penelitian dengan tahapan berikut
yaitu,
normalisasi
spektrum
baseline,
derivatisasi dan smoothing (Goodacre et al.
1998). Smoothing spektrum terdiri dari pointpoint, sehingga perlu dilakukan analisis data
untuk mendapatkan smoothing terbaik dalam
mengelompokkan karagenan.
Gambar 3 merupakan score plot dari
komponen utama pertama dan komponen
utama kedua. Interpretasi visual terbaik dalam
pengelompokan didapatkan dari smoothing 13
point. Terbaiknya pengelompokan oleh
smoothing 9 point dibandingkan dengan yang
lainya dapat dilihat dari pola kelas yang yang
lebih jelas dan nilai akumulasi variansi yang
lebih tinggi. Nilai akumulasi variansi
smoothing 5 point, 7 point, dan 9 point, 11
point, dan 13 point, berturut-turut adalah 77%,
77%, 85%, 86%, dan 87%. Menaikkan nilai
smoothing ke titik yang lebih tinggi (15 point)
tidak memperlihatkan pola kelas dan
akumulasi varian yang berbeda dengan
smoothing dengan 13 point. Sehingga untuk
analisis data (dengan perlakuan pendahuluan)
digunakan smoothing 13 point.
Selain digunakan seluruh data absorbans
spektrum IR karagenan, analisis PCA juga
dilakukan terhadap spektrum pada kisaran
bilangan gelombang tertentu, baik pada
spektrum asli maupun spektrum dengan
proses pendahuluan. Segmentasi ini dilakukan
untuk melihat keberadaan konstituenkonstituen kunci yang berperan secara
signifikan dalam analisis kemometrik.
Pengelompokan karagenan dengan PCA
Teknik PCA dapat mengurangi dimensi
dari data awal, yaitu dari ribuan dimensi
(sebanyak jumlah bilangan gelombang
spektrum IR) menjadi hanya dua dimensi.
Proyeksi sampel terhadap dua variabel baru
ini ditunjukkan pada score plot. Score plot
untuk dua PC pertama biasanya paling
berguna dalam analisis karena kedua PC ini
memiliki variansi terbanyak dalam data.
Gambar 4 menunjukkan score plot dari 25
spektrum IR sampel serbuk karagenan. Plot
ini memperlihatkan pola yang terdapat pada
spektrum IR, semakin dekat satu titik dengan
titik yang lain, maka semakin besar kemiripan
di antara spektrum IR sampel tersebut.
Pengelompokan dari spektrum IR tanpa
perlakuan pendahuluan ditunjukkan pada
Gambar 4a-c. Score plot dari spektrum IR ini
tidak menunjukkan pemisahan yang jelas
antara kelima kelompok karagenan. Score
plot dari spektrum IR ini menunjukkan
pemisahan pada sampel iota dan KF pada
spektrum utuh, sedangkan untuk sampel KB,
KNB, dan K+I tidak dapat dikelompokkan.
Pada
Segmentasi
I,
PCA
dapat
mengelompokkan iota dan KNB. Sedangkan
pada segmentasi II,
PCA mampu
megelompokkan iota dan KF. Score plot dua
PC pertama dari data spektrum IR spektrum
utuh, segmentasi I, dan segmentasi II berturutturut mampu menjelaskan 96% (PC1 = 78%,
PC2 = 18%), 98% (PC1 = 94%, PC2 = 4%),
dan 97% (PC1 = 94%, PC2 = 4%) dari
variansi total.
Pengelompokan terbaik dari spektrum IR
dengan perlakuan pendahuluan dimiliki oleh
data spektrum utuh (Gambar 4d). Terlihat
bahwa seluruh sampel pada masing-masing
kelompok berada saling berdekatan satu sama
lain. Sehingga secara keseluruhan, analisis
PCA terbaik untuk pencirian karagenan adalah
menggunakan data spektrum utuh dengan nilai
smoothing 13 point.
6
(a)
(b)
(c)
(d)
(f)
(e)
Keterangan
:
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Gambar 3 Score plot dua PC pertama dari hasil analisis PCA, dengan data yang dianalisis dari
perlakuan pendahuluan melalui smoothing (a) 5 point, (b) 7 point, (c) 9 point, (d)11
point, (e) 13 point, dan (f) 15 point.
7
(b)
(a)
(d)
(c)
(e)
(f)
Keterangan :
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Gambar 4 Score plot dua PC pertama dari spektrum IR serbuk karagenan: a. utuh tanpa perlakuan
pendahuluan, b. segmentasi I tanpa perlakuanSIMPULAN
pendahuluan, c.
Segmentasi
DAN
SARANII tanpa
perlakuan pendahuluan, d. utuh dengan perlakuan pendahuluan, e. segmentasi I dengan
perlakuan pendahuluan, f.segmentasi II dengan perlakuan pendahuluan.
8
SIMPULAN DAN SARAN
Simpulan
Teknik
spektroskopi
FTIR
yang
digabungkan dengan aplikasi kemometrik
sudah dapat digunakan untuk pencirian jenis
karagenan.
PCA mampu menunjukkan
pengelompokan IR dari kelima jenis
karagenan. Pengelompokan terbaik dihasilkan
dari set data spektrum utuh melalui perlakuan
pendahuluan dengan nilai smoothing 13 point.
Saran
Perlu dilakukan pencirian karagenan pada
jenis karagenan yang lain, yaitu lambda.
Sehingga analisis PCA bisa dilakukan secara
bersamaan untuk ketiga jenis karagenan.
DAFTAR PUSTAKA
Chew OS, Hamdan MR, Ismail Z, Ahmad
MN. 2004. Assessment of herbal
medicines
by
chemometrics-assisted
interpretation of FTIR spectra. J Anal
Chim Acta, in press.
Glicksman M. 1983. Food Hydrocolloids.
Volume I. Florida: CRC Press Boca Raton.
207 p.
Goodacre, R. Burton, N. Kaderbhai, AM.
Woodward,
D.B.
Kell
&P.
J.
Rooney.1998. Rapid identification of
urinary tract infection bacteria using
hyperspectral whole–organisme fingerprinting
and atificial neural network. J. Microbial
144: 1156-1170
Istini S dan Zatnika A. 1991. Optimasi Proses
Semirefine Carrageenan dari Rumput Laut
Eucheuma cottonii. Di dalam: Teknologi
Pasca Panen Rumput Laut. Prosiding
Temu Karya Ilmiah; Jakarta, 11-12 Maret
1991. Jakarta: Departemen Pertanian. hlm
86-95
Khopkar SM. 2002. Konsep Dasar Kimia
Analitik. Saptorahardjo A, penerjemah;
Jakarta: UI Press. Terjemahan dari: Basic
Concepts of Analytical Chemistry.
Lohninger
H.
2004.
Multivariate
calibration.[terhubung
berkala].
http://www.vias.org/tmdatanaleng/cc_mult
ivaritae.html [20 Juni 2011]
Miller JC, Miller JN. 2000. Statistic and
Chemometrics for Analytical Chemistry.
Ed ke-4. Harlow: Pearson Education.
Naes T, Isaksson T, Fearn T, Davies T. 2002.
A User Friendly Guide to Multivariate
Calibration and Classification. Chichester:
NIR Publication.
Naumann D. 1998. Infrared spectroscopy in
microbiology. Di dalam: Meyers RA,
editor
Encyclopedia
of
Analytical
Chemistry. Berlin: J Wiley. hlm 1-28.
Stchur P, Cleveland D, Zhou J. Michel RG.
2002. A review of recent applications of
near infared spectroscopy, and the
characteristic of a novel PbS CCD arraybased near infrared spectrometer. Appl
Spect Rev 37:383-428.
Skoog DA, Holler FJ, Nieman TA. 1998.
Principles of Instrumental Analysis. Ed ke5. Philadelphia: Harcourt Brace.
Wartewig S. 2003. Infrared and Raman
Spectroscopy
Fundamental
Process.
Weinheim: J Wiley.
Wold S, Sjostrom M, Eriksson L. 2001. PLSregression: a basic tool of chemometrics.
Chem Intel Lab Syst 58:109-130.
11
LAMPIRAN
1016
Lampiran 1 Bagan alir penelitian secara umum
Karagenan
Serbuk kappa
Foodgrade
Serbuk kappa
non bleaching
Serbuk kappa
bleaching
Analisis
menggunakan FTIR
Analisis Statistik
a
PCA
Serbuk iota
Serbuk campuran
kappa dan iota
(1:1)
16
11
Lampiran 2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 3 Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
12
17
Lampiran 4 Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 5 Spektrum IR utuh sampel serbuk karagenan dengan perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
13
18
Lampiran 6
Spektrum IR segmentasi I sampel serbuk karagenan dengan
perlakuan pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 7 Spektrum IR segmentasi II sampel serbuk karagenan dengan
perlakuan pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
14
19
Lampiran 8 Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa
perlakuan pendahuluan
Lampiran 9 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
tanpa perlakuan pendahuluan
20
15
Lampiran 10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
tanpa perlakuan pendahuluan
Lampiran 11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan
perlakuan pendahuluan
21
16
Lampiran 12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan
Lampiran 13 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
dengan perlakuan pendahuluan
22
FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN
METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRAK
AMRAN ADRI. Pola Spektrum Inframerah Transformasi Fourier untuk
Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Dibimbing
oleh AHMAD SJAHRIZA dan SRI SUGIARTI.
Teknik spektroskopi inframerah (IR) yang digabungkan dengan teknik
kemometrik digunakan sebagai metode alternatif untuk pencirian jenis karagenan.
Kelima jenis sampel karagenan (kappa foodgrade, kappa non-blaeching, kappa
bleaching, iota, dan campuran kappa iota) dianalisis dengan teknik spektroskopi
inframerah transformasi Fourier. Analisis komponen utama digunakan untuk
mengelompokkan jenis karagenan. Spektrum IR dengan perlakuan pendahuluan
(normalisasi, koreksi garis dasar, derivatisasi, dan smoothing) menunjukkan
pengelompokan yang lebih baik dibandingkan dengan spektrum IR tanpa
perlakuan pendahuluan. Pengelompokan terbaik dihasilkan dari spektrum utuh,
yaitu pada kisaran 400-4000 cm-1. Dua kompoenen utama (principal component,
PC) pertama pada score plot dari set data ini mampu menjelaskan 87% (PC1=
76%, PC2= 11%) dari variansi total. Dengan demikian, teknik ini berhasil
membedakan kelima jenis karagenan yang digunakan dalam penelitian ini.
ABSTRACT
AMRAN ADRI. Fourier Transformation Infrared Spectra Pattern for Carageenan
Identification Using Principal Component Analysis Method. Supervised by
AHMAD SJAHRIZA and SRI SUGIARTI.
Infrared (IR) spectroscopy technique combined with chemometric was used
as an alternative method to characterize carageenans. Five types of carageenans
(foodgrade kappa, non-blaeching kappa, bleaching kappa, iota, and mixture of
kappa with iota) were analyzed using fourier transform infrared spectroscopy
technique. The principal component analysis was used to get the spectral
classification based on sample origins. The preprocessed IR spectra
(normalization, baseline correction, derivatization, and smoothing), showed better
calassification result as compared with the non-preprocessed IR spectra. The
preprocessed IR spectra that showed a better classification was obtained from the
entire spectral data in the wavenumber range of 400-4000 cm-1. The first two
principal component (PCs) of the data score plot on this set data represent 87% of
the total variance (PC1= 76%, PC2= 11%). Therefore, this technique succesfully
differentiated the five types of carageenans used in the experiment.
POLA SPEKTRUM INFRAMERAH TRANSFORMASI
FOURIER UNTUK IDENTIFIKASI KARAGENAN DENGAN
METODE ANALISIS KOMPONEN UTAMA
AMRAN ADRI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Kimia
DEPARTEMEN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
Judul Skripi : Pola Spektrum Inframerah Transformasi Fourier untuk Identifikasi
Karagenan dengan Metode Analisis Komponen Utama
Nama
: Amran Adri
NIM
: G44070066
Disetujui,
Pembimbing I
Pembimbing II
Drs Ahmad Sjahriza
NIP 19620406 198903 1 002
Sri Sugiarti, PhD
NIP 19701225 199512 2 001
Diketahui,
Ketua Departemen Kimia
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof Dr Ir Tun Tedja Irawadi, MS
NIP 19501227 197603 2 002
Tanggal lulus :
v
PRAKATA
Assalamualaikum Wr. Wb.
Puji dan syukur penulis panjatkan kehadirat Allah SWT yang senantiasa
memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
karya ilmiah dengan judul: Pola Spektrum Inframerah Transformasi Fourier untuk
Identifikasi Karagenan dengan Metode Analisis Komponen Utama. Shalawat dan
salam disampaikan kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan
pengikutnya yang tetap berada di jalan-Nya hingga akhir zaman.
Penulis mengucapkan terima kasih kepada berbagai pihak yang membantu,
memberi masukan dan saran selama kegiatan penelitian dan penyusunan karya
ilmiah ini, antara lain Bapak Drs. Ahmad Sjahriza dan Ibu Sri Sugiarti, PhD
selaku pembimbing. Ungkapan terima kasih juga disampaikan kepada Ibunda
tercinta dan kakak-kakakku, serta rekan-rekan kimia 44 yang selalu memberikan
dukungan dan do`anya
Semoga karya ilmiah ini dapat bermanfaat.
Wassalamualaikum Wr. Wb.
Bogor, Februari 2012
Amran Adri
vi
RIWAYAT HIDUP
Penulis dilahirkan di Riau pada tanggal 16 Juli 1989 dari pasangan M.
Rasyid dan Nurhayati. Penulis merupakan anak kelima dari lima bersaudara.
Tahun 2007 penulis lulus dari SMA Negeri 3 Siak dan pada tahun yang
sama penulis masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan
Seleksi Masuk IPB (USMI). Penulis diterima di Program Studi S1 Kimia,
Departemen Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor. Beasiswa penididikan sarjana diperoleh dari Pemerintah Daerah
Kabupaten Siak, Riau.
Selama masa perkuliahan penulis aktif di organisasi Mahasiswa Daerah
Riau. Pada bulan Juli-Agustus 2010 penulis berkesempatan melaksanakan
kegiatan Praktik Lapangan di Balai Pusat Penelitian dan Pengembangan Hasil
Hutan, Bogor. Selama menjadi mahasiswa penulis juga pernah menjadi asisten
praktikum Kimia Anorganik Layanan untuk mahasiswa Biokimia, dan praktikum
Kimia Dasar untuk mahasiswa Tingkat Persiapan Bersama.
vii
DAFTAR ISI
Halaman
DAFTAR GAMBAR ........................................................................................... viii
DAFTAR TABEL ................................................................................................ viii
DAFTAR LAMPIRAN .......................................................................................... ix
PENDAHULUAN .................................................................................................. 1
TINJAUAN PUSTAKA ......................................................................................... 1
Karagenan ........................................................................................................... 1
Spektrofotometri Inframerah Transformasi Fourier (FTIR) ............................... 2
Pencirian Pola Spektrum FTIR ............................................................................2
Analisis Komponen Utama................................................................................ ..2
BAHAN DAN METODE ....................................................................................... 3
Alat dan Bahan .................................................................................................... 3
Metode................................................................................................................. 3
HASIL DAN PEMBAHASAN ............................................................................... 4
Analisis FTIR ...................................................................................................... 4
Analisis Komponen Utama.................................................................................. 5
Pengelompokan karagenan dengan PCA ............................................................ 5
SIMPULAN DAN SARAN .................................................................................... 8
Simpulan ............................................................................................................. 8
Saran .................................................................................................................... 8
DAFTAR PUSTAKA ............................................................................................. 8
LAMPIRAN ............................................................................................................ 9
viii
DAFTAR GAMBAR
Halaman
1 Struktur dasar karagenan ..............................................................................
1
2 Skema alat spektroskopi FTIR ......................................................................
2
3 Spektrum FTIR karagenan dengan dan tanpa perlakuan pendahuluan .........
4
4 Score Plot dua PC pertama dari spektrum IR utuh dengan smoothing .........
6
5 Score Plot dua PC pertama dari spektrum IR serbuk karagenan .................
7
DAFTAR TABEL
Halaman
1
Daerah spektrum FTIR ................................................................................
3
2
Penamaan set data .....................................................................................
4
ix
DAFTAR LAMPIRAN
Halaman
1
Bagan alir penelitian secara umum ................................................................
10
2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan
pendahuluan ...................................................................................................
11
Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan
pendahuluan ....................................................................................................
11
Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan
pendahuluan ....................................................................................................
12
Spektrum IR utuh sampel serbuk karagenan dengan perlakuan
pendahuluan ......................................................................................................
12
Spektrum IR segmentasi I sampel serbuk karagenan dengan perlakuan
pendahuluan ....................................................................................................
13
Spektrum IR segmentasi II sampel serbuk karagenan dengan perlakuan
pendahuluan ....................................................................................................
13
Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa
perlakuan pendahuluan ..................................................................................
14
Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan tanpa
perlakuan pendahuluan ....................................................................................
14
10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
tanpa perlakuan pendahuluan .........................................................................
15
11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan
perlakuan pendahuluan ..................................................................................
15
12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan ....................................................................
16
13 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan ....................................................................
16
3
4
5
6
7
8
9
PENDAHULUAN
Salah satu dari banyak hasil laut yang
mempunyai nilai ekspor adalah rumput laut.
Rumput laut dimanfaatkan sebagai bahan
mentah, seperti agar-agar, karagenan dan
alginat. Karagenan merupakan polisakarida
dengan unit-unit utamanya adalah galaktosa.
Karagenan dibagi atas tiga kelompok utama
yaitu kappa, iota, dan lambda. Ketiga jenis
karagenan ini mempunyai bentuk dan struktur
yang mirip. Oleh karena itu, perlu dilakukan
pencirian sifat komponen kimia untuk
klasifikasi dari jenis karagenan.
Secara konvensional, metode klasifikasi
karagenan dilakukan berdasarkan kandungan
sulfat dan pencampuran dengan ion alkali.
Proses pelaksanaan metode ini biasanya
membutuhkan waktu dan bahan kimia yang
cukup banyak. Pendekatan lain untuk
klasifikasi dan identifikasi dengan cara yang
lebih cepat adalah berdasarkan teknik
spektroskopi. Salah satu metode spektroskopi
yang dapat digunakan untuk pencirian atau
pembedaan dari ketiga jenis karagenan
tersebut
adalah
dengan
spektroskopi
Inframerah Transformasi Fourier (FTIR).
Teknik spektroskopi FTIR berpotensi
sebagai metode analisis cepat karena analisis
dapat dilakukan secara langsung pada serbuk
kering sampel tanpa tahapan pemisahan
terlebih dahulu. Spektrum FTIR yang
dihasilkan merupakan hasil interaksi antara
senyawa-senyawa kimia dalam matriks
sampel yang sangat kompleks. Spektrum ini
sangat rumit dan tidak tampak dengan jelas
dan pada umumnya tidak dapat dilihat secara
visual (Chew et al. 2004). Untuk itu,
digunakan suatu metode kemometrik untuk
mengungkap informasi tersembunyi yang
bersifat kualitatif dan kuantitatif dari data
multidimensi. Teknik spektroskopi FTIR yang
digabungkan dengan kemometrik dapat
digunakan sebagai metode alternatif untuk
pencirian jenis karagenan. Salah satu metode
kemometrik yang digunakan berupa analisis
multivariat yang digunakan untuk pengenalan
pola dalam suatu sampel adalah metode
Analisis Komponen Utama (PCA).
tiga jenis, yaitu
kappa karagenan, iota
karagenan, dan lamda karagenan. Kappa
karagenan dihasilkan dari Eucheuma cotonii,
iota karagenan dihasilkan dari Eucheuma
spinosum, dan lambda karagenan dihasilkan
dari Chondrus crispus (Istini & Zatnika 1991).
Selain dapat dibedakan oleh jenis spesies
alga merah, karagenan juga dapat dibedakan
berdasarkan
gugus
fungsinya.
Kappa
karagenan tersusun dari α(1→3) D galaktosa
4-sulfat dan β(1→4) 3,6 anhidro-D-Galaktosa.
Iota karagenan tersusun dari (1→3) -α-3,6
anhidro-D-Galaktosa-2-sulfat.
Sedangkan
lambda karagenan tersusun dari (1→3) -β-DGalaktosa-2-sulfat (1→4) α-D-Galaktosa-2,6sulfat (Gambar 1).
n
(a)
(b)
n
(a)
n
(b)
n
TINJAUAN PUSTAKA
(c)
Karagenan
Karagenan merupakan salah satu jenis
polisakarida yang berasal dari alga merah
(Glicksman 1983). Karagenan dibagi dalam
Gambar 1
Struktur dasar kappa karagenan
(a), iota karagenan (b), dan
lambda karagenan (c).
2
Spektrofotometri Inframerah
Transformasi Fourier (FTIR)
Radiasi IR berada pada kisaran panjang
gelombang 0.78-1000 m atau bilangan
gelombang 12800-10 cm-1. Spektrumnya
terbagi atas radiasi inframerah dekat (128004000 cm-1), menengah (4000-200 cm-1), dan
jauh (200-10 cm-1). Daerah spektrum yang
paling banyak digunakan untuk berbagai
keperluan praktis seperti analisis dalam
bidang industri, bahan pertanian, dan kendali
mutu adalah pada 4000-670 cm-1 atau daerah
IR tengah (Skoog et al. 1998).
Energi radiasi IR digunakan terbatas hanya
pada transisi molekul yang melibatkan vibrasi.
Efek dari vibrasi ini menyebabkan perubahan
momen dipol. Radiasi medan listrik yang
berubah-ubah akan berinteraksi dengan
molekul dan akan menyebabkan perubahan
amplitudo salah satu gerakan molekul.
Perwujudan interaksi tersebut menghasilkan
serapan yang khas dari setiap komponen atau
struktur molekul. Serapan grup fungsional
berada pada kisaran 4000-1500 cm-1
sedangkan fenomena intra-molekular yang
bersifat sangat spesifik untuk setiap materi
antara 1500-400 cm-1 (daerah sidik jari)
(Khopkar 2002).
FTIR merupakan gabungan instrumen
dispersif konvensional IR dengan komputer
dan mikroprosesor. Komponen instrumen
FTIR serupa dengan spektrometer UVtampak, namun sumber, detektor, dan
komponen
optiknya
sedikit
berbeda.
Pengukuran dengan FTIR melibatkan
kombinasi interferensi konstruktif dan
destruktif yang senantiasa berubah mengikuti
beberapa yang datang untuk menghasilkan
spektrum (modulasi interferometrik dari
radiasi). Interferometer mengubah frekuensi
yang masuk menjadi bentuk khusus yang
dapat diamati oleh detektor (Gambar 2). Data
yang diperoleh sangat kompleks dan masingmasing poin membawa informasi untuk
yang berbeda. Proses matematika dengan
transformasi Fourier mengkonversi data
tersebut agar dapat digunakan (Naumann
1998; Wartewig 2003).
Analisis dengan FTIR lebih cepat dan
lebih sensitif daripada IR dispersif.
Penggunaan interferometer Michelson mampu
mengatasi kekurangan sistem dispersif dalam
penggunaan energi karena pada sistem
dispersif banyak energi yang terbuang akibat
penggunaan model deteksi pemindaian. FTIR
juga memiliki perbaikan dari segi laju koleksi
sinyal, keakuratan data terkait dengan hasil
pengukuran laser dari kaca bergerak, linearitas
absorbans karena tidak ada penghamburan
cahaya, dan penyimpanan serta mutu data
melalui peningkatan resolusi atau koreksi
garis dasar (Naumann 1998)
Gambar 2
Skema alat spektroskopi FTIR.
(1)Sumber
Inframerah
(2)
Pembagi Berkas (Beam Spliter)
(3) Kaca Pemantul (4) Sensor
Inframerah (5) Sampel dan (6)
Display (Stchur 2002)
Kehadiran FTIR pada dasawarsa terakhir
mampu meningkatkan aplikasi radiasi
menengah IR tidak hanya untuk analisis
kualitatif organik dan penentuan struktur,
tetapi juga untuk analisis kuantitatif contoh
yang kompleks. Model analisis kuantitatif ini
dikembangkan
dengan
memanfaatkan
informasi pola sidik jari yang bersifat khas
sebagai
variabel
yang
mempengaruhi
penampakan kimiawi seperti aktivitas
biologis, konsentrasi, dan polarisabilitas
(Wold et al. 2001).
Pencirian Pola Spektrum FTIR
Spektrum IR mengandung
informasi
struktur molekular yang terdiri atas gerak
vibrasi. Banyaknya gerakan molekular dari
molekul
poliatom
akan
membentuk
serangkaian pita serapan yang spesifik untuk
masing-masing molekul. Untuk dapat
mengekstraksi informasi dari data spektrum
IR tersebut, diperlukan suatu metode
kemometrik berupa analisis multivariat
(Stchur et al. 2002).
Analisis multivariat menyediakan metode
untuk mereduksi data berukuran besar dari
instrumen, seperti spektrofotometer. Metode
multivariat dapat berupa multiple linear
3
regression, principal component regression,
PLS, artificial neural network (ANN),
principal
component
analysis
(PCA),
discriminant analysis, K-nearest neighbor,
soft independent modeling of class anology
(SIMCA), dan cluster analysis (Miller &
Miller 2000)
Analisis Komponen Utama
Analisis Komponen Utama (AKU) atau
Principal Component Analysis (PCA)
merupakan suatu metode analisis yang
bertujuan mereduksi dimensi peubah asal
sehingga diperoleh peubah baru (principal
component, PC) yang tidak saling berkorelasi
tetapi menyimpan sebagian informasi yang
terkandung pada peubah asal. PC pertama
memiliki variansi terbesar dalam set data,
sedangkan PC kedua memiliki variansi
terbesar selanjutnya. Dua PC pertama pada
umumnya digunakan sebagai bidang proyeksi
untuk inspeksi visual dari data (Miller &
Miller 2000). PC terakhir biasanya mewakili
bagian yang tidak penting dari varian dan
diasumsikan sebagai noise (derau) atau
gangguan yang lain di dalam proses rekoleksi,
dan PC pertama mempertahankan proporsi
utama dari variansi.
Teknik
PCA
berdasarkan
pada
dekomposisi matriks data X (N x K) menjadi
dua matriks T (N x A) dan matriks P (K x A)
yang saling tegak lurus. Matriks T yang
disebut dengan matriks skor menggambarkan
variansi dalam objek, sedangkan matriks P
yang disebut matriks loading menjelaskan
pengaruh variabel terhadap komponen utama.
Matriks P terdiri atas data asli dalam sistem
koordinat baru. Error dari model yang
terbentuk dinyatakan dalam E (Lohninger
2004).
X=TP` + E ≈ TP`
Skor dapat diplot bersama-sama dengan
loading untuk mengidentifikasi karakteristik
yang lebih relevan di dalam data. Kelompok
pengamatan dapat dideteksi bersama dengan
hubungan dalam pengamatan, di dalam
variabel, dan di antara pengamatan dan
variabel.
PCA dapat digunakan untuk identifikasi.
Jika mencocokkan suatu model PC dengan
hanya pengamatan satu kelompok atau kelas
tertentu, model dapat digunakan untuk
melihat apakah suatu pengamatan baru
termasuk dalam kelas yang sama. Hal ini
dilakukan dengan menghitung peluang dari
pengamatan yang termasuk dalam model.
BAHAN DAN METODE
Alat dan Bahan
Bahan-bahan yang digunakan dalam
penelitian ini ialah karagenan kappa
foodgarade, kappa bleaching, kappa nonbleaching, iota, campuran kappa dan iota (1:1)
dan KBr. Alat yang digunakan adalah
komputer personal (PC) yang dioperasikan
menggunakan windows 7, dan spektroskopi
inframerah transformasi Fourier (FTIR)
Shimazu. Perangkat lunak yang digunakan
adalah Essential FTIR, Microsoft Excel, dan
The Unscrambler 10.1 (Camo Inc) .
Metode
Analisis Sampel Menggunakan
Spektroskopi FTIR
Disiapkan masing-masing sebanyak 0.01 g
serbuk kappa foodgrade (KF), kappa non
bleaching (KNB), kappa bleaching (KB), Iota,
dan campuran kappa dan iota 1:1 (K+I).
Sebanyak 0.01 g serbuk sampel yang telah
disiapkan dicampurkan dengan 0.1 g KBr.
Pengukuran
spektrum
dilakukan
menggunakan spektrometer FTIR. Sebuah
komputer personal yang dilengkapi dengan
perangkat lunak essential FTIR mengatur
kerja spektrofotometer FTIR pada kisaran
daerah 4000-400 cm-1.
Spektrum yang
dihasilkan disimpan dalam format txt.
Selanjutanya diubah dalam bentuk fomat
excel.
Analisis Data Secara Kemometrik
Spektrum FTIR dalam bentuk format txt
disimpan dalam bentuk format Excel dengan
program Microsoft Excel. Data kemudian
dibagi menjadi 3 jenis, yaitu spektrum utuh
dengan 935 titik, segmentasi I (daerah sidik
jari) dengan 287 titik, dan segmentasi II
(daerah gugus fungsi) dengan 649 titik.
Pembagian
daerah panjang gelombang
spektrum diperlihatkan pada Tabel 2.
Tabel 2 Daerah spektrum FTIR
Kisaran bilangan
gelombang (cm-1)
Spektrum utuh
400-4000
Segmentasi I
400-1500
Segmentasi II
1500-4000
4
Analisis data kemometrik dilakukan
menggunakan set data dengan dan tanpa
perlakuan pendahuluan yang meliputi
normalisasi, koreksi garis dasar, derivatisasi
dan smoothing. Selanjutnya set data dinamai
berdasarkan diberikan atau tidaknya perlakuan
pendahuluan dan segmentasi terhadap data.
Penamaan dapat dilihat pada Tabel 3.
Tabel 3 Penamaan set data
Set
Perlakuan
Pembagian data
data pendahuluan
1
Spektrum utuh
2
Ada
Segmentasi I
3
Segmentasi II
4
Spektrum utuh
5
Tidak ada
Segmentasi I
6
Segmentasi II
(a)
Analisis kemometrik PCA dilakukan
menggunakan Unscrambler 10.1 (camo inc).
Prosedur lengkapnya dapat dilihat pada
Lampiran 1
HASIL DAN PEMBAHASAN
Analisis FTIR
Pengujian FTIR dilakukan pada serbuk
kappa foodgrade, kappa bleaching, kappa
non-bleaching, iota, serta campuran antara
serbuk kappa dan iota (1:1). Setiap objek
amatan tersebut diukur sebanyak 5 kali
ulangan menggunakan spektroskopi FTIR
sehingga diperoleh 5 spektrum untuk tiap
objek amatan (Gambar 2). Spektrum FTIR
tidak memiliki pola tertentu dan bersifat
fluktuatif. Data spektrum FTIR yang
digunakan berada pada kisaran bilangan
gelombang 400 sampai 1500 cm-1.
Adapun pita-pita serapan utama yang
dapat diamati dari spektrum adalah pita
serapan lebar pada daerah 1210-1260 cm-1
yang merupakan representasi dari serapan
S=O dan pada 1010-1080 cm-1 yang
merupakan daerah serapan ikatan glikosida.
Pita serapan tersebut berlaku untuk semua
jenis karagenan. Sedangkan pita serapan lain
menunjukkan perbedaan karakteristik jenis
karagenan. Pita serapan 845-850 cm-1
menunjukkan daerah kappa dan iota
karagenan. Sedangkan pada serapan 800-805
cm-1
menunjukkan
karakteristik
iota
karagenan.
(b)
Gambar 2 Spektrum FTIR serbuk kappa
foodgrade ( ), kappa bleaching
( ) , kappa nonbleaching ( ),
iota ( ), kappa+ iota ( ) tanpa
perlakuan pendahuluan (a) dan
dengan perlakuan pendahuluan
(b).
Gambar 2a memperlihatkan spektrum dari
25 contoh sampel sebelum diberi perlakuan
pendahuluan.
Sedangkan
Gambar
2b
menunjukkan spektrum setelah diberikan
perlakuan pendahuluan yang memperlihatkan
bahwa seluruh spektrum menjadi lebih
seragam. Perlakuan pendahuluan ini dapat
menghindari masalah akibat geseran garis
dasar dan mengurangi derau acak pada
spektrum awal sehingga akan meningkatkan
hasil analisis kemometrik (Naes et al. 2002).
Derivatisasi akan menghilangkan pergeseran
garis dasar dan tumpang rindih puncak,
sehingga informasi spektrum yang berguna
untuk analisis selanjutnya akan meningkat
(Stchur et al. 2002)
5
Analisis Komponen Utama
Penggunaan spektrum FTIR sebagai alat
bantu untuk penentuan struktur molekul suatu
senyawa kimia biasanya terbatas hanya
melibatkan informasi serapan pada daerahdaerah tertentu saja sebagai tanda pengenal
gugus fungsi tertentu. Pemanfaatan ini
membatasi informasi lain yang dimiliki oleh
suatu spektrum IR, terlebih lagi bila spektrum
tersebut merupakan spektrum yang bersifat
multidimensi seperti spektrum sel utuh dari
suatu bagian tumbuhan.
Spektrum multidimensi mengandung
informasi
kuantitatif
yang
dapat
menggambarkan ciri khas suatu spesies.
Spektrum sel utuh setiap contoh karagenan
juga memiliki perbedaan informasi kuantitatif,
informasi yang tidak dapat diekstrak hanya
dengan melihat pola serapan spektrum
karagenan. Untuk mendapatkan informasi
perbedaan secara sederhana dari 25 spektrum
karagenan tersebut, digunakanlah Analisis
Komponen Utama (PCA). PCA mereduksi
variabel-variabel yang dimiliki oleh spektrum
menjadi beberapa variabel utama saja. Proses
reduksi ini dapat menyebabkan contoh
karagenan
terkelompokkan
berdasarkan
korelasi informasi variabel yang dimiliki
dalam grup.
Analisis PCA karagenan dilakukan tidak
hanya menggunakan data spektrum asli, tetapi
juga melibatkan data spektrum hasil perlakuan
pendahuluan. Perlakuan pendahuluan tersebut
menggunakan metode yang berasal dari
beberapa penelitian dengan tahapan berikut
yaitu,
normalisasi
spektrum
baseline,
derivatisasi dan smoothing (Goodacre et al.
1998). Smoothing spektrum terdiri dari pointpoint, sehingga perlu dilakukan analisis data
untuk mendapatkan smoothing terbaik dalam
mengelompokkan karagenan.
Gambar 3 merupakan score plot dari
komponen utama pertama dan komponen
utama kedua. Interpretasi visual terbaik dalam
pengelompokan didapatkan dari smoothing 13
point. Terbaiknya pengelompokan oleh
smoothing 9 point dibandingkan dengan yang
lainya dapat dilihat dari pola kelas yang yang
lebih jelas dan nilai akumulasi variansi yang
lebih tinggi. Nilai akumulasi variansi
smoothing 5 point, 7 point, dan 9 point, 11
point, dan 13 point, berturut-turut adalah 77%,
77%, 85%, 86%, dan 87%. Menaikkan nilai
smoothing ke titik yang lebih tinggi (15 point)
tidak memperlihatkan pola kelas dan
akumulasi varian yang berbeda dengan
smoothing dengan 13 point. Sehingga untuk
analisis data (dengan perlakuan pendahuluan)
digunakan smoothing 13 point.
Selain digunakan seluruh data absorbans
spektrum IR karagenan, analisis PCA juga
dilakukan terhadap spektrum pada kisaran
bilangan gelombang tertentu, baik pada
spektrum asli maupun spektrum dengan
proses pendahuluan. Segmentasi ini dilakukan
untuk melihat keberadaan konstituenkonstituen kunci yang berperan secara
signifikan dalam analisis kemometrik.
Pengelompokan karagenan dengan PCA
Teknik PCA dapat mengurangi dimensi
dari data awal, yaitu dari ribuan dimensi
(sebanyak jumlah bilangan gelombang
spektrum IR) menjadi hanya dua dimensi.
Proyeksi sampel terhadap dua variabel baru
ini ditunjukkan pada score plot. Score plot
untuk dua PC pertama biasanya paling
berguna dalam analisis karena kedua PC ini
memiliki variansi terbanyak dalam data.
Gambar 4 menunjukkan score plot dari 25
spektrum IR sampel serbuk karagenan. Plot
ini memperlihatkan pola yang terdapat pada
spektrum IR, semakin dekat satu titik dengan
titik yang lain, maka semakin besar kemiripan
di antara spektrum IR sampel tersebut.
Pengelompokan dari spektrum IR tanpa
perlakuan pendahuluan ditunjukkan pada
Gambar 4a-c. Score plot dari spektrum IR ini
tidak menunjukkan pemisahan yang jelas
antara kelima kelompok karagenan. Score
plot dari spektrum IR ini menunjukkan
pemisahan pada sampel iota dan KF pada
spektrum utuh, sedangkan untuk sampel KB,
KNB, dan K+I tidak dapat dikelompokkan.
Pada
Segmentasi
I,
PCA
dapat
mengelompokkan iota dan KNB. Sedangkan
pada segmentasi II,
PCA mampu
megelompokkan iota dan KF. Score plot dua
PC pertama dari data spektrum IR spektrum
utuh, segmentasi I, dan segmentasi II berturutturut mampu menjelaskan 96% (PC1 = 78%,
PC2 = 18%), 98% (PC1 = 94%, PC2 = 4%),
dan 97% (PC1 = 94%, PC2 = 4%) dari
variansi total.
Pengelompokan terbaik dari spektrum IR
dengan perlakuan pendahuluan dimiliki oleh
data spektrum utuh (Gambar 4d). Terlihat
bahwa seluruh sampel pada masing-masing
kelompok berada saling berdekatan satu sama
lain. Sehingga secara keseluruhan, analisis
PCA terbaik untuk pencirian karagenan adalah
menggunakan data spektrum utuh dengan nilai
smoothing 13 point.
6
(a)
(b)
(c)
(d)
(f)
(e)
Keterangan
:
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Gambar 3 Score plot dua PC pertama dari hasil analisis PCA, dengan data yang dianalisis dari
perlakuan pendahuluan melalui smoothing (a) 5 point, (b) 7 point, (c) 9 point, (d)11
point, (e) 13 point, dan (f) 15 point.
7
(b)
(a)
(d)
(c)
(e)
(f)
Keterangan :
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Gambar 4 Score plot dua PC pertama dari spektrum IR serbuk karagenan: a. utuh tanpa perlakuan
pendahuluan, b. segmentasi I tanpa perlakuanSIMPULAN
pendahuluan, c.
Segmentasi
DAN
SARANII tanpa
perlakuan pendahuluan, d. utuh dengan perlakuan pendahuluan, e. segmentasi I dengan
perlakuan pendahuluan, f.segmentasi II dengan perlakuan pendahuluan.
8
SIMPULAN DAN SARAN
Simpulan
Teknik
spektroskopi
FTIR
yang
digabungkan dengan aplikasi kemometrik
sudah dapat digunakan untuk pencirian jenis
karagenan.
PCA mampu menunjukkan
pengelompokan IR dari kelima jenis
karagenan. Pengelompokan terbaik dihasilkan
dari set data spektrum utuh melalui perlakuan
pendahuluan dengan nilai smoothing 13 point.
Saran
Perlu dilakukan pencirian karagenan pada
jenis karagenan yang lain, yaitu lambda.
Sehingga analisis PCA bisa dilakukan secara
bersamaan untuk ketiga jenis karagenan.
DAFTAR PUSTAKA
Chew OS, Hamdan MR, Ismail Z, Ahmad
MN. 2004. Assessment of herbal
medicines
by
chemometrics-assisted
interpretation of FTIR spectra. J Anal
Chim Acta, in press.
Glicksman M. 1983. Food Hydrocolloids.
Volume I. Florida: CRC Press Boca Raton.
207 p.
Goodacre, R. Burton, N. Kaderbhai, AM.
Woodward,
D.B.
Kell
&P.
J.
Rooney.1998. Rapid identification of
urinary tract infection bacteria using
hyperspectral whole–organisme fingerprinting
and atificial neural network. J. Microbial
144: 1156-1170
Istini S dan Zatnika A. 1991. Optimasi Proses
Semirefine Carrageenan dari Rumput Laut
Eucheuma cottonii. Di dalam: Teknologi
Pasca Panen Rumput Laut. Prosiding
Temu Karya Ilmiah; Jakarta, 11-12 Maret
1991. Jakarta: Departemen Pertanian. hlm
86-95
Khopkar SM. 2002. Konsep Dasar Kimia
Analitik. Saptorahardjo A, penerjemah;
Jakarta: UI Press. Terjemahan dari: Basic
Concepts of Analytical Chemistry.
Lohninger
H.
2004.
Multivariate
calibration.[terhubung
berkala].
http://www.vias.org/tmdatanaleng/cc_mult
ivaritae.html [20 Juni 2011]
Miller JC, Miller JN. 2000. Statistic and
Chemometrics for Analytical Chemistry.
Ed ke-4. Harlow: Pearson Education.
Naes T, Isaksson T, Fearn T, Davies T. 2002.
A User Friendly Guide to Multivariate
Calibration and Classification. Chichester:
NIR Publication.
Naumann D. 1998. Infrared spectroscopy in
microbiology. Di dalam: Meyers RA,
editor
Encyclopedia
of
Analytical
Chemistry. Berlin: J Wiley. hlm 1-28.
Stchur P, Cleveland D, Zhou J. Michel RG.
2002. A review of recent applications of
near infared spectroscopy, and the
characteristic of a novel PbS CCD arraybased near infrared spectrometer. Appl
Spect Rev 37:383-428.
Skoog DA, Holler FJ, Nieman TA. 1998.
Principles of Instrumental Analysis. Ed ke5. Philadelphia: Harcourt Brace.
Wartewig S. 2003. Infrared and Raman
Spectroscopy
Fundamental
Process.
Weinheim: J Wiley.
Wold S, Sjostrom M, Eriksson L. 2001. PLSregression: a basic tool of chemometrics.
Chem Intel Lab Syst 58:109-130.
11
LAMPIRAN
1016
Lampiran 1 Bagan alir penelitian secara umum
Karagenan
Serbuk kappa
Foodgrade
Serbuk kappa
non bleaching
Serbuk kappa
bleaching
Analisis
menggunakan FTIR
Analisis Statistik
a
PCA
Serbuk iota
Serbuk campuran
kappa dan iota
(1:1)
16
11
Lampiran 2
Spektrum IR utuh sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 3 Spektrum IR segmentasi I sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
12
17
Lampiran 4 Spektrum IR segmentasi II sampel serbuk karagenan tanpa perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 5 Spektrum IR utuh sampel serbuk karagenan dengan perlakuan
pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
13
18
Lampiran 6
Spektrum IR segmentasi I sampel serbuk karagenan dengan
perlakuan pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
Lampiran 7 Spektrum IR segmentasi II sampel serbuk karagenan dengan
perlakuan pendahuluan
Kappa foodgarade
Kappa bleaching
Kappa non-bleaching
Iota
Campuran kappa:iota
14
19
Lampiran 8 Analisis PCA spektrum IR utuh sampel serbuk karagenan tanpa
perlakuan pendahuluan
Lampiran 9 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
tanpa perlakuan pendahuluan
20
15
Lampiran 10 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
tanpa perlakuan pendahuluan
Lampiran 11 Analisis PCA spektrum IR utuh sampel serbuk karagenan dengan
perlakuan pendahuluan
21
16
Lampiran 12 Analisis PCA spektrum IR segmentasi I sampel serbuk karagenan
dengan perlakuan pendahuluan
Lampiran 13 Analisis PCA spektrum IR segmentasi II sampel serbuk karagenan
dengan perlakuan pendahuluan
22