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