Model Penduga Kadar Glukosa dalam Jus Buah Menggunakan Spektroskopi Inframerah-dekat dan Regresi Kuadrat Terkecil Parsial
DOI:
https://doi.org/10.24246/juses.v7i2p74-80Keywords:
jus buah, glukosa, PSLR, spektroskopiAbstract
Glukosa merupakan gula alami yang terdapat dalam buah segar dan memainkan peran penting pada rasa dan derajat kemanisan jus buah tersebut. Mengetahui kadar glukosa dalam jus buah murni berguna untuk pengendalian kualitas dan pelabelan gizi serta memastikan bahwa konsumen mendapatkan produk yang mereka harapkan. Paper ini membahas teknik pendugaan kadar kandungan glucosa jus buah menggunakan spektroskopi inframerah dekat (Near-Infrared Spectroscopy, NIRS) dan metode Regresi Kuadrat Terkecil Parsial (Partial Least Square Regression, PLSR). Sebanyak 14 sample glukosa-akuades dengan konsentrasi antara 0 – 2500 mg/dL digunakan sebagai sumber data spektral pembangun model regresi sedangkan sampel jus dari 10 jenis buah digunakan sebagai sumber data spektral target penentuan kadar glukosa berdasarkan model yang dibangun. Seluruh data spektral dianalisis pada daerah bilangan gelombang 4200 – 4800 cm-1. Pra-perlakuan data meliputi smoothing, normalisasi, turunan pertama, dan turunan kedua diterapkan pada masing-masing spektrum. Penggunaan variabel laten sebanyak 4 menghasilkan PRESS (Predicted Residual Error Sum Of Square) terkecil atau hasil prediksi yang optimal. Model prediksi yang dihasilkan mampu menentukan kadar glukosa dengan nilai RMSE 3 mg/dL pada data kalibrasi dan dapat menentukan kadar glukosa jus buah tertinggi yaitu 713 mg/dL pada tebu dan kadar glukosa terendah yaitu 247 mg/dL pada kelapa.
Downloads
References
Abdi, H. (2010). Partial least squares regression and projection on latent structure regression (PLS Regression). Wiley Interdisciplinary Reviews: Computational Statistics, 2(1), 97–106. https://doi.org/10.1002/wics.51
Amao, I. (2018). Health Benefits of Fruits and Vegetables: Review from Sub-Saharan Africa. Vegetables - Importance of Quality Vegetables to Human Health. https://doi.org/10.5772/intechopen.74472
Baihaqi, M. Y., Lumoindong, C. W. D., & Vincent, V. (2021). Simulasi Perbandingan Filter Savitzky Golay dan Filter Low Pass Butterworth pada Orde Ketiga Sebagai Pembatal Kebisingan. KONSTELASI: Konvergensi Teknologi Dan Sistem Informasi, 1(2), 226–232. https://doi.org/10.24002/konstelasi.v1i2.4294
Chen, Q., Zhao, J., Fang, C. ., & Wang, D. (2007). Feasibility study on identification of green, black and Oolong teas using near-infrared reflectance spectroscopy based on support vector machine (SVM). Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 66(3), 568–574.
Chin, W. W. (2010). Handbook of Partial Least Squares. In Handbook of Partial Least Squares. https://doi.org/10.1007/978-3-540-32827-8
Gendro Sari, S., Susi, & Nurlely. (2017). Komposisi Kandungan Gula Buah Naga Hylocereus costaricensis yang Tumbuh di Perkebunan Anorganik Banjarbaru, Kalimantan Selatan. Borneo Journal Pharmascientech, 01(02).
Híc, P., Kožíšková, J., Omastová, P., Balík, J., Goliáš, J., & Horák, M. (2023). Physiochemical Changes of European Pear cv. Conference and Asian Pear cv. Yali during Cold Storage. Horticulturae, 9(3), 378. https://doi.org/10.3390/horticulturae9030378
Ikadianti, R., Rahawati, R., & Rusgiyono, A. (2015). Pemodelan Jumlah Uang Beredar Menggunakan Partial Least Squares Regression (Plsr) Dengan Algoritma Nipals (Nonlinear Iterative Partial Least Squares). Gaussian, 4(3), 661–668.
Kambayashi, T., Noguchi, T., Nojima, A., Kono, S., Taniguchi, S. I., & Ozaki, Y. (2020). Glucose Monitoring in Cell Culture with Online Ultrasound-Assisted Near-Infrared Spectroscopy. Analytical Chemistry, 92(4), 2946–2952. https://doi.org/10.1021/acs.analchem.9b03354
Longvah, T., Ananthan, R., Bhaskarachary, K., & Venkaiah, K. (2017). Indian Food Compostion Tables. In T. Longvah (Ed.), National Institute of Nutrition. National Institute of Nutrition Indian Council of Medical Research.
Nafisa, S., Rohmah, S., Nihan, Y. A., Nurfadhila, L., & Utami, M. R. (2023). Review: Analisis Senyawa Obat Warfarin dalam Plasma Darah dengan Metode HPLC/KCKT. Journal of Pharmaceutical and Sciences, 6(2), 479–494. https://doi.org/10.36490/journal-jps.com.v6i2.143
Nur Ramadhani, Q. A., Garini, A., Nurhayati, N., & Harianja, S. H. (2019). Perbedaan Kadar Glukosa Darah Sewaktu Menggunakan Serum Dan Plasma Edta. JPP (Jurnal Kesehatan Poltekkes Palembang), 14(2), 80–84. https://doi.org/10.36086/jpp.v14i2.407
Oliveira, I., Heleno, S. A., Carocho, M., Santos-Buelga, C., Ferreira, I. C. F. R., & Barros, L. (2021). Nutritional profile of papaya peels, pulp, and seeds (Carica papaya L.). 5th International Symposium on Phytochemicals in Medicine and Food (5-ISPMF).
Pal, M., & Molnár, J. (2021). Growing Importance of Fruits and Vegetables in Human Health. International Journal of Food Science and Agriculture, 5(4), 567–569. https://doi.org/10.26855/ijfsa.2021.12.001
Purnomo, E., Suedy, S. W. A., & Haryanti, S. (2017). Pengaruh Cara dan Waktu Penyimpanan terhadap Susut Bobot, Kadar Glukosa dan Kadar Karotenoid Umbi Kentang Konsumsi (Solanum tuberosum L. Var Granola). Buletin Anatomi Dan Fisiologi, 2(2), 107. https://doi.org/10.14710/baf.2.2.2017.107-113
Rahmatunisa, A. N., Ali, Y., & MS, E. M. (2021). Perbandingan Hasil Pemeriksaan Glukosa Darah Pada Serum Segera Dan Ditunda Selama 24 Jam. PREPOTIF : Jurnal Kesehatan Masyarakat, 5(2), 1180–1185. https://doi.org/10.31004/prepotif.v5i2.2112
Sabeetha, S., Barakatun Nisak, M. Y., & Amin, I. (2018). Glycemic index of selected watermelon (Citrullus lanatus). International Food Research Journal, 25(6), 2547–2552.
Santi, V. M. (2003). Penerapan Partial Least Square Regression (Plsr) Pada Pemodelan Kalibrasi Senyawa Aktif Kurkumin. Prosiding SNaPP2011 Sains, Teknologi, Dan Kesehatan, 33(December), 171–175.
Siswanto, I. (2010). Meningkatkan Kadar Gula Buah Melon. In MT. Dosen Program Studi Agroteknologi Fakultas Pertanian UPN “Veteran” Jawa Timur ISBN.
Srivichien, S., Terdwongworakul, A., & Teerachaichayut, S. (2015). Quantitative prediction of nitrate level in intact pineapple using Vis–NIRS. Journal of Food Engineering, 150, 29–34.
Sukmono, A., & Subiyanto, S. (2014). Penggunaan Partial Least Square Regression ( PLSR ) untuk Mengatasi Multikolinearitas dalam Estimasi Klorofil Daun Tanaman Padi dengan Citra Hiperspektral. GEOID, 10, No.01, 93–98.
Tan, S.-M., Luo, R., Zhou, Y.-P., Gong, H., & Tan, Z. (2012). Rapid and non-destructive discrimination of tea varieties by near infrared diffuse reflection spectroscopy coupled with classification and regression trees. African Journal of
Biotechnology, 11(9), 2303–2312. https://doi.org/10.5897/ajb11.2648
USDA. (2019a). Melons, cantaloupe, raw. Retrieved from U.S Department of Agriculture. Food Data Central website: https://fdc.nal.usda.gov/fdc-app.html#/food-details/169092/nutrients
USDA. (2019b). Pineapple, raw, traditional varieties. Retrieved from U.S Department of Agriculture. Food Data Central website: https://fdc.nal.usda.gov/fdc-app.html#/food-details/168193/nutrients
Workman, J. . J., & Weyer, L. (2007). Practical Guide to Interpretive Near-Infrared Spectroscopy. In Practical Guide to Interpretive Near-Infrared Spectroscopy. https://doi.org/10.1201/9781420018318
Zaitoun, M., Ghanem, M., & Harphoush, S. (2018). Sugars: Types and Their Functional Properties in Food and Human Health. International Journal of Public Health Research, 6(4), 93–99.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Jurnal Sains dan Edukasi Sains
This work is licensed under a Creative Commons Attribution 4.0 International License.
