V. HASIL DAN PEMBAHASAN 5.1 Proses Produksi Mie Instan Proses pembuatan semua jenis mie sama mulai dari pengadukan hingga pembentukan untaian mie. Proses yang membedakan jenis mie terletak pada proses setelah pembentukan untaian. Pada mie basah, proses selanjutnya adalah mie langsung direbus dalam air mendidih. Pada mie kering, proses selanjutnya adalah pengeringan. Sedangkan pada mie instan, proses selanjutnya adalah pengukusan dan penggorengan. Proses pembuatan mie instan di PT Indofood CBP Sukses Makmur, Tbk. Divisi Noodle cabang Jakarta dapat dilihat pada Lampiran 2. Secara umum, letak mesin pada setiap line seperti pada Gambar 3. Gambar 3. Bagan alir mesin pembuatan mie instan Keterangan gambar : 1 = tempat bahan baku 7 = slitter 2 = screw conveyor 8 = steamer 3 = mixer 9 = cutter 4 = dough feeder 10 = fryer 5 = dough compound machine (DCM) 11 = cooler 6 = dough presser 12 = ruang pengemasan Tempat bahan baku merupakan tempat di mana bahan baku berupa tepung-tepungan untuk membuat mie instan diletakkan. Bahan baku tersebut dialirkan ke dalam mixer melalui screw conveyor. Setelah proses pencampuran, adonan akan dialirkan ke dough feeder, yaitu tempat untuk memasukkan adonan ke dalam dough compound machine. DCM berfungsi untuk membentuk adonan menjadi lembaran tebal dengan prinsip memberikan tekanan. Setelah itu, adonan dialirkan ke dough presser untuk dibentuk menjadi lembaran. Jumlah dough presser yang digunakan bervariasi dengan ketebalan adonan yang semakin tipis. Kemudian lembar adonan masuk ke slitter dan waving net untuk dibentuk untaian mie yang bergelombang. Setelah itu, mie dikukus di dalam steamer dan dipotong oleh cutter dengan kecepatan tertentu tergantung pada jenis produk yang diproduksi pada saat itu. Tahap selanjutnya adalah penggorengan blok mie di dalam fryer. Penggorengan dilakukan secara kontinyu dengan prinsip sirkulasi minyak goreng dan pemanasan menggunakan heat exchanger (HE). Selanjutnya, mie didinginkan di dalam cooler. Tahap terakhir adalah pengemasan mie instan di dalam ruang pengemasan. Mesin yang digunakan untuk memproduksi mie instan pada line yang diamati, yaitu line 2, line 8, dan line 10 berbeda-beda. Mesin pada line 2 dan line 10 memiliki tipe W-500. 20
Proses pendinginan pada kedua line tersebut adalah single stage, yaitu mie hanya dilewatkan satu kali di dalam mesin pendingin dengan fan terletak di bagian atas mesin. Lain halnya dengan line 8 yang menggunakan mesin tipe W-800. Proses pendinginan pada line 8 adalah multi stage, yaitu mie instan dilewatkan lebih dari satu kali di dalam mesin pendingin. Mesin pendingin pada line 8 menggunakan blower yang terletak di bagian atas mesin. Perbedaan sistem pendinginan tersebut menyebabkan waktu pendinginan pada line yang diamati pun berbeda. Waktu pendinginan pada line 2 dan line 10 lebih singkat (kurang lebih dua menit) dibandingkan pada line 8 (kurang lebih lima menit). Perbedaan single stage dan multi stage dapat dilihat pada Gambar 4 dan Gambar 5. Mie dari fryer Mesin pendingin Gambar 4. Sistem multi stage pada line 8 Ruang pengemasan Mie dari fryer Ruang pengemasan Mesin pendingin Gambar 5. Sistem single stage pada line 2 dan 10 5.2 Rancangan Kombinasi dan Respon Penelitian ini menggunakan program Design Expert DX7.0.0 sebagai sarana untuk mengoptimasi parameter proses pembuatan mie instan sehingga didapatkan kadar air dan kadar lemak mie instan yang sesuai dengan yang diinginkan. Rancangan percobaan yang digunakan adalah rancangan historical data. Historical data merupakan salah satu rancangan untuk mendapatkan data dengan cara memasukkan hasil trial berupa kombinasi parameter proses dan variabel respon ke dalam program Design Expert DX7.0.0 yang kemudian akan dianalisis lebih lanjut. Tahap awal dari perancangan kombinasi dengan program Design Expert DX7.0.0 adalah penetapan parameter proses serta variabel respon yang akan dioptimasi. Dalam pembuatan mie instan, proses penggorengan merupakan tahap yang dinilai memiliki pengaruh paling besar dalam menentukan kematangan mie instan. Kadar air dan kadar lemak merupakan beberapa unsur penunjuk tingkat kematangan suatu mie (Suyanti 2008). Pada proses penggorengan, faktor yang akan diuji adalah kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT. Jumlah data yang dianalisis untuk setiap line berbeda dengan tujuan untuk mendapatkan model optimasi yang paling sesuai untuk diterapkan. 21
5.3 Analisis Respon dengan Response Surface Methodology (RSM) Hasil pengukuran masing-masing respon (kadar air dan kadar lemak) dari setiap formula dijadikan sebagai input data menggunakan program Design Expert DX7.0.0. Setelah data dimasukkan, tahap selanjutnya adalah tahap analisis respon dengan tujuan pemilihan model polinomial yang sesuai dengan hasil pengukuran respon. Di dalam program Design Expert DX7.0.0, terdapat empat pilihan model polinomial, yaitu mean, linear, kuadratik, dan kubik. Model polinomial yang terpilih merupakan model yang paling sesuai dengan hasil pengukuran respon (Estiasih et al. 2005). Tahap pemilihan model ditampilkan di dalam fit summary. Terdapat analisis ragam (ANOVA) yang digunakan untuk melihat nilai signifikansi dari model yang direkomendasikan tersebut, yang kemudian dapat disajikan datanya dalam bentuk contour plot berupa gambar dan grafik dua dimensi (2-D) atau tiga dimensi (3-D). Model yang baik memiliki nilai yang signifikan terhadap respon, nilai yang tidak signifikan terhadap lack of fit, nilai adjusted R-squared dan predicted R-squared yang mendukung, dan nilai adequate precision lebih besar dari empat. Pada tahap analisis respon juga dapat terlihat penyebaran data melalui plot kenormalan residual (normal plot residual). Plot tersebut menunjukkan penyebaran titik-titik data terhadap garis kenormalan. 5.3.1 Analisis Respon Kadar Air dan Kadar Lemak pada Line 2 Terdapat 16 data yang dianalisis sebagai hasil uji respon pada line 2. Hasil uji respon kadar air pada line 2 berkisar antara 2.31 % hingga 5.13 %. Nilai respon kadar air terendah sebesar 2.31 % dihasilkan dari data ke-16 dengan kecepatan cutter sebesar 65 rpm, suhu penggorengan IN sebesar 125 0 C, dan suhu penggorengan OUT sebesar 155 0 C. Nilai respon kadar air tertinggi sebesar 5.13 % dihasilkan dari data ke-4 dengan kecepatan cutter sebesar 62 rpm, suhu penggorengan IN sebesar 120 0 C, dan suhu penggorengan OUT sebesar 155 0 C. Nilai rata-rata (mean) dari respon kadar air pada line 2 sebesar 3.24 % dan standar deviasi sebesar 0.70 %. Berdasarkan analisis yang digunakan, model polinomial untuk respon kadar air pada line 2 adalah reduced quadratic. Model yang direkomendasikan oleh program Design Expert DX7.0.0 adalah kuadratik, namun model yang dihasilkan tidak signifikan sehingga dilakukan reduksi secara manual. Reduksi model yang dilakukan menghilangkan komponen C (suhu penggorengan OUT), interaksi komponen AB (kecepatan cutter dan suhu penggorengan IN), AC (kecepatan cutter dan suhu penggorengan OUT), BC (suhu penggorengan IN dan suhu penggorengan OUT), ABC (kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT), komponen A 2 (kuadrat dari kecepatan cutter), C 2 (kuadrat dari suhu penggorengan OUT), dan interaksi komponen A 2 B (interaksi antara kuadrat kecepatan cutter dengan suhu penggorengan IN) karena dianggap tidak signifikan. Hasil analisis ragam (ANOVA) menunjukkan bahwa model reduced quadratic signifikan dengan nilai p Prob>F lebih kecil dari 0.05 (0.0416). Selain itu, diketahui bahwa komponen B 2 (kuadrat suhu penggorengan IN) memberikan pengaruh yang nyata terhadap respon kadar air. Lack of fit F-value memiliki nilai sebesar 1.26 dengan nilai p Prob>F lebih besar dari 0.05 (0.4392). Nilai lack of fit yang tidak signifikan tersebut 22
menunjukkan bahwa nilai tersebut tidak signifikan relative terhadap pure error. Nilai tersebut menunjukkan adanya kesesuaian dataa respon kadar air dengan model. Model untuk respon kadar air pada line 2 memiliki nilai adjusted R-squared dan predicted R-squared secara berturut-turut sebesar 0.35422 dan 0.1874 yang menunjukkan bahwa data aktuall dan data yang diprediksikan untuk respon kadar airr tercakup ke dalam model sebesar 35.42 % dan 18.74 %. Nilai predicted R-squared mendukung nilai adjusted R-squared yang dihasilkan karena selisih keduanya lebihh kecil dari 0.2. Nilai adequate precision untuk respon kadar airr sebesar 5.545 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (5.545) mengindikasikan sinyal yang memadai sehinggaa model tersebut dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang y dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan m prediksi yang baik. Persamaan polinomial untuk respon kadar air pada line 2 adalah: Kadar Air (%) = -552.77992 (0.26290)A + (9.58669)B (0.040076)B 2 Keterangan : A = kecepatan cutter B = suhu penggorengan IN (5.1)( Berdasarkan persamaan (5.1), terlihat bahwaa kadar air dipengaruhi oleh kecepatan cutter, suhu penggorengan IN, dan kuadrat suhu penggorengan IN. Respon kadar airr akan meningkat seiring dengan peningkatan nilai suhu penggorengan IN, yang ditunjukkan dengan konstanta bernilai positif. Respon kadar air akan mengalamii penurunan dengan meningkatnya nilai kecepatan cutter dan kuadrat suhu penggorengan IN, yang ditunjukkan dengan konstanta bernilai negatif. Grafik kenormalan internally studentized residual untuk respon kadar air dapat dilihat pada Gambar 6. Grafik contour plot untuk respon kadar air dapat dilihat pada Gambar 7, sedangkan grafik tiga t dimensinya dapat dilihat pada Gambar 8. Gambar 6. Grafik kenormalan internally studentized residuals respon kadar air line 2 Berdasarkan Gambar 6, terlihat bahwaa sebagian besar data menyebar jauh dari garis normal sehingga dapat dikatakan bahwa data kurang menyebar secara normal. Hal tersebut 23
menunjukkan bahwa data kurang memenuhi persyaratan ANOVA pada respon kadar air line 2. Gambar 7. Grafik contour plot hasil uji respon kadar air linee 2 Grafik contour plot pada Gambar 7 menggambarkan bagaimana kombinasi antarkomponen saling mempengaruhi nilai respon kadarr air dengan suhu penggorengan OUT sebagai actual factor sebesar 155 0 C. Warna-warna yang berbeda pada grafik tersebut menunjukkan nilai respon kadar air. Warna biru menunjukkann nilai respon kadar air terendah yaitu 2.31 %. Garis-garis padaa grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan nilai berbeda yang menghasilkan respon kadar air yang sama. Bentuk permukaan dari hubungan interaksii antarkomponen tersebut dapat terlihatt lebih jelas pada grafik tiga t dimensi yang ditunjukkan pada Gambar 8. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antarkomponen formula. Daerah yang rendah menunjukkan nilai respon kadar airr yang rendah, sedangkann daerah yang tinggi menunjukkan nilai respon kadar air yang tinggi. Gambar 8. Grafik tiga dimensi hasil uji respon kadar air linee 2 24
Respon kadar lemak pada line 2 memiliki nilai hasil uji yang dihasilkan berkisar antara 15.25 % hingga 17.62 %. Nilai respon kadar lemak terendah sebesar 15.25 % dihasilkan dari data ke-6 dengan kecepatan cutter sebesar 63 rpm, suhu penggorengan IN sebesar 125 0 C, dan suhu penggorengan OUT sebesar 155 0 C. Nilai respon kadar lemak tertinggi sebesar 17.62 % dihasilkan dari data ke-8 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 120 0 C, dan suhu penggorengan OUT sebesar 159 0 C. Nilai rata-rata (mean) dari respon kadar lemak pada line 2 sebesar 16.68 % dan standar deviasi sebesar 0.43 %. Berdasarkan analisis yang digunakan, model polinomial yang direkomendasikan oleh program Design Expert DX7.0.0 untuk respon kadar lemak pada line 2 adalah linear. Hasil analisis ragam (ANOVA) menunjukkan bahwa model tersebut signifikan dengan nilai p Prob>F lebih kecil dari 0.05 (0.0052). Selain itu, diketahui bahwa komponen A (kecepatan cutter) dan B (suhu penggorengan IN) memberikan pengaruh yang nyata terhadap respon kadar lemak. Lack of fit F-value memiliki nilai sebesar 3.01 dengan nilai p Prob>F lebih besar dari 0.05 (0.1511). Nilai lack of fit yang tidak signifikan tersebut menunjukkan bahwa nilai tersebut tidak signifikan relative terhadap pure error. Nilai tersebut menunjukkan adanya kesesuaian data respon kadar lemak dengan model. Model untuk respon kadar lemak pada line 2 memiliki nilai adjusted R-squared dan predicted R-squared secara berturut-turut sebesar 0.5520 dan 0.4428 yang menunjukkan bahwa data aktual dan data yang diprediksikan untuk respon kadar lemak tercakup ke dalam model sebesar 55.20 % dan 44.28 %. Nilai predicted R-squared mendukung nilai adjusted R-squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Nilai adequate precision untuk respon kadar lemak sebesar 9.168 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (9.168) mengindikasikan sinyal yang memadai sehingga model tersebut dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon kadar lemak pada line 2 adalah: Kadar Lemak (%) = 22.86132 + (0.25137)A (0.14386)B (0.031157)C (5.2) Keterangan : A = kecepatan cutter B = suhu penggorengan IN C = suhu penggorengan OUT Berdasarkan persamaan (5.2), terlihat bahwa kadar lemak dipengaruhi oleh kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT. Respon kadar lemak akan meningkat seiring dengan peningkatan nilai kecepatan cutter, yang ditunjukkan dengan konstanta bernilai positif. Respon kadar lemak akan mengalami penurunan dengan meningkatnya nilai suhu penggorengan IN dan suhu penggorengan OUT, yang ditunjukkan dengan konstanta bernilai negatif. Grafik kenormalan internally studentized residual untuk respon kadar lemak dapat dilihat pada Gambar 9. Grafik contour plot untuk respon kadar lemak dapat dilihat pada Gambar 10, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 11. 25
Gambar 9. Grafik kenormalan internally studentized residuals respon kadar lemak line 2 Terlihat padaa Gambar 9 bahwa titik-titik menyebar dekat d dengan garis normal namun titik-titidata untuk respon kadar lemak pada line 2 menyebar normal. Data yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVAA pada respon kadar yang lain berada dekatt di sepanjang garis normall sehingga dapat dikatakan bahwa lemak line 2. Gambar 10. Grafik contour plot hasil uji respon kadar k lemak line 2 Grafik contour plot pada Gambar 10 menggambarkan bagaimana kombinasi antarkomponen saling mempengaruhi nilai respon kadar lemak dengan suhu penggorengan OUT sebagai actual factor sebesar 155 0 C. Warna-warna yang berbeda pada grafik tersebut menunjukkan nilai respon kadar lemak. Warnaa biru menunjukkan nilai respon kadar lemak terendah yaitu 15.25 % dan warna merah menunjukkann nilai respon kadar lemak tertinggi yaitu 17.62 %. Garis-garis pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan nilai berbeda yang y menghasilkan respon kadar lemak yang sama. Bentuk permukaan dari hubungan interaksi antarkomponen tersebut dapat terlihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 11. 26
Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda padaa setiap kombinasi antarkomponen formula. Daerah yang rendah menunjukkann nilai respon kadar lemak yang rendah, sedangkan daerah yang tinggi menunjukkan nilai respon kadar lemak yang tinggi. Gambar 11. Grafik tiga dimensi hasil uji respon kadar k lemak line 2 5.3.2 Respon Kadar Air dan Kadar Lemak pada Line 8 Terdapat 20 data yang dianalisis sebagai hasil uji respon pada linee 8. Hasil uji respon kadar air pada linee 8 berkisar antara 2.47 % hingga 5.21 %.% Nilai respon kadar air terendah sebesar 2.47 % dihasilkan dari data ke-19 dengan kecepatan cutter sebesar 45 rpm, suhu penggorengan IN sebesar 125 0 C, dan suhuu penggorengan OUT sebesar 165 0 C. Nilai respon kadar air tertinggi sebesar 5.21 % dihasilkan dari data ke-144 dengan kecepatan cutter sebesar 45 rpm, r suhu penggorengan IN sebesar 120 0 C, dan suhu penggorengann OUT sebesar 155 0 C. Nilai rata-rata (mean) dari respon kadar air pada line 8 sebesar 3.74 % dan standar deviasi sebesar 0.48 %. Berdasarkan analisis yang g digunakan, model polinomial yang direkomendasikan oleh program Design Expert DX7.0.0 untuk respon kadar air pada line 8 adalah linear. Hasil analisis ragam (ANOVA) menunjukkan bahwa model linear l signifikan dengan nilai p Prob>F lebih kecil dari 0.05 (0.0043). Selain itu, diketahui bahwa komponen C (suhu penggorengan OUT) memberikan pengaruh yang nyata terhadap responn kadar air. Lack of fit F-value memiliki nilai sebesar 0.45 dengan nilai p Prob>F lebih besar dari 0.05 (0.8677). Nilai lack of fit yang tidak signifikan tersebut menunjukkan m bahwa nilai tersebut tidak signifikan relative terhadap pure error. Nilai tersebut menunjukkan adanya a kesesuaian data respon kadar airr dengan model. Model untuk respon kadar air pada line 8 memiliki nilai adjusted R-squared dan predicted R-squared secara berturut-turut sebesar 0.46566 dan 0.3246 yang menunjukkan bahwa data aktuall dan data yang diprediksikan untuk respon kadar airr tercakup ke dalam model sebesar 46.56 % dan 32.46 %. Nilai predicted R-squared mendukung nilai adjusted R-squared yang dihasilkan karena selisih keduanya lebihh kecil dari 0.2. Nilai adequate precision untuk respon kadar airr sebesar 6.850 yang menunjukkan besarnya sinyal terhadap 27
noise ratio. Nilai adequate precision yang lebih besar dari 4 (6.850) mengindikasikan sinyal yang memadai sehinggaa model tersebut dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang y dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan m prediksi yang baik. Persamaan polinomial untuk respon kadar air pada line 8 adalah: Kadar Air (%) = 23.08300 + (0. 10335)A - (0.028549)B - (0.12862)C Keterangan : A = kecepatan cutter B = suhu penggorengan IN C = suhu penggorengan OUT (5.3) Berdasarkan persamaan (5.3), terlihat bahwaa kadar air dipengaruhi oleh kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT. Respon R kadar air akan meningkat seiring dengan peningkatan nilai kecepatan cutter, yangg ditunjukkann dengan konstanta bernilai positif. Respon kadar air akan mengalami penurunan dengan meningkatnya nilai suhu penggorengan IN dan suhu penggorengan OUT, yang ditunjukkan dengan konstanta bernilai negatif. Grafik kenormalan internally studentized residual untuk respon kadar air dapat dilihat pada Gambar 12. Grafik contour plot untuk respon kadar air dapat dilihat pada Gambar 13, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 14. Gambar 12. Grafik kenormalan internally studentized residuals respon kadar air line 8 Terlihat padaa Gambar 12 bahwa titik-titik menyebar dekat dengan garis normal sehingga dapat dikatakan bahwaa data untuk respon kadar air pada line 8 menyebar normal. Data yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kadar air line 8. 28
Gambar 13. Grafik contour plot hasil uji responn kadar air linee 8 Grafik contour plot pada Gambar 13 menggambarkan bagaimana kombinasi antarkomponen saling mempengaruhi nilai respon kadarr air dengan suhu penggorengan OUT sebagai actual factor sebesar 155 0 C. Warna-warna yang berbeda pada grafik tersebut menunjukkan nilai respon kadar air. Warna kuning menunjukkan nilai respon kadar air yang semakin tinggi sedangkan warna hijau menunjukkan nilai respon kadar air yang semakin rendah. Garis-garis pada grafik contour plot p menunjukkan kombinasi dari ketiga komponen dengan nilai berbeda yang menghasilkan respon kadar air yang sama. Bentuk permukaan dari hubungan interaksii antarkomponen tersebut dapat terlihatt lebih jelas pada grafik tiga t dimensi yang ditunjukkan pada Gambar 14. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antarkomponen formula. Daerah yang rendah menunjukkan nilai respon kadar airr yang rendah, sedangkann daerah yang tinggi menunjukkan nilai respon kadar air yang tinggi. Gambar 14. Grafik tiga dimensi hasil uji responn kadar air linee 8 29
Respon kadar lemak padaa line 8 memiliki nilai hasil uji yang dihasilkan berkisar antara 15.89 % hingga 17.96 %. Nilai respon kadar lemak terendah sebesar 15.89 % dihasilkan dari data ke-14 dengan kecepatan cutter sebesar 45 rpm, suhu penggorengan IN sebesar 120 0 C, dan suhu penggorengan OUT sebesar 155 0 C. Nilai respon kadar lemak tertinggi sebesar 17.96 % dihasilkan dari dataa ke-9 dengan kecepatan cutter sebesar 45 rpm, suhu penggorengan IN sebesar 115 0 C, dan suhu penggorengan OUT sebesar 160 0 C.. Nilai rata-rata (mean) dari respon kadar lemak pada line 8 sebesar 16.58 % dan standar deviasi sebesar 0.59 %. Berdasarkan analisis yang g digunakan, model polinomial yang direkomendasikan oleh program Design Expert DX7.0.00 untuk respon kadar lemakk pada line 8 adalah mean. Hasil analisis ragam (ANOVA) pada taraf signifikansi menunjukkan bahwa model tersebut tidak memiliki nilai signifikansi. Namun, lack of fit memiliki nilai yang tidak signifikan. Hal tersebut ditunjukkan pada nilai F-value sebesar 0.41 dengan nilai p Prob>F lebih besar dari 0.05 (0.2559).. Nilai lack off fit yang tidak signifikan tersebut menunjukkan bahwa nilai tersebut tidak signifikan relatif terhadap pure error. Model untuk respon kadar lemak pada line 8 memiliki predicted R-squared yang bernilai negatif, yaitu -0.1080. Hal tersebut menunjukkan bahwa overall mean memberikan prediksi lebih baik bagi responn kadar lemak pada line 8. 8 Model yang dihasilkan untuk respon kadar lemak pada line 8 hanya dibuat berdasarkann nilai mean sehingga didapatkan persamaan berikut: Kadar Lemak (%) = 16.57550 (5.4) Grafik kenormalan internally studentized residual untuk respon kadar lemak pada line 8 dapat dilihat pada Gambar 15. Grafik contour plot untuk respon kadar air dapat dilihat pada Gambar 16, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 17. Gambar 15. Grafik kenormalan internally studentized residuals respon kadar lemak linee 8 Terlihat padaa Gambar 15 bahwa titik-titik menyebar dekat dengan garis normal sehingga dapat dikatakan bahwa data untuk respon kadar lemak pada line 8 menyebar 30
normal. Data yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kadar lemak line 8. Gambar 16. Grafik contour plot hasil uji respon kadar k lemak line 8 Grafik contour plot pada Gambar 16 menggambarkan bagaimana kombinasi antarkomponen tidak saling mempengaruhi nilai respon kadar lemakk dengan kecepatan cutter sebagai actual factor sebesar 44.50 0 C. Warna yang terlihat sama pada seluruh area grafik contour plot menunjukkan bahwa nilai respon yang terbentuk memiliki besar yang samaa untuk setiap kombinasi antarkomponen yang diujikan. Hal tersebut disebabkan karena model polinomial yang terpilih adalah mean sehingga nilai respon kadar lemak pada line 8 dianggap sama untuk setiap kombinasi. Bentuk permukaan dari i hubungan interaksi antarkomponen tersebut dapat terlihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 17. Gambar tersebut memperlihatkan nilai respon yang datar pada setiap kombinasi yang diujikan. Hal tersebut dikarenakan model polinomial yang terpilih adalah mean sehingga nilai respon kadar lemak pada line 8 dianggap tidak berbeda nyataa pada setiap kombinasi antarfaktor. a Gambar 17. Grafik tiga dimensi hasil uji respon kadar k lemak line 8 31
5.3.3 Respon Kadar Air dan Kadar Lemak pada Line 10 Terdapat 14 data yang dianalisis sebagai hasil uji respon pada line 10. Hasil uji respon kadar air pada line 10 berkisar antara 2.04 % hingga 3.89 %. Nilai respon kadar air terendah sebesar 2.04 % dihasilkan dari data ke-5 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 125 0 C, dan suhu penggorengan OUT sebesar 157 0 C. Nilai respon kadar air tertinggi sebesar 3.89 % dihasilkan dari data ke-2 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 120 0 C, dan suhu penggorengan OUT sebesar 155 0 C. Nilai rata-rata (mean) dari respon kadar air pada line 8 sebesar 2.67 % dan standar deviasi sebesar 0.25 %. Berdasarkan analisis yang digunakan, model polinomial untuk respon kadar air pada line 10 adalah reduced 2FI. Model yang direkomendasikan oleh program Design Expert DX7.0.0 adalah 2FI, namun model yang dihasilkan tidak signifikan sehingga dilakukan reduksi secara manual. Reduksi model yang dilakukan menghilangkan komponen B (suhu penggorengan IN) dan interaksi komponen AC (kecepatan cutter dan suhu penggorengan OUT) karena dianggap tidak signifikan. Hasil analisis ragam (ANOVA) menunjukkan bahwa model reduced 2FI signifikan dengan nilai p Prob>F lebih kecil dari 0.05 (0.0019). Selain itu, diketahui bahwa komponen A (kecepatan cutter), C (suhu penggorengan OUT), interaksi komponen AB (kecepatan cutter dan suhu penggorengan IN), dan BC (suhu penggorengan IN dan suhu penggorengan OUT) memberikan pengaruh yang nyata terhadap respon kadar air. Lack of fit F-value memiliki nilai sebesar 0.011 dengan nilai p Prob>F lebih besar dari 0.05 (0.9207). Nilai lack of fit yang tidak signifikan tersebut menunjukkan bahwa nilai tersebut tidak signifikan relatif terhadap pure error. Nilai tersebut menunjukkan adanya kesesuaian data respon kadar air dengan model. Model untuk respon kadar air pada line 10 memiliki nilai adjusted R-squared dan predicted R-squared secara berturut-turut sebesar 0.7978 dan 0.7219 yang menunjukkan bahwa data aktual dan data yang diprediksikan untuk respon kadar air tercakup ke dalam model sebesar 79.78 % dan 72.19 %. Nilai predicted R-squared mendukung nilai adjusted R-squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Nilai adequate precision untuk respon kadar air sebesar 6.850 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (9.520) mengindikasikan sinyal yang memadai sehingga model tersebut dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon kadar air pada line 10 adalah: Kadar Air (%) = 1215.07057 - (27.13568)A - (9.80481)B + (3.61617)C + (0.21938)AB (0.029224)BC (5.5) Keterangan : A = kecepatan cutter B = suhu penggorengan IN C = suhu penggorengan OUT Berdasarkan persamaan (5.5), terlihat bahwa kadar air dipengaruhi oleh kecepatan cutter, suhu penggorengan IN, suhu penggorengan OUT, interaksi kecepatan cutter dengan suhu penggorengan IN, serta interaksi suhu penggorengan IN dengan suhu penggorengan OUT. Respon kadar air akan meningkat seiring dengan peningkatan nilai suhu penggorengan 32
OUT dan interaksi kecepatan cutter dengan suhu penggorengan IN, yang ditunjukkan dengan konstanta bernilai positif. Respon kadar air akan mengalamii penurunan dengan meningkatnya nilai kecepatann cutter, suhu penggorengan IN, dan interaksi suhu penggorengan IN dengan suhuu penggorengan OUT, yang ditunjukkann dengan konstanta bernilai negatif. Grafik kenormalan internally studentized residual untuk respon kadar air dapat dilihat pada Gambar 18. Grafik contour plot untuk respon kadar air dapat dilihat pada Gambar 19, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 20.. Gambar 18. Grafik kenormalan internally studentized residuals respon kadar air line 10 Terlihat padaa Gambar 18 bahwa titik-titik menyebar dekat dengan garis normal sehingga dapat dikatakan bahwaa data untuk respon kadar air a pada line 100 menyebar normal. Data yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kadar air line 10 Gambarr 19. Grafik contour plot hasil uji respon kadar air linee 10. 33
Grafik contour plot pada Gambar 19 menggambarkan bagaimana kombinasi antarkomponen saling mempengaruhi nilai respon kadarr air dengan suhu penggorengan OUT sebagai actual factor sebesar 153 0 C. Warna-warna yang berbeda pada grafik tersebut menunjukkan nilai respon kadar air. Garis-garis dengan nilai n berbeda yang menghasilkan respon kadar air yang sama. Bentuk permukaan dari hubungan interaksi antarkomponen tersebut dapat terlihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 20. Perbedaan ketinggian permukaan menunjukkan nilai respon yang g berbeda-beda pada pada grafik contour plot menunjukkan kombinasi dari ketiga komponen setiap kombinasi antarkomponea en formula. Daerah yang rendah r menunjukkan nilai respon kadar air yang rendah, sedangkan daerah yang tinggi menunjukkan nilai respon kadar air yang tinggi. Gambarr 20. Grafik tiga dimensi hasil uji respon kadar air linee 10 Respon kadar lemak padaa line 10 memiliki nilai hasil uji yang dihasilkan berkisar antara 15.25 % hingga 17.55 %. Nilai respon kadar lemak terendah sebesar 15.25 % dihasilkan dari data ke-14 dengan kecepatan cutter sebesar 66 rpm, suhu penggorengan IN sebesar 126 0 C, dan suhu penggorengan OUT sebesar 158 0 C. Nilai respon kadar lemak tertinggi sebesar 17.55 % dihasilkan dari data ke-13 dengan kecepatan cutter sebesar 66 rpm, suhu penggorengan IN sebesar 122 0 C, dan suhu penggorengan OUT sebesar 158 0 C. Nilaii rata-rata (mean) dari respon kadar lemak pada linee 8 sebesar 16.82 % dan standar s deviasi sebesar 0.79 %. Berdasarkan analisis yang g digunakan, model polinomial yang direkomendasikan oleh program Design Expert DX7.0.0 untuk respon kadar lemak pada line 10 adalah mean. Hasil analisis ragam (ANOVA)) pada taraf signifikansi menunjukkan bahwa model tersebut tidak memiliki nilai signifikansi. Namun, lack of fit memiliki nilai yang tidak signifikan. Hal tersebut ditunjukkan pada nilai F-value sebesar 1.811 dengan nilai p Prob>F lebih besar dari 0.05 (0.2280). Nilai lack of fit yang tidak signifikan s tersebut menunjukkan bahwa nilai tersebut tidak signifikan relatif terhadap pure error. e Model untuk respon kadar lemak padaa line 10 memiliki predicted R-squared yang bernilai negatif, yaitu -0.1598. Hal tersebut menunjukkan bahwa overall mean memberikan prediksi lebih baik bagi responn kadar lemak pada line 10. Model yang dihasilkan untuk 34
respon kadar lemak pada line 10 hanya dibuat berdasarkann nilai mean sehingga didapatkan persamaan berikut: Kadar Lemak (%) = 16.816433 (5.6) Grafik kenormalan internally studentized residual untuk respon kadar lemak pada line 10 dapat dilihat pada Gambarr 21. Grafik contour plot untuk responn kadar lemak dapat dilihat pada Gambar 22, sedangkan grafik tiga dimensinyaa dapat dilihatt pada Gambar 23. Gambar 21. Grafik kenormalan internally studentized residuals respon kadar lemak line 10 Terlihat padaa Gambar 21 bahwa titik-titik menyebar dekat dengan garis normal sehingga dapat dikatakan bahwa data untuk respon kadar lemak padaa line 10 menyebar normal. Data yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kadar lemak line 10. Gambar 22. Grafik contour plot hasil uji respon kadar lemak line 10 35
Grafik contour plot pada Gambar 22 menggambarkan bagaimana kombinasi antarkomponen tidak saling mempengaruhi nilai respon kadar lemakk dengan kecepatan cutter sebagai actual factor sebesar 65 rpm. Warna yangg terlihat sama pada seluruh area grafik contour plot menunjukkan bahwa nilai respon yang terbentuk memiliki besar yang samaa untuk setiap kombinasi antarkomponen yang diujikan. Hal tersebut disebabkan karena model polinomial yang terpilih adalah mean sehingga nilai respon kadar lemak pada line 10 dianggap sama s untuk setiap kombinasi. Bentuk permukaan darii hubungan interaksi antarkomponen tersebut dapat terlihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 23. Gambar tersebut memperlihatkan nilai respon yang datar pada setiap kombinasi yang diujikan. Hal tersebut dikarenakan model polinomial yang terpilih adalah mean sehingga nilai respon kadar lemak pada line 10 dianggap tidak berbeda nyata pada setiap kombinasi antarfaktor. a Gambar 23. Grafik tigaa dimensi hasil uji respon kadar lemak line 10 5.4 Optimasi Kombinasi Parameter Proses dengann Programm Design Expert DX7. 0.0 Proses optimasi dilakukann dengan tujuan untuk mendapatkan kombinasi parameter proses terbaik sehingga dihasilkanan kadar air dan kadar lemak mie instan yang sesuai dengan yang diinginkan. Setiap unsur yang dioptimasii memiliki bobot kepentingan yang sama, yaitu sebesar 3 (+++). Nilai optimasi terbaik ditunjukkan dengan nilai desirability yang mendekati 1. Uraian unsur yang dioptimasi terdapat pada Tabel 2. 36
Tabel 2. Uraian unsur parameter proses dan respon yang dioptimasi Unsur Goal Batas Bawah Batas Atas Bobot Kepentingan 62 65 Kecepatan Cutter (rpm) in target 44 45 3 (+++) 64 66 Suhu Penggorengan IN ( 0 C) in target 115 125 3 (+++) 150 160 Suhu Penggorengan OUT ( 0 C) in target 150 160 3 (+++) 148 158 Kadar Air (%) in target 3.3 3.5 3 (+++) 15.25 17.62 Kadar Lemak (%) target - 17 15.89 17.96 3 (+++) 15.25 17.96 Keterangan: = line 2 = line 8 = line 10 Respon kadar air yang diinginkan memiliki range sebesar 3.3-3.5 %. Nilai tersebut lebih kecil dibandingkan dengan standar mutu mie instan yang dikeluarkan oleh Standar Nasional Indonesia, yaitu maksimal sebesar 10 % dengan metode penggorengan. Nilai kadar air yang semakin rendah menunjukkan bahwa jumlah air dalam mie instan lebih sedikit sehingga dapar memperpanjang umur simpan mie instan. Respon kadar lemak yang diinginkan memiliki target yang sama yaitu sebesar 17 %. Nilai tersebut ditentukan dengan menyesuaikan terhadap nilai kadar air yang ingin dituju. Jumlah lemak di dalam mie instan menentukan tingkat ketengikan dalam mie instan. Kombinasi nilai kadar air dan kadar lemak yang baik akan dapat memberikan karakteristik mie instan yang baik dan tentunya memiliki umur simpan yang lebih lama. Setelah tiap variabel respon dianalisis, program Design Expert DX7.0.0 akan memberikan sejumlah solusi dengan nilai desirability yang berbeda-beda. Solusi yang didapatkan dari program Design Expert DX7.0.0 dapat dilihat pada Tabel 3. Tabel 3. Solusi optimasi untuk masing-masing line Line Kecepatan Cutter (rpm) Suhu Penggorengan IN ( 0 C) Suhu Penggorengan OUT ( 0 C) Kadar Air (%) Kadar Lemak (%) Desirability 2 64.68 121.26 150.08 3.41519 17 1 8 44.02 124.74 159.95 3.49808 16.5755 0.618 10 64.13 119.83 154.30 3.45207 16.8164 0.895 Solusi yang dianggap paling mendekati optimum adalah solusi yang memiliki nilai desirability mendekati 1. Solusi-solusi yang terdapat pada Tabel 3 merupakan solusi dengan nilai desirability tertinggi dibandingkan yang lainnya. Solusi yang terpilih untuk diterapkan pada line 2 adalah pada kecepatan cutter sebesar 64.68 rpm, suhu penggorengan IN 121.26 0 C, dan suhu penggorengan OUT 150.08 0 C 37
dengann prediksi nilai kadar air sebesar 3.41519 % dan kadar lemak 17 %. Nilai desirability untuk solusi pada line 2 sebesar 1. Solusi yang terpilih untuk diterapkann pada line 8 adalah pada kecepatan cutter sebesar 44.02 rpm, suhu penggorengan IN 124.74 0 C, dan suhu penggorengan OUT 159.95 0 C dengan prediksi nilai kadar air sebesar 3..49808 % dan kadar lemak 16.5755 %. Nilai desirability untuk solusi pada line 8 sebesar 0.618. Solusi yang terpilih untuk diterapkan pada line 10 adalah pada kecepatan cutter sebesar 64.13 rpm, suhu penggorengan IN 119.83 0 C, dann suhu penggorengan OUT 154.30 0 C dengan prediksi nilai kadar air sebesar 3.45207 % dan kadar lemak 16.8164 %. Nilai N desirability untuk solusi pada line 10 sebesar 0.895. Grafik contour plot untuk solusi line 2 terdapatt pada Gambar 24, sedangkan untuk grafik tiga dimensinya pada Gambar 25 dengan d actuall factor berupa suhu penggorengan OUT sebesar 150.08 0 C. Grafik contour plot untuk solusi line 8 terdapat pada Gambar 26, sedangkan untuk grafik tiga dimensinya pada Gambar G 27 dengan actual factor berupa suhu penggorengan OUT sebesar 159.95 0 C. Grafik contour plot untuk solusi line l 10 terdapat pada Gambar 28, sedangkan untuk grafik tiga dimensinya pada Gambar 29 dengan actual factor berupaa suhu penggorengan OUT sebesar 154.30 0 C Gambar 24. Grafik contour plot solusii line 2. Gambar 25. Grafik tiga dimensi solusii line 2 38
Gambar 26. Grafik contour plot solusii line 8 Gambar 27. Grafik tiga dimensi solusii line 8 Gambar 28.. Grafik contour plot solusi line 10 39
Gambar 29.. Grafik tiga dimensi solusi line 10 5.5 Verifikasi Solusi Kombinasi Parameter Proses Optimum O Setelah didapatkan solusii optimasi untuk masing-masing line, langkah selanjutnya adalah tahap verifikasi. Tujuan dari tahap tersebut adalah untuk u membuktikan hasil prediksi yang diberikan oleh program Design Expert DX7.0.0 dengan menerapkannya langsung ke proses produksi. Selain memberikan nilai prediksi untuk masing-masing respon, program Design Expert DX7.0.0 juga memberikan nilai confident interval dan prediction interval untuk masing-masing respon pada taraf signifikansi 5 %. Confident interval (CI) adalah rentang nilai dengan batasan tertentu, yang mengandung nilai probabilitas dari parameter diujikan (Howell 2008). Nilai yang biasa digunakan dalam CI adalahh 95 % atau 99 %, dengann nilai α sebesar 0.05 atauu 0.01. Jika nilai CI yang digunakan adalah 95 %, artinya a adalah sebanyak 95 % pengaruhh untuk mendapatkan darii nilai suatu respon berasal dari faktor yang diujikan dan sebesarr 5 % berasal dari faktor di d luar model.. Rentang CI yang lebih sempit menunjukkan bahwa nilai optimasi yang lebih baik dibandingkan dengan rentang CI yang lebih lebar (Heiberger dan Holland 2004).. Prediction interval (PI) adalah rentang yang menunjukkan prediksi pengukuran respon berikutnya b dengan kondisii yang sama pada taraf signifikansi tertentu, dalam hal ini 5 % (Howell 2008). Uraian prediksi nilai respon serta CI dan PI untuk masing-masinm ng line dapat dilihat pada Tabel 4. 40
Tabel 4. Prediksi nilai respon masing-masing line Respon Prediksi 95 % CI Low 95 % CI High 95 % PI Low 95 % PI High Kadar Air (%) Kadar Lemak (%) Keterangan: = line 2 = line 8 = line 10 3.41519 2.86 3.97 1.79 5.05 3.49808 3.08 3.92 2.40 4.60 3.45207 3.16 3.74 2.81 4.09 17 16.31 17.69 15.83 18.17 16.5755 16.30 16.85 15.31 17.84 16.8164 16.36 17.27 15.05 18.58 Dengan diberikannya solusi parameter proses serta nilai prediksinya, diharapkan dapat dilakukan tahap verifikasi untuk pengujian kembali hasil-hasil tersebut. Tahap verifikasi belum dapat dikerjakan dikarenakan adanya perubahan nilai solusi dan waktu penelitian yang terbatas. 41