Manfaat NIR Spectroscopy Analisa Bahan Pakan

Manfaat NIR spectroscopy untuk analisa bahan baku pakan sedemikian besarnya, jika kita menengok kondisi kontrol kualitas pakan ke beberapa dekade sebelumnya. Perubahan yang paling dirasakan di antaranya adalah kecepatan proses mengontrol kualitas bahan baku dan pakan. Bagian yang dulunya menjadi bagian dari analisa di lab dengan penuh bahan kimia. Sekarang ini sudah bergeser menjadi alat QC yang bahkan mempunyai mobilitas tinggi.

Untuk menganalisa parameter proksimat dibutuhkan waktu beberapa jam. Atau bahkan harus menunggu keesokan harinya. Biaya analisa juga mahal sehingga tidak banyak yang bisa dianalisa. Sampling pakan mewakili populasi yang besar, mungkin beberapa tidak perlu dianalisa. Bahkan ekstrimnya kualitas pakan apakah sesuai spesifikasi kelolosan cukup dengan hanya memperhatikan secara organoleptik saja.

Kualitas bahan baku juga mengalami hal yang sama. Lebih banyak dititikberatkan pada parameter fisik untuk memastikan kualitasnya, apakah bisa diterima atau tidak. Sementara untuk kepentingan formulasi di mana diperlukan updating kandungan nutrisi khususnya proksimat memerlukan jangka waktu yang lebih jarang. Kualitas nutrisi bahan baku, apalagi jenis bahan baku yang baru banyak mengandalkan literasi sebagai referensi. Mengingat jumlah sampel yang bisa dianalisa cukup terbatas maka variasi kualitas bahan tidak memungkinkan untuk diantisipasi. Dengan adanya teknologi NIR spectroscopy dan penggunaannya yang semakin umum di semua feedmill, maka pekerjaan mengukur kualitas bahan baku dan pakan bisa dikerjakan dengan sangat cepat.

Konsep Cahaya dan Fundamental NIR Spectroscopy

Teknologi NIR pertama kali ditemukan William Herschel dan penggunaan nya sekitar tahun 1960-an dirintis oleh Karl Norris (USDA) yang mengaplikasikannya di bidang pertanian. Instrumen NIR mulai digunakan secara komersial sekitar tahun 1980-an terutama untuk kadar air dan protein dari bijian. Phil William (Canadian Grain Commission) merupakan pionir untuk penggunaan instrument NIR untuk menggantikan analisa metoda Kjeldahl (protein).

Sinar infra merah dekat (NIR) dengan kisaran panjang gelombang 780 – 2500 nm, dipantulkan dan mengenai bidang sampel. Spektroskopi merujuk pada pengetahuan yang berhubungan dengan materi dan cahaya, yaitu cahaya yang menghantam bahan organik dan diserap untuk kemudian diteruskan atau dipantulkan.  NIRS adalah suatu teknik analisa, lebih tepatnya analisa sekunder karena sifatnya prediktif sehingga memerlukan metoda analisa kimia sebagai metoda primer. NIR spectroscopy bisa disebut sebagai teknik analisa yang non destruktif karena hanya membutuhkan sampel yang tidak perlu digiling dan prosedur kimia yang rumit.

Spektrum Elektromagnetik

Dalam perkembangannya, NIR spectroscopy mampu menganalisa secara kualitatif dan kuantitatif berbagai parameter analitis dalam bahan baku dan pakan. Di antaranya kadar air, protein, lemak, serat kasar, abu, pati dan lain – lain. Tidak hanya terbatas pada komposisi kimia bahan, tetapi NIR spektroskopi juga mampu untuk menganalisa karakter – karakter fisik dari bahan. Yang terakhir akan bermanfaat untuk secara cepat menentukan besaran kontaminan dalam bahan baku sehingga bisa cepat diputuskan untuk diterima atau ditolak.

Prinsip kerja teknik NIRS adalah berdasarkan radiasi panjang gelombang dan teori absorbsi (penyerapan).  Sampel yang sudah dipreparasi dan dihomogenisasi bisa berupa sampel padat maupun cairan, disinari dengan berbagai panjang gelombang yang berbeda. NIR spektroskopi menggunakan gelombang elektromagnetik dengan panjang gelombang 780 nm – 2500 nm atau jumlah gelombang per cm sebesar 12500 cm-1 sampai 4500 cm-1 (Schwanninger et al., 2011), di mana jumlah gelombang atau frekuensi = 1/ panjang gelombang.  

Pada beberapa instrument NIR spectroscopy menggunakan spesifikasi panjang gelombang lebih lebar mulai dari cahaya tampak (400 nm) sampai panjang gelombang 2500 nm. Spektra NIR mampu membaca senyawa organik maupun inorganik yang memiliki pola absorbansi spesifik dan berbeda satu dengan lainnya pada setiap panjang gelombang yang diberikan (Lina Karlinasari et al., 2012) dalam rentang 780 nm atau 1100 nm sampai 2500 nm.

Prinsip Kerja Alat NIR Spectroscopy

Pada dasarnya instrument NIR spectroscopy terdiri dari 4 elemen alat utama yaitu sumber cahaya, grating monokromator, tempat sampel dan sebuah detector. Cahaya polikromatik yang berasal dari sumber cahaya (lampu) akan terdifraksi melalui sebuah grating yang diraksinya tergantung pada lebar alur dari grating monokromator tersebut. Grating berupa cermin cekung dan dilengkapi dengan motor penggerak untuk mengubah sudut posisinya dan memungkinkannya untuk melakukan pemindaian panjang gelombang yang berbeda. Tempat sampel beralaskan kaca karena sampel akan disinari.

Radiasi yang dipancarkan akan diserap oleh bahan dan akan menghasilkan getaran (vibrasi) dari ikatan gugus fungsional  karbon-hidrogan (CH), oksigen – hidrogen (OH) dan nitrogen – hidrogen (NH). Ikatan – ikatan ini merupakan elemen utama yang menyusun bahan organik. Getaran – getaran ini selanjutnya akan membentuk satu set nilai pada panjang gelombang yang berbeda yang menimbulkan spektrum sebagai karakteristik dari setiap sampel yang sangat spesifik (unik).

Spektra NIR yang bersifat spesifik  tergantung pada jumlah maupun tipe dari ikatan kimia bahan yang dianalisa. Ini akan berupa sebuah grafik yang terdiri dari nilai absorban (daya serap) dari setiap panjang gelombang yang tersedia di instrument, misal 1100 – 2500 nm. Nilai absorban adalah log 1 / reflectance. Spektrum ini selanjutnya akan disimpan dan diregristrasikan di dalam prosesor untuk tahap berikutnya dalam perhitungan matematis.

Pengkalibrasian NIR Spectroscopy

Dalam upaya untuk mengembangkan sebuah model kalibrasi NIR, diperlukan untuk menghubungkan melalui algoritma, antara nilai / informasi yang diperoleh dengan spektrum dan nilai hasil analisa kimia dari sampel yang sama (duplo). Korelasi tersebut dimungkinkan dengan penerapan model statistik berupa persamaan regresi. Interaksi antara enerji dengan materi mematuhi hukum Lambert-Beer di mana absorban (daya serap) pada setiap panjang gelombang adalah sebanding dengan jumlah atau konsentrasi molekul penyerap di jalur yang dilalui oleh radiasi.

Untuk menginterpretasikan hasil pengukuran NIR spectroscopy memerlukan tahapan komputasi untuk menganalisa data. Kebanyakan dari teknik komputasi data tersebut didasarkan atas perhitungan algoritma dan statistika. Dalam hal ini harus dibuat sebuah model menggunakan analisa regresi (partial least square) untuk menghubungkan data spektra dengan hasil metoda analisa kimia. Kalibrasi adalah menggambarkan hubungan antara spektra yang dihasilkan dan data referensi, yang diekepresikan dengan suatu model matematis. Kalibrasi yang sudah terbentuk harus dievaluasi dan dikembangkan terlebih untuk menginterpretasikan sampel yang relatif baru. Juga suatu kalibrasi harus secara rutin diuji (validasi) terlebih apabila mendapati outlier untuk tetap mempertahankan kemampuan prediktifnya.

Model equation berupa persamaan regresi dengan rumus y = a x + b , di mana y adalah nilai prediksi dari spectra NIR dan x sebagai nilai hasil analisa lab kimia untuk parameter yang sama. Sedangkan a dan b merupakan fakor koefisien. Akurasi atau performa prediktif dari sebuah model equation diukur menggunakan beberapa pendekatan parameter statistika yaitu :

1. R2 = koefisien determinasi, nilai korelasi keeratan hubungan antara hasil kimia dan hasil prediksi NIRS
2. SEP = standard error of prediction yaitu standar deviasi (sd) dari selisih / perbedaan antara reflectance NIR dengan nilai referensi.
3. SECV = standard error of cross validation
4. RPD = ratio of performance to deviation standar deviasi (sd) nilai referensi terhadap SEP.

Aplikasi dalam Kontrol Kualitas Bahan Baku

Salah satu yang membuat formulasi pakan menjadi tantangan adalah mengendalikan variasi kualitas hampir semua bahan baku. Memperhitungkan keekonomisan formula maka semakin banyak jenis bahan yang digunakan akan semakin baik karena nutrisi bahan akan saling melengkapi. Sementara bahan baku yang digunakan merupakan hasil pertanian atau limbah industri pertanian. Variasi yang ada memang tidak terhindarkan.

Produk tanaman akan mempunyai perbedaan dalam kandungan nutrisinya. Disebabkan oleh beberapa hal seperti pengaruh iklim setempat, kandungan hara tanah, penggunaan pupuk organik maupun sintetik, genetik tanaman (jenis lokal atau hibrida), perlakuan setelah panen, kondisi dan lama penyimpanan, sampai pada cara pengangkutannya ke pabrik pakan. Ada lagi faktor kesengajaan yang menyebabkan kontaminasi. Kontrol kualitas bahan baku menjadi sangat vital, untuk dapat memberikan informasi yang tepat kepada nutrisionis dalam menyusun formula pakan yang akurat.

Variasi Nutrisi SBM

Kontrol kualitas bahan baku utamanya adalah mengendalikan variasi. Variasi bahan baku di antaranya berpengaruh terhadap kandungan protein dan komposisi asam amino. Keduanya (protein dan AA) merupakan komponen nutrisi yang paling mahal dalam menyusun pakan unggas. Selanjutnya adalah enerji (metabolik) dan phosphor yang memberikan beban biaya termahal dalam formulasi pakan. SBM / bungkil kedele merupakan sumber protein yang paling ekonomis diandalkan karena kandungan protein yang tinggi (46 – 48%) dan komposisi / profil asam amino yang konsisten. Perbedaan asal sehingga dikenal SBM Brazil, SBM Argentina, SBM USA, SBM India membuktikan variasi nyata yang ada di antara jenis bahan baku tersebut (Tabel 1).

Tabel 1. Variabilitas Protein Kasar dan Asam Amino SBM menurut Sumber Asalnya (Garcia – Rebollar et al., 2016 dalam Veterinariadigital, DR German Bertsch, 2020)

	Argentina	Brazil	USA	ESM	P-Value
Protein Kasar	45,5y	46,8x	46,8x	0,1	<0,001
Komposisi asam amino, % Protein Kasar
Lysine	6,11y	6,07z	6,17x	0,005	<0,001
Methionin	1,37x	1,33y	1,37x	0,002	<0,001
Cystein	1,51x	1,48y	1,51x	0,003	<0,001
Threonin	3,94x	3,89y	3,92y	0,002	<0,001
Tryptophan	1,37x	1,35y	1,37x	0,002	<0,001

Dalam operasional sehari-hari penerimaan SBM dari satu asal saja bisa memperlihatkan adanya perbedaan dalam kandungan nutrisi nya. Adapun faktor – fkctor yang berkontribusi terhadap variasi tersebut bisa disebabkan oleh cara prosesing (derajat cooking yang pada kondisi ekstrem menyebabkan under-cooked dan over-cooked). Produk yang tiba di feedmill bisa saja berasal dari beberapa pabrik yang mempunyai cara pengolahan berbeda. Faktor lain yang tidak boleh dilupakan adalah teknik sampling, karena tekstur SBM tidaklah sangat homogen, terkadang ditemukan kontaminan hull atau patahan batang. Equation NIR yang sudah terbentuk (developed) untuk setiap parameter analisa seharusnya mampu untuk menginterpretasikan setiap nilai parameter. Sehingga diperoleh nilai rataan yang lebih detil dan mewakili untuk bisa dipakai dalam overlay formulasi.

Variasi Nutrisi Jagung

Tabel 2. Variasi Protein Kasar dan Asam Amino pada Jagung menurut berbagai Rekomendasi Badan Riset (Veterinariadigital, DR German Bertsch, 2020)

	FEDNA	CVB	INRA	NRC	Brazil
Protein (%)	7,3-8,1	7,6	8,1	8,24	6,92-8,8
Komposisi asam amino, % Protein
Lys	2,91-2,95	2,9	3	3,03	2,93
Met	2,03-2,07	2,1	2,1	2,18	2,04
Met + Cys	4,27-4,32	4,3	4,6	4,49	4,2
Thr	3,53-3,61	3,6	3,7	3.4	3,94
Trp	0,77-0,78	0,7	0,6	0,73	0,76

Mengingat SBM dan jagung merupakan bahan baku sumber protein yang digunakan dalam persentase tinggi maka perubahan kecil saja dalam nilai nutrisi kedua bahan baku tersebut yang tidak diantisipasi akan berdampak pada performan unggas. Semua jenis bahan baku penyusun pakan sudah bisa diprediksi dengan metoda NIR, secara mandiri oleh analis / developer NIR di setiap feedmill. Apabila kelak ada bahan baku jenis baru yang ekonomis digunakan dan tersedia dalam jumlah cukup untuk skala feedmill maka equation NIR untuk parameter proksimat bisa dikembangkan dengan tidak membutuhkan waktu yang terlalu lama. Komposisi total asam amino mengingat biaya yang mahal, hanya badan – badan tertentu yang mampu mengembangkannya. Meskipun demikian data-data ini bisa tersedia secara komersial bagi feedmill yang mempunyai kerjasama.

Kegunaan NIRS dalam Formulasi Pakan

Beberapa parameter analisa yang pada umumnya sulit dilakukan dengan lab kimia di antaranya adalah kecernaan asam amino, kandungan enerji bahan, dan menentukan kandungan phytic phosphor. Biasanya kita mengacu pada tabel nilai dari referensi yang bisa dipercaya atau menggunakan rumus perhitungan untuk memprediksi parameter analisa tersebut. Dalam beberapa kasus ada kemungkinan cara tersebut tidak terlalu akurat. Menggunakan acuan data NIR untuk asam amino pada saat ini sudah umum dilakukan dan kandungan AA dari semua bahan baku sudah terprediksi dengan lebih akurat. Sehingga formulasi pakan bisa lebih mengopgtimalkan penggunaan setiap bahan baku dengan memperhitungkan kombinasi harga dan nilai nutrisinya.

Kecernaan merupakan hasil interaksi antara ternak dan pakan, dan dimungkinkan untuk diukur menggunakan prediksi NIR spectroscopy. Secara konvensional kecernaan suatu bahan diukur menggunakan cara in vivo, dengan ternak hidup. Mengingat cara in vivo ini relatif mahal, maka pengukuran kecernaan dan enerji biasa dilakukan dengan memprediksi karakteristik bahan ataupun dengan sifat fisiknya (misal warna, tekstur untuk prediksi kecernaan bahan).  Enerji bahan dapat diprediksi NIR dengan cara langsung dan tidak langsung. Dengan cara langsung menggunakan data enerji in vivo dari sampel acuan dan selanjutnya dilakukan kalibrasi ME. Kesulitannya adalah dalam pemeliharaan kalibrasi sebab dibutuhkan pengukuran in vivo. Dengan cara tidak langsung yaitu dengan melakukan pengukuran in vitro dan  kalkulasi atas komposisi kimia bahan.

Tantangan Pengoperasian NIR Spectroscopy

Keberhasilan prediksi NIR spectroscopy yang akurat adalah pertama kali ditentukan oleh kualitas sampel yang diterimanya. Industri pakan ternak sangat bergantung pada bahan baku yang kualitasnya sangat beragam. Bisa dimaklumi karena kebanyakan merupakan bahan limbah industri pertanian. Prinsip sampling adalah untuk menghasilkan sampel yang bisa mewakili keseluruhan bahan yang sedang diukur, misal 1 kendaraan. Secara statistik, semakin banyak sampel adalah semakin baik. Protokol sampling harus  dijalankan secara konsisten. Menyangkut lokasi pengambilan sampel dari berbagai lokasi berbeda, menggunakan peralatan standar dan teknik sampling yang sudah disepakati. Strategi yang penting untuk mengurangi sampling error adalah dengan melakukan multi sampling yaitu memperbanyak jumlah sampel untuk dianalisa. Semakin banyak sampel maka akurasi NIR akan semakin meningkat, tanpa penambahan  biaya analisa.

Hal kedua adalah preparasi sampel. Pada saat pengkalibrasian NIR dengan referen sampel, harus sudah ditetapkan tekstur sampel yang dipilih apakah ground (digiling dengan ukuran saringan 0,5 – 1,0 mm) atau unground (tidak digiling). Bahkan dengan sampel digiling, akurasi NIR spectroscopy sangat dipengaruhi oleh ukuran partikel. Sehingga adalah penting untuk menggunakan grinder yang standar. Preparasi sampel juga menyangkut homogenisasi, di mana sampel harus diratakan untuk memastikan bahwa instrument NIRS memperoleh sampel yang representatif.

Perlu berhati-hati apabila mendapati kenyataan ketika untuk sampel yang sama menghasilkan nilai yang berbeda antara NIRS dan wet-lab. Sebab banyak kali diasumsikan bahwa wet-lab adalah menjadi acuan dan oleh karena itu tidak mungkin salah. Ada gunanya untuk sesekali analisa ulang wet-lab terhadap hasil NIR spectroscopy, yang untuk beberapa parameter mungkin asumsi tersebut bisa salah. Pada perbandingan analisa protein antara NIR dan wet-lab yang berbeda, ketika dilakukan analisa ulang wet lab memberikan frekuensi sebanyak 80% sesuai dengan hasil NIR spectroscopy. Tetapi untuk parameter NDF dan ADF ketika dilakukan re-run sebanyak 50% sesuai dengan hasil NIR (Dan Undersander, 2006).

Outlier

Apabila hasil prediksi NIRS menunjukkan outlier dan tetap dilaporkan maka akurasinya tidak valid / jelek dan merupakan kesalahan jika tetap dilaporkan sebagai hasil NIR yang valid. Hal ini dimungkinkan terjadi ketika tipe sampel bahan tidak terdapat dalam data set equation. Bisa karena merupakan barang limbah yang mempunyai variasi tinggi, banyak kontaminan yang menyebabkan tekstur bahan berbeda atau sulit dikenali.

NIR spectroscopy bukanlah metoda analisa tetapi merupakan alat analisa. Sebagai sebuah alat maka harus dipergunakan dengan benar dan dipelihara. Maintenance bukan hanya ditujukan pada instrumen saja tetapi yang paling penting adalah memelihara kalibrasi yang sudah dikembangkan. Menggunakan jenis sampel bahan yang bersifat lebih lokal, dari daerah / produsen lain atau dari musim panen yang berbeda dan lebih bervariasi untuk divalidasi dengan model yang ada merupakan langkah yang tepat untuk mengembangkan equation kalibrasi. Predik dengan equation yang terpakai, apabila hasilnya memuaskan maka penggunaan equation bisa diteruskan untuk operasional harian. Sebaliknya apabila hasilnya tidak memuaskan maka perlu dilakukan validasi ulang dan perbaiki spektra.

Kontrol Kualitas Produksi Pakan

Mengendalikan kualitas pakan yang diproduksi dengan penggunaan model equatioin NIR spectroscopy yang sudah terbentuk dengan baik akan sangat mudah dan cepat. Parameter proksimat yang menjadi syarat kelolosan pakan digunakan sebagai alat QC. Jumlah sampel bisa diperbanyak frekuensinya sehingga dapat mewakili popoulasi yang lebih kecil dan dengan demikian lebih presisi. Waktu pelayanan untuk penjualan pakan bisa jauh lebih cepat. Apabila terjadi penyimpangan terhadap standar kelolosan (out of spec) maka cepat bisa dilakukan penyisihan dan rencana penanganan berikutnya.

Pengembangan Aplikasi NIR Spectroscopy

Analit atau kontaminan yang level konsentrasinya sangat rendah seperti pada dosis antibiotik, pestisida, mikotoksin masih sulit untuk bisa dideteksi dengan penggunaan NIR spectroscopy. Batas pendeteksian pada kisaran 200 – 500 ppm (0,02 – 0,05%) masih menjadi kendala. Tetapi di atas kisaran batas tersebut bagi NIRS sudah bukan lagi menjadi persoalan yang sulit.  Selain beberapa parameter utama khususnya proksimat, banyak parameter lain sudah biasa diprediksi menggunakan NIR misalnya asam lemak, asam amino, vitamin, tannin dan unsur anti nutrisi lainnya. Analit – analit ini sudah tersedia pada lab komersial tetapi masih jarang dikerjakan oleh lab feedmill karena biaya pembuatan kalibrasinya masih sangat mahal.

Kita sudah mengenal instrumen NIR yang bersifat statis, tersimpan di lab atau instrumen yang lebih tahan getaran ditempatkan di lokasi pabrik / area produksi sebagai in-line NIRS. Dengan alat NIRS yang terpasang di jalur produksi memungkinkan untuk secara aktif dan langsung (real time) memonitor kualitas bahan / pakan, mengantisipasi kegagalan produksi dan secepatnya mengisolasi batch yang cacat.   Belakangan ini dan ke depannya sudah semakin banyak dikembangkan instrumen NIRS yang portabel, bisa dibawa ke lapangan. Masih terbatas untuk mengukur parameter utama seperti kadar air, protein, serat kasar dan lain – lain. Alat portabel ini akan sangat berguna sebagai kontrol kualitas di lapangan, mampu mengambil keputusan yang akurat langsung di tempat.

Kesimpulan

Bisa disimpulkan bahwa pada akhirnya NIRS menjadi metoda analisa terandalkan dibandingkan metoda kimia dalam kebutuhannya untuk menganalisa bahan baku dan pakan. Sangat lebih cepat karena hasil bisa diperoleh dalam 1 – 2 menit dengan akurasi tinggi. Sangat efektif untuk menekan biaya analisa. Tidak membutuhkan banyak reagent kimia yang penanganan limbahnya cukup memusingkan. Prosedur preparasi sampel bisa dikerjakan lebih sederhana bahkan alat NIRS yang baru sudah bisa menggunakan unground sampel (tidak digiling).

NIRS sebagai alat QC dalam mengambil keputusan untuk kepentingan penerimaan, apakah diterima atau ditolak. Menangani variasi dalam bahan baku sehingga untuk kepentingan formulasi pakan yang akurat bisa melakukan pengelompokan bahan berdasarkan parameter proksimat yang utama. Alat NIRS yang lebih tahan getaran sudah biasa ditempatkan di lingkungan pabrik / produksi untuk memonitor secara real time kualitas produk yang dihasilkan. Misalnya dengan monitoring kadar air, protein dan lain-lain. Bisa ditempakan di sistem pengeringan jagung untuk memonitor kadar air setiap saat sewaktu proses pengeringan untuk menghasilkan jagung dengan kadar air yang merata dan proses yang efisien.

Keberadaan peralatan NIR spectroscopy di dalam feedmill adalah suatu keharusan di tengah kompetisi yang sangat ketat. Tetapi aplikasi NIR selalu butuh pemeliharaan dan pengembangan untuk menjaga tingkat akurasi yang handal. Walaupun demikian NIR spectroscopy tetap merupakan metoda sekunder dan tingkat akurasinya sangatlah tergantung pada akurasi dari wet lab sebagai metoda primer. Dalam hal ini lab kimia merupakan dasar dan metoda NIRS tidak bisa lepas dari itu. Keduanya adalah pasangan yang saling melengkapi.

Daftar Pustaka

1. Adisseo. The Reality of Raw Material Variability, PNE.
2. Baeten, V and P. Dardenne. 2016. NIR-based detection of contaminants in food and feed. Feedipedia.
3. Dan Undersander. 2006. Use and abuses of NIR for feed analysis. University of Wisconsin. Madison.
4. Denis Bastinanelli. 2013. NIRS as a tool to assess digestibility of feeds and feedstuffs. CIRAD, UMR SELMET. Conference: International Congress on Advancements in Poultry Production in the Middle East and African Countries. Turky
5. DR German Bertsch. 2020. Formulation and variability of raw materials in feed. Veterinaria Digital
6. Foss, NIR Technology for routine analysis of food and agricultural products
7. Lina Karlinasari, M. Sabed, Nyoman J. Sitara, Y.A. Purwanmto dan H. Wijayanto. 2012. Karakteristik spektra absorbansi NIR (NIR Infra Red) spektroskopi kayu Acacia mangium Willd pada 3 umur berbeda. Jurnal Ilmu Kehutanan Vol VI No 1, Januari – Maret.
8. Pierre Dardenne and Paulo Salgado. 2015. NIRS for feed and soil analysis in developing countries. Feedipedia.
9. R. Aureli, Q. Ueberschlag, F. Klein, C. Noel and P. Guggenbuhl. 2017. Use of near infrared reflectance spectroscopy to predict phytate phosphorus, total phosphorus and crude protein of common poultry feed ingredients. Poultry Science vol 96, issue 1, page 160-168. Jan.
10. Schwanninger M, Rodrigues JC, Fackler K. 2011. A Review of Band Assignments in Near Infrared Spectra of Wood and Wood Components. J. Near Infrared Spectroscopy, 19: 287-308