Roaster Specialization

First crack dan DTR tanpa angka keramat

8 Menit BacaMateri BelajarRoaster Specialization
Mode Listen & BrewNeural Voice

Dengarkan narasi materi sambil mengikuti contoh, diagram, dan latihan yang tersedia.

Suara:
00:00 / --:--

Membaca Profil tanpa Tertipu Angka · Pelajaran 4 dari 4

First crack dan DTR tanpa angka keramat

Dua batch punya DTR 18% tetapi terasa berbeda. Mengapa? Karena DTR hanya menghitung proporsi waktu sesudah penanda first crack, bukan reaksi kimia atau mutu rasa secara langsung.

Rumus dan keterbatasannya

Jika first crack dimulai pada t=8:30 dan drop pada t=10:00, waktu setelah first crack 1:30 dan total roast 10:00. DTR = 90/600 × 100% = 15%. Angka 15% tidak berarti 15% biji telah matang. Perhitungan mengandaikan onset FC terdeteksi dan dicatat dengan definisi konsisten; bila FC tidak teramati, DTR jangan ditampilkan sebagai pengukuran pasti.

Mengapa target universal berbahaya?

Pada mesin, rasio kapasitas, jenis kopi dan roast degree berbeda, dua profil dengan DTR sama dapat memiliki perbedaan besar dalam riwayat suhu, total energi, color degree dan rasa. DTR dapat berguna sebagai indikator internal atau QC bila konteks sebanding; bukan batas global 12–18% atau 20–25% yang wajib ditaati.

Perbedaan development

Perkembangan rasa tidak dimulai persis saat first crack, dan tidak berakhir hanya karena rasio mencapai target. Perubahan kimia bertahap serta beragam; hasil akhir ditinjau melalui pengukuran fisik dan cicip terkontrol.

Latihan dua batch

Simulasi A: FC 8:00, drop 10:00 → 20%. Simulasi B: FC 6:40, drop 8:20 → 20%. Rasio sama, tetapi total roast dan waktu setelah FC berbeda. Bila B terasa lebih asam, apakah otomatis penyebabnya DTR? Tidak, karena durasi, roast degree, sensor atau kondisi lain juga bisa berubah. Rancang perbandingan dengan lot dan warna sebanding, hasil blind cupping, dan beberapa ulangan.

Tiba-tiba FC tak jelas

Jangan mengejar DTR dari event yang tidak akurat. Gunakan catatan keterbatasan, bukti roast degree dan sensori, lalu evaluasi bagaimana memperbaiki observasi di batch berikutnya. Roaster yang baik tidak menyembunyikan data ambigu untuk mengejar persentase yang menarik.

Siap mengambil keputusan saat kondisinya berubah?

Coba dua kasus baru. Informasi tambahan terlihat setelah kamu menulis respons awal.

Mulai latihan modul →