V. HASIL DAN PEMBAHASAN

Transkripsi

1 V. HASIL DAN PEMBAHASAN A. Waktu dan Kecepatan Optimum Flavor C blended dibuat dengan mencampurkan flavor C Concentrat dan solvent pada perbandingan 1:9 menggunakan waktu dan kecepatan yang berbeda-beda sesuai kisaran yang telah ditentukan. Pembuatan flavor C blended dilakukan satu-persatu kemudian diaplikasikan pada minuman ringan dan di uji secara organoleptik oleh panelis. Uji yang dilakukan adalah membandingkan citarasa flavor C blended dengan flavor C RTU. Uji organoleptik ini bertujuan untuk mendapatkan citarasa flavor C blended yang tidak berbeda secara nyata dengan flavor C RTU. Berdasarkan waktu dan kecepatan pengadukan pada tahap penelitian pendahuluan yang berkisar antara 2-7 menit dan kecepatan pengadukan 4 6 skala hot plate stirer ( RPM) dengan metode trial and error didapatkan hasil melalui pendeskripsian oleh 7 panelis khusus yang dapat dilihat pada tabel berikut. Trial Konsentrasi (Conc:solv) Tabel 3. Hasil Deskripsi Panelis Terhadap flavor C blended Kecepatan Waktu Respon 1 1 : Flavor lemah 2 1 : Aroma cukup kuat 3 1 : Aroma mendekati flavor C RTU 4 1 : Sedikit mendekati 5 1 : Mendekati flavor C RTU 6 1 : Rasa lebih asam 7 1 : Rasa asam lama 8 1 : Asam 9 1 : Lebih asam 10 1 : Paling mendekati flavor C RTU Hasil yang diperoleh pada tabel diatas menggunakan metode trial and error menunjukkan bahwa pada trial 10 dengan kecepatan 5 selama 3 menit menghasilkan respon sampel tersebut paling mendekati flavor C RTU dari sisi aroma dan rasa dibandingkan dengan trial sebelumnya. Dalam hal ini kecepatan dan lama pengadukan dapat mempengaruhi aroma dan rasa yang dihasilkan oleh flavor blended. Berdasarkan hasil respon panelis yang terlihat pada tabel menunjukkan bahwa semakin cepat pengadukan dan lama pencampuran akan membuat flavor release yang dihasilkan semakin lemah. Namun, bila kecepatan pengadukan lebih lambat dan lama pencampuran lebih singkat, maka pencampuran antara concentrat dengan solvent belum tercampur sempurna. Pencampuran flavor merupakan unit operasi yang penting hampir di semua cabang industri makanan dan flavor tanpa terkecuali (Reineccius, 1994). Rasa asam yang terdeteksi dalam flavor yang digunakan diduga berasal dari Asam sitrat karena asam sitrat merupakan salah satu asam yang paling banyak didistribusikan dari asam alami. Asam sitrat adalah komponen utama asam dalam berbagai buah dan sayur. (Reineccius, 1994) Kemudian sampel pada trial 10 dilakukan uji sensori menggunakan Uji Segitiga (Triangle Test) dengan 18 panelis khusus dan taraf signifikansi sebesar 1% untuk mendapatkan data yang lebih akurat. Pada Uji Segitiga hanya 5 panelis dari 18 panelis khusus yang mampu membedakan antara flavor C blended dengan flavor C RTU, sehingga dapat diambil kesimpulan bahwa flavor 20

2 C blended tidak berbeda nyata dengan flavor C RTU pada taraf signifikansi 1%. Berdasarkan efisiensi pencampuran diputuskan menggunakan kecepatan 5 (skala hot plate stirer) dalam waktu 3 menit. Kecepatan 5 (skala hot plate stirer) dapat dikonversi kedalam satuan radian per menit (RPM) sebesar 238 RPM. Tabel konversi kecepatan stirer dapat dilihat pada Lampiran 3 B. Rancangan Formula dan Respon Rancangan percobaan dalam penilitian ini dibuat menggunakan program Design Expert 7.0 yang didesain untuk menyediakan rancangan percobaan untuk mendapatkan optimasi terhadap rancangan produk dan proses. Program ini merupakan peranti lunak (software) yang menawarkan berbagai macam desain, termasuk faktorial, faktorial fraksional, dan komposit desain (Anonim 2007). Design Expert 7.0 digunakan sebagai alat utama untuk mendapatkan kombinasi optimal dari proporsi flavor C Concentrat (10x) dengan solvent serta lama waktu penyimpanan. Rancangan percobaan yang digunakan dalam penelitian ini adalah combined design dengan rancangan D-optimal design. D-optimal design dalam combined design dapat digunakan untuk dua hingga sepuluh komponen pada mixture 1 components dan nol, dua hingga sepuluh pada mixture 2 components. Kemudian pada numeric factor dapat diisi dari nol hingga sepuluh faktor, dan terakhir pada categoric factor dapat diisi dari nol hingga sepuluh faktor, dimana masing-masing komponen dan faktor dapat memiliki kisaran yang berbeda-beda sesuai dengan jumlah komponen dan faktor yang ingin dimasukkan dalam rancangan. Rancangan ini digunakan di dalam penelitian untuk melihat pengaruh perubahan kombinasi komponen dan faktor proses untuk memperoleh respon tertentu sehingga dapat diperoleh suatu formula yang optimal. Penetapan komponen bahan baku serta proses yang digunakan sebagai variabel tetap dan variabel berubah merupakan tahap awal dari rancangan formula dalam program Design Expert 7.0. Komponen bahan baku yang berubah dalam penelitian ini adalah jumlah flavor C Concentrat dan solvent dengan total keduanya sebesar 40 gram serta lama penyimpanan. Bahanbahan penyusun flavor D seperti flavor A dan flavor B serta formula minuman ringan diasumsikan sebagai variabel tetap, yaitu komponen yang tidak berubah komposisinya dalam pembuatan produk. Tahap selanjutnya penentuan kisaran minimum dan maksimum dari flavor C concentrat (10x), solvent serta lama penyimpanan. Dalam penelitian ini, batasan yang digunakan untuk flavor C concentrat (10x) adalah % (24-40 gram) dan untuk solvent 0-40% (0-16 gram). Penentuan batasan maksimum pada flavor C concentrat (10x) berkaitan dengan jumlah minimum pada solvent. Penentuan batasan ini ditujukan agar terdapat formula flavor C blended yang tidak mengandung solvent agar dapat diketahui pengaruh penambahan solvent dalam flavor C concentrat (10x) terhadap respon yang dihasilkan secara individual. Kemudian batasan minimum pada flavor C concentrat (10x) juga berkaitan dengan jumlah maksimum pada solvent. Batasan ini bertujuan untuk melihat seberapa besar penambahan solvent pada batas maksimum terhadap respon sensori. Terakhir adalah menentukan batasan lama penyimpanan, yaitu berkisar antara satu hingga lima minggu. Lama penyimpanan flavor C blended ini ditentukan berdasarkan estimasi waktu penyimpanan flavor di Industri. Batasan kisaran minimum dan maksimum tersebut kemudian dijadikan sebagai input dalam tahap perancangan formula dalam program Design Expert 7.0 untuk mencari rancangan formula dari komponen-komponen yang dicampurkan. 21

3 Rancangan formula yang dihasilkan oleh program Design Expert 7.0 adalah sembilan formula untuk model points, lima formula sebagai poin perkiraan penyimpangan (to estimate lack of fit), dan lima formula untuk pengulangan sehingga total formula yang akan diukur variabel responnya satu per satu adalah sebanyak sembilan belas formula. Rancangan formula yang dihasilkan dapat dilihat pada Tabel 4. Setelah dilakukan rancangan formula, kemudian dilakukan penentuan respon. Penentuan respon dilakukan berdasarkan karakteristik yang akan berubah akibat perubahan proporsi relatif dari komponen-komponennya. Respon yang digunakan dalam penelitian ini adalah respon subyektif hasil uji segitiga berdasarkan parameter mutu secara keseluruhan (overall). Pemilihan respon tersebut didasarkan pada tujuan pembuatan flavor C blended untuk mendapatkan data yag akurat agar citarasa yang didapat tidak berbeda nyata terhadap flavor C RTU. Tabel 4. Rancangan formula dari program Design Expert 7.0 Proporsi (%) Lama Penyimpanan Formula Flavor C Solvent (minggu) Concentrat (10x) C. Hasil Pengukuran Respon Formula Berdasarkan rancangan formula yang dihasilkan, dibuat model formula flavor C blended untuk setiap formula. Masing-masing formula flavor C blended akan dicampur dengan falvor A dan flavor B sesuai dengan perbandingan pada Tabel 2. Pencampuran ini selanjutnya disebut flavor D blended. Flavor D blended dan flavor D RTU akan dibandingkan dengan cara pengaplikasian dalam minuman ringan yang kemudian dilakukan pengamatan terhadap respon, yaitu respon subyektif hasil uji segitiga secara keseluruhan (overall). Hasil pengamatan respon dari setiap formula dapat dilihat pada Tabel 5. Hasil pengukuran setiap respon ini akan menjadi 22

4 input data pada program Design Expert 7.0 yang selanjutnya akan dianalisis dalam tahapan analisis respon. Tabel 5. Hasil Respon Panelis yang Dapat Membedakan antara flavor D blended dengan flavor D RTU Proporsi (gram) Lama Penyimpanan Formula Flavor C Respon Solvent (minggu) Concentrat (10x) Hasil respon dalam tabel diatas menunjukkan jumlah panelis yang dapat menjawab dengan benar atau dapat membedakan antara flavor D blended dengan flavor D RTU. Untuk mempermudah dalam pemahaman agar sesuai dengan tujuan yang ingin dicapai, maka hasil respon tersebut diubah kedalam jumlah panelis yang tidak dapat membedakan antara flavor D blended dengan flavor D RTU serta dilakukan perubahan data dalam bentuk persentase. Perubahan data dapat dilihat pada tabel 6. Semakin banyak jumlah panelis yang tidak dapat membedakan antara flavor D blended dengan flavor D RTU maka semakin bagus data yang didapat. Hal ini berarti citarasa flavor D blended yang dibuat tidak berbeda secara nyata dibandingkan flavor D RTU. Berdasarkan hasil komentar panelis terhadap formula yang dibuat, flavor release yang dihasilkan oleh formula tanpa penambahan solvent menghasilkan rasa yang lebih tajam dibandingkan dengan formula yang ditambahkan solvent. Sedangkan formula yang ditambahkan dengan solvent akan menghasilkan rasa yang lebih soft. Hal ini dikarenakan solvent juga bertindak sebagai bahan penyalut terhadap concentrat, sehingga formula yang ditambahkan solvent akan menghasilkan rasa yang tidak terlalu tajam. 23

5 Tabel 6. Data Respon Panelis yang Tidak Dapat Membedakan antara flavor D blended dengan flavor D RTU Proporsi (gram) Lama Persentase Formula Flavor C Penyimpanan Respon Solvent (%) Concentrat (10x) (minggu) Perubahan data menjadi persentase pada tabel diatas berdasarkan perhitungan terhadap jumlah total panelis khusus sebanyak 18 orang menggunakan Uji Pembedaan dengan metode Uji Segitiga (Triangle Test) pada taraf signifikansi 1%. Berdasarkan data diatas, concentrat yang ditambahkan dengan solvent memiliki stabilitas yang lebih tinggi dibandingkan formula tanpa solvent. Terlihat pada formula 5, 13, 15, 17, dan 18 dengan concentrat tanpa penambahan solvent selama penyimpanan menghasilkan respon yang semakin rendah seiring penambahan lama penyimpanan. Berbeda dengan formula yang ditambahkan solvent, respon yang dihasilkan lebih stabil, seperti pada formula 11, 14, 2, 3, 6, 7, 12, dan 16. Perubahan respon yang terjadi tidak terlalu signifikan, hal ini menunjukkan bahwa penggunaan solvent memberikan stabilitas pada formula. 24

6 D. Analisis Respon dengan Program Design Expert 7.0 Hasil uji respon subyektif menggunakan uji segitiga berkisar antara 33% hingga 83% panelis yang tidak dapat membedakan antara flavor D blended dengan flavor D RTU. Nilai paling rendah yaitu 33% berasal dari formula 9, campuran antara flavor C concentrat (10x) dan solvent dengan perbandingan 9:1 yang sudah dicampur menjadi flavor D blended dan disimpan selama dua minggu. Sedangkan nilai tertinggi yaitu 83% berasal dari formula 15, hasil dari campuran antara flavor C concentrat (10x) dan solvent dengan perbandingan 10:0 atau tanpa penggunaan solvent yang sudah dicampur menjadi flavor D blended dan disimpan selama satu minggu. Hasil input data dari masing-masing pengamatan respon formula flavor D blended selanjutnya dianalisa oleh program Design Expert 7.0. Tahap ini dinamakan sebagai tahap analisis respon. Program Design Expert 7.0 akan memberikan empat model polinomial yang disesuaikan dengan hasil pengukuran setiap respon yaitu mean, linear, quadratic, dan cubic. Kemudian program ini akan memberikan satu model yang paling sesuai dengan respon yang di input dan ditampilkan pada fit summary. Model polinomial yang direkomendasikan untuk pencampuran adalah linear sedangkan untuk proses lama penyimpanan adalah cubic. Gambar 3. Tahap Analisis Respon dalam program Design Expert 7.0 Analisis ragam (ANOVA) dalam program Design Expert 7.0 akan menunjukkan signifikansi model yang direkomendasikan dan dapat ditampilkan berupa gambar dan grafik dua dimensi atau tiga dimensi. Model yang baik adalah model yang signifikan terhadap respon, memberikan lack of fit yang tidak signifikan, memiliki nilai predicted R-squared dan adjusted R- squared positif, serta memberikan nilai adequate precision lebih dari 4. Model yang baik akan memberikan prediksi yang baik bagi rata-rata keluaran yang dihasilkan. Model polinomial yang direkomendasikan oleh program Design Expert 7.0 adalah reduced linear x cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model dilakukan dengan cara menghilangkan satu titik data yang jauh menyimpang dari data yang lain sehingga nilai predicted R-squared menjadi positif. 25

7 Gambar 4. Tahap Analisis Ragam (ANOVA) dalam program Design Expert 7.0 Lack of fit F-value adalah sebesar 1.14 dengan nilai p Prob>F lebih besar dari 0.05 (0.4665) yang menunjukkan bahwa Lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik (Susilo 2011). Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon sensori dengan model. Besarnya nilai adjusted R-squared dan predicted R-squared pada respon sensori secara berturutturut adalah dan yang menunjukkan bahwa data-data yang diprediksikan dan datadata aktual untuk respon kapasitas antioksidan tercakup ke dalam model sebesar 43.26% dan 19.74%. Grafik kenormalan internally studentized residual untuk respon sensori dapat dilihat pada Gambar 4. Dalam gambar terlihat titik-titik berwarna berada disekitar garis normal, hal ini menunjukkan data-data respon sensori menyebar normal yang memenuhi model terhadap asumsi dari ANOVA pada respon sensori. 26

8 Gambar 5. Grafik kenormalan internally studentized residual pada respon sensori Gambar 6. Grafik Contour Mix-process hasil uji sensori Pada gambar diatas menunjukkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon sensori. Perbedaan warna pada grafik contour Mix-process menunjukkan nilai respon sensori. Warna biru menunjukkan nilai respon sensori terendah, yaitu 33%. Warna merah menunjukkan respon sensori tertinggi, yaitu 83%. Garis-garis pada gambar yang terdiri atas titik-titik pada grafik contour Mix-process menunjukkan kombinasi dari concentrat, solvent dan lama penyimpanan dengan nilai berbeda yang menghasilkan respon sensori yang sama. Grafik diatas juga dapat disajikan dalam bentuk 3D surfacemix-process untuk mempermudah melihat hubungan antar komponen yang ditunjukkan pada Gambar 6. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah dan berwarna biru menunjukkan nilai respon sensori yang rendah sedangkan area yang tinggi berwarna merah menunjukkan nilai respon sensori yang tinggi. 27

9 Gambar 7. Grafik 3D surface Mix-process E. Optimasi Formula dengan Program Design Expert 7.0 Optimasi formula dilakukan untuk mendapatkan formula dengan respon yang optimal. Respon optimal dapat ditunjukkan dengan nilai desirability atau nilai yang diinginkan mendekati satu. Setiap komponen seperti concentrat, solvent, lama penyimpanan dan respon diberikan nilai target sesuai dengan yang diinginkan. Nilai target ini disebut goal yang dapat dipilih sesuai pencapain untuk masing-masing komponen dengan pilihan maximize, minimize, target, in range, dan equal to. Kemudian masing-masing komponen juga diberikan pembobotan kepentingan (importance) yang dapat dipilih mulai dari 1 (+) hingga 5 (+++++) tergantung kepentingan komponen yang bersangkutan. Semakin tinggi nilai positif yang diberikan menunjukkan bahwa komponen yang bersangkutan semakin tinggi tingkat kepentingan yang ingin dicapai. Dalam Tabel 8 ditunjukkan komponen yang dioptimasi, nilai target (goal), nilai batas, dan tingkat kepentingan (importance) dalam program Design Expert 7.0. Tabel 7. Komponen yang dioptimasi dalam program Design Expert 7.0. Nama komponen/respon Goal Batas bawah Batas atas Importance Concentrat Solvent Lama Penyimpanan Respon Sensori maximize minimize minimize maximize (+++) 3 (+++) 3 (+++) 5 (+++++) Nilai importance pada respon sensori diberikan nilai 5 (+++++) karena faktor dari respon sensori merupakan hal penting dalam menentukan citarasa formula flavor D blended yang tidak berbeda nyata dengan flavor D RTU. Nilai respon sensori yang semakin tinggi menunjukkan bahwa citarasa pada flavor D blended semakin mendekati citarasa flavor D RTU. 28

10 Gambar 8. Tahap Optimasi dalam program Design Expert 7.0 Program Design Expert 7.0 memberikan dua solusi optimum dari tahap optimasi yang dilakukan. Dua solusi formula optimum yang diberikan berdasarkan nilai yang dipilih dan nilai desirability yang berkisar antara 0 1. Nilai desirablity yang mendekati satu menunjukkan bahwa respon yang paling optimal. Solusi pertama memiliki nilai desirabilty sebesar dan solusi kedua sebesar Solusi Tabel 8. Solusi Formula hasil optimasi program Design Expert 7.0 Concentrat Proporsi (gram) Solvent Lama Penyimpanan (minggu) Desirability Dari kedua solusi yang dihasilkan pada tahap optimasi dalam program Design Expert 7.0, solusi pertama memiliki nilai desirability yang lebih tinggi dari solusi kedua. Oleh karena itu solusi pertama direkomendasikan (selected) untuk dilanjutkan ke tahap verifikasi. Hal ini menunjukkan bahwa menurut hasil optimasi yang dilakukan, solusi pertama memenuhi target yang diinginkan. Solusi pertama memilik nilai desirability sebesar yang artinya solusi pertama akan memiliki karakateristik yang sesuai dengan target optimasi sebesar 96.20%. 29

11 Gambar 9. Tahap Pengambilan Solusi dalam program Design Expert 7.0 Solusi terpilih memiliki komposisi concentrat 100% (40 gram), solvent 0% (0 gram) serta penyimpanan selama satu minggu. Dalam formula ini diprediksi jumlah panelis yang tidak dapat membedakan antara flavor C blended dan flavor C RTU sebesar 77.83%. data dari solusi pertama dapat disajikan dalam bentuk grafik countour plot dan grafik tiga dimensi yang dapat dilihat pada Gambar 9 dan Gambar 10. Gambar 10. Grafik countur mix-process nilai desirability solusi pertama 30

12 Gambar 11. Grafik 3D surface mix-process nilai desirability solusi pertama Titik prediksi yang tampak pada gambar 9 menunjukkan kombinasi antara concentrat, solvent dan lama penyimpanan yang menghasilkan nilai desirability sebesar Pada Gambar 9, warna biru menunjukkan nilai desirability yang rendah, sedangkan warna merah menunjukkan nilai desirability yang tinggi. Begitu pula dengan Gambar 10, area yang rendah menunjukkan nilai desirability yang rendah, area yang tinggi menunjukkan nilai desirability yang tinggi. F. Verifikasi Solusi Formula Optimum Tahap verifikasi dilakukan untuk membuktikan prediksi nilai respon solusi yang diberikan oleh program Design Expert 7.0. Pada tahap verifikasi akan didapat nilai respon aktual yang kemudian akan dibandingkan dengan nilai prediksi yang didapat pada tahap optimasi. Selain itu, program Design Expert 7.0 juga memberikan confident interval dan prediction interval. Confident interval adalah rentang yang menunjukkan ekspektasi rata-rata hasil pengukuran berikutnya pada tingkat kepercayaan tertentu, dalam hal ini sebesar 95%. Sedangkan Prediction interval adalah rentang yang menunjukkan ekspektasi hasil pengukuran respon berikutnya dengan kondisi sama pada tingkat kepercayaan 95%. Gambar 12. Tahap Point Prediction solusi pertama dalam program Design Expert

13 Hasil perbandingan data aktual yang didapat dari verifikasi dengan prediksi nilai respon yang dibuat oleh program Design Expert 7.0 dapat dilihat pada Tabel 10. Berdasarkan data yang didapat, solusi pertama dalam prediksi masih sesuai dengan hasil uji verifikasi. Hasil verifikasi yang didapatkan tidak sama persis dengan prediksi yang diberikan, namun respon subyektif uji segitiga masih masuk dalam range 95% Confident Interval dan Prediction Interval. Oleh karena itu persamaan yang didapatkan masih cukup baik untuk menentukan formula optimum dan respon sensori yang diharapkan. Tabel 9. Prediksi dan hasil verifikasi nilai respon solusi pertama hasil optimasi dengan Respon Prediksi Hasil Verifikasi Solusi Formula 95% CI low 95% CI high 95% PI low 95% PI high Sensori (%) Data verifikasi yang berbeda dengan prediksi yang diberikan dapat dipengaruhi oleh beberapa faktor, seperti aspek eksternal pengujian (lingkungan pengujian, penyiapan dan penyajian sampel) maupun aspek internal panelis (kondisi fisiologis dan psikologis) (Adawiyah, Waysima 2009). Penilaian panelis yang subyektif yaitu penggunaan indra manusia sebagai alat ukur akan menghasilkan data yang sangat bervariasi karena setiap individu memiliki karakteristik yang berbeda. Sehingga perbedaan dapat terjadi antara hasil prediksi dengan respon aktual yang diperoleh. Namun hal ini masih dapat diterima mengingat hasi verifikasi nilai respon sampel, sedangkan prediksi yang diberikan oleh program Design Expert 7.0 adalah perkiraan dari nilai respon populasi. Hasil verifikasi menunjukkan bahwa solusi pertama memiliki nilai sensori sebesar 67%, yang berarti sebanyak 67% dari total 18 panelis khusus atau sebanyak 12 panelis tidak dapat membedakan antara flavor D blended dengan flavor D RTU. 32