Pendugaan Kadar Air Beras Ketan Putih Dengan Teknologi NIRS Menggunakan Metode Principal Component Regression (pretreatment De-Trending, Derivative-2, dan Standart Normal Variate)

Abtrak. Kadar Air merupakan salah satu komponen penting dalam beras ketan putih yang dapat mempengaruhi kualitas dari beras ketan putih. Penelitian ini bertujuan menguji dan mengevaluasi teknologi NIRS sebagai metode cepat dan tepat dalam memprediksi kadar air beras ketan dengan metode Principal Component Regression (PCR) serta menentukan metode koreksi spektrum yang terbaik dan akurat untuk memprediksi kadar air beras ketan dengan menggunakan pretreatment De- Trending, Derivative-2, dan Standart Normal Variate (SNV). Penelitian ini menggunakan beras ketan putih yang didapat dari pasar Rukoh Banda Aceh, yang berjumlah 35 sampel. Perlakuan yang diberikan adalah tanpa perendaman, dibasahi, dan perendaman selama 5, 10, 15, 20, dan 25 menit. Prediksi kadar air beras ketan dengan NIRS menggunakan alat self developed FT-IR IPTEK T-1516 dan metode referensi yang digunakan adalah metode gravimetri yang berdasarkan pada Association of Official Analytical Chemists (AOAC). Pengolahan data menggunakan Unsclambers sofware® X version 10.5. Hasil penelitian menunjukkan bahwa NIRS dengan metode PCR mampu menghasilkan model yang baik untuk pendugaan beras ketan. Penelitian ini menghasilkan empat model pendugaan kadar air beras ketan dimana satu model tergolong very good performance (RPD3) dan tiga model tergolong good model performance (RPD2) sehingga dapat dikatakan bahwa semua model yang dihasilkan layak dan baik untuk pendugaan kadar air beras ketan. Pretreatment terbaik pada penelitian ini adalah Standart Normal Variate (SNV) dengan nilai RPD 3,12, r sebesar 0,95, R2 sebesar 0,89, dan RMSEC sebesar 2,34.Estimation of White Gluttony Rice Rate With NIRS Technology Using Principal Component Regression Method (Pretreatment De-Trending, Derivative-2, dan Standart Normal Variate)Abstract. Water content is one important component in white glutinous rice which can affect the quality of white glutinous rice. This study aims to test and evaluate NIRS technology as a fast and precise method for predicting glutinous rice water content with the Principal Component Regression (PCR) method and determine the best and accurate spectrum correction method for predicting glutinous rice water content using the De-Trending, Derivative pretreatment -2, and Standard Normal Variate (SNV). This study uses white sticky rice obtained from the Rukoh market in Banda Aceh, which amounted to 35 samples. The treatment given is without soaking, soaking, and soaking for 5, 10, 15, 20, and 25 minutes. The prediction of glutinous rice moisture content with NIRS uses a self-developed FT-IR IPTEK T-1516 tool and the reference method used is the gravimetric method based on the Association of Official Analytical Chemists (AOAC). Data processing using Unsclambers software X version 10.5. The results showed that NIRS with the PCR method was able to produce a good model for estimating glutinous rice. This study produced four models of estimation of glutinous rice water content where one model was classified as very good performance (RPD 3) and three models were classified as good model performance (RPD 2) so that it could be said that all the models produced were suitable and good for estimating rice water content sticky rice. The best pretreatment in this study is the Standard Normal Variate (SNV) with an RPD value of 3.12, r of 0.95, R2 of 0.89, and RMSEC of 2.34.