 |
Pada kenyataannya hingga saat ini sejumlah teknologi sensor
masif telah dikembangkan untk mengatasi keterbatasan yang dimiliki oleh metode
konvensional. Sebut saja beberapa teknologi tersebut diantaranya
spektrofotometer, analisa citra, colorimeter,
perangkat uji sifat elektrik permukaan, dan hidung elektronik. Seluruh metode
tersebut masih dalam tahap pengujian laboratorium dan memerlukan eksplorasi dan
penelitian lebih lanjut agar aplikatif untuk dunia nyata.Peningkatan konsumsi ikan terus terjadi selama beberapa
dekade terakhir. Isu utama yang menjadi fokus seluruh dunia adalah jaminan
menyeluruh terhadap konsumen terkait aspek keamanan dan mutu ikan. Metode
konvensional untuk uji kesegaran ikan biasanya sangat tergantung pada prinsip
fisik, kimia, mikrobiologi, dan sensori. Meskipun teknik konvensional tersebut
terbukti akurat dan dapat diandalkan, namun masih terdapat keterbatasan yaitu bersifat
destruktif, berulang, melibatkan penggunaan bahan kimia, dan masalah paling
krusial adalah membutuhkan personel yang sangat ahli.
Salah satu teknik nondestruktif yang cukup menjanjikan untuk dikembangkan adalah lidah elektronik yang dikombinasikan dengan teknik machine learning. Kolaborasi peneliti di Jiangsu University dan University of Cape Coast dan dipublikasikan dalam Czech J. Food Sci. Vol. 32, 2014, No. 6: 532–537 telah berhasil mengembangkan teknik lidah elektronik yang digabungkan dengan algoritma multivariat linier dan persamaan linier sebagai salah satu metode alternatif uji kesegaran ikan non destruktif. Teknologi yang dikembangkan telah digunakan untuk menguji kesegaran ikan jenis Parabramis pekinensis melalui akuisisi data dengan α-Astree TM E-tongue (Alpha M.O.S., Toulouse, France). Sebagai validasi teknik yang dikembangkan dilakukan pengujian konvensional destruktif yaitu Total Volatil Base Nitrogen (TVBN) dan Total Viable Count (TVC). Untuk mengklasifikasikan kesegaran ikan berbasis hari penyimpanan digunakan algoritma Fisher Linear Discriminant Analysis (FLDA) dan Support Vector Machine (SVM).
Hasil klasifikasi menunjukkan bahwa metode SVM memiliki performa lebih baik
dibandingkan dengan metode FLDA karena mampu mencapai akurasi hingga 97,22%.
Selain klasifikasi untuk memprediksi nilai TVBN dan TVC diterapkan metode Partial Least Square (PLS) dan Support Vector Regression (SVR). Hasil
uji menunjukkan untuk prediksi nilai TVBN dan TVC, SVR jauh lebih baik
dibandingkan PLS yang diindikasikan dengan tingkat error yang lebih kecil namun dengan koefisien korelasi lebih
tinggi. Secara kuantitatif untuk metode SVR pada prediksi TVBN memiliki RMSEP
5,65 mg/100g dan koefisien korelasi 0,9491 sementara untuk prediksi TVC
memiliki RMSEP 0,73 log CFU/g dan koefisien korelasi 0,904. Berdasarkan kajian
tersebut menunjukkan bahwa lidah elektronik dikombinasikan dengan SVM dan SVR
memiliki potensi yang menjanjikan dan bersifat nondestruktif sebagai metode non
konvesional dalam penilaian kesegaran ikan.
Penulis : I Made Susi Erawan
0 comments:
Posting Komentar