V. HASIL DAN PEMBAHASAN

Transkripsi

1 V. HASIL DAN PEMBAHASAN A. APLIKASI KACANG OVEN GARLIC SKALA LABORATORIUM Prosedur aplikasi yang standar mutlak diperlukan karena akan menghasilkan data dengan ulangan yang baik. Pertama, bahan yang digunakan harus konsisten dan berstandar. Base kacang oven yang digunakan dalam penelitian ini adalah kacang oven hasil produksi pabrik di Pati yang tiba pada tanggal 23 Mei Penggunaan base yang tiba pada tanggal yang yang sama dapat menjamin keseragaman kualitas base. Penyortiran base juga diperlukan untuk memperoleh kacang oven yang bentuk fisiknya seragam yaitu yang memiliki bentuk bulat dan permukaannya halus, tidak berlubang atau penyok. Tujuan dari penyortiran adalah memperoleh base kacang oven yang permukaannya halus dan rata agar seasoning dapat melekat secara merata dan tidak tertumpuk pada bagian yang cekung atau berlubang. Berbagai parameter yang berpengaruh selama proses aplikasi adalah suhu, kecepatan dan waktu aplikasi. Tetapi yang dapat diatur dari ketiga parameter tersebut hanyalah waktu aplikasi. Suhu aplikasi tidak dapat diatur karena coating pan yang digunakan tidak terdapat pengatur suhu sehingga base harus dipanaskan dalam oven 100⁰C selama 10 menit. Tujuan pemanasan ini adalah agar base lebih mudah menyerap minyak dan aplikasi lebih efisien sebab pada suhu ruang base sulit menyerap minyak sayur. Penggunaan minyak sayur dalam proses aplikasi selain berfungsi sebagai perekat seasoning juga karena kandungan lemak di dalam minyak akan membantu flavor seasoning menjadi tahan lebih lama di mulut (Seighman 2001). Kecepatan aplikasi juga tidak dapat diatur karena coating pan hanya memiliki satu kecepatan yaitu 50 rpm. Seasoning yang digunakan untuk menentukan waktu aplikasi optimal adalah seasoning exist. Tabel 2 menunjukkan hasil kelekatan (%) dari kelima waktu aplikasi yang telah dilakukan. Tabel 2. Hasil uji kelekatan seasoning exist pada waktu aplikasi yang berbeda Waktu (menit) Ulangan Kelekatan (%) Rataan Kelekatan (%) 3' U1 92,82% 92,72% U2 92,54% U3 92,80% 5' U1 93,78% 93,45% U2 93,63% U3 92,93% 7' U1 94,61% 94,85% U2 94,86% U3 95,07% 9' U1 93,76% 93,87% U2 95,04% U3 92,83% 11' U1 91,45% 91,44% U2 91,68% U3 91,18% 27

2 Dari tabel ini, tampak bahwa waktu aplikasi yang paling optimal menggunakan alat coating pan berkecepatan 50 rpm adalah 7 menit. Hubungan antara waktu aplikasi dan kelekatan ternyata seperti parabola. Pada menit ketiga ternyata kelekatan masih kurang optimal dan kelekatan meningkat pada menit kelima. Kelekatan tertinggi terjadi pada waktu aplikasi menit ketujuh dan menurun pada menit kesembilan dan semakin menurun lagi pada menit kesebelas. Penurunan kelekatan (%) di atas menit ketujuh diduga karena gaya yang bekerja pada kacang oven terlalu lama menyebabkan seasoning yang melekat menjadi rontok kembali sehingga tidak dianjurkan melakukan aplikasi dalam waktu yang terlalu lama. Dugaan ini dapat dibuktikan lebih lanjut dengan melakukan pengambilan sampel secara kontinu. Metode ini memungkinkan untuk melihat dinamika kelekatan seasoning (%) secara kontinu selama proses aplikasi. Tetapi metode tersebut sulit untuk diterapkan pada penelitian kali ini karena pengambilan sampel selama alat aplikasi masih menyala sulit untuk dilakukan. Kendatipun alat sudah dimatikan, pengambilan sampel tentunya memakan waktu sehingga suhu kacang oven lebih cepat menurun dibandingkan dengan sistem batch. Hal tersebut dapat menyebabkan kelekatan (%) yang dihasilkan kurang optimal. Hubungan antara kelekatan dan lama waktu aplikasi dapat dilihat pada Gambar 9. 96,00% Kurva Kelekatan Seasoning Exist (50 rpm) Kelekatan (%) 95,00% 94,00% 93,00% 92,00% 91,00% Waktu Aplikasi (menit) Gambar 9. Kurva kelekatan seasoning exist Berikutnya adalah melakukan prosedur standar aging seasoning tanpa bahan pengisi. Keempat bahan pengisi tersebut diayak terlebih dahulu dengan shiever 50 mesh agar ukuran partikelnya sesuai dengan standar yang diinginkan. Penelitian ini difokuskan untuk menentukan formula bahan pengisi dalam seasoning sehingga faktor lain yang dapat mempengaruhi respon harus dihilangkan termasuk keragaman ukuran partikel bahan pengisi. Hal lain yang harus diperhatikan juga adalah seasoning exist maupun seasoning tanpa bahan pengisi, keduanya harus disimpan dalam pendingin dalam kemasan yang kedap udara dan baru dikeluarkan dari pendingin saat akan digunakan atau aging. Penyimpanan di suhu rendah dapat memperlambat interaksi antar komponen seasoning. Waktu aging tiap seasoning juga harus sama untuk menghasilkan seasoning dengan profil sensori yang seragam sehingga tidak ada seasoning yang aging lebih lama yang dapat mempengaruhi profil sensori seasoning. Sedangkan bahan pengisi cukup disimpan pada suhu ruang dalam kemasan kedap udara. B. RANCANGAN FORMULA DARI PROGRAM DESIGN EXPERT 7.0 Pada Tabel 3 tampak bahwa ada beberapa komposisi bahan pengisi yang diulang. Hal tersebut dikarenakan pada program Design Expert 7.0, formula terdiri dari sepuluh rancangan 28

3 formula untuk model points, lima rancangan formula untuk mengestimasi lack of fit, serta lima formula untuk pengulangan sehingga total formula yang dihasilkan adalah 20 formula. Pemilihan empat jenis bahan pengisi tersebut didasarkan pada ketersediaan dan kemudahan akses antara perusahaan dan suplier. Tabel 3. Rancangan formula dari program Design Expert 7.0 Bobot (gram) Seasoning Formula tanpa Bahan Pengisi Dekstrosa Maltodekstrin Dekstrin Corn Starch C. HASIL PENGUKURAN RESPON FORMULA BAHAN PENGISI 1. Kelekatan (%) Formula 1 hingga formula 20 diukur kelekatannya masing-masing dari hasil tiga kali ulangan. Dari hasil rata-rata data kelekatan tersebut diperoleh hasil seperti yang tampak pada grafik dalam Gambar 10. Selain pengukuran kelekatan terhadap 20 formula juga dilakukan pengukuran kelekatan seasoning exist yaitu formula 21 yang berupa diagram batang berwarna hitam. Kelekatan seasoning exist ini hanya digunakan sebagai pembanding secara umum. Kelekatan seasoning exist memiliki nilai yang tidak terlalu tinggi hanya 92.94%. Dari 20 formula yang ada rata-rata memiliki kelekatan di atas kelekatan seasoning exist. Hanya formula 8 dan 9 yang memiliki kelekatan (%) di bawah seasoning exist. Dari seluruh 29

4 formula yang ada ternyata yang memiliki hasil kelekatan (%) tertinggi adalah formula 4 (96.97%) dan formula yang memiliki kelekatan (%) terendah adalah formula 9 (91.84%) dengan rata-rata kelekatan 95.14% dan standar deviasi 1.31%. Formula 4 adalah formula yang menggunakan maltodekstrin sebagai bahan pengisi tunggal. Menurut Kramer (2009) penambahan maltodekstrin pada seasoning dapat meningkatkan kelekatan secara nyata. Pengamatan yang terhadap formula bahan pengisi yang digunakan secara tunggal pada Gambar 10 menunjukkan bahwa bahan pengisi dektrosa (formula 2 dan 20) memiliki nilai kelekatan (%) yang lebih konsisten dibanding maltodekstrin (formula 4 dan 13), dekstrin (formula 9 dan 19) dan corn starch (formula 3 dan 8). Terdapat beberapa formula dengan nilai kelekatan (%) yang mencolok karena nilainya yang sangat tinggi atau sangat rendah. Penilaian secara langsung terhadap formula secara individu tidak dapat dijadikan acuan untuk mengamati hubungan kelekatan (%) dengan bahan pengisi yangdigunakan sebab hasil respon dari desain ini harus dianalisis secara keseluruhan. Kelekatan (%) ,86 95,87 95,41 96,97 93,49 94,57 94,34 92,70 91,84 94,61 95,30 96,92 96,24 96,00 95,65 95,92 95,95 95,58 94,82 94,72 92, Formula Gambar 10. Grafik kelekatan (%) aplikasi 20 formula dan formula exist Gambaran umum grafik kelekatan (%) pada Gambar 10 berfungsi untuk memudahkan melihat nilai kelekatan (%) bahan pengisi. Tetapi untuk analisis keseluruhan digunakan program Design Expert 7.0. Dari hasil analisis Design Expert 7.0, model polinomial dari respon kelekatan (%) adalah linear, namun model ini memiliki nilai predicted R-squared yang negatif sehingga dilakukan reduksi model. Berbagai reduksi model telah dilakukan namun predicted R-squared tetap memberikan nilai yang negatif dan pada ANOVA tampak bahwa model tidak signifikan karena nilai p prob>f adalah Model yang tidak signifikan adalah model dengan nilai p prob>f lebih besar dari 0.05 (<0.0001). Model dengan nilai p prob>f lebih kecil dari 0.05 (<0.0001) adalah model yang diinginkan atau signifikan. Dengan demikian dipilih model yang lebih sederhana yaitu mean. Pada model mean, hasil uji ANOVA menunjukkan bahwa pada taraf signifikansi 5% lack of fit dari model yang dihasilkan tidak signifikan karena lebih besar dari 0.05 (<0.0001) dan F-value sebesar Nilai dari lack of fit yang dihasilkan model adalah (Lampiran 2). Nilai lack of fit yang tidak signifikan berarti adanya kesesuaian antara data respon kelekatan (%) dengan model. Artinya, lack of fit tidak signifikan merepresentasikan model yang baik bagi respon. 30

5 Nilai predicted R-squared yang dihasilkan bernilai negatif, yaitu Nilai predicted R-squared yang negatif menunjukkan bahwa overall mean memberikan prediksi lebih baik bagi respon kelekatan (%). Model mean pada respon menyebabkan kelekatan (%) hanya berupa nilai yaitu 95.14%. Pada Gambar 11 terdapat grafik kenormalan internally studentized residuals respon kelekatan (%). Pada gambar tersebut tampak bahwa titik-titik yang tersebar dekat dengan garis. Sebaran titik-titik tersebut menggambarkan bahwa adanya pemenuhan model terhadap asumsi ANOVA pada respon kelekatan (%). Gambar 11. Grafik kenormalan internally studentized residuals respon kelekatan (%) Gambar 12 merupakan grafik contour plot hasil uji respon kelekatan (%). Berdasarkan hasil input dari respon kelekatan (%) dihasilkan model polinomial berupa mean sehingga seluruh area grafik contour plot memiliki warna yang sama dimana nilai respon dianggap sama pada setiap kombinasi. Hal ini berarti ketiga komponen yaitu dekstrosa, dekstrin dan maltodekstrin tidak memiliki pengaruh yang nyata terhadap respon kelekatan (%). Grafik contour plot memiliki bentuk segitiga sehingga ketiga komponen yang dijadikan komponen utama yang berpengaruh adalah dekstrosa, maltodekstrin dan dekstrin. Bukan berarti corn starch tidak dilibatkan melainkan corn starch dibuat menjadi komponen yang tidak berubah agar interaksi ketiga komponen yang lain menjadi lebih jelas. Gambar 12. Grafik contour plot hasil uji respon kelekatan(%) 31

6 Gambar 13 adalah grafik tiga dimensi hasil uji respon kelekatan (%). Adanya bentuk tiga dimensi dari grafik membantu untuk mengamati interaksi antara ketiga komponen terhadap respon. Pada grafik contour plot hasil uji respon kelekatan (%) memiliki warna yang sama maka sehingga menghasilkan grafik tiga dimensi yang datar. Bentuk grafik tiga dimensi yang datar disebakan karena model polinomial mean sehingga kombinasi dari ketiga komponen (corn starch yang ditetapkan pada nilai gram dalam formula) dan tidak berbeda nyata dalam mempengaruhi respon kelekatan (%). Gambar 13. Grafik tiga dimensi hasil uji respon kelekatan (%) Hasil rekapitulasi respon kelekatan (%) menunjukkan bahwa tidak ada korelasi yang signifikan antara bahan pengisi dan kelekatan sehingga perlu diamati faktor lainnya seperti minyak sayur yang digunakan sebagai perekat. Penggunaan minyak sayur yang tepat dapat meningkatkan performa kelekatan. Minyak sayur yang digunakan dalam proporsi yang berlebihan dapat menyebabkan kacang oven menjadi cepat tengik dan tidak nyaman dikonsumsi. Kriteria minyak yang digunakan tentunya harus yang berbentuk cair di suhu ruang agar minyak mudah menyerap ke dalam kacang. Faktor lainnya seperti ukuran partikel bahan pengisi tentunya akan mempengaruhi kelekatan (%) seasoning karena semakin kecil ukuran partikel maka seasoning akan lebih mudah melekat. Pada penelitian ini, parameter ukuran partikel tidak dimasukkan karena pada prakteknya di industri setiap seasoning yang akan diaplikasikan pasti melalui pengecilan ukuran sehingga ukuran partikel tidak akan menjadi masalah. Berdasarkan hasil kelekatan (%) yang diperoleh, tampak bahwa berbagai formula bahan pengisi memiliki batas kelekatan (%) maksimal karena bila seluruh pemukaan kacang yang dilapisi minyak telah tertutup dengan seasoning maka seasoning lainnya akan sulit menempel. Oleh karena itu, pengurangan dosis seasoning yang digunakan dapat dilakukan untuk meminimalisir adanya seasoning yang tidak dapat melekat. Adanya seasoning yang tidak melekat dalam alat aplikasi dapat mengganggu kinerja produksi karena alat harus sering dibersihkan. Bila hal tersebut tidak dilakukan dapat menyebabkan penumpukan seasoning sehingga pada batch berikutnya kelekatan menjadi tidak optimal. Adanya seasoning yang tidak menempel walaupun nilainya sangat kecil namun bila terjadi pada skala pabrik maka kerugian yang terjadi tidak sedikit nilainya. Pembuatan record data kelekatan (%) selama proses produksi dapat dilakukan untuk mengontrol hal 32

7 tersebut. Hasil record data dapat digunakan sebagai benchmark agar penggunaan seasoning kelak dapat lebih efisien dan optimal. 2. Penampakan Produk yang sudah diaplikasi dan sudah melalui proses aging kemudian disajikan kepada 24 panelis internal untuk dinilai tingkat kesukaannya. Nilai 1 untuk tingkat kesukaan sangat tidak suka hingga nilai 5 untuk tingkat kesukaan sangat suka. Bila nilai akhir dari uji rating hedonik menunjukkan nilai di atas atau sama dengan 3.5 berarti karakterisik organoleptik telah memenuhi batas Level of Acceptance (LoA) yang diinginkan. Tujuan dari uji rating hedonik ini adalah melihat tingkat kesukaan dari produk yang dihasilkan bedasarkan nilai LoA serta membandingkannya dengan seasoning garlic yang sudah ada. Seperti pada respon kelekatan (%), formula 1 hingga formula 20 diukur respon penampakannya dengan menggunakan uji rating hedonik. Dari hasil rata-rata data respon penampakan tersebut diperoleh hasil seperti yang tampak pada grafik dalam Gambar 14. Diagram batang (formula 21) yang berwarna hitam menunjukkan nilai LoA dari penampakan seasoning exist. Secara umum LoA penampakan seasoning exist memiliki nilai yang cukup tinggi bila dibandingkan berbagai formula yang lain. Hanya ada tujuh formula yang memiliki nilai LoA diatas seasoning exist seperti formula 3, 5, 11, 15, 17, 19 dan 20. LoA Penampakan 3,70 3,65 3,60 3,55 3,50 3,45 3,40 3,35 3,30 3,58 3,56 3,65 3,60 3,58 3,54 3,42 3,52 3,52 3,48 3,65 3,50 3,50 3, Formula 3,65 3,62 3,60 3,58 3,56 3,67 3,58 Gambar 14. Grafik LoA penampakan dari aplikasi 20 formula dan formula exist Dari semua formula yang ada ternyata formula yang memiliki LoA penampakan yang paling tinggi adalah formula 20 (3.67) dan formula yang memiliki LoA penampakan yang paling rendah berturut-turut adalah formula 7 (3.42). Rata-rata nilai LoA penampakan yang dihasilkan adalah 3.57 dengan standar deviasi Seperti yang tampak pada Gambar 14, empat bahan pengisi yang digunakan secara tunggal memiliki tingkat konsistensi LoA penampakan yang berbeda satu sama lain. Bahan pengisi maltodekstrin 33

8 (formula 4 dan 13) memiliki nilai LoA penampakan yang lebih konsisten dibanding dektrosa (formula 2 dan 20), dekstrin (formula 9 dan 19) dan corn starch (formula 3 dan 8). Gambar 14 menunjukkan gambaran umum grafik LoA penampakan agar lebih mudah melihat seluruh respon yang dihasilkan. Pengolahan data lebih lanjut dengan Design Expert 7.0 diharapkan dapat memberi gambaran yang lebih jelas korelasi antara bahan pengisi dan respon LoA penampakan yang dihasilkan. Berdasarkan analisis menggunakan Design Expert 7.0, model polinomial dari respon LoA penampakan adalah mean. Model mean tersebut disarankan pada bagian fit summary. Bagian fit summary memang berfungsi untuk membantu memilih model polinomial yang paling sesuai. Pada model ini, hasil uji ANOVA menunjukkan bahwa pada taraf signifikansi 5% lack of fit dari model yang dihasilkan tidak signifikan karena lebih besar dari 0.05 (<0.0001) dan F-value sebesar Nilai dari lack of fit yang dihasilkan model adalah (Lampiran 2). Nilai lack of fit yang tidak signifikan berarti adanya kesesuaian antara data respon LoA penampakan dengan model. Lack of fit tidak signifikan merepresentasikan model yang baik bagi respon. Nilai predicted R-squared yang dihasilkan bernilai negatif, yaitu Nilai predicted R-squared yang negatif menunjukkan bahwa overall mean memberikan prediksi lebih baik bagi respon LoA penampakan. Model mean pada respon menyebabkan LoA penampakan hanya berupa nilai yaitu Pada Gambar 15 terdapat grafik kenormalan internally studentized residuals respon LoA penampakan. Dari grafik yang dihasilkan tampak titik-titik tersebar secara merata sepanjang garis grafik kenormalan. Hal ini menunjukkan bahwa adanya pemenuhan model terhadap asumsi ANOVA pada respon LoA penampakan. Gambar 15. Grafik kenormalan internally studentized residuals respon LoA penampakan Gambar 16 merupakan grafik contour plot hasil uji respon LoA penampakan. Berdasarkan hasil input dari respon LoA penampakan dihasilkan model polinomial berupa mean sehingga seluruh area grafik contour plot memiliki warna yang sama dimana nilai respon dianggap sama pada setiap kombinasi. Hal ini berarti ketiga komponen yaitu dekstrosa, dekstrin dan maltodekstrin tidak memiliki pengaruh yang nyata terhadap respon LoA penampakan. Grafik contour plot memiliki bentuk segitiga sehingga ketiga komponen yang dijadikan komponen utama yang berpengaruh adalah dekstrosa, maltodekstrin dan dekstrin. Sedangkan corn starch dibuat menjadi komponen yang tidak berubah ( gram) agar interaksi ketiga komponen yang lain menjadi lebih jelas. 34

9 Gambar 16. Grafik contour plot hasil uji respon LoA penampakan Gambar 17 menunjukkan bentuk tiga dimensi dari grafik contour plot hasil uji respon LoA penampakan. Pada grafik contour plot tampak bahwa grafik memiliki warna yang sama pada seluruh area sehingga ketika dibuat bentuk tiga dimensinya tampak bahwa grafik berbentuk datar. Dari sini dapat ditarik kesimpulan bahwa interaksi dari tiga bahan pengisi yaitu dekstrosa, maltodekstrin dan dekstrin tidak berpengaruh nyata pada respon LoA penampakan dimana nilai corn starch disini tetap yaitu gram. Gambar 17. Grafik tiga dimensi hasil uji respon LoA penampakan 3. Rasa Keseluruhan Gambar 18 menunjukkan hasil respon LoA rasa keseluruhan dari 20 formula yang dibuat oleh Design Expert 7.0. Secara umum pada grafik tampak bahwa LoA rasa keseluruhan yang dihasilkan rata-rata memiliki nilai 3.50 atau dengan kata lain memenuhi syarat LoA minimum untuk atribut rasa keseluruhan. Hasil LoA rasa keseluruhan dari aplikasi formula seasoning exist ditunjukkan oleh diagram batang berwarna hitam (formula 21) dimana LoA rasa keseluruhan yang diperoleh cukup tinggi yaitu Ada tujuh formula yang memiliki LoA rasa keseluruhan di atas seasoning exist. 35

10 LoA Rasa Keseluruhan 3,75 3,70 3,65 3,60 3,55 3,50 3,45 3,40 3,35 3,30 3,60 3,48 3,52 3,52 3,75 3,46 3,44 3,38 3,48 3,44 3, Formula 3,52 3,58 3,54 3,60 3,60 3,60 3,56 3,54 3,52 3,50 Gambar 18. Grafik LoA rasa keseluruhan dari aplikasi 20 formula dan formula exist Dari hasil pengukuran respon LoA rasa keseluruhan seluruh formula, yang memiliki LoA rasa keseluruhan paling tinggi adalah formula 5 (3.75) dan formula yang memiliki LoA rasa keseluruhan terendah adalah formula 8 (3.38). Rata-rata dari respon LoA rasa keseluruhan adalah 3.54 dengan standar deviasi Secara umum pada Gambar 18, dari empat bahan pengisi yang digunakan secara tunggal tampak bahwa maltodekstrin (formula 4 dan 13) memiliki nilai LoA penampakan yang lebih konsisten dibanding dektrosa (formula 2 dan 20), dekstrin (formula 9 dan 19) dan corn starch (formula 3 dan 8). Gambar 18 berguna untuk melihat gambaran umum dari seluruh respon LoA rasa keseluruhan yang dihasilkan. Namun, tampak bahwa dari berbagai formula yang disusun tidak memberikan hasil yang signifikan pada respon LoA rasa keseluruhan. Pengolahan data dengan Design Expert 7.0 akan membantu untuk melihat korelasi antara bahan pengisi dan LoA rasa keseluruhan lebih memadai dibandingkan analisis dengan hanya menggunakan grafik pada Gambar 18. Penentuan model polinomial dilakukan pada langkah awal dan hasilnya menunjukkan bahwa model yang harus digunakan adalah mean. Model mean adalah model yang dipilih oleh bagian fit summary. Pemilihan model oleh fit summary akan sangat membantu dalam menentukan model yang dipilih karena fit summary akan memilih model yang paling sesuai. Hasil uji ANOVA pada model ini menunjukkan pada taraf signifikansi 5% lack of fit tidak signifikan karena nilainya lebih besar dari 0.05 (<0.0001) yaitu (Lampiran 2) dan F-value sebesar Lack of fit yang diinginkan adalah yang tidak signifikan karena menunjukkan kesesuaian dengan model. Nilai predicted R-squared yang dihasilkan bernilai negatif, yaitu Nilai predicted R-squared yang negatif menunjukkan bahwa overall mean memberikan prediksi lebih baik bagi respon LoA rasa keseluruhan. Model mean pada respon menyebabkan LoA rasa keseluruhan hanya berupa nilai yaitu Pada Gambar 19 terdapat grafik kenormalan internally studentized residuals respon LoA rasa keseluruhan. Dari grafik yang dihasilkan tampak titik-titik tersebar secara merata sepanjang garis grafik kenormalan. Hal ini menunjukkan bahwa adanya pemenuhan model terhadap asumsi ANOVA pada respon LoA rasa keseluruhan. 36

11 Gambar 19. Grafik kenormalan internally studentized residuals respon LoA rasa keseluruhan Gambar 20 menunjukkan grafik contour plot hasil uji respon LoA rasa keseluruhan. Berdasarkan hasil input dari respon LoA rasa keseluruhan dihasilkan model polinomial berupa mean. Model polinomial mean menyebabkan grafik contour plot LoA rasa keseluruhan memiliki warna yang sama pada seluruh area. Hal ini menunjukkan bahwa kombinasi apapun dari ketiga komponen yaitu dekstrosa, maltodekstrin dan dekstrin memiliki hasil yang tidak berbeda nyata. Corn starch sebagai salah satu bahan pengisi akan ditetapkan nilainya agar hubungan ketiga komponen yang lain dapat tampak lebih jelas. Gambar 20. Grafik contour plot hasil uji respon LoA rasa keseluruhan Gambar 21 adalah bentuk tiga dimensi dari grafik pada gambar 20. Bentuk tiga dimensi menunjukkan permukaan yang datar karena seluruh area memiliki warna yang sama. Artinya, kombinasi ketiga bahan pengisi dan interaksi diantaranya tidak mempengaruhi respon LoA rasa keseluruhan dengan corn starch yang nilainya ditetapkan yaitu gram. 37

12 Gambar 21. Grafik tiga dimensi hasil uji respon LoA rasa keseluruhan Baik respon aktual LoA penampakan maupun rasa keseluruhan keduanya menunjukkan bahwa tidak ada korelasi yang signifikan antara bahan pengisi dengan LoA penampakan dan rasa keseluruhan dengan uji rating hedonik. Penggunaan uji rating hedonik dipilih karena mengetahui tingkat kesukaan terhadap atribut penampakan dan rasa keseluruhan 20 formula yang disarankan Design Expert 7.0. Namun ternyata tingkat kesukaan panelis tidak berbeda nyata terhadap 20 formula tersebut. Relasi antara ketiga respon mungkin akan lebih tampak bila digunakan uji deskriptif dengan metode QDA. Metode ini akan menghasilkan spider web yang berfungsi untuk mengamati pengaruh kelekatan pada atribut penampakan dan rasa keseluruhan. Setiap formula bahan pengisi akan memberikan spider web yang berbeda dan khas. Namun karena keterbatasan sarana, uji ini sulit dilakukan pada penelitian kali ini sebab diperlukan pelatihan panelis terlebih dahulu dan menggunakan standar selama pelatihan untuk menstimulasi terminologi yang baku dan seragam (Meilgaard et. al. 1999). Sebab lainnya karena mungkin ada formula yang memiliki tingkat kesukaan di atas standar sehingga sebaiknya tidak dibatasi dengan persepsi awal terhadap standar. D. SARAN FORMULA DESIGN EXPERT 7.0 Setelah dilakukan analisis, langkah berikutnya adalah menentukan kriteria pada bagian Optimization. Pada bagian Criteria atur kriteria tiap komponen. Komponen yang termasuk variabel berubah diatur agar menjadi kategori in range dengan batas lower dan upper dari hingga gram sedang komponen yang merupakan respon diatur sesuai kebutuhan. Karena semua respon yang ada adalah respon yang ingin dimaksimalkan sehingga kategorinya diatur menjadi maksimal. Ada beberapa respon yang tingkat importancenya lebih besar daripada yang lain yaitu kelekatan (%) yang diberi nilai empat dimana respon lainnya seperti LoA penampakan dan rasa keseluruhan hanya diberi nilai tiga. Semua respon yang dihasilkan dari 20 formula memiliki model polinomial yang sama yaitu mean sehingga semua saran yang diberikan memiliki nilai prediksi yang sama pada setiap respon dengan tingkat desirability yang sama. Nilai prediksi yang diberikan bagi ketiga respon adalah 95.14% bagi respon kelekatan (%), 3.57 bagi LoA penampakan dan 3.54 bagi LoA rasa keseluruhan. Program Design Expert 7.0 memberikan 30 saran dengan berbagai kombinasi dari keempat jenis bahan pengisi. Formula saran tersebut dapat dilihat pada Lampiran 3. Dari semua saran yang diberikan bila ditinjau secara umum tampak bahwa semua saran yang diberikan memilih formula yang terdiri 38

13 atas empat bahan pengisi. Secara umum dianggap kombinasi empat bahan pengisi lebih dipilih karena menghasilkan respon kelekatan (%), LoA penampakan dan rasa keseluruhan yang lebih baik. Komposisi keempat bahan pengisi tersebut sangat beragam dan menurut Design Expert 7.0 keragaman kombinasi tersebut diasumsikan tidak akan mempengaruhi respon secara nyata. Semua saran yang diberikan dianggap akan memberikan respon dengan nilai yang sama. Walaupun hasil respon agak berbeda namun diprediksi masih dalam kisaran tertentu. Banyaknya saran yang dihasilkan dengan prediksi hasil respon yang sama menyebabkan perlu dilakukan seleksi dengan kriteria lain. E. VERIFIKASI Sebelum memilih saran yang digunakan terlebih dahulu harus dilakukan verifikasi agar dapat dipastikan bahwa model yang ada dapat digunakan untuk menentukan formula atau tidak. Karena ada 30 saran yang diberikan oleh progran Design Expert 7.0 dengan nilai respon yang sama sehingga dipilih dua formula secara acak untuk diaplikasikan dan diuji responnya. Kedua formula tersebut adalah formula 6 (SA) dan 16 (SB) dalam Lampiran 3. Formula 6 memiliki komposisi bahan pengisi gram dekstrosa, gram maltodekstrin, gram dekstrin dan gram corn starch. Sedangkan formula 16 memiliki komposisi bahan pengisi yang terdiri atas gram dekstrosa, gram maltodekstrin, gram dekstrin dan gram corn starch. Hasil aplikasi dari formula 6 menghasilkan respon kelekatan 95.52%, LoA penampakan 3.71 dan LoA rasa keseluruhan Sedangkan formula 16 menghasilkan respon kelekatan 94.69%, LoA penampakan 3.62 dan LoA rasa keseluruhan Hasil verifikasi lebih lengkapnya ada pada Tabel 4. Program Design Expert 7.0 tidak hanya memberikan saran tetapi juga nilai Confident Interval (CI) dan Prediction Interval (PI) sebesar 95%. CI 95% adalah kisaran yang menunjukkan ekspektasi rata-rata dengan taraf signifikansi 95%. Sedangkan PI 95% adalah kisaran yang menunjukkan ekspektasi respon secara individual pada taraf signifikansi 95%. PI akan memiliki sebaran yang lebih luas dari pada CI sebab ekspektasi pada respon individu lebih luas dibanding respon rata-rata. Tabel 4. Hasil verifikasi respon formula saran hasil optimasi program Design Expert 7.0 Respon Kelekatan (%) LoA penampakan LoA rasa keseluruhan Prediksi Verifikasi Saran 6 Formula Saran 95% Verifikasi CI Saran 16 low 95% CI high 95% PI low 95% PI high Dari Tabel 4 tampak bahwa formula saran 6 memiliki kesesuaian respon kelekatan (%) karena hasil responnya masih memenuhi CI 95%, respon LoA penampakan dan rasa keseluruhan juga masih memenuhi PI 95%. Sedang formula saran 16 memiliki respon kelekatan (%) yang nilainya memenuhi CI 95%, dengan respon LoA penampakan memenuhi PI 95% dan LoA rasa keseluruhan memenuhi CI 95%. Hasil verifikasi dua formula saran tersebut menyatakan bahwa 39

14 model yang ada dapat digunakan untuk menentukan formula optimal. Perbedaan dengan nilai yang diprediksi memang terjadi namun hal tersebut dapat ditoleransi selama masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. F. SELEKSI FORMULA Karena saran yang diperoleh berjumlah 30 dan menghasilkan respon yang kurang lebih sama sehingga diperlukan pengerucutan saran dengan menambahkan kriteria berupa harga bahan baku. Keempat bahan pengisi memiliki harga yang bervariasi. Berdasarkan harga keempat bahan baku tersebut di pasaran, dipilihlah formula saran yang memiliki komposisi corn starch terbesar dimana corn starch memiliki harga paling murah dibanding bahan pengisi lainnya. Harga keempat bahan pengisi tersebut berturut-turut dari yang paling mahal hingga paling murah adalah dekstrin, dekstrosa dan maltodekstrin, lalu corn starch. Kelima formula saran yang terpilih bukanlah formula yang benar-benar baku. Dalam arti, bila formula saran ingin diubah komposisinya agar diperoleh formula yang lebih sederhana maka hal tersebut dapat dilakukan selama perbandingan yang dibuat tidak berbeda terlalu signifikan. Hal ini memungkinkan sebab berdasarkan saran yang diberikan program Design Expert 7.0 bahwa kombinasi keempat formula akan menghasilkan respon yang tidak berbeda nyata. Tabel 5. Formula terpilih berdasarkan kriteria harga bahan baku Kombinasi Bobot (gram) Dekstrosa Maltodekstrin Dekstrin Corn Starch