Temuan Utama

Penelitian ini penting dalam identifikasi dan evaluasi mutu buah tomat secara cepat, real-time, non-destruktif, dan ramah lingkungan akibat penanganan pascapanen yang tidak tepat seperti terjadinya benturan mekanis dalam proses sortasi atau grading. Penelitian ini telah mengembangkan model kalibrasi NIR untuk memprediksi kandungan TPT dan pH buah tomat akibat perlakuan mekanis dengan menggunakan metode PLS. Perlakuan mekanis yang diberikan pada penelitian berupa ketinggian jatuh (drop test) 0 cm, 20 cm, 40 cm dan 60 cm. Model kalibrasi NIR untuk memprediksi kandungan TPT diperoleh dengan pretreatment baseline. Performan model kalibrasi dari model memperlihatkan parameter statistik Rc^2 0.90, SEC 0.14, SEP 0.71, dan CV 0.05. Sementara itu, model kalibrasi NIR untuk memprediksi nilai pH diperoleh dengan menggunakan pretreatment MSC. Model ini memiliki performan model kalibrasi dengan parameter statistik Rc^2 0.77, SEC 0.21, SEP 0.28, dan CV 0.08. Penelitian ini memperoleh performa model yang cukup baik untuk memprediksi kandungan TPT dan pH buah tomat. Meskipun performa model yang diperoleh sudah cukup baik, peluang pengembangan lebih lanjut masih terbuka, terutama untuk meningkatkan keandalan prediksi model kalibrasi NIR. Hal ini dapat memperluas aplikasi teknologi NIR pada berbagai produk hortikultura lainnya.

Potensi Manfaat

Penelitian ini memiliki potensi kemanfaatan yang signifikan, khususnya dalam mendukung pengelolaan pascapanen buah tomat secara lebih efisien dan berkelanjutan. Beberapa manfaat utama yang dapat diperoleh antara lain: 1. Identifikasi Mutu Buah Secara Cepat dan Non-Destruktif Model kalibrasi NIR yang dikembangkan memungkinkan evaluasi kandungan TPT dan pH buah tomat secara real-time tanpa merusak produk. Hal ini sangat bermanfaat untuk proses sortasi dan grading, sehingga dapat meningkatkan efisiensi dan akurasi dalam menentukan mutu buah. 2. Penerapan Teknologi Ramah Lingkungan Dengan menggunakan teknologi NIR yang tidak memerlukan bahan kimia atau prosedur destruktif, penelitian ini mendukung pendekatan pengolahan hasil pertanian yang lebih ramah lingkungan dan berkelanjutan. 3. Pengurangan Kerugian Pascapanen Penanganan pascapanen yang tidak tepat, seperti benturan mekanis, sering kali menyebabkan penurunan mutu buah. Model prediksi yang dikembangkan dalam penelitian ini dapat membantu mendeteksi perubahan mutu akibat perlakuan mekanis, sehingga memungkinkan pengambilan tindakan korektif lebih awal. 4. Dukungan untuk Automasi dan Digitalisasi di Sektor Pertanian Teknologi NIR yang berbasis pada prediksi cepat dapat diintegrasikan dengan sistem otomasi di fasilitas pengolahan pascapanen. Hal ini membuka peluang untuk meningkatkan daya saing produk pertanian melalui implementasi teknologi modern. 5. Peluang untuk Pengembangan Model yang Lebih Andal Meskipun performa model yang diperoleh sudah cukup baik, peluang pengembangan lebih lanjut masih terbuka, terutama untuk meningkatkan keandalan prediksi model kalibrasi NIR. Hal ini dapat memperluas aplikasi teknologi NIR pada berbagai produk hortikultura lainnya.