julianamn.files.wordpress.com · Web viewLAPORAN PRAKTIKUM PENILAIAN SENSORI PANGAN Uji Skoring...

LAPORAN PRAKTIKUM

PENILAIAN SENSORI PANGAN

Uji Skoring

Diajukan untuk memenuhi salah satu tugas mata kuliah Penilaian Sensori Pangan dengan dosen pengampu Dewi Cakrawati, S.TP., M.Si

Oleh :

Juliana M Nur (1306948)

PROGRAM STUDI PENDIDIKAN TEKNOLOGI AGROINDUSTRI

FAKULTAS PENDIDIKAN DAN TEKNOLOGI KEJURUAN

UNIVERSITAS PENDIDIKAN INDONESIA

2014

I. TEORI

A. TINJAUAN BAHAN

Wafer adalah makanan cemilan/snack yang biasa dikonsumsi oleh masyarakat Indonesia. Wafer mengandung energi sebesar 53 kilokalori, protein 2,7 gram, karbohidrat 66,7 gram, lemak 28,7 gram, kalsium 182 miligram, fosfor 0 miligram, dan zat besi 2,8 miligram. Selain itu di dalam Wafer juga terkandung vitamin A sebanyak 0 IU, vitamin B1 0 miligram dan vitamin C 0 miligram. Hasil tersebut didapat dari melakukan penelitian terhadap 100 gram Wafer, dengan jumlah yang dapat dimakan sebanyak 100 %.

B. TINJAUAN TEORI

Uji skoring merupakan uji yang menggunakan panelis terlatih dan benar-benar tahu mengenai atribut yang dinilai. Tipe pengujian skoring sering digunakan untuk menilai mutu bahan dan intensitas sifat tertentu misalnya kemanisan, kekerasan, dan warna. Selain itu, digunakan untuk mencari korelasi pengukuran subyektif dengan obyektif dalam rangka pengukuran obyektif (presisi alat). (Kartika dkk., 1988).

Menurut Anonim (2006), uji skoring dilakukan dengan menggunakan pendekatan skala atau skor yang dihubungkan dengan deskripsi tertentu dari atribut mutu produk. Pada sistem skoring, angka digunakan untuk menilai intensitas produk dengan susunan meningkat atau menurun.

Secara garis besar, pekerjaan analisis data meliputi tiga langkah yaitu persiapan, tabulasi, dan penerapan data sesuai dengan pendekatan penelitian. Kegiatan dalam langkah-langkah persiapan antara lain, mengecek nama dan kelengkapan identitas pengisi, mengecek kelengkapan data, artinya memeriksa isi instrumen pengumpulan data (termasuk pula kelengkapan lembaran instrumen barangkali ada yang terlepas atau sobek), mengecek macam isian data. (Arikunto,1993)

Proses perhitungan frekuensi yang terbilang di dalam masing-masing kategori disebut tabulasi. Oleh karena itu hasil perhitungan demikian hampir selalu disajikan dalam bentuk tabel, maka istilah tabulasi sering diartikan sebagai proses penyusunan data ke dalam bentuk tabel. Tabulasi (dalam arti menyusun data ke dalam bentuk tabel) merupakan tahap lanjutan dalam rangkaian proses analisa data. Dengan tabulasi data lapangan akan segera tampak ringkas dan tersusun ke dalam suatu tabel yang baik, data dapat dibaca degan mudah dan maknanya akan mudah dipahami. (Sumarsono, 2004)

Evaluasi sensori merupakan analisis yang menggunakan manusia sebagai instrument. Salah satu uji sensori yang digunakan meluas adalah uji afektif secara kuantitatif. Uji afektif bertujuan untuk menilai respon pribadi (kesukaan atau penerimaan) dari produk tertentu, atau karakteristik produk spesifik tertentu. Uji afektif kuantitatif dapat dibagi menjadi dua kategori yaitu uji pemilihan/preferensi (preference) dan uji penerimaan (acceptance) berarti mengukur tingkat kesukaan terhadap suatu produk semetara uji preferensi menunjukan ekspresi dipilihnya satu produk yang menonjol dibandingkna dengan produk lain. (Silvana, 2010)

Uji duncan atau juga dikenal sengan istilah Duncan Multipel Range Test (DMRT) memiliki nilai kritis yang tidak tunggal tetapi mengikutri urutan rata-rata yang dibandingkan. Nilai kritis uji duncan dinyatakan dalam nilai least significant range. Uji duncan digunakan untuk menguji perbedaan di antara semua pasangan perlakuan yang ada dari percobaan tersebut, serta masih dapat mempertahankan tingkat signifikasi yang ditetapkan. (Santoso, 2005)

II. TUJUAN PRAKTIKUM

Mampu memberikan nilai/skor terhadap setiap contoh berdasarkan kesan yang didapat.

III. ALAT DAN BAHAN

Alat yang digunakan:

1. Nampan atau wadah

2. Borang

3. Alat tulis

4. Tissue

Bahan yang digunakan:

1. Wafer dengan kode 471




5. Air mineral

IV. PROSEDUR KERJA

Panelis diberikan 4 sampel wafer dengan kode yang berbeda, yang disajikan seperti dibawah ini:

471

247

336

586

Kemudian panelis diharuskan memberi skor pada setiap kode sampel berdasarkan kesan yang didapat pada setiap atribut dengan skala 1-4, semakin tinggi skor maka semakin baik mutunya.

Atribut yang ditentukan adalah sebagai berikut:

1. Warna

2. Rasa

3. Keseragaman pori

4. Kerenyahan

V. HASIL PENGAMATAN

1. Atribut Warna

Pan

471

586

336

247

1

3

1

4

2

2

2

4

1

1

3

1

3

2

2

4

2

1

4

3

5

2

4

3

3

6

3

4

2

1

7

2

3

4

3

8

3

3

3

3

9

3

4

2

2

10

3

2

4

4

∑

24

29

29

24

2,4

2,9

2,9

2,4

Data yang akan diuji harus ditransformasikan terlebih dahulu. Dengan rumus:

Data transformasi

Pan

471

586

336

247

∑X

(∑X)2

∑(X2)

1

1,870829

1,224745

2,12132

1,581139

6,798033

46,213249

12

2

1,581139

2,12132

1,224745

1,224745

6,151949

37,846475

10

3

1,224745

1,870829

1,581139

1,581139

6,257851

39,160702

10

4

1,581139

1,224745

2,12132

1,870829

6,798033

46,213249

12

5

1,581139

2,12132

1,870829

1,870829

7,444117

55,414871

14

6

1,870829

2,12132

1,581139

1,224745

6,798033

46,213249

12

7

1,581139

1,870829

2,12132

1,870829

7,444117

55,414871

14

8

1,870829

1,870829

1,870829

1,870829

7,483315

56

14

9

1,870829

2,12132

1,581139

1,581139

7,154427

51,185821

13

10

1,870829

1,581139

2,12132

2,12132

7,694608

59,206996

15

∑Y

16,90344

18,1284

18,1951

16,79754

70,02448

492,86948

126

1,690344

1,81284

1,81951

1,679754

∑Y2

285,7264

328,6387

331,0617

282,1574

1227,584

Jumlah (∑X)

70,02448

Jumlah ((∑X)2)

492,86948

Jumlah (∑(X2))

126

Jumlah (∑Y2)

1227,584

Setelah diketahui data transformasi, dilakukan uji sidik ragam (Anova)

=

= 122,5857

JK Panelis =

= 122,5857

= 0,631672

JK Sampel =

= 122,5857

= 0,172722

JK Total = Jumlah (∑(X2)) – FK

=126 – 122,5857

= 3,414301

JK Galat = JK Total – (JK Panelis + JK Sampel)

= 3,414301 – (0,631672 + 0,172722)

= 2,609907

JK Panelis

0,631672

Jk Sampel

0,172722

JK Total

3,414301

JK Galat

2,609907

db sampel= ∑sampel – 1

= 4 – 1

= 3

db panelis = ∑panelis – 1

= 10 – 1

= 9

db galat = db total – (db panelis + db sampel)

= 39 – (9 + 3)

= 27

db total = (∑panelis x ∑sampel) – 1

= (10 x 4) – 1

= 39

db panelis

9

db sampel

3

db total

39

db galat

27

KT panelis =

=

= 0,070186

KT sampel =

=

= 0,057574

KT total =

=

= 0,087546

KT galat =

=

= 0,096663

KT panelis

0,070186

KT sampel

0,057574

KT total

0,087546

KT galat

0,096663

F hitung =

=

= 0,595616

Setelah itu didapat tabel sidik ragam (Anova)

db

JK

KT

F hitung

F tabel taraf 5%

Panelis

9

0,631672

0,070186

Sampel

3

0,172722

0,057574

0,595616

2,96

Total

39

3,414301

0,087546

Galat

27

2,609907

0,096663

Bandingkan F hitung dengan F tabel taraf 5% = 2,96. Jika F hitung > F tabel maka dilanjutkan dengan uji lanjutan yaitu Uji Duncan. Jika F hitung < F tabel artinya data tidak signifikan sehingga tidak perlu dilanjutkan ke uji lanjutan (Uji Duncan).

2. Atribut Rasa

Pan

471

586

336

247

1

4

1

2

3

2

2

4

2

3

3

1

2

2

3

4

4

1

2

3

5

2

4

2

3

6

2

4

3

1

7

2

3

4

4

8

3

3

4

4

9

2

4

4

3

10

2

2

4

3

∑

24

28

29

30

2,4

2,8

2,9

3


Data transformasi

Pan

471

586

336

247

∑X

(∑X)2

∑(X2)

1

2,12132

1,224745

1,581139

1,870829

6,798033

46,213249

12

2

1,581139

2,12132

1,581139

1,870829

7,154427

51,185821

13

3

1,224745

1,581139

1,581139

1,870829

6,257851

39,160702

10

4

2,12132

1,224745

1,581139

1,870829

6,798033

46,213249

12

5

1,581139

2,12132

1,581139

1,870829

7,154427

51,185821

13

6

1,581139

2,12132

1,870829

1,224745

6,798033

46,213249

12

7

1,581139

1,870829

2,12132

2,12132

7,694608

59,206996

15

8

1,870829

1,870829

2,12132

2,12132

7,984298

63,749016

16

9

1,581139

2,12132

2,12132

1,870829

7,694608

59,206996

15

10

1,581139

1,581139

2,12132

1,870829

7,154427

51,185821

13

∑Y

16,82505

17,83871

18,2618

18,56319

71,48874

513,52092

131

1,682505

1,783871

1,82618

1,856319

∑Y2

283,0822

318,2194

333,4935

344,5919

1279,387

Jumlah (∑X)

71,48874

Jumlah ((∑X)2)

513,52092

Jumlah (∑(X2))

131

Jumlah (∑Y2)

1279,387

3. Atribut Keseragaman Pori

Pan

471

586

336

247

1

3

1

4

2

2

2

4

1

1

3

2

3

1

2

4

3

1

4

2

5

2

4

3

4

6

3

4

2

1

7

3

4

3

3

8

3

4

2

3

9

3

4

1

2

10

3

3

3

3

∑

27

32

24

23

2,7

3,2

2,4

2,3


Data transformasi

Pan

471

586

336

247

∑X

(∑X)2

∑(X2)

1

1,870829

1,224745

2,12132

1,581139

6,798033

46,21325

12

2

1,581139

2,12132

1,224745

1,224745

6,151949

37,84648

10

3

1,581139

1,870829

1,224745

1,581139

6,257851

39,1607

10

4

1,870829

1,224745

2,12132

1,581139

6,798033

46,21325

12

5

1,581139

2,12132

1,870829

2,12132

7,694608

59,207

15

6

1,870829

2,12132

1,581139

1,224745

6,798033

46,21325

12

7

1,870829

2,12132

1,870829

1,870829

7,733806

59,81176

15

8

1,870829

2,12132

1,581139

1,870829

7,444117

55,41487

14

9

1,870829

2,12132

1,224745

1,581139

6,798033

46,21325

12

10

1,870829

1,870829

1,870829

1,870829

7,483315

56

14

∑Y

17,83922

18,91907

16,69164

16,50785

69,95778

492,2938

126

1,783922

1,891907

1,669164

1,650785

∑Y2

318,2377

357,9312

278,6108

272,5092

1227,289

Jumlah (∑X)

69,95778

Jumlah ((∑X)2)

492,2938

Jumlah (∑(X2))

126

Jumlah (∑Y2)

1227,289

4. Atribut Kerenyahan

Pan

471

586

336

247

1

1

2

4

3

2

3

3

3

4

3

1

2

3

3

4

1

4

3

2

5

2

4

4

3

6

1

4

3

2

7

2

3

3

4

8

3

3

3

4

9

3

4

1

2

10

3

3

4

4

∑

20

32

31

31

2

3,2

3,1

3,1


Data transformasi

Pan

471

586

336

247

∑X

(∑X)2

∑(X2)

1

1,224745

1,581139

2,12132

1,870829

6,798033

46,21325

12

2

1,870829

1,870829

1,870829

2,12132

7,733806

59,81176

15

3

1,224745

1,581139

1,870829

1,870829

6,547541

42,87029

11

4

1,224745

2,12132

1,870829

1,581139

6,798033

46,21325

12

5

1,581139

2,12132

2,12132

1,870829

7,694608

59,207

15

6

1,224745

2,12132

1,870829

1,581139

6,798033

46,21325

12

7

1,581139

1,870829

1,870829

2,12132

7,444117

55,41487

14

8

1,870829

1,870829

1,870829

2,12132

7,733806

59,81176

15

9

1,870829

2,12132

1,224745

1,581139

6,798033

46,21325

12

10

1,870829

1,870829

2,12132

2,12132

7,984298

63,74902

16

∑Y

15,54457

19,13087

18,81368

18,84118

72,33031

525,7177

134

1,554457

1,913087

1,881368

1,884118

∑Y2

241,6337

365,9903

353,9545

354,9902

1316,569

Jumlah (∑X)

72,33031

Jumlah ((∑X)2)

525,7177

Jumlah (∑(X2))

134

Jumlah (∑Y2)

1316,569

VI. PEMBAHASAN

Uji skoring merupakan uji yang menggunakan panelis terlatih dan benar-benar tahu mengenai atribut yang dinilai. Tipe pengujian skoring sering digunakan untuk menilai mutu bahan dan intensitas sifat tertentu misalnya kemanisan, kekerasan, dan warna. Selain itu,digunakan untuk mencari korelasi pengukuran subyektif dengan obyektif dalam rangka pengukuran obyektif (presisi alat). (Kartika dkk., 1988).

Menurut Anonim (2006), Uji skoring dilakukan dengan menggunakan pendekatan skala atau skor yang dihubungkan dengandeskripsi tertentu dari atribut mutu produk. Pada sistem skoring, angka digunakan untuk menilai intensitas produk dengan susunan meningkat atau menurun.

1. Atribut Warna

Data transformasi

Panelis

336

247

471

586

∑

∑2

1

2,12132

1,581139

2,12132

1,870829

7,694608

59,207

2

2,12132

1,224745

1,870829

1,870829

7,087723

50,23581

3

2,12132

2,12132

2,12132

2,12132

8,485281

72

4

2,12132

1,870829

1,870829

1,870829

7,733806

59,81176

5

2,12132

1,581139

1,870829

1,870829

7,444117

55,41487

6

2,12132

1,224745

1,870829

1,581139

6,798033

46,21325

7

2,12132

1,581139

1,870829

1,870829

7,444117

55,41487

8

2,12132

1,870829

2,12132

1,870829

7,984298

63,74902

∑

16,97056

13,05588

15,7181

14,92743

60,67198

462,0466

2,12132

1,631985

1,964763

1,865929

∑2

288

170,4561

247,0588

222,8282

928,3431

Setelah diketahui transformasi data, dilakukan analisi sidik ragam (Anova)

FK =

FK = 115,034

JK Panelis

0,477598

Jk Sampel

1,008844

JK Total

1,965954

JK Galat

0,479512

Tabel sidik ragam (Anova)

db

JK

KT

F hitung

F tabel taraf 5%

Panelis

7

0,477598

0,068228

2,988031

2,495

Sampel

3

1,008844

0,336281

14,7273

3,07

Total

31

1,965954

0,063418

Galat

21

0,479512

0,022834

Nilai F hitung yang didapat dari analisis sidik ragam (anova) dibandingkan dengan nilai F yang terdapat di Tabel menunjukan nilai yang lebih besar sehingga dapat disimpulkan tidak terdapat perbedaan nyata antar perlakuan. Dengan kata lain panelis tidak mampu membedakan warna pada sampel yang diujikan. Oleh karena itu dilakukan analisis lebih lanjut untuk dengan menggunakan uji Duncan.

a. Uji Duncan Sampel

Perhitungan pertama dalam uji Duncan yaitu menghitung sebuah parameter standar eror rata-rata yaitu :

SX= = = 0,087243

Jumlah Galat

Jumlah sampel

2

3

4

SSR

20

2,95

3,1

3,18

21

2,94

3,09

3,175

22

2,93

3,08

3,17

LSR

0,256494

0,26958

0,276996

Nilai rata-rata dari setiap kode roti diurutkan dari yang terkecil ke yang terbesar, namun rata-rata sampel yang digunakan bukan menggunakan data dari transformasi namun dari data yang asli. Kemudian nilai rata-rata yang paling besar dikurangi oleh nilai LSR yang paling tinggi juga.

Nilai rata-rata yang telah diurutkan:

Kode

247

586

471

336

Rata-rata

2,25

3

3,375

4

Nilai rata-rata yang paling besar dikurangi dengan nilai LSR yang paling besar juga yaitu 4-0,276996= 3,723004

Dari nilai rata-rata yang terlah diurutkan maka ditarik garis dari yang lebih besar dari nilai rata-rata yang telah dikurangi oleh nilai LSR yaitu 3,723004 dan didapat hasil sebagai berikut :

247

586

471

336

2,25

3

3,375

4

Dari penarikan garis dapat disimpulkan bahwa berdasarkan uji duncan dari ketiga sampel yaitu sampel dengan kode 336 terdapat beda nyata dari keseragaman pada sampel yang diujikan.

Perbandingan antara sampel 247 dengan sampel berkode 586 yaitu berselisih 0,75 yang jika dibandingkan dengan rata-rata LSR yang kedua yaitu 0,256494 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu sampel dengan kode 247 dan sampel dengan kode 586 berbeda nyata dari segi warna.

Perbandingan antara sampel 247 dengan sampel berkode 471 yaitu berselisih 1,125 yang jika dibandingkan dengan rata-rata LSR yang ketiga yaitu 0,26958 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu sampel dengan kode 247 dan sampel dengan kode 471 berbeda nyata dari segi warna.

Perbandingan antara sampel 586 dengan sampel berkode 471 yaitu berselisih 0,375 yang jika dibandingkan dengan rata-rata LSR yang keempat yaitu 0,276996 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu sampel dengan kode 586 dan sampel dengan kode 471 berbeda nyata dari segi warna.

Sehingga dapat disimpulkan semua sampel atribut warna keempat sampel memiliki mutu warna yang berbeda-beda.

b. Uji Duncan Panelis


SX= = = 0,057114

Jumlah Galat

Jumlah sampel

2

3

4

SSR

20

2,95

3,1

3,18

21

2,94

3,09

3,175

22

2,93

3,08

3,17

LSR

0,167914

0,176482

0,181336



Kode

247

586

471

336

Rata-rata

2,25

3

3,375

4

Nilai rata-rata yang paling besar dikurangi dengan nilai LSR yang paling besar juga yaitu 4-0,181336 = 3,818664


247

586

471

336

2,25

3

3,375

4


Perbandingan antara sampel 247 dengan sampel berkode 586 yaitu berselisih 0,75 yang jika dibandingkan dengan rata-rata LSR yang kedua yaitu 0,167914 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 586 berbeda nyata dari segi warna.

Perbandingan antara sampel 247 dengan sampel berkode 471 yaitu berselisih 1,125 yang jika dibandingkan dengan rata-rata LSR yang ketiga yaitu 0,176482 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 471 berbeda nyata dari segi warna.

Perbandingan antara sampel 586 dengan sampel berkode 471 yaitu berselisih 0,375 yang jika dibandingkan dengan rata-rata LSR yang keempat yaitu 0,181336 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 586 dan sampel dengan kode 471 berbeda nyata dari segi warna.

Sehingga dapat disimpulkan penilaian panelis terhadap atribut warna keempat sampel memiliki mutu warna yang berbeda-beda.

2. Atribut Rasa

Data Transformasi

Panelis

336

247

471

586

∑

∑2

1

2,12132

1,224745

2,12132

1,581139

7,048524

49,6817

2

2,12132

1,224745

1,870829

1,870829

7,087723

50,23581

3

1,224745

1,581139

1,870829

1,870829

6,547541

42,87029

4

2,12132

1,224745

1,870829

1,581139

6,798033

46,21325

5

1,870829

1,581139

1,870829

1,581139

6,903935

47,66432

6

1,581139

1,224745

2,12132

1,870829

6,798033

46,21325

7

1,870829

1,224745

2,12132

1,870829

7,087723

50,23581

8

1,870829

1,224745

2,12132

1,581139

6,798033

46,21325

∑

14,78233

10,51075

15,9686

13,80787

55,06954

379,3277

1,847791

1,313843

1,996075

1,725984

∑2

218,5173

110,4758

254,9961

190,6573

774,6464


FK =

FK = 94,77046

Jk Panelis

0,061462

Jk Sampel

2,060347

Jk Total

3,229542

Jk Galat

1,107733


db

JK

KT

F hitung

F tabel taraf 5%

Panelis

7

0,061462

0,00878

0,166452

2,495

Sampel

3

2,060347

0,686782

13,01977

3,07

Total

31

3,229542

0,104179

Galat

21

1,107733

0,052749

Nilai F hitung panelis yang didapat dari analisis sidik ragam (anova) dibandingkan dengan nilai F yang terdapat di Tabel menunjukan nilai yang lebih kecil sehingga dapat disimpulkan tidak terdapat perbedaan nyata antar perlakuan. Dengan kata lain panelis tidak mampu membedakan rasa pada sampel yang diujikan. Oleh karena itu tidak perlu dilakukan analisis lebih lanjut uji Duncan.

Sedangkan pada f hitung sampel f dari tabel sidik ragam (Anova) menunjukan bahwa dari tabel sidik ragam (anova) F hitung lebih besar daripada f tabel, sehingga dapat disimpulkan terdapat perbedaan nyata antar perlakuan. Namun panelis tidak mampu membedakan rasa pada sampel yang diujikan. Oleh karena itu perlu dilakukan analisis lebih lanjut uji Duncan.


SX= = = 0,132601

Jumlah Galat

Jumlah sampel

2

3

4

SSR

20

2,95

3,1

3,18

21

2,94

3,09

3,175

22

2,93

3,08

3,17

LSR

0,389847

0,409738

0,421009



Kode

247

586

471

336

Rata-rata

2,25

3

3,375

4



247

586

471

336

2,25

3

3,375

4


Perbandingan antara sampel 247 dengan sampel berkode 586 yaitu berselisih 0,75 yang jika dibandingkan dengan rata-rata LSR yang kedua yaitu 0,389847 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 586 berbeda nyata dari segi rasa.

Perbandingan antara sampel 247 dengan sampel berkode 471 yaitu berselisih 1,125 yang jika dibandingkan dengan rata-rata LSR yang ketiga yaitu 0,409738 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 471 berbeda nyata dari segi rasa.

Perbandingan antara sampel 586 dengan sampel berkode 471 yaitu berselisih 0,375 yang jika dibandingkan dengan rata-rata LSR yang keempat yaitu 0,421009 maka selisih antara kedua sampel lebih kecil dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 586 dan sampel dengan kode 471 tidak berbeda nyata dari segi rasa.

247

586

471

336

2,25

3

3,375

4

Sehingga dapat disimpulkan penilaian panelis menyatakan bahwa sampel dengan kode 586 dengan 471 tidak memiliki perbedaan mutu yang signifikan, dan keduanya berbeda nyata mutunya dengan sampel dengan kode 247 juga berbeda nyata dengan sampel berkode 336 dari segi rasa.

3. Atribut Keseragaman Pori

Data Transformasi

Panelis

336

247

471

586

∑

∑2

1

2,12132

1,581139

2,12132

1,870829

7,694608

59,207

2

2,12132

1,224745

2,12132

1,870829

7,338214

53,84939

3

1,224745

1,581139

2,12132

1,870829

6,798033

46,21325

4

2,12132

1,224745

1,870829

1,870829

7,087723

50,23581

5

2,12132

1,224745

2,12132

1,581139

7,048524

49,6817

6

2,12132

1,224745

1,870829

1,581139

6,798033

46,21325

7

1,870829

1,581139

2,12132

1,870829

7,444117

55,41487

8

2,12132

1,224745

1,870829

1,581139

6,798033

46,21325

∑

15,8235

10,86714

16,21909

14,09756

57,00728

407,0285

1,977937

1,358393

2,027386

1,762195

∑2

250,383

118,0948

263,0588

198,7412

830,2778


FK =

FK = 101,5572

Jk Panelis

0,199926

Jk Sampel

2,227519

Jk Total

3,442798

Jk Galat

1,015353


db

JK

KT

F hitung

F tabel taraf 5%

Panelis

7

0,199926

0,028561

0,590709

2,495

Sampel

3

2,227519

0,742506

15,35686

3,07

Galat

21

1,015353

0,04835

Total

31

3,442798

0,111058

Nilai F hitung panelis yang didapat dari analisis sidik ragam (anova) dibandingkan dengan nilai F yang terdapat di Tabel menunjukan nilai yang lebih kecil sehingga dapat disimpulkan tidak terdapat perbedaan nyata antar perlakuan. Dengan kata lain panelis tidak mampu membedakan mutu keseragaman pori pada sampel yang diujikan. Oleh karena itu tidak perlu dilakukan analisis lebih lanjut uji Duncan.

Sedangkan pada f hitung sampel f dari tabel sidik ragam (Anova) menunjukan bahwa dari tabel sidik ragam (anova) F hitung lebih besar daripada f tabel, sehingga dapat disimpulkan terdapat perbedaan nyata antar perlakuan. Namun panelis tidak mampu membedakan mutu keseragaman pori pada sampel yang diujikan. Oleh karena itu perlu dilakukan analisis lebih lanjut uji Duncan.


SX= = = 0,126952

Jumlah Galat

Jumlah sampel

2

3

4

SSR

20

2,95

3,1

3,18

21

2,94

3,09

3,175

22

2,93

3,08

3,17

LSR

0,373238

0,39228

0,403071



Kode

247

586

471

336

Rata-rata

2,25

3

3,375

4



247

586

471

336

2,25

3

3,375

4


Perbandingan antara sampel 247 dengan sampel berkode 586 yaitu berselisih 0,75 yang jika dibandingkan dengan rata-rata LSR yang kedua yaitu 0,373238 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 586 berbeda nyata dari segi keseragaman pori.

Perbandingan antara sampel 247 dengan sampel berkode 471 yaitu berselisih 1,125 yang jika dibandingkan dengan rata-rata LSR yang ketiga yaitu 0,39228 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 247 dan sampel dengan kode 471 berbeda nyata dari segi keseragaman pori.

Perbandingan antara sampel 586 dengan sampel berkode 471 yaitu berselisih 0,375 yang jika dibandingkan dengan rata-rata LSR yang keempat yaitu 0,403071 maka selisih antara kedua sampel lebih besar dari pada rata-rata LSR. Dengan begitu penilaian panelis terhadap mutu sampel dengan kode 586 dan sampel dengan kode 471 tidak berbeda nyata dari segi keseragaman pori.

247

586

471

336

2,25

3

3,375

4

Sehingga dapat disimpulkan penilaian panelis menyatakan bahwa sampel dengan kode 586 dengan 471 tidak memiliki perbedaan mutu yang signifikan, dan keduanya berbeda nyata mutunya dengan sampel dengan kode 247 juga berbeda nyata dengan sampel berkode 336 dari segi keseragaman pori.

VII. KESIMPULAN

1. Uji skoring dilakukan dengan menggunakan pendekatan skala atau skor yang dihubungkan dengandeskripsi tertentu dari atribut mutu produk. Pada sistem skoring, angka digunakan untuk menilai intensitas produk dengan susunan meningkat atau menurun.

2. Pada pengujian atribut warna panelis tdak dapat membedakan mutu dari sampel terhadap atribut warna secra signifikan sehingga harus dilakuka Uji dauncen, dan dari hasil perhitungan yang didapat dapat disimpulkan penilaian panelis terhadap atribut warna keempat sampel memiliki mutu warna yang berbeda-beda pada semua kode.

3. Pada pengujian atribut rasa panelis dapat membedakan mutu dari rasa secara signifikan sehingga tidak perlu dilakukan uji duncen. Namun sampel roti sendiri belum dapat dibedakan mutunya karena ada mutu roti yang panelis bisa nilai tidak berbeda nyata. Dan hasil yang didapatkan penilaian panelis menyatakan bahwa sampel dengan kode 586 dengan 471 tidak memiliki perbedaan mutu yang signifikan, dan keduanya berbeda nyata mutunya dengan sampel dengan kode 247 juga berbeda nyata dengan sampel berkode 336.

4. Pada pengujian atribut keseragaman pori juga panelis dapat membedakan mutu dari rasa secara signifikan sehingga tidak perlu dilakukan uji duncen. Namun sampel roti sendiri belum dapat dibedakan mutunya karena ada mutu roti yang panelis bisa nilai tidak berbeda nyata. Dan hasil yang didapatkan penilaian panelis menyatakan bahwa sampel dengan kode 586 dengan 471 tidak memiliki perbedaan mutu yang signifikan, dan keduanya berbeda nyata mutunya dengan sampel dengan kode 247 juga berbeda nyata dengan sampel berkode 336.

DAFTAR PUSTAKA

Anonim. (2006). Pengujian Organoleptik (evaluasi Sensori) dalam industry Pangan. EbookPangan.

Alfia, Hanifah. (2013). Acara V Uji kesukaan-Rangking (analisis Sensori). [online]. Tersedia: http://hanifahalfiah.blogspot.com/2013/10/acara-v-uji-kesukaan-ranking-analisis.html yang direkam pada 25 Oktober 2013 21:17. [17 November 2014]

Digo. (2012). Laporan orkep uji skor. [online]. Tersedia: http://black-boulevard.blogspot.com/2012/05/laporan-orlep ujiskor.htmlhttp://blackboulevard.blogspot.com/2012/05/laporan-orlep-uji-skor.html [17 November 2014]

Kartika, B., B. Hastuti., W. Supartono. 1988. Pedoman Uji Inderawi Bahan Pangan. PAU Pangan dan Gizi UGM.Yogyakarta.

S Susiwi. (2009). Penilaian Organoleptik. Handout Jurusan Pendidikan Kimia Fakultas Pendidikan Ilmu Pengetahuan Alam. [pdf]

Setyaningsih, dkk. (2010). Analisis Sensori untuk Industri Pangan dan Agro. Bogor : IPB Press

Zetiara, Alzara. (2012). Uji Skoring Pengawasan Mutu. [online]. Tersedia: http://zaratiara.blogspot.com/2012/11/uji-skoring-pengawasan-mutu.html yang direkam pada 4 November 2012 17:46. [17 November 2014]

LAMPIRAN

JK Panelis = ቀ௨�σଡ଼మσ௦ቁെܨܭ = ቀଷଶ଼ǡସସସቁെͺͲǡͻͺ = 1,138024

julianamn.files.wordpress.com · Web viewLAPORAN PRAKTIKUM PENILAIAN SENSORI PANGAN Uji Skoring...

Documents

Transcript of julianamn.files.wordpress.com · Web viewLAPORAN PRAKTIKUM PENILAIAN SENSORI PANGAN Uji Skoring...