Deteksi Cemaran Bahan Pemutih Pada Beras IR64 Menggunakan Spektroskopi Near Infrared

Uswatun Karima, Hanim Zuhrotul Amanah, S.T.P., M.P., Ph.D., IPM. ; Dr. Ir. Rudiati Evi Masithoh, S.T.P., M.Dev.Tech., IPU., ASEAN Eng.

2025 | Skripsi | TEKNIK PERTANIAN

Beras merupakan komoditas pangan utama di Indonesia dengan tingkat konsumsi yang sangat tinggi. Namun, tingginya permintaan beras berpotensi menimbulkan kecurangan, salah satunya dengan penggunaan pemutih berbahaya untuk meningkatkan tampilan beras. Penelitian ini bertujuan mengembangkan metode deteksi cemaran pemutih pada beras secara non-destruktif menggunakan spektroskopi near infrared (NIR) dan analisis multivariat. Sampel beras direndam dalam larutan pemutih dengan konsentrasi 0,25% hingga 3,5%, kemudian dianalisis dalam bentuk bijian dan tepung. Data spektra dikumpulkan pada rentang panjang gelombang 680–2600 nm dan diuji kandungan pemutihnya menggunakan X-Ray Fluorescence (XRF). Analisis multivariat dilakukan dengan metode Principal Component Analysis (PCA), Partial Least Squares Regression (PLSR), dan Partial Least Squares-Discriminant Analysis (PLS-DA). PCA berhasil memisahkan sampel berdasarkan konsentrasi pemutih, dengan PC1 menjelaskan variansi sebesar 98.9 %. Model klasifikasi PLS-DA menunjukkan akurasi tinggi (>90%) terutama pada beras baru menggunakan praproses Savitzky-Golay 1st derivative. Sementara itu, PLSR menunjukkan nilai koefisien determinasi (R²) yang tinggi dan nilai RMSEC yang rendah, mengindikasikan performa prediksi yang baik. Hasil ini menunjukkan bahwa kombinasi NIR dengan analisis multivariat efektif untuk mendeteksi dan mengklasifikasi keberadaan pemutih pada beras secara cepat dan akurat. 

Rice is a staple food commodity in Indonesia, with a high consumption rate that can potentially lead to fraudulent practices, including the use of harmful bleaching agents to enhance the appearance of rice. This study aims to develop a non-destructive detection method for identifying bleaching contaminants in rice using Near-Infrared (NIR) Spectroscopy and multivariate analysis. Rice samples were soaked in bleaching solutions with concentrations ranging from 0.25% to 3.5%, then analyzed in both grain and flour forms. Spectral data were collected in the wavelength range of 680–2600 nm, and the presence of bleaching agents was validated using X-Ray Fluorescence (XRF). Multivariate analyses were performed using Principal Component Analysis (PCA), Partial Least Squares Regression (PLSR), and Partial Least Squares-Discriminant Analysis (PLS-DA). PCA successfully distinguished samples based on bleaching concentration, with PC1 explaining 99.3% of the total variance. The PLS-DA classification model demonstrated high accuracy (>90%), particularly for new rice samples processed with the Savitzky-Golay 1st derivative pre-treatment. Additionally, PLSR yielded high coefficients of determination (R²) and low RMSEC values, indicating strong predictive performance. These results confirm that the integration of NIR spectroscopy with multivariate analysis provides an effective, rapid, and accurate approach for detecting and classifying bleaching agents in rice, contributing to improved food safety monitoring.

Kata Kunci : Beras, Tepung Beras, Spektroskopi, NIR, PCA,PLS