Kalkulasi Analisis Proksimat

1 Introduksi

1.1 Latar Belakang

Analisis proksimat adalah skema kuantifikasi komposisi makro pangan yang dikembangkan oleh Henneberg dan Stohmann (1860) di Weende Experiment Station, Jerman, dan kini menjadi tulang punggung label nutrisi dan QC bahan baku di seluruh dunia (Nielsen, 2017). Skema ini memecah massa total bahan menjadi enam fraksi utama: moisture (kadar air), ash (abu mineral), crude protein (protein kasar dari nitrogen × faktor konversi), crude fat (lemak kasar dari ekstraksi pelarut), crude fiber (serat kasar), dan carbohydrate by difference (karbohidrat sisa).

Setiap fraksi dihitung dengan metode AOAC resmi: moisture dengan oven 105 °C (AOAC 925.10), ash dengan furnace 550 °C (AOAC 923.03), protein dengan Kjeldahl atau Dumas (AOAC 991.20), lemak dengan Soxhlet petroleum ether (AOAC 920.39), dan serat kasar dengan asam-basa sekuensial (AOAC 962.09). Karbohidrat tidak diukur langsung tetapi dihitung sebagai sisa: $\text{CHO} = 100 - (M + A + P + F + \text{Fiber})$ (FAO/WHO, 2003). Akurasi setiap fraksi langsung menentukan akurasi energi total ($\text{kcal/g}$) via faktor Atwater (4-9-4).

1.2 Tujuan Modul

Modul Proximate Analysis Calculator di SQalytics ditujukan untuk:

Menghitung 6 fraksi proksimat dari massa sampel + bobot residu per analisis.
Otomatis menghitung karbohidrat by difference dan energi total (Atwater).
Menampilkan dual basis: basis basah (as-is) dan basis kering (dry matter).
Memvalidasi mass balance (sum of fractions ≈ 100% bila dalam rentang ± 0.5%).
Audiens: mahasiswa S1/S2 ilmu pangan yang menjalankan AOAC pertama kali, analis QC bahan baku, dan staff R&D untuk label nutrisi.

1.3 Posisi di Antara Alternatif

Pilih Proximate Analysis Calculator untuk kompilasi proksimat lengkap. Untuk moisture saja, pakai Water Activity / Sorption Isotherm (memberi konteks $a_w$). Untuk label gizi lengkap dengan klaim, pakai Nutrition Calculator / Nutrition Facts. Untuk kalibrasi metode protein/lemak instrumen, pakai Standard Curve atau Method Validation & QC. Untuk profil asam amino atau asam lemak detail, pakai HPLC / GC AUC.

2 Metode

2.1 Dasar Teoretis

Moisture (AOAC 925.10) — kehilangan massa pada oven 105 °C sampai bobot konstan:

$$ M (\%) = \frac{m_{\text{wet}} - m_{\text{dry}}}{m_{\text{wet}}} \times 100 $$

Ash (AOAC 923.03) — residu non-volatil setelah furnace 550 °C selama 4–8 jam:

$$ A (\%) = \frac{m_{\text{ash}}}{m_{\text{sample}}} \times 100 $$

Crude protein (AOAC 991.20) — Kjeldahl total N × faktor konversi $f$ (default 6.25 untuk pangan umum, 5.7 untuk sereal, 6.38 untuk dairy):

$$ P (\%) = N (\%) \times f $$

Crude fat (AOAC 920.39) — ekstraksi Soxhlet petroleum ether 4–6 jam:

$$ F (\%) = \frac{m_{\text{extract}}}{m_{\text{sample}}} \times 100 $$

Crude fiber (AOAC 962.09) — residu organik setelah hidrolisis asam (H₂SO₄ 1.25%) lalu basa (NaOH 1.25%):

$$ \text{Fiber} (\%) = \frac{m_{\text{residue after ash}} - m_{\text{ash}}}{m_{\text{sample}}} \times 100 $$

Carbohydrate by difference (FAO/WHO, 2003):

$$ \text{CHO} (\%) = 100 - (M + A + P + F + \text{Fiber}) $$

Energi (Atwater) — faktor klasik (Atwater & Bryant, 1900):

$$ E (\text{kcal/g}) = 4 \cdot P + 9 \cdot F + 4 \cdot \text{CHO} $$

Dalam SI: $E (\text{kJ/g}) = 17 P + 37 F + 17 \text{CHO}$.

Konversi basis basah ↔ basis kering:

$$ X_{\text{db}} (\%) = X_{\text{wb}} (\%) \times \frac{100}{100 - M} $$

dengan $X_{\text{wb}}$ basis basah dan $X_{\text{db}}$ basis kering.

2.2 Persamaan Inti

Moisture: $M = (m_{\text{wet}} - m_{\text{dry}}) / m_{\text{wet}} \times 100$

Ash: $A = m_{\text{ash}} / m_{\text{sample}} \times 100$

Crude protein: $P = N \times f$, $f = 6.25$ default

Crude fat (Soxhlet): $F = m_{\text{extract}} / m_{\text{sample}} \times 100$

Carbohydrate by difference: $\text{CHO} = 100 - (M + A + P + F + \text{Fiber})$

Energi Atwater: $E (\text{kcal/g}) = 4P + 9F + 4\text{CHO}$

Basis kering: $X_{\text{db}} = X_{\text{wb}} \cdot 100/(100 - M)$

2.3 Asumsi & Batas Validitas

Asumsi	Konsekuensi jika dilanggar	Cara cek di SQalytics
Sampel homogen	Bias antar replikasi	Tabel SD per fraksi (target CV ≤ 5%)
Faktor protein $f$ tepat	Protein over/under-estimate ± 10–20%	Sesuaikan $f$ per matriks (cereal 5.7, dairy 6.38)
Soxhlet tuntas (4–6 jam)	Lemak underestimate	Catat waktu ekstraksi
Fiber dengan acid-base detergent benar	Fraksi lignin tertinggal di ash	Pakai NDF/ADF Van Soest untuk pakan
Mass balance ± 0.5%	Indikasi error pengukuran	Auto-check sum ≈ 100%
Furnace 550 °C tidak overheating	Lost volatile minerals (Cl, S)	Cek log furnace

3 Cara Kerja

3.1 Step-by-Step di SQalytics

Buka Proximate Analysis Calculator dari domain Kimia.
Muat tabel proksimat (kolom: sampel, $m_{\text{wet}}$, $m_{\text{dry}}$, $m_{\text{ash}}$, $N (\%)$, $m_{\text{extract}}$, $m_{\text{fiber}}$).
Sesuaikan faktor protein $f$ (default 6.25; cereal 5.7; dairy 6.38).
Pilih basis output: as-is (wet basis), dry basis, atau both.
Klik Run Proximate Analysis.
Tinjau hasil:
- Tab Summary — 6 fraksi + energi (Atwater) per sampel.
- Tab Mass Balance — sum check ± 0.5%.
- Tab Comparison — wet vs dry basis side-by-side.
- Ekspor TXT laporan + CSV tabel.
Opsional Step 5: klik 📰 Open in Publication Graph Studio, lalu pilih apakah PGS membuka Composition stack atau Atwater energy stack terlebih dahulu untuk pratinjau cetak dan export SVG/PNG/PDF.

Step 5 untuk modul ini membawa dua view publikasi utama: bar stack komposisi basis basah (moisture, protein, fat, ash, fiber, carbohydrate) dan bar stack kontribusi energi Atwater (protein, fat, carbohydrate, fiber). Keduanya dikirim bersama ChartSpec dan cleaned rows agar bisa diedit granular di PGS.

3.2 Template Tabel Input + Contoh Data Sintetis

Kolom	Tipe	Satuan	Wajib	Catatan
`Sample`	category	—	✓	ID sampel
`m_wet_g`	numeric	g	✓	Massa basah
`m_dry_g`	numeric	g	✓	Setelah oven 105 °C
`m_ash_g`	numeric	g	✓	Setelah furnace 550 °C
`N_pct`	numeric	%	✓	Kjeldahl total N
`m_extract_g`	numeric	g	✓	Soxhlet petroleum ether
`m_fiber_g`	numeric	g	✓	Crude fiber residue

Contoh data sintetis (3 sampel — biskuit gandum cokelat, $m_{\text{sample}} = 2.000$ g):

Sample	m_wet_g	m_dry_g	m_ash_g	N_pct	m_extract_g	m_fiber_g
BSK-01	2.000	1.870	0.038	1.45	0.420	0.052
BSK-02	2.000	1.860	0.040	1.50	0.430	0.054
BSK-03	2.000	1.875	0.039	1.48	0.425	0.053

Data sintetis — biskuit gandum cokelat komersial. Moisture ~6.5%, ash ~2%, crude protein ~9.1% (N×6.25), crude fat ~21.2%, crude fiber ~2.6%, CHO ~58.6%, energi ~462 kcal/100 g (Atwater).

3.3 Contoh Luaran

Sample	M (%)	A (%)	P (%)	F (%)	Fiber (%)	CHO (%)	$E$ (kcal/100g)	Sum (%)
BSK-01	6.50	1.90	9.06	21.00	2.60	58.94	461.1	100.00 ✓
BSK-02	7.00	2.00	9.38	21.50	2.70	57.42	461.7	100.00 ✓
BSK-03	6.25	1.95	9.25	21.25	2.65	58.65	462.0	100.00 ✓
Mean ± SD	6.58 ± 0.38	1.95 ± 0.05	9.23 ± 0.16	21.25 ± 0.25	2.65 ± 0.05	58.34 ± 0.79	461.6 ± 0.5	—

Kesimpulan ringkas: "Tiga replikasi biskuit gandum cokelat menunjukkan komposisi proksimat konsisten (CV semua fraksi ≤ 6%, mass balance 100% ± 0.0%). Profil: CHO dominan (58.3%) + crude fat tinggi (21.2%) khas biskuit; crude protein sedang (9.2%); energi total 462 kcal/100 g — di rentang biskuit cokelat komersial (USDA FoodData Central). Untuk label nutrisi Indonesia (BPOM Per. 31/2018), nilai per 100 g: 462 kcal energi, 9.2 g protein, 21.2 g lemak, 58.3 g karbohidrat. Lanjut ke Nutrition Calculator / Nutrition Facts untuk konversi ke AKG dan formatting tabel ND."

Komposisi proksimat dan breakdown energi Atwater biskuit gandum cokelat — Gambar 1. Analisis proksimat biskuit gandum cokelat komersial (n=3 replikasi, mean ± SD). **(a)** Komposisi 6 fraksi proksimat dalam % w/w basis fresh: CHO 58.34% (dominan, khas biskuit), Fat 21.25%, Protein 9.23% (N×6.25), Moisture 6.58%, Fiber 2.65%, Ash 1.95%. Mass balance $\Sigma = 100.00\%$ memenuhi kriteria validitas analisis proksimat. **(b)** Energi total via faktor Atwater (Protein ×4, Fat ×9, CHO ×4, Fiber ×2 kcal/g): **467 kcal/100 g**, dengan Fat menyumbang kontribusi terbesar (191 kcal) meskipun bukan fraksi massa tertinggi — konsekuensi koefisien Atwater 9 kcal/g untuk lipid. Konsisten dengan rentang biskuit cokelat komersial USDA FoodData Central (440–490 kcal/100 g).

4 Kesimpulan

4.1 Relevansi Real-World

Label nutrisi BPOM/FDA — 6 fraksi mandatory untuk klaim.
QC bahan baku importir — verifikasi sertifikat analisis dari supplier.
Penelitian formulasi reduksi gula/lemak — track CHO/fat changes.
Tugas akhir teknologi pangan — Hampir setiap thesis mensyaratkan proksimat sebagai baseline characterization.
Pakan ternak — proksimat (Weende) plus NDF/ADF untuk feed formulation.

4.2 Where to Go from Here

Nutrition Calculator / Nutrition Facts — konversi ke label gizi formal.
Method Validation & QC — validasi metode protein/fat per lot.
Compare Many Groups — uji statistik proksimat antar formula.
AOAC Official Methods + Codex Stan 234-1999 untuk standar metode.

⚙ Troubleshooting Cepat

Mass balance ≠ 100%. Cek bila ada gula tambahan tidak terhitung di CHO, atau kehilangan ash volatile.

Protein over-estimate. Cek faktor $f$ — bila matriks non-mixed, gunakan faktor spesifik (cereal 5.7, dll.).

Soxhlet fat low. Perpanjang waktu ekstraksi atau ganti pelarut (chloroform-methanol Bligh-Dyer untuk lipid polar).

Variansi tinggi antar replikasi. Homogenisasi sampel; pakai 25-g composite.

i Riwayat Revisi

Tanggal	Revisi	Penulis
2026-05-12	Migrasi MD v2 → HTML final dengan figure publikasi + caption Elsevier-style (W1 batch malam 12 Mei)	Claude
2026-05-12	Draft v2 publikasi (KaTeX AOAC + Atwater + APA Nielsen/FAO)	Claude

4 Referensi

AOAC International. (2019). Official methods of analysis of AOAC International (21st ed.). AOAC International.
Nielsen, S. S. (Ed.). (2017). Food analysis (5th ed.). Springer. https://doi.org/10.1007/978-3-319-45776-5
Food and Agriculture Organization & World Health Organization. (2003). Food energy: Methods of analysis and conversion factors (FAO Food and Nutrition Paper 77). FAO.
Atwater, W. O., & Bryant, A. P. (1900). The availability and fuel value of food materials. USDA.
Greenfield, H., & Southgate, D. A. T. (2003). Food composition data: Production, management, and use (2nd ed.). FAO. https://doi.org/10.1079/9780851996394.0000