ANALISIS MIKROSTRUKTUR BAHAN PANGAN
FAKULTAS TEKNOLOGI INDUSTRI PERTANIAN
UNIVERSITAS PADJADJARAN
Yoga Jati Pratama (240210140003)
Departemen Teknologi Industri Pangan Universitas Padjadjaran, Jatinangor
Jalan Raya Bandung-Sumedang Km. 21, Jatinangor, Sumedang 40600 Telp. (022) 7798844, 779570 Fax. (022) 7795780 Email: yoga.jpratama1@gmail.com
ABSTRAK
Mikrostruktur adalah subjek bagi observasi mikroskopik secara langsung dengan menggunakan mikroskop elektron atau optikal dan dibantu dengan menggunakan software Image J. mikrostruktur dikarakteristikkan berdasarkan nomor fase-fase yang menampilkan proporsinya serta cara-cara bagaimana fase tersebut didistribusikan atau disusun. Dalam bahan pangan pengujian mikrostruktur sering digunakan untuk menguji EPS atau Eksopolisakarida yaitu produk bioaktif yang dihasilkan oleh mikroba tertentu yang dieksresikan ke luar sel. Pengujian mikrostruktur ini biasa di aplikasikan pada berbagai produk pangan khususnya digunakan pada produk susu (Suya,2012). Dalam praktikum kali ini pengujian tersebut di aplikasikan pada tepung pisang dan tepung mokaf dengan tujuan untuk mengetahui struktur mikro bahan pangan yang akan mempengaruhi tekstur dan sifat fisiknya dengan cara melihat hasil pengujian yang ditandai dengan terlihatnya fase-fase yang berbeda dan dapat dipisahkan berdasarkan penampakannya Seperti contoh, untuk dua fase logam, satu fase akan tampak terang dan lainnya tampak gelap. Ketika hanya ada fase tunggal atau solution padat, maka tekstur akan seragam. Praktikum ini dilakukan di lab pendidikan gd.4 FTIP UNPAD.
Kata kunci : Mikrostruktur,ImageJ, tepung pisang, dan tepung mokaf.
PENDAHULUAN
Setiap makanan atau produk pangan pasti memiliki mikrostruktur yang berbeda-beda seperti halnya pada tepung, jika dilihat dari luar tidak terlihat bentuk tepung tersebut apakah seragam atau tidak, padahal itu mempengaruhi tingkat kehalusan dari tepung itu sendiri.
mikromolekul merupakan aspek yang penting untuk penilaian mutu produk pangan. mikromolekul termasuk dalam salah satu faktor yang mempengaruhi penerimaan konsumen terhadap produk pangan (Hellyer, 2004). Untuk mengetahui mikromolekul dalam bahan pangan yang baik dapat dilakukan dengan uji mikrostruktur agar mengetahui apakah bentuk struktur dalam bahan pangan tersebut seragam atau tidak.
Tekstur pada bahan pangan dapat didefinisikan sebagai cara dimana berbagai kandungan dan unsur struktural disusun dan disatukan menjadi mikro dan makrostruktur dari perwujudan eksternal struktur ini dalam bentuk aliran dan deformasi. Terdapat hubungan langsung antara komposisi bahan kimia dari makanan, sifat fisik atau mekanis, dan hasil dari sifat fisik atau mekanis tersebut. Tekstur makanan dapat ditentukan melalui tes mekanik (instrumen) atau dengan analisis penginderaan. Selanjutnya, kita menggunakan alat indera manusia sebagai alat analisis (deMan, 2013).
Suatu teknik karekterisasi untuk menentukan ukuran atau distribusi partikel dapat dilakukan dengan beberapa cara, salah satunya adalah menggunakan mikroskop elektron seperti SEM dan TEM, atau menggunakan Particle Size Analyzer (PSA). Hasil dari karakterisasi SEM /TEM berbentuk gambar digital partikel sedangkan hasil karakterisasi PSA dalam bentuk distribusi ukuran partikel.
Aplikasi yang dipakai dalam praktikum kali ini yaitu Image J, Image-J adalah software gratis atau free-software untuk proses dan teknis sederhana analisis ukuran partikel. Image J biasa digunakan untuk pengolahan gambar digital berbasis Java yang dibuat oleh Peneliti di Research Services Branch, National Institute of Mental Health, Bethesda, Maryland, USA. Untuk Penggunaan Image-J dalam analisis gambar digital telah digunakan secara luas dalam bidang kesehatan dan biologi.
Di Indonesia penggunaan Image-J tidak jauh beda yaitu untuk menganalisis ukuran partikel dalam beberapa sampel yang digunakan di PPF-LIPI. Di samping itu image J biasa digunakan oleh Universitas sebagai bentuk pembelajaran untuk mengetahui struktur mikro dalam bahan tertentu.
Kelebihan yang didapat dari aplikasi ImageJ tersebut selain gratis dan terbuka untuk umum yaitu dapat memberikan hasil analisis dan tingkat akurasi yang baik. Analisis partikel memiliki akurasi yang baik jika perbesaran yang digunakan saat pengambilan gambar sampel memiliki tingkat perbesaran yang lebih tinggi. Seperti yang dilakukan oleh PPF-LIPI hasil analisis partikel menggunakan Image-J menunjukkan bahwa tingkat akurasi yang didapatkan lebih baik dibandingkan dengan analisis partikel menggunakan PSA dengan rata-rata sebesar 88,5%. Hasil ini menunjukkan bahwa analisis partikel menggunakan free-software Image-J cukup relevan untuk digunakan sebagai media pengolahan data dan penentuan ukuran partikel yang didapat dari karakterisasi bahan pangan itu sendiri.
Hal yang perlu diperhatikan saat akan melakukan analisis mikrostruktur adalah dengan pemilihan gambar yang jelas dan tidak terlalu gelap kemudian ditambah dengan pemilihan color pada aplikasi imagej biasanya color split channel yang dipakai yaitu (red) yang dipercaya bahwa split channel tersebut lebih bersih dan lebih jelas di banding dengan color split channel lainnya. Sehingga pencarian fractal dimensi bisa lebih akurat.
Mengenal sejarah dan definisi Fraktal, pada awalnya fractal diperkenalkan pertama kali oleh Benoit Mandelbrot pada tahun 1977 dalam bukunya yang berjudul “The Fractal Geometry of Nature”. Fraktal berasal dari kata latin fractus yang artinya pecah atau tidak teratur (Mandelbrot, 1983:4). Jadi, fraktal adalah benda geometris yang kasar dan tidak teratur. Beberapa fraktal, apabila dipecah dan diambil beberapa bagian kecilnya jika diperbesar akan terlihat mirip dengan fraktal aslinya. Fraktal dikatakan memiliki detail yang tak hingga dan pada tingkat perbesaran yang berbeda, ia memiliki struktur serupa diri dengan fraktal aslinya.
Pada dasarnya fraktal merupakan geometri sederhana yang digandakan berulangkali dan digabungkan satu sama lain dalam skala yang beragam. Teknik penghitungan dimensi fraktal dapat dilakukan dengan cara box counting. Algoritma box counting bekerja dengan cara membagi obyek menggunakan kotak-kotak (boxes) berukuran tertentu, kemudian menghitung berapa banyak box yang meliputi obyek seluruhnya. Ciri dimensi fractal dapat digunakan untuk mengetahui tingkat kekasaran tekstur sebuah objek. Objek yang memiliki nilai dimensi fractal yang tinggi berarti objek tersebut memiliki tekstur yang lebih kasar. Dalam dimensi Euclid hanya mengenal dimensi 1, dimensi 2, dan dimensi 3 saja. Hal tersebut berbeda dengan dimensi dalam geometri fractal, dalam dimensi fractal, kita tidak hanya mengenal dimensi 1, dimensi 2, dan dimensi 3 saja, tapi dimensi fraktal dapat berupa bukan bilangan bulat seperti dimensi segitiga sierpienski yaitu 1,58.
Dalam pengujian ini warna yang bersih atau jelas merupakan salah satu ciri visual yang sering digunakan dalam ciri ekstrasi. Histogram warna merupakan ciri yang paling banyak digunakan untuk merepresentasikan ciri warna suatu citra. Citra pada umumnya dikonversi pada ruang warna tertentu kemudian setiap komponen warnanya dibuat histogramnya. Dari histogram warna yang telah dibuat kemudian dicari nilai piksel yang memiliki frekuensi kemunculan yang paling tinggi.
Metodologi
Bahan dan alat
Alat yang digunakan dalam praktikum ini antara lain computer dengan aplikasi image J, mikroskop, dan kamera.
Sampel yang digunakan dalam praktikum ini antara lain yaitu tepung pisang dan tepung mokaf (Modified Cassava Flour) atau tepung yang di buat dari singkong.
Prosedur Mikrostruktur Bahan Pangan
Siapkan satu sendok sampel, dan letakkan pada meja objek mikroskop kemudian capture objek dan pilih 10 gambar hasil foto kamera lalu hitung dimensi fractal pada objek tersebut.
Software Image-J
Image-J merupakan perangkat lunak yang dapat diunduh secara gratis dari http://rsb.info.nih.gov/ij/. Perangkat lunak yang telah diunduh dapat dipasangkan ke komputer dengan menjalankan paket program tersebut.
Ada dua macam versi yang dapat diunduh melalui alamat tersebut yaitu versi-32 bit dan versi-64 bit. Image-J dapat di-upgrade versi terbarunya dengan cara membuka Image-J lalu mengklik Help > Update atau dengan cara membuka link
http://rsb.info.nih.gov/ij/upgrade.
Hasil dan Pembahasan
Fraktal berasal dari kata fractus (pecah), yaitu geometri yang dibangun oleh pengulangan dan perangkaian bentuk primitif geometri tersebut. Pada dasarnya fraktal merupakan geometri sederhana yang digandakan berulangkali dan digabungkan satu sama lain dalam skala yang beragam.
Mikrostruktur dalam pangan merupakan unit struktur yang membentuk produk pangan. Mikrostruktur membentuk produk pangan dari nano struktur menjadi makrostruktur. Mikrosturktur dalam pangan dapat mempengaruhi beberapa sifat dari suatu produk pangan diantaranya fisikokimia, fungsional, dan beberapa sifat yang dipengaruhi oleh komponen penyusun produk pangan.
Pengukuran produk pangan tersebut dapat dianalisis menggunakan mikroskop, karena sifat mikrostruktur yang berukuran mikro. Pengukuran dengan menggunakan gambar hasil mikroskop. gambar dari hasil mikroskop ini yang akan dianalisis jenis dan sifat dari mikrostruktur produk pangan yang diuji.
Untuk menghitung nilai dimensi fraktal menggunakan software yaitu imagej. Imagej ialah software yang digunakan untuk menganalisis suatu gambar. Sebelumnya perlu ada preparasi terlebih dahulu yaitu sampel diambil sedikit untuk diinokulasikan ke kaca preparat. Setelah itu tutup dengan cover glass. Amati bentuk dari molekul – molekul tersebut. Kemudian ambil gambar hasil pengamatan mikroskop tersebut. Gambar yang diambil ialah 10 gambar. Selanjutnya dengan menggunakan software imagej cari nilai Df. Rata – ratakan nilai Df gambar 1 sampai gambar 10.
Lebih tepatnya yaitu pertama install software ImageJ kemudian copy fractal count ke local disc c program files image J kemudian paste pada folder tersebut. Setelah itu cek Image J dengan cara membuka aplikasi tersebut kemudian klik menu help dan pilih refresh kemudian pilih menu plugins dan pilih fractal count setelah prosedur aplikasi tersebut sudah terisntal dengan sempurna kemudian rubah format gambar hasil pengamatan yang akan di cari nilai df tersebut dengan melalui aplikasi paint kemudian save as ganti format image menjadi tif, begitu seterusnya dari gambar 1 sampai dengan gambar 10.
Kemudian foto yang telah dirubah formatnya menjadi tiff masukan ke aplikasi image j dengan mengklik menu file dan pilih open lalu cari dimana foto yang sudah dirubah menjadi tiff tersebut, jika sudah dapat kemudian klik open setelah itu ubah dalam 3 jenis bagian warna dengan cara pilih menu image, color dan klik split channel muncul 3 gambar yaitu blue, green dan red pilih red karena warna tersebut paling jelas dan bersih disbanding dengan warna lain, pilih menu analyze dan klik histogram pilih list (muncul angka), pilih menu file lalu save as, open excel pilih yes.
Buka file excel tersebut kemudian muncul nilai value dan count pada kolom A dan B, lalu dalam kolom C ketik ‘total count’ untuk mencari threshold dari hasil pengamatan tersebut dengan rumus pada baris satu kolom 3 (total count) =B2 enter, kemudian pada baris 2 dengan kolom yang sama ketik =B2 + C2 enter setelah itu seret kebawah sampai pada 255 data.
Pada kolom D biasanya digunakan untuk mencari median dari foto hasil pengamatan tersebut yaitu dengan rumus = median (c2:257)= klik enter, otomatis median akan muncul, median tersebut gunakan untuk mencari tresholdnya biasanya yang mendekati pada baris (128 yang diambil sebagai nilai tengah) buka Image J pilih gambar red klik plugins dan cari fractal count lalu masukan angka threshold (128) klik OK. Tulisan muncul “dimention fractal = 1,9485 (contoh)”
D= 1,9485
rumus Df = D + 1
= 2,9485
Setelah itu ratakan nilai Df dari 10 gambar tentukan Df tersebut RLCA (Reaction limited cluster aggregation) atau DLCA (Diffusion limited cluster aggregation)
Hasil analisis mikrostuktur yang pertama yaitu pada kelompok 1 dengan sampel tepung mokaf didapat nilai Fractal Dimensi atau nilai df yang relatif sama yaitu 2,9485 berarti sampel tersebut termasuk Reaction limited cluster aggregation (RLCA) karena pada sampel tersebut mempunyai nilai df lebih dari dua (2) berikut adalah tabel 1 hasil pengamatan gambar oleh kelompok 1
Tabel.1 hasil pengamatan kelompok 1
 |
(Hasil dokumentasi pribadi,2016)
Reaction limited cluster aggregation atau disebut Slow aggregation. RLCA menunjukan bahwa bahan berupa tepung-tepungan memiliki revulsive force yang lambat, artinya ikatan yang terjadi tidak langsung terbentuk melainkan harus melewati langkah-langkah lain beberapa kali sehingga menyebabkan agregasinya lambat. Berikut merupakan gambar hasil pengamatan mikroskopik sampel tepung mokaf dengan menggunakan mikroskop cahaya:
Gambar 1. Pengamatan Mikroskopik Tepung Mokaf
Pengamatan mikrostruktur tepung mokaf adalah pengamatan yang dilakukan dengan menggunakan mikroskop cahaya untuk melihat gambaran komponen dari tepung mokaf secara mikroskopik. Hasil pengamatan mikrostruktur tepung mokaf dapat dilihat pada Gambar 1, mulai dari pembesaran 10 kali, 40 kali dan 100 kali pembesaran obyektif. Semakin besar pembesaran objektif pada pengamatan dan semakin lama proses pematangan (penyimpanan) maka struktur tepung mokaf menjadi lebih kompak yang ditandai dengan terbentuknya penggabungan antara molekul yang dapat terlihat bola-bola kecil yang jumlahnya sangat banyak dan ini merupakan kumpulan granula-granula pati.
Hasil analisis mikrostuktur yang kedua yaitu pada kelompok 6 dengan sampel tepung pisang didapat nilai rata-rata Fractal Dimensi atau nilai df yang relatif yaitu sebesar 2,94828 berarti sampel tersebut termasuk Reaction limited cluster aggregation (RLCA) karena pada sampel tersebut mempunyai nilai df lebih dari dua (2) berikut adalah tabel 2 hasil pengamatan gambar oleh kelompok 6
Tabel.2 hasil pengamatan kelompok 6
 |
(Hasil dokumentasi pribadi,2016)
Berikut merupakan gambar hasil pengamatan mikroskopik sampel tepung pisang dengan menggunakan mikroskop cahaya:
Gambar 2. Pengamatan Mikroskopik Tepung Pisang
Pengamatan mikrostruktur tepung pisang adalah pengamatan yang dilakukan dengan menggunakan mikroskop cahaya untuk melihat gambaran komponen dari tepung pisang secara mikroskopik. Hasil pengamatan mikrostruktur tepung pisang dapat dilihat pada Gambar 2, mulai dari pembesaran 10 kali, 40 kali dan 100 kali pembesaran obyektif. Semakin besar pembesaran objektif pada pengamatan dan semakin lama proses pematangan (penyimpanan) maka struktur tepung pisang menjadi lebih kompak yang ditandai dengan terbentuknya penggabungan antara molekul yang dapat terlihat bola-bola kecil yang jumlahnya sangat banyak dan ini merupakan kumpulan granula-granula pati.
Ciri dimensi fractal dapat digunakan untuk mengetahui tingkat kekasaran tekstur sebuah objek. Objek yang memiliki nilai dimensi fractal yang tinggi berarti objek tersebut memiliki tesktur yang lebih kasar. Hal ini menunjukan bahwa tepung pisang dan tepung mokaf memiliki tingkat tekstur kekasaran yang tidak jauh berbeda.
Berdasarkan tabel 1 dan 2 terlihat bahwa tidak terjadi perbedaan nilai dimensi fraktal yang signifikan antara tepung pisang dan tepung mokaf. Nilai piksel yang paling dominan dimiliki oleh komponen warna R atau merah. Karena gambar pada komponen warna merah menunjukan gambar granula yang lebih jelas dibandingkan dengan komponen warna biru dan hijau juga menunjukan warna yang sesuai yaitu putih kekuningan. Pada umumnya bahan pangan memiliki bentuk yang tidak beraturan sehingga dilakukan pendekatan tertentu untuk menganalisis mikrostrukturnya. Suatu molekul akan membentuk partikel kecil kemudian membentuk suatu flocs atau cluster dan akan terbentuk sifat mikrostukturnya . Mekanisme pembentukan setiap partikel akan sama tetapi waktu dan respon bahan yang berbeda, ada yang cepat dan ada yang beda yaitu RLCA atau DLCA.
Diketahui kedua sampel memiliki nilai df lebih dari 2 yang menunjukan bahwa kedua sampel tersebut termasuk pada Reaction limited cluster aggregation (RLCA) hal tersebut menjelaskan bahwa agregat dalam RLCA itu sangat lambat dapat dilihat pada gambar 1
KESIMPULAN
Dalam praktikum ini dapat disimpulkan bahwa pada kedua sampel memiliki nilai df lebih dari 2 yang menunjukan bahwa kedua sampel tersebut termasuk pada Reaction limited cluster aggregation (RLCA) yang mngakibatkan agregat tersebut menjadi lambat atau kedua sampel ini memiliki revulsive force yang lambat.
Kelebihan yang didapat dari aplikasi ImageJ tersebut selain gratis yaitu dapat memberikan hasil analisis dan tingkat akurasi yang baik.
DAFTAR PUSTAKA
Woehrle, Gerd H., et. al.”Analysis of Nanoparticle Transmision Electron Microscopy Data Using a Public Domain Image Processing Program, Image.”Turk J. Chem., Vol. 30 (2006): 1 – 13.
Printice, J.H. 1990. Measurements in the Rheology of Foodstuffs. Elsevier Applied Science Publishers. London.
Hellyer, J. 2004. Quality Testing with Instrumental Texture Analysis in Food Manufactering.http://www.Labplusinternational.com. (diakses 21 Juni 2016).
Baecker, Volker.“Montpellier RIO Imaging.”Workshop: Image Processing and Analysis With ImageJ and MRI Cell Image Analyzer, National Institute of Mental Health, Maryland, 2010.
Podlasov, Alexey and Eugene Ageenko. Working and Development with ImageJ:A Student Reference, Joensuu: Departement of Computer Science, University of Joensuu, 2003.
Abramoff, Michael D., et. al.”Image Processing with ImageJ.” Biophotonic International, July 2004.
Collins, Tony J., “ImageJ for Microscopy.” BioTechnique, Vol. 43 (July, 2007): S25-S30.
Ross, Jacqui. “Image Analysis Question.” ImageJ Seminar: Introduction to Image Analysis, Biomedical Imaging Research Unit, The University of Auckland, NZ, 2009.
No comments:
Post a Comment