Documente Academic
Documente Profesional
Documente Cultură
ABSTRACT
Sorting dragon fruit based on color, size, and physical defects using human senses
does not adequately reflect the nutritional content of the fruit. Nutrient content in dragon
fruit has been determined by injuring fruit (destructive). The objective of the research
was to develop a non-destructive method based on color measurement to determine the
quality of dragon fruit which includes texture, moisture content, total dissolved solids,
and total acid. Non-destructive color measurement used Chromameter to predict fruit
maturity. Based on the results of this fruit maturity prediction, dragon fruit quality was
predicted by using a regression model between fruit maturity and each quality parameter.
Dragon fruit from various variations of maturity was used as a sample to find out its
quality changes, and a regression equation was formed between the maturity of fruit and
fruit quality. The results showed that along with the increasing maturity of dragon fruit,
color (La * b *), texture, moisture content, and total dissolved solids changed following a
cubic regression model. Color component "b" (yellowness) has the strongest relationship
to fruit maturity (R2 = 0.95). With the knowledge of fruit maturity based on these colors,
the quality of dragon fruit could be determined through regression equations with results
that were not significantly different from those with destructive methods, except total acid.
Keywords: dragon fruit quality, non-destructive method
ABSTRAK
Sortasi buah naga didasarkan atas warna, ukuran, dan cacat fisik dengan
menggunakan indera manusia tidak cukup mencerminkan kandungan nutrisi yang ada
dalam buah. Kandungan nutrisi dalam buah naga selama ini ditentukan dengan merusak
buah (destruktif). Penelitian ini bertujuan mengembangkan metode non-destruktif
berbasis pengukuran warna untuk penentuan kualitas buah naga yang meliputi tekstur,
kadar air, total padatan terlarut, dan total asam. Pengukuran warna secara non-destruktif
menggunakan chromameter untuk memprediksi umur buah. Berdasarkan hasil prediksi
umur buah ini, kualitas buah naga diprediksi menggunakan model regresi antara umur
buah dan masing-masing parameter kualitas. Buah naga dari berbagai variasi umur
digunakan sebagai sampel untuk diketahui perubahan kualitasnya dan disusun persamaan
regresi antara umur buah dengan kualitas. Hasil penelitian menunjukkan bahwa seiring
dengan bertambahnya umur buah naga, warna (La*b*), tekstur, kadar air, dan total
padatan terlarut berubah mengikuti model regresi kubik. Komponen warna
Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018 65
Nafis Khuriyati et al Kualitas Buah Naga
“b” (yellowness) memiliki hubungan paling kuat terhadap umur buah (R2 = 0,95).
Dengan diketahuinya umur buah berdasarkan warna tersebut, kualitas buah naga dapat
ditentukan melalui persamaan-persamaan regresi dengan hasil yang tidak berbeda nyata
dengan hasil pengukuran dengan metode destruktif, kecuali total asam.
Kata kunci: kualitas buah naga, metode non-destruktif
68 Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018
Kualitas Buah Naga Nafis Khuriyati et al
protopektin. Protopektin adalah bahan CAM dicirikan dengan terbukanya stomata
pektin yang terdapat dalam jaringan buah pada malam hari, menyebabkan kehilangan
yang belum matang. Bahan ini air oleh transpirasi cukup kecil sehingga
menghasilkan tektur keras pada buah yang kadar air relatif tetap. Hal ini sesuai dengan
belum matang. Ketika buah mengalami hasil penelitian sebelumnya yang
pematangan kemudian masak, sintesis menyatakan bahwa perubahan kadar air
enzim protopektinase menyebabkan daging buah naga hampir konstan pada
degradasi protopektin menjadi bahan berbagai tingkat umur (Kastaman, 2008).
pektin yang larut dalam air (Sikorski et al., Analisa total padatan terlarut
2008). menunjukkan bahwa total padatan terlarut
Pada saat buah berubah warna dan mengalami peningkatan hingga umur
mengalami pelunakan, komponen internal pengamatan terakhir dengan nilai antara
buah seperti kandungan air, total padatan 0,88 - 7,94 Brix. Pada saat buah masak,
terlarut, dan keasaman juga mengalami padatan terlarut total antara 6,81 - 7,94
perubahan. Pengujian kandungan buah Brix. Hasil ini sesuai dengan referensi
naga dilakukan secara destruktif yaitu maupun penelitian terdahulu yang
dengan membelah buah dan mengambil menyatakan bahwa tingkat kemanisan buah
sejumlah sampel daging buah dalam naga Hylocereus undatus lebih rendah atau
bentuk sari buah atau bubur buah. Hasil kurang manis apabila dibandingkan dengan
analisa kadar air menunjukkan bahwa buah naga spesies lain seperti Hylocerus
kadar air daging buah naga mengalami polyrhizus atau Selenicereus megalanthus.
penurunan meskipun tingkat penurunannya Padatan terlarut buah naga mempunyai
relatif kecil. Persentase kadar air buah naga korelasi yang sangat tinggi dengan gula
dalam penelitian antara 81,03- 88,98%. terlarut sehingga dapat digunakan sebagai
Grafik perubahan kadar air terhadap umur indeks kematangan (Nerd et al., 1999).
petik disajikan dalam Gambar 3. Gambar 4 menunjukkan grafik perubahan
total padatan terlarut dengan variasi umur
petik.
Analisa Regresi
Gambar 5. Perubahan total asam buah naga Analisa regresi dalam penelitian
dengan variasi umur buah ini digunakan untuk mengetahui model
hubungan antara faktor perlakuan (umur
Perubahan keasaman buah buah) dengan variabel respon yaitu
naga dicirikan dengan terjadinya kenaikan variabel warna (La*b*), tekstur, kadar air,
asam hingga mencapai puncak kemudian total padatan terlarut, dan total asam.
berangsur-angsur mengalami penurunan. Sebelum menggunakan model regresi
Fenomena ini disebabkan pada buah muda tertentu terlebih dahulu dilakukan estimasi
terjadi akumulasi asam organik yaitu asam kurva untuk mengetahui model regresi
malat. Asam malat merupakan asam yang cocok (fit) dengan pasangan data.
organik yang berperan penting dalam Model regresi yang diperoleh selanjutnya
metabolisme tanaman CAM (Crassulacean digunakan untuk memprediksi umur buah,
Acid Metabolism) seperti buah naga. tekstur, dan komposisi buah naga. Umur
Bahan-bahan organik seperti buah diprediksi dengan model regresi
asam dan pati sebagai hasil fotosintesis penduga warna, sedangkan nilai tekstur
akan digunakan sebagai sumber energi dan kandungan buah diprediksi dengan
untuk melangsungkan berbagai aktivitas model regresi penduga tekstur dan model
tanaman seperti pembelahan dan regresi penduga kandungan buah.
pembesaran sel, metabolisme, dan Hubungan antar variabel dapat
sebagainya. Oleh karena itu pada buah dideteksi terlebih dahulu dengan
muda laju fotosintesis lebih tinggi daripada pendekatan linier. Apabila model regresi
laju respirasi. Pada saat kebutuhan energi linier tidak cocok, maka data dievaluasi
untuk pertumbuhan, pemeliharaan dan dengan model non linier seperti model
proses transport tinggi, ATP dipakai polinomial tingkat tinggi, sigmoid,
dengan sangat cepat sehingga logaritma, dan eksponensial yang banyak
70 Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018
Kualitas Buah Naga Nafis Khuriyati et al
digunakan untuk menjelaskan hubungan data redness yang merupakan nilai redness
antar variabel dalam materi biologi buah naga muda.
(Gomez, 1995). Hubungan antara umur Kriteria model terbaik berdasarkan
buah dengan variabel respon dievaluasi koefisien determinasi (R2) menunjukkan
dengan model regresi linier, logaritma, bahwa R2 terbesar dari ketiga komponen
kuadratik, kubik, dan eksponensial. Model- warna terdapat pada model regresi kubik.
model tersebut kemudian ditentukan Berdasarkan uji F diketahui bahwa seluruh
dengan model regresi terbaik yang model regresi penduga lightness, redness,
memenuhi kriteria statistik serta maupun yellowness signifikan. Akurasi
mempunyai akurasi yang tinggi. Kriteria model ditentukan dengan RMSE terkecil,
statistik yang digunakan adalah koefisien yang terdapat pada model kubik penduga
determinasi (R2) dan uji F sedangkan lightness, redness, maupun yellowness.
akurasi model ditentukan dengan Root Hasil ini menunjukkan bahwa model kubik
Mean Squared Error (RMSE). mempunyai akurasi yang tinggi, jika
dibandingkan dengan model-model
Model regresi disusun dengan
lainnya. Oleh karena itu, model regresi
bantuan program SPSS 15.0 for windows.
kubik dipilih sebagai model regresi
Hasil estimasi kurva dan perhitungan
penduga lightness, redness, maupun
akurasi model regresi penduga warna
yellowness berdasarkan umur buah.
sebagaimana disajikan dalam Tabel 1.
Adapun hasil estimasi kurva dan
perhitungan akurasi model terhadap
Tabel 1. Estimasi Kurva Hubungan Umur Buah
variabel tekstur, kadar air, total padatan
dengan Variabel warna (Lightness,
redness, dan yellowness)
terlarut, dan total asam dapat dilihat pada
Tabel 2.
No Model R2
Tabel 2. Estimasi Kurva Hubungan Umur Buah
Lightness (L): dengan Tekstur, Kadar Air, Total
1 Linier Padatan Terlarut, dan Total Asam
0,86
2 Logaritmik
0,81 No. Parameter Kualitas R2
3 Kuadratik
0,87
4 Kubik Tekstur:
0,92
1 Linear 0,65
Redness (a*): 2 Logaritmik 0,57
3 Kuadratik 0,67
1 Linier 0,80
4 Kubik 0,92
2 Logaritmik 0,76 5 Eksponensial 0,74
3 Kuadratik 0,80
4 Kubik 0,92 Kadar Air:
1 Linear 0,51
2 Logaritmik 0,62
Yellownes (b*): 3 Kuadratik 0,74
1 Linier 0,85 4 Kubik 0,85
2 Logaritmik 0,80 5 Eksponensial 0,51
3 Kuadratik 0,86 Total Padatan Terlarut:
4 Kubik 0,95 1 Linear 0,89
Eksponensial 2 Logaritmik 0,81
3 Kuadratik 0,91
4 Kubik 0,99
Tabel 1 menunjukkan bahwa 5 Eksponensial 0,78
prosedur estimasi kurva dengan SPSS Total Asam:
dapat mengestimasi parameter model- 1 Linear 0,01
2 Logaritmik 0,00
model regresi kecuali model regresi 3 Kuadratik 0,28
eksponensial variabel redness. Hal ini 4 Kubik 0,32
disebabkan oleh adanya nilai negatif pada 5 Eksponensial 0,03
Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018 71
Nafis Khuriyati et al Kualitas Buah Naga
Tabel 2 memperlihatkan bahwa terbesar, maka model regresi yang diduga
model regresi penduga tekstur terbaik mempunyai keeratan hubungan antara
terdapat pada model kubik. Hasil ini juga warna dengan umur buah adalah model
ditunjukkan oleh model regresi kubik regresi kubik berdasarkan komponen
penduga kadar air, total padatan terlarut warna b* (yellowness). Metode ini telah
dan total asam. Meskipun R2 model kubik digunakan untuk mengidentifikasi mutu
penduga total asam lebih tinggi jika buah manggis menurut umur kematangan
dibandingkan model linier, logaritmik, setelah buah dipetik (Kastaman, 2008).
kuadratik, dan eksponensial namun Umur buah diduga mempunyai keeratan
nilainya hanya sebesar 0,32. Hasil yang hubungan dengan tekstur buah, hal ini
berbeda diperoleh dari perbandingan F seiring dengan penelitian dari Atkinson et
hitung dengan F tabel model-model regresi al. (2011), Zhang et al. (2011), Uluisik et
penduga total asam yang menunjukkan al. (2016), dan Ali et al. (2016)
bahwa seluruh model tidak signifikan. Hal
Model regresi kubik penduga
ini diduga disebabkan oleh adanya nilai
yellowness kemudian digunakan untuk
persentase asam yang mempunyai ciri
menduga umur buah naga. Umur buah
sebagai pencilan (outlier) sebagaimana
diperoleh dari perhitungan matematis
ditunjukkan dalam Gambar 5 yaitu pada
dengan persamaan kubik (orde 3) yang
saat buah berumur 26 DAA. Akan tetapi
akan menghasilkan 3 akar yaitu X1, X2,
nilai ini tidak dapat dihilangkan dari data
dan X3. Hasil perhitungan umur buah naga
karena merupakan fenomena biologis pada
dengan persamaan kubik disajikan dalam
buah naga. Penelitian sebelumnya oleh
Tabel 3.
Nerd et al (1999) dengan obyek buah naga
spesies Hylocereus polyrhizus dan
Tabel 3. Hasil Prediksi Umur Buah dengan
Hylocereus undatus menunjukkan trend
Model Regresi Kubik komponen
data keasaman tertitrasi yang mirip dengan
warna b* (yellowness)
penelitian ini. Karena model-model regresi
penduga total asam tidak signifikan maka X1
No b* X2 X3
model-model tersebut tidak digunakan
sebagai alat prediksi. Berdasarkan nilai R2 1 6,61 7,4≈7 32,4≈32 50,8≈51
terbesar dan Uji F maka model regresi
terbaik untuk menduga nilai variabel 2 6,16 7,3≈7 32,6≈33 50,7≈51
tekstur, variabel kadar air, dan variabel
3 6,19 7,3≈7 32,6≈33 50,7≈51
padatan terlarut total adalah model kubik.
72 Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018
Kualitas Buah Naga Nafis Khuriyati et al
Tabel 4. Hasil Prediksi Kualitas Buah Naga dengan Prediktor Umur Buah
Nomer Umur Total Padatan
Tekstur (N) Kadar air (%)
sampel (DAA) Terlarut (Brix)
Prediksi Aktual Prediksi Aktual Prediksi Aktual
74 Jurnal Teknologi & Industri Hasil Pertanian Vol. 23 No.2, September 2018