64
STUDI PENGGUNAAN UV-VIS SPECTROSCOPY DAN METODE SIMCA UNTUK MEMBEDAKAN KOPI CODOT DAN KOPI BIASA (Skripsi) Oleh Galih Eko Nugroho FAKULTAS PERTANIAN UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2019
STUDI PENGGUNAAN UV-VIS SPECTROSCOPY DAN METODE SIMCA
UNTUK MEMBEDAKAN KOPI CODOT DAN KOPI BIASA
(Skripsi)
Oleh
Galih Eko Nugroho
FAKULTAS PERTANIAN
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2019
ABSTRACT
STUDY ON THE USE OF UV-VIS SPECTROSCOPY AND SIMCA
METHOD TO DISCRIMINATE BAT COFFEE AND REGULAR COFFEE
By
Galih Eko Nugroho
Robusta Coffee is the second largest production level among the other
people's plantation commodities. Coffee Codot is a designation of a coffee
product that originated from the district of Tanggamus, Lampung. Codot Coffee
has a distinctive aroma and flavor where the coffee is unique in terms of
harvesting coffee. Codot only eats ripe coffee bean and chooses it according to the
sense of smell to eat. Codot does not eat the coffee beans but eat the skin and
pulps of the coffee beans and re-spew the coffee beans. Because this coffee is a
natural result taken from food scraps and Codot coffee production is limited
making the price of Codot coffee is more expensive than the usual coffee
price. This is what underlies the counterfeit of processed coffee products. Many
researchers have used the methods of UV-Vis spectroscopy and Soft Independent
modelling of class analogy (Simca) to identify differences and adulteration coffee.
Tools used in this study is Genesys 10 UV-Vis spectroscopy and the
materials used in this study are 1 gram per sample with a sample
iii
mount of 50 samples of codot Coffee and 50 regular coffee samples. 1 gram
coffee samples were extracted using aquades as much as 50 ml with a temperature
of 90-98oC. Furthermore, the solution diluted in the ratio of 1 ml to the sample of
coffee extraction and 20 ml of aquades solution dilutes was then inserted 2ml into
the cuvettes and carried out data retrieval using UV-Vis spectro meter (UV-Vis
Genesys 10s, Thermo Scientific, USA) at wavelengths 190 – 1100 nm which then
carried out analysis using PCA and SIMCA methods .
The prediction results show that the PCA and SIMCA methods are able to
distinguish Codot and regular coffee. The best PCA analysis results are obtained
for modified of spectra combination of standard normal variate (SNV) and 9
segment moving averages at wavelengths of 190-1100 nm (full wavelength). In
the development of a standard normal variate (SNV) combination and 9 segment
moving averages, PC1 values of 72% and PC2 of 26%. As for the SIMCA
classification accuracy values (AC), sensitivity values (S), and specificity values
(SP) were obtained at 100%.
Keywords : Codot coffee, Lampung Robusta Coffee, UV-Vis Spectrometer,
Principal Component Analysis (PCA), Soft Independent Modeling of Class
Analogy (SIMCA).
ABSTRAK
STUDI PENGGUNAAN UV-VIS SPECTROSCOPY DAN METODE SIMCA
UNTUK MEMBEDAKAN KOPI CODOT DAN KOPI BIASA
Oleh
Galih Eko Nugroho
Kopi Robusta memiliki tingkat produksi terbesar kedua di antara komoditas
perkebunan rakyat lainnya. Kopi Codot adalah sebutan dari sebuah produk kopi
yang berasal dari kabupaten Tanggamus, Lampung. Kopi Codot memiliki aroma
dan citarasa yang khas di mana kopi ini memiliki keunikan dalam hal pemanenan
kopi. Codot hanya memilih kopi yang sudah matang menurut indra penciumannya
untuk dimakan. Codot tidak memakan biji kopi tersebut melainkan memakan kulit
dari biji kopi tersebut dan memuntahkan kembali biji kopi tersebut. Karena kopi
ini merupakan hasil alami yang diambil dari sisa makanan dan produksi kopi
Codot yang terbatas membuat harga dari kopi Codot ini lebih mahal dibandingkan
harga kopi biasa. Hal tersebut yang mendasari terjadinya pemalsuan produk
olahan kopi. Banyak peneliti yang sudah menggunakan metode UV-Vis
Spectroscopy dan soft independent modelling of class analogy (SIMCA) untuk
mengidentifikasi perbedaan dan pemalsuan kopi.
v
Alat yang digunakan dalam penelitian ini yaitu Genesys 10 UV-Vis
Spectroscopy dan bahan yang digunakan dalam penelitian ini yaitu 1 gram tiap
sampel dengan jumlah sampel sebanyak 50 sampel kopi Codot dan 50 sampel
kopi biasa. Sampel kopi 1 gram diekstraksi menggunakan aquades sebanyak 50
ml dengan suhu 90-98oC. Selanjutnya dilakukan pengenceran larutan dengan
perbandingan 1 ml sampel ekstraksi kopi dan 20 ml aquades Kemudian di
masukkan ke dalam kuvet dan dilakukan pengambilan data menggunakan UV-Vis
Spectrometer (UV-Vis Genesys 10s, Thermo Scientific, USA) pada panjang
gelombang 190 – 1100 nm yang kemudian dilakukan analisis menggunakan
metode PCA dan SIMCA.
Hasil prediksi menunjukkan bahwa metode PCA dan SIMCA mampu
membedakan kopi Codot dan kopi biasa. Hasil analisis PCA terbaik diperoleh
untuk tipe spektra kombinasi standard normal variate (SNV) dan moving average
9 segmen pada panjang gelombang 190 – 1100 nm (panjang gelombang penuh).
Pada pengembangan model menggunakan SIMCA spektra kombinasi standard
normal variate (SNV) dan moving average 9 segmen menghasilkan nilai PC1
sebesar 72% dan PC2 sebesar 26%. Sedangkan untuk klasifikasi SIMCA
diperoleh nilai akurasi (AC), nilai sensitivitas (S), dan nilai spesifisitas (SP)
sebesar 100%.
Kata kunci : kopi Codot, Kopi Robusta Lampung, UV-Vis Spectroscopy,
Principal Component Analysis (PCA), Soft Independent Modelling of Class
Analogy (SIMCA).
STUDI PENGGUNAAN UV-VIS SPECTROSCOPY DAN METODE SIMCA
UNTUK MEMBEDAKAN KOPI CODOT DAN KOPI BIASA
Oleh
Galih Eko Nugroho
Skripsi
Sebagai Salah Satu Syarat untuk Mencapai Gelar
SARJANA TEKNOLOGI PERTANIAN
Pada
Jurusan Teknik Pertanian
Fakultas Pertanian Universitas Lampung
FAKULTAS PERTANIAN
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2019
x
RIWAYAT HIDUP
Penulis dilahirkan di Desa Sukoyoso, Kecamatan
Sukoharjo, Kabupaten Pringsewu Provinsi Lampung
pada tanggal 07 April 1996, putra pertama dari dua
bersaudara, dari pasangan Bapak Wito dan Ibu Siti
Komariah. Pendidikan Sekolah Dasar (SD)
diselesaikan di SDIT Bustanul Ulum di Kecubung
Terbanggi Besar pada tahun 2008. Penulis
melanjutkan pendidikan Sekolah Menengah Pertama (SMP) diselesaikan di
SMPIT Bustanul Ulum pada tahun 2011 dan Sekolah Menengah Atas (SMA)
diselesaikan di MAN 1 Poncowati Lampung Tengah pada tahun 2014.
Tahun 2014, penulis terdaftar sebagai mahasiswa Jurusan Teknik Pertanian,
Fakultas Pertanian, Universitas Lampung melalui jalur Seleksi Bersama Masuk
Perguruan Tinggi Negeri (SBMPTN). Penulis terdaftar di Organisasi Persatuan
Mahasiswa Teknik Pertanian (PERMATEP) sebagai Anggota Biasa PERMATEP.
Penulis juga terdaftar aktif di Unit Kegiatan Mahasiswa Korps Sukarela (KSR)
PMI Unit Universitas Lampung sebagai Anggota Divisi Pendidikan dan Latihan
pada periode 2016-2017.
xi
Pada tanggal 17 Juli - 25 Agustus 2017, penulis melaksanakan Praktek Umum
(PU) selama 30 hari kerja di PT GREAT GIANT PINNEAPPLE (GGP)
Lampung Tengah, Lampung dengan judul “Mekanisme mempelajari Forcing
Tanaman Nanas (Ananas Comosus) pada PT Great Giant Pinneapple di
Provinsi Lampung”. Pada tanggal 22 Januari-2 Maret 2018, penulis melakukan
Kuliah Kerja Nyata (KKN) di Desa MargoMulyo, Kecamatan Semaka, Kabupaten
Tanggamus selama 40 hari kerja dengan tema “Pariwisata dan Budaya dalam
Membangun dan Meningkatkan Kemandirian Desa”.
xii
SANWACANA
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat serta hidayah-
Nya sehingga penulis dapat menyelesaikan tugas akhir perkuliahan dalam
penyusunan skripsi ini yang berjudul “Studi Penggunaan UV-Vis Spectroscopy
dan Metode SIMCA untuk Membedakan Kopi Codot dan Kopi Biasa”.
Skripsi ini adalah salah satu syarat untuk memperoleh gelar Sarjana Teknologi
Pertanian pada Jurusan Teknik Pertanian, Fakultas Pertanian, Universitas
Lampung.
Penulis menyadari dalam penyusunan skripsi ini terdapat begitu banyak kesalahan
dan kekurangan. Ucapan terima kasih penulis sampaikan kepada seluruh pihak
yang telah memberikan bantuan, bimbingan serta saran dalam pelaksanaan
penelitian dan penulisan skripsi. Ucapan terimakasih penulis ucapkan kepada :
1. Bapak Prof. Dr. Ir. Irwan Sukri Banuwa, M.S., selaku Dekan Fakultas
Pertanian Universitas Lampung
2. Bapak Dr. Ir. Agus Haryanto, M.S., selaku Ketua Jurusan Teknik Pertanian,
Universitas Lampung.
3. Bapak Dr. Agr. Sc. Diding Suhandy, S.TP., M.Agr., selaku Dosen
Pembimbing Utama yang telah meluangkan waktunya untuk membimbing,
xiii
memotivasi dan memberikan saran selama proses penelitian hingga
penyusunan skripsi ini.
4. Ibu Cicih Sugiyanti, S.TP., M.Si., selaku pembimbing kedua yang telah
memberikan berbagai masukan dan bimbingannya dalam pembuatan proposal
penelitian.
5. Bapak Dr. Ir. Sapto Kuncoro, M.S., yang telah bersedia menjadi pembimbing
kedua menggantikan Ibu Cicih Sugiyanti, S.TP., M.Si., yang memberikan
bimbingan dalam menyelesaikan skripsi.
6. Dr. Ir. Tamrin, M.S., selaku pembahas yang telah memberikan saran dan
masukan sebagai perbaikan selama penyusunan skripsi ini.
7. Seluruh dosen di Universitas Lampung yang telah memberikan ilmu serta
pengalaman selama penulis menjadi mahasiswa.
8. Bapakku Wito, Ibuku Siti Komariah, Adikku Gilang Triyogi, serta semua
keluarga tercinta yang telah memberikan kasih sayang, dukungan moral,
material dan doa.
9. Teman-teman seperjuangan Teknik Pertanian 2014 yang telah memberikan
waktu, dukungan, semangat, canda dan motivasi.
10. Teman-teman Eny Supriyanti, Nur Azis S.P, Komang Sukarye, Nicolas yang
telah membantu selama penelitian berlangsung.
11. Keluarga angkatan 24 UKM KSR PMI Unit Universitas Lampung.
12. Keluarga Besar UKM KSR PMI Unit Universitas dari angkatan 1 hingga
angkatan 29.
13. Keluarga Besar Teknik Pertanian Angkatan 2011, 2012, 2013, 2015, 2016,
2017, 2018 dan 2019.
xiv
Semoga Allah SWT membalas semua kebaikan Bapak, Ibu, serta rekan-rekan
sekalian, dan semoga skripsi ini dapat bermanfaat untuk semua pihak di masa
yang akan datang.
Bandarlampung, 2019
Penulis,
Galih Eko Nugroho
xv
Alhamdulillahirabbalalaamin
Sebagai wujud rasa syukur yang tiada terkira. Ku persembahkan
karya kecilku teruntuk
Ibukku Siti Komariah
Bapakku Wito
Adikku Gilang Triyogi
Seluruh keluarga Besarku
Serta
Almamater tercinta Universitas Lampung
Teknik Pertanian 2014
xvi
DAFTAR ISI
Halaman
ABSTRACT ......................................................................................................... ii
DAFTAR ISI..................................................................................................... xvi
DAFTAR GAMBAR ....................................................................................... xvii
DAFTAR TABEL ............................................................................................. xx
I. PENDAHULUAN ................................................................................... 1
1.1 `Latar Belakang ............................................................................... 1
1.2 Tujuan Penelitian............................................................................. 5
1.3 Manfaat Penelitian........................................................................... 5
1.4 Hipotesis Penelitian......................................................................... 6
1.5 Batasan Masalah.............................................................................. 6
II. TINJAUAN PUSTAKA ......................................................................... 7
2.1 Kopi Robusta................................................................................... 7 2.1.1 Kopi Robusta Tanggamus..................................................... 8
2.1.2 Kopi Codot / Bat Coffee ....................................................... 9
2.2 UV-Vis Spectroscopy....................................................................... 10
2.3 Kemometrika ................................................................................... 13
2.3.1 PCA (Principal Component Analysis) .................................. 14
2.3.2 SIMCA (Soft Independent Modelling of Class Analogy) ..... 14
2.3.3 Matriks Konfusi .................................................................... 15
2.3.4 Metode Pretreatment Spektrum ............................................ 17
2.4 Kurva Receiver Operating Characteristic (ROC) .......................... 21
III. METODOLOGI PENELITIAN............................................................ 24
3.1 Waktu dan Tempat .......................................................................... 24
3.2 Alat dan Bahan ................................................................................ 24
3.3 Prosedur Penelitian.......................................................................... 25
xvii
3.3.1 Persiapan Alat dan Bahan ..................................................... 26
3.3.2 Ekstraksi Kopi....................................................................... 28
3.3.3 Pengambilan Spektra Menggunakan Spektrometer .............. 31
3.3.4 Membuat dan Menguji Model .............................................. 33
3.3.5 Analisis Data......................................................................... 33
3.3.6 Principal Component Analysis (PCA) .................................. 33
IV. HASIL DAN PEMBAHASAN............................................................... 38
4.1 Analisis Spektra Kopi Codot dan Kopi Biasa ................................. 38
4.2 Hasil Principal Component Analysis (PCA)
pada Spektra Original ...................................................................... 42
4.3 Model Soft Independent Modelling of Class Analogy (SIMCA)
pada Spektra Original...................................................................... 45
4.4 Klasifikasi pada Spektra Original ................................................... 48
4.5 Analisis Perlakuan pada Spektra Kopi Codot dan Kopi Biasa........ 54
4.6 Hasil PCA Menggunakan Spektra
SNV+Moving Average 9 segmen .................................................... 57
4.7 Model SIMCA pada Spektra Kombinasi SNV dan
Moving Average 9 Segmen ............................................................. 61
4.8 Klasifikasi Model SIMCA pada Spektra Kombinasi SNV dan
Moving Average 9 Segmen ............................................................. 64
4.9 Receiver Operating Characteristic (ROC) ..................................... 70
V. KESIMPULAN ....................................................................................... 76
5.1 Kesimpulan...................................................................................... 76
5.2 Saran ................................................................................................ 78
DAFTAR PUSTAKA ....................................................................................... 79
LAMPIRAN...................................................................................................... 82
DAFTAR GAMBAR
Gambar Halaman
1. Bubuk Kopi Biasa dan Bubuk Kopi Codot ................................................ 3
2. Biji Kopi Robusta ....................................................................................... 8
3. Biji Hasil Fermentasi Codot ....................................................................... 10
4. UV-VIS Spectroscopy ................................................................................. 11
5. Prinsip Kerja UV-VIS Spectroscopy ........................................................... 12
6. Perbandingan bentuk kurva ROC (Sprawls, 1995). ................................... 22
7. Diagram Alir Penelitian (Pratiwi, 2017) .................................................... 25
8. Penggilingan Kopi ...................................................................................... 26
9. Penimbangan .............................................................................................. 27
10. Penambahan Larutan Aquades sebanyak 50 ml pada sampel Kopi ........... 28
11. Pengadukan Larutan kopi ........................................................................... 29
12. Penyaringan Kopi ....................................................................................... 29
13. Hasil Pengenceran Sampel 1:20 ................................................................. 30
14. Prosedur Ekstraksi Kopi (Sambudi, 2018). ................................................ 31
15. Cara Memasukan Data ke dalam The Unscramler 9.2 .............................. 34
16. Cara Mentranpose data ke dalam The Unscrambler 9.2 ............................ 35
17. Cara Membuat Category Variable ............................................................. 35
18. Menu Edit Set ............................................................................................. 36
xviii
19. Grafik Nilai Rata-Rata Spektra Original pada Panjang Gelombang
190 – 1100 nm. ....................................................................................... 39
20. Grafik Nilai Rata-Rata Spektra Kombinasi SNV dan
Moving Average 9 Segmen pada Panjang Gelombang 190 – 1100 nm. . 41
21. Hasil Plot Diskriminasi PCA pada PC1 dan PC2 dari 200 Sampel ........... 43
22. Grafik X-Loading PC1 Hasil PCA pada 200 Sampel................................. 44
23. Grafik X-Loading PC2 Hasil Diskriminasi PCA pada 200 Sampel ........... 45
24. Model SIMCA Sampel Kopi Codot ........................................................... 47
25. Model SIMCA Sampel Kopi biasa ............................................................ 47
26. Coomans Plot Hasil Klasifikasi Model SIMCA pada Spektra Original. ... 53
27. Hasil Plot Diskriminasi PCA pada Spektra Kombinasi SNV dan Moving
Average 9 segmen. .................................................................................. 59
28. Grafik X-loading PC1 Hasil Diskriminasi PCA pada Spektra Kombinasi
SNV dan Moving Average 9 Segmen. .................................................... 60
29. Grafik X-loading PC2 Hasil Diskriminasi PCA pada Spektra Kombinasi
SNV dan Moving Average 9 Segmen. .................................................... 61
30. Model SIMCA Codot pada Spektra Kombinasi SNV dan
Moving Average 9 Segmen ..................................................................... 62
31. Model SIMCA Kopi biasa pada Spektra Kombinasi SNV dan Moving
Average 9 Segmen .................................................................................. 63
32. Coomans Plot Hasil Klasifikasi Model SIMCA pada Spektra Kombinasi
SNV dan Moving Average 9 Segmen. .................................................... 69
33 Kurva ROC level 0,1% Klasifikasi Sampel Kopi Codot dan
Kopi biasa menggunakan Spektra Original ............................................ 72
34 Kurva ROC level 0,5% Klasifikasi Sampel Kopi Codot dan
Kopi biasa menggunakan Spektra Original ............................................ 72 35 Kurva ROC level 1%, 5%, 10%, 25% Klasifikasi Sampel Kopi Codot
dan Kopi biasa menggunakan Spektra Original ..................................... 73
36 Kurva ROC level 0,1%, 0,5%, 1%, 5%,10%, 25% Klasifikasi Sampel
Kopi Codot dan kopi biasa menggunakan Spektra Kombinasi
SNV dan Moving Average 9 Segmen. .................................................... 75
xix
37. Penambahan Aquades 50 ml ke dalam Sampel Kopi................................ 101
38. Timbangan Dalam posisi tidak ada Sampel kopi ...................................... 101
39. Memasukan Larutan ke dalam Kuvet ....................................................... 102
40. Grafik Hasil Absorbansi Kopi ................................................................... 102
41. Coomans Plot Hasil Klasifikasi Model SIMCA pada Spektra Original. .. 103
42. Coomans Plot Hasil Klasifikasi Model SIMCA pada Spektra Kombinasi
SNV dan Moving Average 9 Segmen. .................................................... 103
DAFTAR TABEL
Tabel Halaman
1. Matriks Konfusi ........................................................................................... 16
2. Komposisi Bahan ......................................................................................... 27
3. Hasil Klasifikasi Model SIMCA pada Spektra Original. ............................. 49
4. Matriks Konfusi pada Spektra Original. ...................................................... 52
5. Hasil Pengembangan Model SIMCA ........................................................... 55
6. Nilai PC Kopi Codot dan Kopi biasa pada Spektra Kombinasi SNV dan
Moving Average 9 Segmen ....................................................................... 64
7. Hasil Klasifikasi Model SIMCA SNV Moving Average 9 Segmen ............ 65
8. Matriks Konfusi Berdasarkan SNV Moving Average 9 segmen .................. 68
9. Hubungan Spesifisitas dan Sensitivitas Beberapa Level Klasifikasi pada
Spektra ...................................................................................................... 71
10. Hubungan Spesifisitas dan Sensitivitas Beberapa Level Klasifikasi pada
Spektra Kombinasi SNV dan Moving Average 9 Segmen. ...................... 74
11. Daftar Singkatan Nama ................................................................................ 83
12. Hasil Diskriminasi PCA pada Spektra Original Dalam Bentuk Angka
(Numeric) .................................................................................................. 83
13. Hasil Diskriminasi PCA pada Spektra Kombinasi SNV dan
Moving Average 9 Segmen Dalam Bentuk Angka (Numeric) .................. 92
I. PENDAHULUAN
1.1 `Latar Belakang
Kopi adalah minuman yang digemari banyak orang, baik pria maupun wanita.
Semua orang di dunia ini tidak ada yang tidak mengetahui kopi. Kopi adalah
sejenis minuman yang berasal dari proses pengolahan dan ekstraksi biji tanaman
kopi. Jenis kopi yang dikembangkan di Indonesia adalah kopi Arabika dan kopi
Robusta. Kopi Robusta memiliki tingkat produksi terbesar kedua di antara
komoditas perkebunan rakyat lainnya. Di samping rasa dan aromanya yang
menarik, biji kopi mengandung berbagai senyawa kimia seperti karbohidrat,
protein, mineral, kafein, trigonelin, asam alifatik (asam karboksilat), asam
klorogenat, lemak dan turunannya, glikosida, dan komponen volatil (Naidu dkk,
2008).
Produksi kopi dunia pada tahun 2017-2018 mengalami penurunan sebesar 0,3%
menjadi 158.560.000 ton lebih rendah tahun lalu. Pada waktu yang sama produksi
Arabika dunia diperkirakan menurun sebesar 6,6% menjadi 97.160.000 ton,
sementara produksi Robusta diperkirakan tumbuh 11,5% menjadi 61.400.000 ton.
Produksi kopi dunia mengalami pertumbuhan di semua daerah kecuali daerah
Amerika Selatan yang diketahui mengalami penurunan produksi 8,2% lebih
rendah, dengan total produksi 70.570.000 ton. Pada daerah Afrika produksi kopi
2
naik sebesar 5,3% dengan total produksi 17.630.000 ton. Pada zona Asia dan
Oceania kenaikan produksi sebesar 7,9% dengan total produksi 48.440.000 ton
dan zona Meksiko dan Amerika Tengah kenaikan sebesar 7% dengan total
produksi 21.9200.000 ton (ICO, 2018).
Menurut Badan Pusat Statistik Provinsi Lampung (2017), Lampung mampu
menghasilkan 128.074 ton kopi di tahun 2017. Kopi Robusta lebih berkembang di
Provinsi Lampung jika dibandingkan dengan kopi Arabika karena kopi Robusta
memiliki luas lahan tanam dan tingkat produksi yang jauh lebih besar
dibandingkan kopi Arabika. Perkebunan kopi sebagian besar berpusat di
Kabupaten Lampung Barat, Tanggamus dan Way Kanan.
Kopi Codot adalah sebutan dari sebuah produk kopi yang berasal dari kabupaten
Tanggamus, Lampung. Kopi ini memiliki keunikan dalam hal pemanenan kopi.
Berbeda dengan pesaing dari kopi Codot yaitu kopi Luwak, kopi Codot memiliki
aroma dan citarasa yang khas. Mekanismenya diilustrasikan Codot memakan buah
yang sudah matang tersebut untuk diambil daging buahnya lalu memuntahkan
kembali biji yang terdapat pada buah tersebut. Pada saat Codot memakan buah
terdapat enzim atau zat yang terkandung pada mulut Codot yang ikut pada biji
kopi yang dimuntahkan tersebut yang kemudian biji itu yang dikumpulkan para
petani dari kebun mereka dan melalui proses yang panjang sampai kopi tersebut
menjadi sebuah produk kopi. Harga untuk kopi Codot di Lampung berkisar Rp
60.000 – Rp 70.000 per 250 gr. Berbeda dengan harga kopi Robusta biasa yang
berkisar Rp 40.000 - Rp 45.000 per 250 gr. Perbedaan harga yang signifikan
tersebut dikarenakan kopi Codot memiliki kualitas dan citarasa yang khas.
3
Hal tersebut yang mendasari terjadinya kegiatan pemalsuan produk olahan kopi.
Menurut Iriani (2016), kegiatan pemalsuan pangan di Indonesia semakin banyak
dilakukan khususnya untuk komoditas kopi. Pemalsuan adalah upaya perubahan
tampilan makanan yang lebih murah dengan tujuan meningkatkan penampilan
makanan untuk memperoleh keuntungan yang sebesar-besarnya sehingga hal
tersebut memberikan dampak buruk pada konsumen yang secara sengaja
dilakukan dengan cara menambah atau mengganti bahan. Secara kasat mata kopi
yang sudah menjadi bubuk akan susah dibedakan antara yang asli dan palsu
Seperti pada Gambar 1 yang menunjukkan kopi yang sudah dihaluskan.
Gambar 1. Bubuk Kopi Biasa dan Bubuk Kopi Codot
Terdapat beberapa metode yang dapat digunakan untuk menemukan perbedaan
dari kedua kopi tersebut, di antaranya adalah metode organoleptik. Metode
organoleptik ini memiliki kelemahan dan keterbatasan akibat beberapa
sifat indrawi tidak dapat dideskripsikan yang terkadang dapat dipengaruhi oleh
kondisi fisik dan mental panelis yang menyebabkan menurunnya tingkat
kepekaan. Metode lain yang dapat digunakan dalam menemukan perbedaan ini
https://id.wikipedia.org/w/index.php?title=Indrawi&action=edit&redlink=1
4
adalah metode NIR-Spectroscopy (Near Infra Red). Umumnya spektroskopi NIR
dipilih karena cepat, murah dan tidak merusak sampel analisis (Roggo, 2007).
Pada satu sisi kelemahan dalam penggunaan metode ini yaitu mahalnya peralatan
yang digunakan kemudian tingginya biaya perawatan sehingga teknologi NIR
sulit diaplikasikan ke masyarakat.
Selanjutnya adalah metode GLC (Gas Liquid Chromatography) dan HPLC (High
Performance Liquid Chromatography) Kedua metode ini telah diketahui
merupakan suatu teknik analisis yang cepat, dapat memisahkan campuran menjadi
komponen-komponen tunggalnya dengan spesifisitas dan ketelitian yang tinggi
(Lee dan Shang, 2008). Sama-sama menggunakan basis kromatografi pada
prosesnya. Namun metode tersebut memiliki kelemahan yaitu seringnya metode
tersebut digunakan pada industri farmasi dan metode analisisnya membutuhkan
waktu yang cukup lama. Dari sekian kelemahan metode tersebut bisa diatasi
dengan penggunaan teknik cepat untuk mampu membedakan dan pemalsuan kopi
Arabika dengan menggunakan metode UV-Vis Spectroscopy.
Banyak peneliti yang sudah menggunakan metode UV-Vis Spectroscopy untuk
mengidentifikasi perbedaan dan pemalsuan kopi. Menurut Iriani (2016), bahwa
metode UV-Vis Spectroscopy mampu mengidentifikasi campuran kopi Arabika
murni dengan klasifikasi data yang diperoleh nilai akurasi sebesar 56%,
sensitivitas 58%, dan nilai spesifisitas 0%. Menurut Pratiwi (2017) teknologi UV-
Vis spectroscopy telah berhasil dalam menunjukkan perbedaan pada beberapa
kopi spesialti yang telah dilakukan pengujian pada beberapa kopi seperti kopi
Gayo Aceh, Kintamani Bali, dan Wamena Papua.
5
Teknologi UV-Vis Spectroscopy memiliki banyak kelebihan yaitu peralatan
dengan harga terjangkau dan mudah diaplikasikan di masyarakat serta metode
yang analisisnya tepat dan cepat. Teknologi UV-Vis Spectroscopy tepat digunakan
untuk membedakan kopi biasa dan kopi Codot/Batcoffee. Kopi tersebut akan
dibedakan berdasarkan sifat optik dengan menggunakan UV-Vis Spectroscopy
untuk mendapatkan absorban data. Absorban data yang sudah diperoleh dianalisis
dengan teknik kemometrika menggunakan analisis multivariat. Analisis
multivariat yang digunakan dalam penelitian ini yaitu principal component
analysis (PCA) dan soft independent modelling of class analogy (SIMCA).
1.2 Tujuan Penelitian
Penelitian ini bertujuan:
1 Membangun model diskriminasi kualitatif untuk mengklasifikasikan kopi
Codot dengan kopi biasa
2 Menguji model yang dibangun untuk proses diskriminasi kopi Codot
dengan kopi biasa.
1.3 Manfaat Penelitian
Manfaat dari penelitian ini adalah
1 Memberikan informasi tentang perbedaan kopi Codot dengan kopi biasa.
2 Memberikan informasi kepada masyarakat tentang kualitas dari kopi
Codot sehingga layak dikonsumsi dengan harga yang sesuai.
3 Mencegah pemalsuan dan pencampuran kopi Codot dengan kopi biasa.
6
1.4 Hipotesis Penelitian
Hipotesis dari penelitian yaitu teknologi UV-Vis Spectroscopy dapat membedakan
kopi Codot dengan kopi biasa berdasarkan spektranya menggunakan metode
SIMCA.
1.5 Batasan Masalah
Batasan masalah dalam penelitian ini yaitu proses diskriminasi hanya pada kopi
bubuk murni kopi Codot dan kopi bubuk biasa.
II. TINJAUAN PUSTAKA
2.1 Kopi Robusta
Kopi (Coffea sp) merupakan salah satu hasil komoditi perkebunan yang memiliki
nilai ekonomis yang cukup tinggi di antara tanaman perkebunan lainnya dan
berperan penting sebagai sumber devisa negara dan juga merupakan sumber
penghasilan dari satu setengah juta jiwa petani kopi di Indonesia (Rahardjo,
2012). Kopi Robusta adalah salah satu jenis kopi yang banyak dibudidayakan di
Indonesia, hampir diseluruh wilayah indonesia memiliki kopi jenis ini. Kopi
Robusta memiliki tekstur yang lebih kasar dibandingkan kopi jenis lainnya,
aromanya lebih pekat, kadar kafein akan cenderung meningkat ketika elevasi
tempat tumbuh kopi Robusta semakin tinggi (Towaha dkk, 2014). Kopi jenis
Robusta merupakan kopi yang paling akhir dikembangkan oleh pemerintahan
Belanda di Indonesia. Kopi ini lebih tahan terhadap cendawan Hemileia vastatrix
dan memiliki produksi yang tinggi dibandingkan kopi Liberika. Akan tetapi,
citarasa yang dimilikinya tidak sebaik dari kopi jenis Arabika, sehingga dalam
pasar Internasional kopi jenis ini memiliki indeks harga yang rendah
dibandingkan kopi jenis Arabika. Kopi ini dapat tumbuh dengan baik pada
ketinggian diatas 600 sampai 700 m dpl (Indrawanto et al. 2010). Karakter
morfologi yang khas pada kopi Robusta adalah tajuk yang lebar, perwatakan
8
besar, ukuran daun yang lebih besar dibandingkan daun kopi Arabika, dan
memiliki bentuk pangkal tumpul. Selain itu, daunnya tumbuh berhadapan dengan
batang, cabang, dan ranting-rantingnya (Najiyati dan Danarti, 2012).
Gambar 2. Biji Kopi Robusta
2.1.1 Kopi Robusta Tanggamus
Masyarakat Tanggamus sudah mengenal kopi sejak lama. Mungkin sejak zaman
Belanda masyarakat Lampung sudah mengenal kopi. Tanggamus adalah salah
satu kabupaten penghasil kopi utama dari Provinsi Lampung. Nama daerah ini
sendiri diambil dari nama Gunung Tanggamus (2.100 mdpl) tempat kabupaten ini
berada. Perkebunan kopi memenuhi kaki hingga lereng gunung yang memiliki
hutan lumut di puncaknya itu. Robusta Tanggamus memiliki ciri khas
dibandingkan kopi di wilayah lain. Pasalnya, ini sangat bergantung pada
kesuburan tanah di Tanggamus dan pengelolaannya yang menggunakan pupuk
alami. Letak geografis juga memberi pengaruh pada ciri khas kopi Tanggamus.
Tanaman kopi Robusta (Coffea canephora) merupakan spesies kopi yang
pohonnya bisa mencapai 12 meter. Tanaman ini lebih tahan terhadap cuaca dan
9
hama penyakit, serta lebih mudah untuk pemeliharaannya. Kopi ini bertekstur
kasar, pahit, dan mengandung kafein yang tinggi.
2.1.2 Kopi Codot / Bat coffee
Kopi Codot merupakan jenis kopi Robusta yang ditanam di lereng gunung
Tanggamus. Dinamai kopi Codot, karena kopi ini merupakan hasil memungut dari
sisa makanan Codot. Codot yang termasuk satwa Nocturnal dan hanya aktif pada
malam hari. Jika Luwak memakan biji kopi dan kemudian kopi dipungut dari
kotorannya, Codot justru hanya memakan daging buah kopi, sementara bijinya
dimuntahkan kembali. Dalam hal ini, Codot hanya memilih biji yang sudah merah
atau matang (petik merah) sebagai sumber makanannya.
Jenis kopi yang dikenal dengan sebutan kopi Codot inilah, yang kemudian diolah
oleh Kelompok Wanita Tani Hutan (KWTHUT) Himawari di desa Margoyoso,
Kecamatan Sumberejo, Kabupaten Tanggamus, Provinsi Lampung. KTWHUT
Himawari merupakan salah satu lembaga yang terdapat di Gabungan Kelompok
Tani (Gapoktan) HKM Beringin Jaya. Kopi Codot yang ternyata memiliki rasa
khas serta citra rasa tersendiri, selama ini hanya dikonsumsi sendiri oleh para
petani yang ada di Tanggamus. Namun, kadang petani mencampur kopi Codot
dengan kopi lain untuk dijual dengan harga murah (Mongabay, 2017).
10
Gambar 3. Biji Hasil Muntahan Codot
Kopi yang satu ini memang memiliki harga yang relatif lebih murah dibandingkan
dengan kopi petik merah biasa. Hal ini karena petani tidak perlu memelihara
Codot secara khusus, sebab Codot ini sering berkeliaran di sekitaran perkebunan
kopi dan membuang kotorannya sembarangan. Sehingga hal ini tentu
memudahkan para petani untuk mendapatkan biji kopi yang didapatkan dari sisa-
sisa kotoran Codot ini. Selain itu juga para petani tidak perlu mengeluarkan biaya
operasional untuk bisa mendapatkan biji kopi yang digunakan untuk membuat
kopi yang satu ini. Hal ini yang menyebabkan perbedaan harga pada kopi luwak
dan kopi yang berasal dari kelelawar dan hal tersebut yang juga yang
mempengaruhi tingkat produksi dan kesulitan dalam mendapatkan biji kopi yang
merupakan bahan baku dalam pembuatan kopi tersebut (www.lintaskopi.com,
2017).
2.2 UV-Vis Spectroscopy
Spektrofotometer UV-Vis adalah salah satu alat ukur untuk analisa unsur-unsur
berkadar rendah secara kuantitatif maupun secara kualitatif. Penentuan secara
kualitatif berdasarkan puncak-puncak yang dihasilkan pada spektrum suatu unsur
http://www.lintaskopi.com/
11
tertentu pada panjang gelombang tertentu, sedangkan penentuan secara kuantitatif
berdasarkan nilai absorbansi yang dihasilkan dari spektrum senyawa kompleks
unsur yang dianalisa dengan pengompleks yang sesuai. Pembentukan warna
dilakukan dengan cara menambahkan bahan pengompleks yang selektif terhadap
unsur yang ditentukan (Noviarty dan Angraini, 2013). Pada Gambar 4 adalah alat
dari UV-Vis Spectroscopy.
Gambar 4. UV-VIS Spectroscopy
Gambar 4 adalah alat UV-Vis Spectroscopy yang digunakan untuk membedakan
atau mengetahui pemalsuan produk pangan. Spektrometer merupakan metode
analisis yang penggunaanya didasarkan pada besarnya nilai absorbsi suatu zat
terhadap radiasi sinar elektromagnetik. Prinsip kerja spektrometer berdasarkan
hukum Lambert-Beer, bila cahaya monokromatik melalui suatu media (larutan)
maka sebagian cahaya tersebut diserap, sebagian dipantulkan, dan sebagian lagi
dipancarkan. Absorban adalah suatu polarisasi cahaya yang terserap oleh bahan
atau komponen kimia tertentu pada panjang gelombang tertentu sehingga akan
12
memberikan warna tertentu terhadap bahan sinar yang dimaksud bersifat
monokromatis dan mempunyai panjang gelombang tertentu. Persyaratan hukum
Lambert-Beer antara lain radiasi yang digunakan harus monokromatik, energi
radiasi yang diabsorbsi oleh sampel tidak menimbulkan reaksi kimia, dan sampel
(larutan) yang mengabsorbsi harus homogen (Apratiwi, 2016).
Gambar 5. Prinsip Kerja UV-VIS Spectroscopy
Instrumentasi spektrofotometer UV-Vis yang terdiri dari 5 bagian utama, yaitu
sumber radiasi, wadah sampel, monokromator, detektor, amplifier, dan rekorder.
Secara umum instrumen UV-Vis spektrometer yaitu,
1 Sumber radiasi
Yang digunakan oleh spektrometer adalah lampu wolfram atau sering
disebut lampu tungsten, dan ada juga yang menggunakan lampu
deuteurium (lampu hidrogen)
2 Kuvet
Kuvet yang baik untuk spektrometer UV-Vis yaitu kuvet dari kuarsa yang
dapat melewatkan radiasi daerah ultraviolet. Sel yang baik tegak lurus
13
terhadap arah sinar untuk meminimalkan pengaruh pantulan radiasi. Selain
itu kuvet yang digunakan tidak boleh berwarna.
3 Monokromator
Digunakan sebagai alat penghasil sumber sinar monokromatis.
4 Detektor
Memberikan respon terhadap cahaya pada berbagai panjang gelombang.
Detektor akan mengubah cahaya menjadi sinyal listrik dan selanjutnya
akan ditampilkan oleh penampil data dalam bentuk angka digital.
Ketika cahaya dari sumber radiasi diteruskan menuju monokromator, cahaya dari
monokromator diarahkan terpisah melalui sampel dengan sebuah cermin berotasi.
Detektor menerima cahaya dari sampel secara bergantian secara berulang-ulang,
sinyal listrik dari detektor diproses, diubah ke digital dan dilihat hasilnya
(Apratiwi, 2016).
2.3 Kemometrika
Kemometrika adalah ilmu pengetahuan yang menghubungkan pengukuran yang
dibuat pada suatu proses atau sistem kimiawi melalui penggunaan ilmu
matematika dan statistika (Rohman, 2014). Kemometrika berfokus pada ekstraksi
informasi yang relevan dari data kimiawi dengan memanfaatkan ilmu matematika
dan statistika (Kurt, 2009). Kemometrika banyak berkaitan dengan pengukuran
data multivariat. Data multivariat adalah data yang dihasilkan dari pengukuran
banyak variabel pada satu sampel yang sama (Rohman, 2014). Uji statistik
multivariat merupakan alat yang sangat baik digunakan untuk menganalisis data
14
yang diperoleh dari suatu pengukuran kimia dan membuat suatu model
matematika empirik untuk secara instan dapat memprediksi suatu nilai yang tidak
dapat diukur secara langsung (Kurt, 2009). Metode kemometrika sering disebut
juga dengan metode statistik multivariat (Mubayinah dkk, 2016). Analisis
multivariat yang paling sering digunakan adalah PCA (principal component
analysis) dan SIMCA (soft independent modelling of class Analogy).
2.3.1 PCA (principal component analysis)
Principal component analysis (PCA) adalah sebuah teknik untuk membangun
variabel-variabel baru yang merupakan kombinasi linear dari variabel-variabel
asli. Jumlah maksimum dari variabel-variabel baru akan sama dengan jumlah
variabel lama dan masing-masing variabel tidak berkorelasi. Kelebihan PCA yaitu
dapat menghilangkan korelasi, tidak mengurangi jumlah variabel asli dan lebih
akurat dibandingkan dengan pengunaan metode lain.
Prinsip PCA adalah mencari komponen utama yang merupakan kombinasi linear
dari variabel asli. Komponen-komponen utama ini dipilih sedemikian rupa
sehingga komponen utama pertama memiliki varian terbesar dalam gugus data,
sedangkan komponen utama kedua tegak lurus terhadap komponen utama pertama
dan memiliki varian terbesar berikutnya (Miller dan Miller 2000).
2.3.2 SIMCA (soft independent modelling of class analogy)
15
Soft independent modelling of class analogy (SIMCA) merupakan teknik analisis
multivariat terawasi yang digunakan untuk menguji kekuatan diskriminasi
dan klasifikasi sampel. SIMCA digunakan untuk menetapkan sampel ke dalam
kelas yang tersedia dengan tepat. Metode klasifikasi ini didasarkan pada
pembuatan model PCA untuk masing-masing kelas dan mengklasifikasikan setiap
sampel pada masing-masing model PCA. Hasil luaran dari SIMCA berupa tabel
klasifikasi dimana sampel dapat terklasifikasi dalam satu, beberapa kelas, atau
tidak terklasifikasikan ke dalam kelas manapun (Nurcahyo, 2015).
Klasifikasi di SIMCA dibuat dengan membandingkan varian residual dari sampel
dengan rata-rata residual varian dari sampel tersebut yang membentuk kelas.
Perbandingan ini memberikan ukuran langsung dari kesamaan sampel untuk kelas
tertentu dan dapat dianggap sebagai ukuran goodness of fit dari sampel untuk
model kelas tertentu (Lavine, 2009).
2.3.3 Matriks Konfusi
Lavine (2009) mengatakan bahwa Matriks konfusi yaitu merupakan tabel pencatat
hasil kerja klasifikasi dari pengolahan menggunakan SIMCA. Rumus Matriks
konfusi memiliki beberapa keluaran yaitu akurasi, spesifitas, dan sensitivitas.
Akurasi adalah ketepatan dari model yang dibuat, dimana a adalah nomor sampel
dari kelas A yang masuk di kelas A aktual, sedangkan d adalah nomor sampel dari
kelas B yang masuk ke kelas B aktual, b adalah nomor sampel dari kelas A yang
masuk ke kelas B aktual, dan c adalah nomor sampel dari kelas B yang masuk ke
kelas A aktual. Sensitivitas adalah menunjukkan kemampuan model untuk bisa
16
menolak sampel yang bukan kelasnya. Spesifisitas adalah kemampuan model
untuk mengarahkan sampel untuk masuk ke dalam kelas secara benar.
Tabel 1. Matriks Konfusi
Model Kopi Codot Model Kopi biasa
Aktual Kopi Codot a b
Aktual Kopi biasa c d
a) Akurasi (AC) =
................................ (1)
b) Sensitivitas (S) =
................................ (2)
c) Spesifisitas (SP) =
................................ (3)
Keterangan :
a : Sampel kelas Codot yang masuk ke dalam kelas Codot
b : Sampel kelas Codot yang masuk ke dalam kelas biasa
c : Sampel kelas biasa yang masuk ke dalam kelas Codot
d : Sampel kelas biasa yang masuk ke dalam kelas biasa
Klasifikasi nilai akurasi menunjukkan keakuratan model yang dibangun.
Sensitivitas menunjukkan kemampuan model untuk menolak sampel yang bukan
kelasnya, semakin tinggi nilai sensitivitas maka model yang dibangun semakin
mengenali karakteristik sampel. Sedangkan untuk nilai spesifisitas merupakan
kemampuan model untuk mengarahkan sampel masuk ke dalam kelasnya secara
benar. Jadi, semakin tinggi nilai akurasi, sensitivitas, dan spesifisitas maka model
yang dibangun akan semakin baik.
17
2.3.4 Metode Pretreatment Spektrum
Pretreatment spektra dilakukan untuk mengurangi pengaruh interferensi
gelombang dan noise pada data spektra yang didapat agar diperoleh model yang
lebih akurat dan stabil. Sebelum dilakukan pengembangan model
analisis, data spektra akan mendapat perlakukan pretreatment baik data
kalibrasi maupun prediksi. Berikut ini 5 metode pretreatment yang dapat
dipergunakan untuk memperbaiki spektra yang didapat (Prieto, 2017.) :
a. Smoothing moving average
Merupakan metode yang sering digunakan untuk menghilangkan noise.
Pada umumnya, dikombinasikan dengan motode pengolah awal data lain
untuk melakukan penghilangan noise.
Berikut persamaan dalam metode smoothing moving average.
Keterangan :
Sj : Nilai smoothing moving average pada panjang gelombang ke j
Yj : Nilai spektra asli pada panjang gelombang ke j
j : Indeks panjang gelombang
9 : Jumlah segmen
Rumus diatas untuk segmen = 9, pembagi dan penyebut dapat berubah sesuai
dengan segmen yang dibuat. Hasil smoothing moving average akan terpusat
di tengah karena hal tersebut jumlah segmen merupakan bilangan ganjil.
18
b. Savitzky-Golay differentiation
Digunakan untuk menghilangkan background dan meningkatkan resolusi
spektra. Derivative mampu memperjelas puncak dan lembah spektra absorban
data. Diferensiasi Savitzky-Golay biasanya fokus pada diferensiansi pertama.
turunan pertama (1st) memungkinkan penghapusan offset, sementara
derivative ke-2 (2nd
) menghilangkan offset dan baseline.
Berikut merupakan rumus dari diferensiasi :
∑
c. Mean normalization (MN)
Tujuan dari pretreatment ini adalah untuk menskala sampel dalam
rangka untuk mendapatkan semua data pada sekitar skala yang sama
berdasarkan daerah, mean, maksimum, puncak dan vektor satuan.
Semua data spektrum juga dinormalisasi sebagai mean normalization.
Berikut merupakan persamaan mean normalize
Keterangan :
Xmean(i,k) : Nilai mean normalize pada sampel i di panjang gelombang k
i : Indeks sampel
k : Indeks panjang gelombang
Xraw : Nilai spektra asli
Xmean :Nilai spektra rata-rata pada sampel.
19
Xmean menggunakan rata-rata nilai spektra pada baris panjang gelombang dari
Xraw hingga akhir.
d. Multiplicative scatter correction (MSC)
Metode MSC merupakan salah satu pendekatan untuk mengurangi
Amplification (multiplicative, scattering) efek di spektrum. Multiplicative
scatter correction (MSC) berguna untuk memperbaiki variasi cahaya yang
menyebar dalam data spektroskopi. Tujuan utama MSC adalah untuk
memperbaiki semua sampel sehingga semuanya memiliki tingkat persebaran
cahaya yang sama.
Berikut persamaan yang digunakan dalam metode MSC.
̅
Keterangan :
: Nilai dari spektrum yang dikoreksi (matriks data).
Xorg : Nilai dari spektra asli
̅ : Nilai dari spektrum rata-rata
ei : Nilai error
ai : Nilai intersep
bi : Nilai slope
i : Indeks sampel
j : Indeks panjang gelombang
20
yang pertama dilakukan untuk mencari nilai MSC adalah mencari koefisien
regresi yaitu yang diperoleh dari persamaan regresi setiap sampel
pada grafik linier yang dibuat dan menunjukkan persamaan y = a+bx pada
sampel i. Setelah koefisien regresi didapat, maka dilakukan perhitungan
MSC menggunakan persamaan di atas.
e. Standard normal variate (SNV)
Metode SNV adalah transformasi yang menghilangkan scatter effects
dari spektrum dengan memusatkan dan men-skala spektrum individual.
Seperti MSC, hasil praktis dari SNV adalah menghilangkan multiplicative
interferences dari scatter effects pada data spektra. Tujuan utama dari SNV
adalah penghapusan gangguan multiplikasi dari persebaran dan ukuran
partikel.
Berikut persamaan yang digunakan pada metode SNV :
√∑ ̅
̃ ̅
Keterangan :
: Standar deviasi
K : Jumlah data pada sampel i
i : Indeks sampel
k : Indeks panjang gelombang
̃ : Nilai SNV dari sampel i pada panjang gelombang k
21
: Nilai spektra original pada sampel i pada panjang gelombang k
̅ : Nilai rata-rata pada sampel i
Sebelum mencari nilai SNV, dilakukan perhitungan standar deviasi yang
merupakan nilai statistik untuk menentukan bagaimana sebaran data pada
setiap sampel. Nilai standar deviasi diperoleh dengan menjumlahkan nilai
absorban setiap sampel dari panjang gelombang 190 nm-1100 nm. Setelah
diperoleh nilai standar deviasi, dilakukan perhitungan untuk mencari nilai
SNV pada setiap panjang gelombang.
2.4 Kurva Receiver Operating Characteristic (ROC)
Kurva ROC pertama kali digunakan para insinyur elektro dan teknisi radar selama
perang dunia kedua untuk mendeteksi benda-benda musuh di medan pertempuran,
selanjutnya hal ini dikenal sebagai teori deteksi sinyal. Analisis ROC selanjutnya
berkembang dan telah digunakan dalam bidang kedokteran, radiologi, serta pada
beberapa bidang lainnya selama beberapa dekade. Analisis ROC secara lebih
lanjut telah diperkenalkan pada bidang yang relatif baru seperti machine learning
dan data mining (Fawcett, 2006).
Kurva Receiver Operating Characteristic (ROC) merupakan sebuah penghitungan
statistika untuk menilai akurasi dari sebuah prediksi. Sebuah prediksi dibuat
sebelum nilai dari entitas atau wujud yang diprediksi tersebut dikenal. Oleh
karena itu, diperlukan sebuah metode untuk mengevaluasi akurasi dari berbagai
prediksi tersebut. Dalam kurva Receiver Operating Characteristic terdapat
22
hubungan antara sensitivitas dan spesifisitas yang bersifat trade-off antara
keduanya (Gonen, 2007). Grafik hubungan antara sensitivitas dan spesifisitas
ditunjukan pada Gambar 6.
Gambar 6. Perbandingan bentuk kurva ROC (Sprawls, 1995).
Receivier Operating Characteristic (ROC) adalah grafik antara sensitivitas (true
positive rate) pada sumbu Y dengan 1-spesifisitas pada sumbu X (false positive
rate), seakan-akan menggambarkan tawar menawar antara sensitivitas dan
spesifisitas. Kurva ROC adalah gambaran dua dimensi dari kinerja suatu
pengklasifikasi. Suatu metode yang umum digunakan untuk menghitung nilai
kinerja dari pengklasifikasi adalah dengan menghitung luas daerah dibawah
kurva ROC, disebut dengan AUC (Area Under Curve). Karena AUC adalah luas
kurva dari suatu persegi empat, maka nilainya selalu berada di antara 0 dan 1.
Untuk suatu kurva ROC yang memadai, maka letaknya selalu berada di daerah
sebelah atas dari garis diagonal (0,0) dan (1,1), sehingga tidak ada nilai AUC yang
lebih kecil dari 0,5.
23
Untuk klasifikasi data mining, nilai AUC dapat dibagi menjadi beberapa
kelompok (Gorunescu, 2011).
a. 0,90-1,00 = Klasifikasi sangat baik
b. 0,80-0,90 = Klasifikasi baik
c. 0,70-0,80 = Klasifikasi cukup
d. 0,60-0,70 = Klasifikasi kurang
e. 0,50-0,60 = Klasifikasi gagal
III. METODOLOGI PENELITIAN
3.1 Waktu dan Tempat
Penelitian ini dilaksanakan pada bulan Agustus 2018 di Laboratorium Rekayasa
Bioproses dan Pasca Panen, Jurusan Teknik Pertanian, Fakultas Pertanian,
Universitas Lampung.
3.2 Alat dan Bahan
Alat yang digunakan dalam penelitian ini yaitu Genesys 10 UV-Vis Spectroscopy,
cuvet, mesh, rubber bulb, aluminium foil, ayakan tyler meinzer II, stirrer model
S130810-33 (size pelat atas 4x4, tegangan 220-240 volt, kecepatan pengadukan 6
(350 rpm)), beaker glass, labu erlenmeyer 50 ml, botol semprot, pemanas air,
toples, botol transparan, termometer, timbangan digital, kertas saring, pengaduk,
spatula, pipet ukur (1 ml, 2 ml, 25 ml), gelas ukur, dan corong plastik. Sedangkan
bahan yang digunakan yaitu tissue, aquades, kopi Codot dan kopi biasa. Kopi
Codot didapatkan dari Kelompok Tani Wanita Hutan (KTWHUT) Himawari di
desa Margoyoso, Kecamatan Sumberejo, Kabupaten Tanggamus, Provinsi
Lampung. sedangkan kopi biasa didapatkan dari Kecamatan Ulubelu, Kabupaten
Tanggamus, Provinsi Lampung
25
3.3 Prosedur Penelitian
Penelitian ini dilakukan untuk mendiskriminasikan kopi Robusta menggunakan
teknologi UV-Vis Spectroscopy dan kemometrika. Tahapan-tahapan penilitian
yang akan dilakukan pada penelitian ini meliputi persiapan alat dan bahan,
ektraksi kopi, pengambilan spectra menggunakan Spectrophotometer, membuat
dan menguji model, dan analisis data yang sudah didapatkan. Diagram penelitian
dapat dilihat pada Gambar 7.
Gambar 7. Diagram Alir Penelitian (Pratiwi, 2017)
Mulai
Persiapan alat dan bahan
Ekstraksi kopi
Pengenceran
Pengambilan spektra menggunakan
spektrofotometer
Analisis data
Bangun model
Evaluasi model
26
3.3.1 Persiapan Alat dan Bahan
Terdapat beberapa tahapan persiapan alat dan bahan yang dilakukan pada
penelitian ini, yaitu :
1. Persiapan alat
Persiapan alat-alat yang akan digunakan penting dilakukan agar pelaksanaan
penelitian dapat berjalan dengan lancer tanpa kendala. Alat-alat yang akan
digunakan harus dilakukan pengecekan secara seksama agar dapat dipastikan
bahwa alat tersebut dapat digunakan dengan baik.
2. Penggilingan kopi
Penggilingan kopi dilakukan untuk pengecilan ukuran (size reduction). Proses
penggilingan kopi dapat dilihat pada Gambar 8.
Gambar 8. Penggilingan Kopi
Pada Gambar 8 Kopi dihaluskan menggunakan mesin coffee grinder dengan
daya 180 watt tipe SCG 178. Penggilingan kopi ini bertujuan untuk
mengecilkan ukuran agar memudahkan pada saat proses ekstraksi kopi yang
akan dijadikan sampel.
27
3. Pengayakan
Pengayakan dilakukan untuk mendapatkan ukuran yang seragam dari partikel
kopi yang digunakan. Kopi diayak dengan menggunakan ayakan tyler
meinzer II dengan mesh ukuran 50 (0,297 mm) (Iriani, 2016).
4. Penimbangan
Kopi Codot dan kopi biasa masing-masing ditimbang seberat 1 gram seperti
yang ditunjukkan pada Gambar 9.
Gambar 9. Penimbangan
Pada Gambar 9 merupakan proses penimbangan kopi Codot dan kopi biasa
yang digunakan sebagai sampel uji sebanyak 1 gram untuk setiap ulangan.
Jumlah sampel ulangan dan komposisi kedua jenis kopi tersebut dapat dilihat
pada Tabel 2.
Tabel 2. Komposisi Bahan
No Sampel Komposisi Bahan
1-50 1 gram kopi Codot
50-100 1 gram kopi biasa
28
Pada Tabel 2 dijelaskan kopi Codot dan kopi biasa menggunakan 50 sampel
yang tiap sampel ditimbang seberat 1 gram pada setiap sampel kopi Codot
atau kopi biasa.
3.3.2 Ekstraksi Kopi
Berikut adalah tahapan dalam prosedur ekstraksi sampel:
1 Pembuatan Larutan
Pembuatan larutan dapat dilihat pada Gambar 10.
Gambar 10. Penambahan Larutan Aquades sebanyak 50 ml pada sampel Kopi
Pada Gambar 10 sampel untuk pengujian yang berupa bubuk harus dibuat
larutan saat pengujian menggunakan alat spektrometer dengan cara sampel
yang telah ditimbang dimasukkan ke dalam gelas ukur dan dilarutkan dengan
aquades sebanyak 50 ml pada suhu 90-98°C.
2 Pengadukan
Pengadukan larutan menggunakan stirrer dapat dilihat pada Gambar 11.
29
Gambar 11. Pengadukan Larutan kopi
Pada Gambar 11 dilakukan pengadukan larutan kopi menggunakan stirer
model S130810-33 (size pelat atas 4x4, tegangan 220-240 volt, kecepatan
pengadukan 6 (350 rpm), selama 10 menit untuk menghomogenkan larutan
kopi.
3 Penyaringan
Sampel yang sudah terlarut dan homogen kemudian dilakukan penyaringan
yang bertujuan untuk memisahkan ampas kopi dengan hasil ekstrak kopi.
Proses penyaringan dapat dilihat pada Gambar 12.
Gambar 12. Penyaringan Kopi
30
Pada Gambar 12 menunjukkan proses penyaringan kopi agar terpisah antara
ampas kopi dan hasil ekstraksi. Setelah dilakukan penyaringan proses
selanjutnya yaitu mendinginkan larutan ekstraksi menjadi suhu 27ºC
menggunakan stirer.
4 Pengenceran
Ekstrak kopi yang dihasilkan pada langkah penyaringan kemudian
didinginkan hingga mencapai suhu 27°C, selanjutnya dilakukan pengenceran
dengan perbandingan 1 : 20 (Apratiwi, 2016). Larutan pengenceran 1:20
dapat dilihat pada Gambar 13.
Gambar 13. Hasil Pengenceran Sampel 1:20
Pada Gambar 13 menjelaskan hasil pengenceran sudah siap untuk dilakukan
pengambilan spektra menggunakan spektrofotometer dengan mengambil
larutan pengenceran tersebut sebanyak 1 ml yang kemudian dimasukkan ke
dalam kuvet.
Pada proses ekstraksi kopi banyak hal yang perlu di perhatikan dalam tahap
pengekstraksian, dimulai dari pencampuran larutan Aquades dengan kopi sampai
memasukkan ekstrak kopi yang sudah dilakukan pengenceran ke dalam kuvet.
Prosedur tersebut dapat dilihat dengan rinci pada Gambar 14.
31
Gambar 14. Prosedur Ekstraksi Kopi (Sambudi, 2018).
3.3.3 Pengambilan Spektra Menggunakan Spektrometer
Sampel yang telah diencerkan kemudian dimasukkan ke dalam cuvet sebanyak 2
ml. selanjutnya dimasukkan dalam sistem holder dan diukur nilai absorbannya
selama 2 menit. Prosedur Penggunaan UV-Vis Spectroscopy :
Mulai
Ditimbang sampel kopi bubuk seberat 1 gram menggunaan
timbangan analitik
Dipanaskan akuades sampai mencapai suhu 90-98oC
Dicampurkan sampel kopi yang sudah ditimbang dengan akuades
dengan suhu 90 – 98oC sebanyak 50 ml
Dihomogenkan selama 10 menit menggunakan kecepatan 6
(350rpm) kemudian setelah 10 menit disaring
Dihomogenkan kembali hasil ekstraksi selama 10 menit
menggunakan magnetic stirer dengan kecepatan 4 (250 rpm)
Dilakukan pengenceran dengan perbandingan 1:20 ekstrak
(kopi : akuades)
Selesai
32
1 Dihidupkan alat Genesys 10 UV-Vis Spectroscopy dengan cara ditekan
tombol turn on.
2 Dimasukkan blank dan sampel ke dalam cuvet, diletakkan ke dalam
holders system B (blank).
3 Ditekan tombol test lalu dipilih scanning dan enter.
4 Ditekan tombol test name (ganti nama sesuai yang diinginkan), add
character, dan ditekan tombol accept name.
5 Dipilih measurement mode (absorbance), start wavelength (190 nm), stop
wavelength (1,100 nm), sample positioner (manual 6), scan speed (fast),
interval (1 nm), auto save data (off).
6 Setelah di-setting kemudian dipilih run test.
7 Diklik tombol collect baseline, ditunggu proses sampai 100%.
8 Dipilih posisi cuvet sesuai sampel, ditunggu proses sampai 100%.
9 Setelah selesai measure sample, akan keluar graph (grafik) kemudian
diklik tombol tabular.
10 Ditekan tombol test, edit data dipilih menu save test to the USB drive.
11 Diklik tombol create test name, accept name. Data sudah tersimpan di
USB, ambil sampel dan blank yang ada di dalam holder system, bersihkan
dan dikeringkan.
12 Untuk mematikan alat UV-Vis Spectroscopy tekan tombol yang ada pada
bagian belakang alat.
33
3.3.4 Membuat dan Menguji Model
Nilai absorban yang diambil tersebut selanjutnya akan dibuat dan diuji model
dengan perangkat lunak The Unscrambler versi 9.2 dengan metode SIMCA.
3.3.5 Analisis Data
Analisis data dilakukan untuk mendeteksi pola sampel menggunakan perangkat
lunak The Unscrambler versi 9.2. Model dibangun menggunakan metode
principal component analysis (PCA) dan soft independent modelling of class
analogy (SIMCA). Sebelum dilakukan analisa dengan metode SIMCA, data yang
tersimpan pada flashdisk dipindahkan ke Ms. Excel. Selanjutnya, dilakukan
proses pembersihan data yang bertujuan untuk menghilangkan data yang tidak
lengkap. Hal ini dilakukan agar pada saat analisis didapatkan data yang
sebenarnya. Cara yang digunakan untuk melengkapi data yang hilang adalah
dengan menggantikan nilai yang hilang dengan rata-rata dari peubah. Data yang
sudah lengkap diolah menggunakan program The Unscrambler versi 9.2.
Sebelum data dianalisis menggunakan metode PCA dan SIMCA, untuk
mengetahui grafik spektrum dari nilai absorban yang diperoleh dapat dilakukan
dengan cara memblok nilai absorban, klik menu plot, dan pilih menu line.
3.3.6 Principal Component Analysis (PCA)
Data yang diambil dari UV-Vis Spectroscopy yaitu 100 sampel kopi Codot dan
100 sampel kopi biasa diambil data absorbansinya. Setelah didapatkan data
34
absorbansinya kemudian data tersebut digabungkan menjadi satu dalam satu file
Microsoft Excel 97-2003. Kemudian dianalisis menggunakan aplikasi The
Unscrambler versi 9.2. Sampel dianalisis menggunakan The Unscrambler dengan
cara dibuka dahulu aplikasi tersebut kemudian setelah terbuka klik file pilih
import data lalu dipilih format excel untuk memasukkan file Microsoft Excel 97-
2003 yang akan dianalisis yang dapat dilihat pada Gambar 15.
Gambar 15. Cara Memasukkan Data ke dalam The Unscramler 9.2
Pada Gambar 15 bertujuan untuk memasukkan data yang sebelumnya dalam
format Microsoft Excel 97-2003 menjadi data The Unscrambler 9.2 Untuk
aplikasi The Unscrambler 9.2 yang dapat digunakan yaitu format Microsoft Excel
97-2003, di atas versi Microsoft Excel 2003 aplikasi Ms.excell tidak kompatibel
untuk aplikasi The Unscrambler 9.2. Setelah data muncul pada jendela The
Unscrambler 9.2 selanjutnya data tersebut di transpose dengan perintah klik menu
task pilih tranform lalu pilih transpose dan dapat dilihat pada Gambar 16.
35
Gambar 16. Cara mentranpose data ke dalam The Unscrambler 9.2
Hasil dari mentranspose pada Gambar 16 ditunjukkan dengan bertukarnya antara
kolom dan baris. Dengan tujuan memindahkan data absorban pada kolom menjadi
baris dan sebaliknya. Sebelum mencari nilai PCA pada The Unscrambler 9.2
melalui beberapa tahap di antaranya klik menu Edit pilih Append pilih Category
Variable, kemudian isi Category Variable Name dengan “JENIS KOPI” pilih
Next dan isi Level Name dengan kopi Codot dan kopi biasa dilihat pada Gambar
17
Gambar 17. Cara Membuat Category Variable
36
Gambar 17 menjelaskan setelah diisi Jenis Kopi pada Catagory Variable Name
dengan Level Name kopi Codot dan kopi biasa. data absorban yang diperoleh
disesuaikan antara data absorban kopi Codot dengan Level Name kopi Codot
secara manual begitupun sebaliknya pada data absorban kopi biasa dengan Level
Name kopi biasa. Kemudian sebelum data dianalisis dengan PCA data
dikelompokkan sesuai kategori sampel dan peubah. Pengelompokan dilakukan
dengan klik menu modify kemudian klik edit set kemudian isi sampel set dengan
all sampel dan peubah set dengan all variable dapat dilihat pada Gambar 18.
Gambar 18. Menu Edit Set
Kemudian, setelah data sudah diklasifikasi sesuai jenis kopi, kemudian
ditambahkan kolom Category variable, kemudian isi dengan KALPRED
(Kalibrasi dan Prediksi) dengan jumlah 100 sampel kalibrasi 60 dan 40 sampel
prediksi kemudian dianalisis menggunakan metode principal componen analysis
(PCA) dengan cara pilih menu task kemudian pilih principal componen analysis
37
(PCA), selanjutnya klik menu task pilih PCA lalu pilih validasi Cross Validation,
pilih set up dan dipilih Full Cross kemudian oke.
1. Dari data yang telah diperoleh dari PCA original dalam memberikan
informasi PC1 sebesar 59% dan PC2 sebesar 27% sehingga PC1 dan PC2
menunjukkan nilai keragaman data sebesar 86% untuk keseluruhan data.
Dengan hasil kedua sampel tersebut terpisah dan tidak saling bercampur
meskipun ada beberapa sampel yang berjauhan namun tetap terikat dalam
kelompoknya.
2. Angka yang didapat dari hasil PCA menggunakan standar normal variate
(SNV), memberikan informasi yaitu nilai PC1 72% dan PC2 26% yang
berarti jumlah nilai PC1 dan PC2 98%, dengan nilai akurasi (AC) 100%,
spesifisitas (SP) 100%, sensitivitas (S) 100% yang menunjukkan hasil
diskriminasi PCA pada spektra kombinasi SNV dapat dibedakan dan
terpisah menurut spektra
3. Hasil bangun Model SIMCA menggunakan perbaikan data SNV dan
moving average 9s memberikan informasi pada Model SIMCA kopi Codot
V. KESIMPULAN
5.1 Kesimpulan Kesimpulan dari penelitian ini yaitu :
77
yang dibangun memiliki nilai PC1 sebesar 93% dan PC2 sebesar 4%, serta
pada Model SIMCA kopi biasa yang dibangun memiliki nilai PC1 sebesar
95% dan nilai PC2 sebesar 2%. Jumlah PC1 dan PC2 pada Model SIMCA
kopi Codot dan Model SIMCA kopi biasa berturut-turut sebesar 97% dan
97%. Model SIMCA yang dibangun sangat baik karena jumlah dari PC1
dan PC2 di atas 70%
4. Hasil klasifikasi sampel prediksi menggunakan spektra kombinasi SNV
dan moving average 9s sebanyak 40 sampel dalam masing-masing jenis
kopi yaitu kopi Codot dan kopi biasa diperoleh nilai akurasi (AC) sebesar
100%, nilai sensitivitas (S) sebesar 100%, nilai spesifisitas (SP) sebesar
100%. Berdasarkan hasil ini pada semua pengujian, maka model SIMCA
dapat mengidentifikasi dan mengklasifikasikan sampel prediksi ke dalam
kelas yang sesuai dengan baik. Sehingga kedua kopi ini dapat
diklasifikasikan dengan baik.
5. Hasil uji model kopi Codot dan kopi biasa pada spektra original pada level
0,1% dan 0,5% didapatkan nilai AUC 0,25 dan 0,365 sedangkan pada
level 1%, 5%, 10% dan 25% menggunakan receiver operating
characteristic (ROC) diperoleh nilai area under curve (AUC) sebesar 1
(Uji model sangat baik). Hasil uji model kopi Codot dan kopi biasa
menggunakan spektra kombinasi SNV + Moving Average 9 segmen pada
level 0,1%, 0,5%, 1%, 5%, 10%, 25% menggunakan ROC diperoleh nilai
AUC sebesar 1 (Uji model sangat baik)
78
5.2 Saran
Pada penelitian selanjutnya disarankan untuk menambah jumlah sampel kopi dan
menguji kandungan senyawa yang terdapat dalam liur kelelawar/(codot) tersebut
yang dapat membedakan kopi codot dengan kopi yang lainnya.
DAFTAR PUSTAKA
Apratiwi, N. 2016. Studi Penggunaan UV-Vis Spectroscopy Untuk
Identifikasi Campuran Kopi Luwak dengan Kopi Arabika. (Skripsi).
Universitas Lampung. Bandar Lampung. 55 pp.
Badan Pusat Statistik (BPS) provinsi lampung. 2017
https://lampung.bps.go.id/publication/2017/08/11/9f3e06a09ebc3306f2f013
c0/provinsi-lampung-dalam-angka-2017. (Diakses Pada Tanggal 2 Agustus
2018).
Detik finance.2017
https://finance.detik.com/berita-ekonomi-bisnis/d-3548984/berburu-biji-
kopi-langsung-dari-petani-berapa-harganya. (Diakses Pada Tanggal 2
Agustus 2018).
Farhaty, N, dan Muchtaridi. 2016. Tinjauan Kimia Farmakologi Senyawa Asam
Klorogenat pada Biji Kopi. Farmaka. 14(1):214-227.
Fawcett, T. 2006. An Introduction to ROC Analysis. Pattern Recognition Letters.
27(8):861-874.
International Coffea Organization (ICO). 2018.
http://www.ico.org/Market-Report-17-18-e.asp (diakses pada tanggal 2
agustus 2018)
Grace, H. A. 2017. Inventarisasi Organoleptik, kandungan Kafein dan Asam
Klorogenat pada kopi bubuk Robusta (Coffea canephora L.) di Kabupaten
Tanggamus. (Skripsi).Universitas Lampung. Bandar Lampung. 67 pp.
Gonen, M. 2007. Analyzing Receiver Operating Characteristic Curves with SAS.
SAS Institute Inc., North Carolina. 153 hlm.
Gorunescu, F. 2011. Data Mining : Concepts, Models and Techniques. S ientifi
Publishing Services Pvt. Ltd., Chennai. 325 hlm.
Indrawanto C, Kamawati E, Munarso, Prastowo SJ, Rubijo B, Siswanto. 2010.
Budidaya dan Pascapanen Kopi. Pusat Penelitian dan Pengembangan
Perkebunan, Bogor. 75 hlm.
https://lampung.bps.go.id/publication/2017/08/11/9f3e06a09ebc3306f2f013c0/provinsi-lampung-dalam-angka-2017https://lampung.bps.go.id/publication/2017/08/11/9f3e06a09ebc3306f2f013c0/provinsi-lampung-dalam-angka-2017https://finance.detik.com/berita-ekonomi-bisnis/d-3548984/berburu-biji-kopi-langsung-dari-petani-berapa-harganyahttps://finance.detik.com/berita-ekonomi-bisnis/d-3548984/berburu-biji-kopi-langsung-dari-petani-berapa-harganyahttp://www.ico.org/Market-Report-17-18-e.asp
80
Iriani, R. 2016. Studi Penggunaan UV-Vis Spectroscopy dan Kemometrika
Untuk Mengidentifikasi Pemalsuan Kopi Arabika dan Robusta Secara
Cepat. (Skripsi). Universitas Lampung. Bandar Lampung. 57 pp.
Kurt, V., Peter, F., 2009, introduction to multivariate statistical analysis in
Chemometrics. CRC Press, North Western. 111 hlm
Lavine, B.K. 2009. Validation of classifiers. In:Walczak, B., Tauler, R., and
Brown, S. (eds.). Comprehensive Chemometric : Chemical and Biochemical
Data Analysis Volume III. Elsievier, Amsterdam. 587-599.
Lee, K.J., and Sang, H.L., 2008. Extraction Behavior of Caffeine and EGCG from
Green and Black Tea. J. of Biotechnology and Bioprocess Engineering.
13(5): 646-649.
Lintas kopi. 2017. http://www.lintaskopi.com/kenikmatan-kopi-kelelawar-
bermanfaat-bagi-kesehatan/ (diakses pada tanggal 2 Agustus 2018)
Mongabay. 2017.http://www.mongabay.co.id/2017/11/27/geliat-kelompok-tani-
beringin-jaya-di-tanggamus/ (diakses pada tanggal 2 Agustus 2018)
Miller, J.C., and Miller, J.N. 2000. Statistics and Chemometrics for Analytical
Chemistry, 4th Edition. Pearson Education, Harlow. 271 hlm.
Mubayinah, A., Kuswandi, B., dan Wulandari, L. 2016. Penentuan Adulterasi
Babi pada Sampel Burger Sapi Menggunakan Metode NIR dan
Kemometrik. Pustaka Kesehatan. 4(1):35-40.
Naidu, M.M., Sulochanamma .G., Sampathu S.R., Srinivas. P. 2008. Studies on
extraction and antioxidant potential of green coffee. Food Chemistry. 107 :
337-384.
Najiyati S, Danarti. 2012. Kopi Budidaya dan Penanganan Lepas Panen. PT.
Penebar Swadaya, Jakarta (ID).
Noviarty dan Angraini, D. 2013. Analisis Neodimium Menggunakan Metoda
Spektrofotometri UV-Vis. Pusat Teknologi Bahan Bakar Nuklir BATAN.
9(11): 9- 17.
Nurcahyo, B. 2015. Identifikasi dan Autentifikasi Meniran (Phyllanthus niruri)
Menggunakan Spektrum Ultraviolet-Tampak Dan Kemometrika. (Skripsi).
Institut Pertanian Bogor. Bogor. 41 pp.
http://www.lintaskopi.com/kenikmatan-kopi-kelelawar-bermanfaat-bagi-kesehatan/http://www.lintaskopi.com/kenikmatan-kopi-kelelawar-bermanfaat-bagi-kesehatan/
81
Pratiwi, M.T. 2017. Studi Penggunaan Spektra Data di Daerah Ultraviolet Visible
dan Metode PLS-DA Untuk Diskriminasi Beberapa Kopi Spesialti
Indonesia. (Skripsi). Universitas Lampung. Bandar Lampung. 62 pp.
Prieto, B.G. 2017. Novel Variable Influence On Projection (VIP) Methods in
OPLS, O2PLS, and On PLS Models for Single- and Multi- Block Variable
Selection. (Thesis). Umea University. Sweden. 120 pp.
Rahardjo, P. 2012. Kopi. Penebar Swadaya, Jakarta. 212 hlm.
Roggo, Y., Chalus, P., Maurer, L., Lema-Martinez, C., Edmond, A., & Jent, N.
2007. A review of Near Infrared Spectroscopy and Chemometrics in
Pharmaceutical Technologies. Journal of Pharmaceutical and Biomedical
Analysis, 44(3): 683-700.
Rohman, A. 2014. Statistika dan Kemometrika Dasar dalam Analisis Farmasi.
Pustaka Pelajar, Yogyakarta. 267 hlm.
Sambudi, S. 2018. Identifikasi Keaslian Kopi Robusta Dekafenisasi
Menggunakan Teknologi UV-VIS Spectroscopy dan Kemometrika.
(Skripsi). Universitas Lampung. Bandar Lampung. 66 pp.
Souto, U.T.C.P., Barbosa, M.F., Dantas, H.V., Pontes, A.S., Lyra, W.S., Diniz,
P.H.G.D., Araujo, M.C.U., and Silva,E.C. 2015. Identification of
Adulteration in Ground Roasted Coffees Using Uv-Vis Spectroscopy and
SPA-LDA. LWT-Food Science and Technology. 63(2) : 1037-1041.
Sprawls, P. 1995. The Physical Principles of Medical Imaging, 2nd
Edition.
Medical Physics Publishing Corporation, Madison. 656 hlm.
Towaha, J., Aunillah, A., Purwanto, E.H., dan Supriadi, H. 2014. Pengaruh
Elevasi dan Pengelolaan Terhadap Kandungan Kimia dan Cita Rasa Kopi
Robusta Lampung. J. TIDP. 1(1):57-62.
