Laporan ini memberikan ringkasan mengenai praktikum penilaian sensori pada wafer yang dilakukan untuk memenuhi tugas mata kuliah. Panelis dilatih untuk memberikan skor terhadap empat sampel wafer berdasarkan atribut seperti warna, rasa, keseragaman pori dan kerenyahan dengan skala 1-4. Hasil pengamatan kemudian dianalisis menggunakan uji sidik ragam dan uji Duncan untuk mengetahui perbedaan mutu antar sampel wafer.

1. 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

2. 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)

3. 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.

4. 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:
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:
471 247336586

5. 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
𝑥̅ 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
√𝑋 + 0,5

6. 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
𝑋̅ 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)
𝐹𝐾 =
(jumlah (∑X))2
∑𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 ∑𝑝𝑎𝑛𝑒𝑙𝑖𝑠
=
70,024482
4 𝑥10
= 122,5857
JK Panelis =
∑ 2
∑
=
28,4 4
4
0,
= 1,138024
JK Panelis =
𝑗𝑢𝑚𝑙𝑎 ((∑ )2)
∑ 𝑠𝑎𝑚𝑝𝑒𝑙
𝐹𝐾
=
492,8 948
4
122,5857
= 0,631672
JK Sampel =
𝑗𝑢𝑚𝑙𝑎 (∑Y2)
∑ 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
𝐹𝐾
=
1227,548
10
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

7. JK Panelis 0,631672
Jk Sampel 0,172722
JK Total 3,414301
JK Galat 2,609907
db panelis 9
db sampel 3
db total 39
db galat 27
KT panelis 0,070186
KT sampel 0,057574
db panelis = ∑panelis – 1
= 10 – 1
= 9
db sampel= ∑sampel – 1
= 4 – 1
= 3
db total = (∑panelis x ∑sampel) – 1
= (10 x 4) – 1
= 39
db galat = db total – (db panelis + db sampel)
= 39 – (9 + 3)
= 27
KT panelis =
𝐽𝐾 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
𝑑𝑏 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
=
0,6316 2
9
= 0,070186
KT sampel =
𝐽𝐾 𝑠𝑎𝑚𝑝𝑒𝑙
𝑑𝑏 𝑠𝑎𝑚𝑝𝑒𝑙
=
0,1 2 22
= 0,057574
KT total =
𝐽𝐾 𝑡𝑜𝑡𝑎𝑙
𝑑𝑏 𝑡𝑜𝑡𝑎𝑙
=
3,414301
9
= 0,087546
KT galat =
𝐽𝐾 𝑔𝑎𝑙𝑎𝑡
𝑑𝑏 𝑔𝑎𝑙𝑎𝑡
=
2,60 0
27
= 0,096663

8. KT total 0,087546
KT galat 0,096663
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
F hitung =
𝐾𝑇 𝑠𝑎𝑚𝑝𝑒𝑙
𝐾𝑇 𝑔𝑎𝑙𝑎𝑡
=
0,05 5 4
0,0 6663
= 0,595616

9. 9 2 4 4 3
10 2 2 4 3
∑ 24 28 29 30
𝑥̅ 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
𝑋̅ 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
√𝑋 + 0,5

10. 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
𝑥̅ 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
√𝑋 + 0,5

11. 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
𝑋̅ 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

12. ∑ 20 32 31 31
𝑥̅ 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
𝑋̅ 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
√𝑋 + 0,5

13. 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
𝑋̅ 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 =
𝐹2
𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
FK =
0 , 71982
4 𝑥 8
FK = 115,034

14. 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=√
𝐾𝑡 𝐺𝑎𝑙𝑎𝑡
𝑑𝑏 𝑠𝑎𝑚𝑝𝑒𝑙
= √
0,0228 4
= 0,087243

15. 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.

16. 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 :
Jumlah Galat
Jumlah sampel
2 3 4
SSR
20 2,95 3,1 3,18
21 2,94 3,09 3,175
SX=√
𝐾𝑡 𝐺𝑎𝑙𝑎𝑡
𝑑𝑏 𝑃𝑎𝑛𝑒𝑙𝑖𝑠
= √
0,0228 4
7
= 0,057114

17. 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.

18. 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
𝑋̅ 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)

19. 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.
𝐹𝐾 =
𝐹2
𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
FK =
55,0 9542
4 𝑥 8
FK = 94,77046

20. Perhitungan pertama dalam uji Duncan yaitu menghitung sebuah
parameter standar eror rata-rata yaitu :
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
SX=√
𝐾𝑡 𝐺𝑎𝑙𝑎𝑡
𝑑𝑏 𝑠𝑎𝑚𝑝𝑒𝑙
= √
0,052749
= 0,132601

21. 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

22. 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
𝑋̅ 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)
Jk Panelis 0,199926
Jk Sampel 2,227519
Jk Total 3,442798
Jk Galat 1,015353
Tabel sidik ragam (Anova)
𝐹𝐾 =
𝐹2
𝑠𝑎𝑚𝑝𝑒𝑙 𝑥 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
FK =
57 ,007282
4 𝑥 8
FK = 101,5572

23. 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 :
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
SX=√
𝐾𝑡 𝐺𝑎𝑙𝑎𝑡
𝑑𝑏 𝑠𝑎𝑚𝑝𝑒𝑙
= √
0,048 5
= 0,126952

24. 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.

25. 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

26. 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.

27. 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]

28. LAMPIRAN