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
2. Wafer dengan kode 586
3. Wafer dengan kode 336
4. Wafer dengan kode 247
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 yang akan diuji harus ditransformasikan terlebih dahulu. Dengan rumus:
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 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
46,21325
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 yang akan diuji harus ditransformasikan terlebih dahulu. Dengan rumus:
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
Perhitungan pertama dalam uji Duncan yaitu menghitung sebuah parameter standar eror rata-rata yaitu :
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
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 4-0,181336 = 3,818664
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 3,818664 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 0,167914 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
Setelah diketahui data transformasi, dilakukan uji sidik ragam (Anova)
FK =
FK = 94,77046
Jk Panelis
0,061462
Jk Sampel
2,060347
Jk Total
3,229542
Jk Galat
1,107733
Tabel sidik ragam (Anova)
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.
Perhitungan pertama dalam uji Duncan yaitu menghitung sebuah parameter standar eror rata-rata yaitu :
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
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 4-0,421009 = 3,578991
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 3,578991 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 0,389847 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
Setelah diketahui data transformasi, dilakukan uji sidik ragam (Anova)
FK =
FK = 101,5572
Jk Panelis
0,199926
Jk Sampel
2,227519
Jk Total
3,442798
Jk Galat
1,015353
Tabel sidik ragam (Anova)
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.
Perhitungan pertama dalam uji Duncan yaitu menghitung sebuah parameter standar eror rata-rata yaitu :
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
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 4-0,403071 = 3,596929
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 3,596929 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 0,373238 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
Top Related