Penggunaan Teknologi UV-Vis Spectroscopy untuk Membedakan Jenis Kopi Bubuk Arabika Gayo Wine dan Kopi Bubuk Arabika Gayo Biasa

Eny Supriyanti, Diding Suhandy, Meinilwita Yulia, Sri Waluyo

Abstract


Salah satu kopi spesialti Indonesia adalah kopi Arabika Gayo wine yang merupakan varietas hasil seleksi yang dikembangkan oleh petani Indonesia.  Penelitian ini merupakan penelitian kualitatif yang bertujuan untuk membangun dan menguji model diskriminasi untuk mengidentifikasi dan mengklasifikasikan kopi bubuk Arabika Gayo wine dan kopi bubuk Arabika Gayo biasaKomposisi bahan yang digunakan dalam penelitian ini yaitu 1 gram dengan jumlah 100 sampel kopi bubuk Gayo wine, dan 100 sampel kopi bubuk Gayo biasa.  Pengujian dilakukan pada bubuk kopi berukuran 0,297 milimeter (mesh 50).  Setiap sampel diekstraksi menggunakan air aquades dengan suhu 90-98ºC, kemudian disaring dan diencerkan menggunakan aquades dengan perbandingan 1:20.  Pengambilan spektra pada sampel hasil ekstraksi dilakukan sebanyak 2 kali pengulangan untuk setiap sampel menggunakan Spektrometer UV-Vis Genesis 10s pada rentang panjang gelombang 190-1100 nm.  Data spektra diolah menggunakan metode PCA untuk melihat pengelompokkan semua data.  Setelah itu, untuk model diskriminasi dibangun menggunakan metode SIMCA untuk spektra original dan petreatment.  Hasil klasifikasi terbaik yaitu pada metode multiplicative scatter correction (MSC) dan moving average 9s yang menjelaskan nilai keragaman data dengan nilai PC1 97% dan PC2 3%.  Sedangkan untuk klasifikasi data diperoleh nilai akurasi (AC) 100%, spesifisitas (SP) 100%, dan sensitivitas (S) 100%, dengan nilai eror (FP) 0%.  Berdasarkan hasil ini pada semua pengujian. maka model SIMCA yang dibangun dapat mengidentifikasi dan mengklasifikasikan sampel kopi prediksi ke dalam kelas yang sesuai dengan baik.

 

Kata Kunci:   Kopi Arabika Gayo biasa, kopi Arabika Gayo wine, UV-Vis spectroscopy, PCA, SIMCA.


Full Text:

PDF


DOI: http://dx.doi.org/10.23960/jtep-l.v7i3.123-132

Refbacks

  • There are currently no refbacks.




Copyright (c) 2018 Eny Supriyanti, Diding Suhandy, Meinilwita Yulia, Sri Waluyo

Web
Analytics JTEP Stats

 

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.