35
Pada regresi kalibrasi pendugaan kadar air data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik adalah
kombinasi ketiga perlakuan data tersebut yaitu, penghalusan rataan setiap 3 titik, derivatif kedua Savitzsky-Golay setiap 9 titik, dan normalisasi data spektra kedalam rentang 0-1.
Nilai koefisien korelasi R untuk pendugaan nilai kadar air bahan tersebut adalah sebesar 0.9612. nilai koefisien determinasinya R
2
sebesar 0.9239, nilai tersebut hampir mendekati 1 satu. Hal ini menunjukkan nilai pendugaan NIR hampir mendekati nilai
analisis laboratorium. Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar air referensi analisis laboratorium pada tahap kalibrasi dan validasi dengan metode
PCR dan kombinasi dari ketiga perlakuan data dapat dilihat pada Gambar 18.
Gambar 18. Grafik perbandingan kadar air dugaan data reflektan NIR dengan kadar
air referensi hasil analisis laboratorium pada tahap kalibrasi 47 sampel dan validasi 23 sampel dengan metode PCR dan kombinasi dari ketiga
perlakuan data.
Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi SEC dan koefisien keragaman CV cukup tinggi berturut-turut sebesar 5.57 dan 10.00. dilihat
dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk
menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi.
Tahap validasi pendugaan kadar air biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 23 sampel dari data reflektan NIR dan
data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi
SEP dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error
validasi SEP memiliki nilai 0.94 dan nilai koefisien keragamannya yaitu 1.68. Dilihat dari nilai standar error yang kurang dari 1 satu dan koefisien keragaman CV
kurang dari 5.0, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup baik.
2. Pendugaan Kadar Lemak
Pada tahap kalibrasi pendugaan kadar lemak digunakan data reflektan dari 48 sampel biji nyamplung dengan kisaran panjang gelombang 1000
– 2500 nm 4000 – 10000 cm
-1
dengan interval 4 cm
-1
. Regresi kalibrasi pendugaan kadar lemak tersebut
: Kalibrasi : Validasi
36
diberikan proses komponen utama pertama PC primary sebesar 15 dan komponen utama kedua PC secondary sebesar 4.
Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak berdasarkan reflektan dengan berbagai perlakuan data pada metode regresi komponen
utama PCR dapat dilihat pada Tabel 7.
Tabel 7. Hasil analisis data tahap kalibrasi dan validasi pendugaan kadar lemak
berdasarkan reflektan dengan berbagai perlakuan data pada metode principal component regression PCR
Deskripsi statistik
Data perlakuan treatment data penelitian
Penghalusan rataan setiap 3 titik
Derivatif kedua Savitzsky-Golay
setiap 9 titik Normalisasi 0-1
Kombinasi penghalusan rataan 3
titik dengan derivatif kedua Savitzsky-
Golay setiap 9 titik Kombinasi ketiga
perlakuan data
Kalibrasi Validasi
Kalibrasi Validasi
Kalibrasi Validasi
Kalibrasi Validasi
Kalibrasi Validasi
n buah 48
22 48
22 48
22 48
22 48
22 R
88.58 76.59
96.40 55.10
96.61 90.95
96.32 90.76
96.64 74.53
R
2
78.47 58.67
92.92 30.36
93.34 82.72
92.77 82.38
93.40 55.54
Min 51.26
56.42 51.26
56.35 51.26
58.07 51.26
58.07 51.26
56.35 Maks
71.92 61.18
71.92 59.33
71.92 63.86
71.92 63.86
71.92 59.33
Mean 61.59
58.80 61.35
57.84 64.99
60.96 61.35
60.96 60.70
57.84 SD
3.08 0.71
2.18 0.38
2.80 0.83
2.58 0.53
2.10 0.22
SE 4.51
1.13 3.61
0.81 4.23
1.26 4.01
0.96 3.53
0.65 CV
7.57 1.89
6.06 1.36
7.10 2.12
6.73 1.61
5.93 1.09
Pada regresi kalibrasi pendugaan kadar lemak data reflektan dengan metode regresi komponen utama diberikan berbagai perlakuan data. Perlakuan data yang terbaik
adalah kombinasi ketiga perlakuan data tersebut yaitu, penghalusan rataan setiap 3 titik, derivatif kedua Savitzsky-Golay setiap 9 titik, dan normalisasi data spektra kedalam
rentang 0-1. Nilai koefisien korelasi R untuk pendugaan nilai kadar lemak bahan tersebut
adalah sebesar 0.9664. nilai koefisien determinasinya R
2
sebesar 0.9340, nilai tersebut hampir mendekati 1 satu. Hal ini menunjukkan nilai pendugaan NIR hampir mendekati
nilai analisis laboratorium. Grafik perbandingan kadar lemak dugaan data reflektan NIR dengan kadar lemak referensi analisis laboratorium pada tahap kalibrasi dan validasi
dengan metode PCR dan kombinasi dari ketiga perlakuan data dapat dilihat pada Gambar 19.
37
Gambar 19. Grafik perbandingan kadar lemak dugaan data reflektan NIR dengan
kadar lemak referensi hasil analisis laboratorium pada tahap kalibrasi 48 sampel dan validasi 22 sampel dengan metode PCR dan kombinasi dari
ketiga perlakuan data.
Pada tahap kalibrasi, menghasilkan nilai standar error kalibrasi SEC dan koefisien keragaman CV cukup tinggi berturut-turut sebesar 3.53 dan 5.93. dilihat
dari nilai koefisien determinasi, standar error, dan koefisien keragaman yang ada pada tahap kalibrasi, dapat diduga regresi kalibrasi yang telah dibangun kurang baik. Untuk
menguji ketepatan dari regresi kalibrasi tersebut maka sangat perlu dilakukan tahap validasi.
Tahap validasi pendugaan kadar lemak biji nyamplung digunakan sampel yang berbeda dari kalibrasi dengan jumlah sebanyak 22 sampel dari data reflektan NIR dan
data hasil analisis laboratorium. Tingkat keberhasilan atau ketepatan pada tahap validasi berdasarkan bentuk dan model kalibrasi sangat ditentukan oleh nilai standar error validasi
SEP dan koefisien keragaman. Berdasarkan hasil tahap validasi yang diperoleh, dapat dilihat bahwa standar error
validasi SEP memiliki nilai 0.65 dan nilai koefisien keragamannya yaitu 1.09. Dilihat dari nilai standar error yang kurang dari 1 satu dan koefisien keragaman CV
kurang dari 5.0, sehingga hasil ini membuktikan model persamaan regresi yang dibangun melalui metode regresi komponen utama dapat dikatakan cukup baik.
3. Pendugaan Bilangan Asam
