C. PENELITIAN UTAMA
2. Analisis Respon
Program Design Expertversion 7 memiliki 5 model polinomial untuk setiap respon. Model-model polinomial itu adalah mean, linear, quadratic, special cubic, dan cubic. Model polinomial merupakan output dari proses analisis mutu awal produk yang diolah oleh rancangan statistik RSM mixture design yang menunjukkan hasil analisis mutu awal atau respon produk. Program Design Expert version 7 akan merekomendasikan salah satu model yang paling sesuai untuk setiap respon. Pemilihan model yang cocok dari tiap respon akan ditampilkan dalam fit summary.
Tabel 13. Hasil keseluruhan respon (biaya, tekstur, rasa, air bebas yang dikeluarkan, cooking loss, daya iris, kekenyalan) pada 19 formula Std Run Block Component 1 A:surimi % Component 2 B:air % Component 3 C:karagenan % Component 4 D:susu skim % Response 1 Biaya (Rp./ 350 g sosis) Response 2 tekstur (0-15) Response 3 rasa (0-15) Response 4 air bebas yang dikeluarkan (mg H2O) Response 5 cooking loss (%) Response 6 daya iris (gf) Response 7 Kekenyalan (gf) 4 1 Block 1 53 17 2 0 8660.58 10.20 9.90 61.62 3.44 638.6 538.9 5 2 Block 1 55 17 0 0 8615.36 8.40 8.50 71.11 3.27 1367.4 423.1 2 3 Block 1 43.75 25.75 0 2.5 7521.36 8.00 9.60 63.73 3.66 534.1 208.9 6 4 Block 1 51.5 17 1 2.5 8655.11 9.30 9.10 63.73 5.16 1154.5 424.4 1 5 Block 1 35 37 0 0 6075.19 4.30 7.80 88.52 3.68 555.7 79.5 15 6 Block 1 35 31 1 5 6894.13 6.90 9.00 47.38 3.66 473.3 201.1 12 7 Block 1 48.125 21.125 1.5 1.25 8134.14 9.70 9.40 58.98 4.12 767.8 449.7 9 8 Block 1 35 31 1 5 6894.13 7.10 8.40 63.73 3.09 477.8 251.4 3 9 Block 1 50 17 0 5 8649.65 8.40 8.70 59.51 3.34 832.8 291.8 14 10 Block 1 55 17 0 0 8615.36 9.20 9.80 60.04 3.46 1374.1 470.7 13 11 Block 1 41.5 23.5 2 5 7869.31 9.10 8.70 61.62 5.07 394.3 456.4 10 12 Block 1 48 17 2 5 8694.86 9.80 9.00 45.80 3.56 548.9 552.5 8 13 Block 1 44.5 26.5 1 0 7431.39 7.50 9.10 79.03 5.50 680.8 267.5 7 14 Block 1 35 35 2 0 6374.42 6.90 8.10 82.72 4.17 302.6 218.2 11 15 Block 1 39.125 30.125 1.5 1.25 6991.14 7.90 8.80 53.71 3.97 552.9 261.4 16 16 Block 1 35 37 0 0 6075.19 4.20 7.90 87.46 3.85 278.7 83.7 17 17 Block 1 50 17 0 5 8649.65 10.00 9.60 73.22 3.71 811.7 292.8 18 18 Block 1 53 17 2 0 8660.58 10.70 10.10 71.11 3.80 621.9 578.2 19 19 Block 1 44.5 26.5 1 0 7431.39 7.50 8.80 89.05 3.79 519.8 245.0
Kesesuaian antara hasil aktual dengan hasil yang diprediksikan pada program Design Expert version 7 dapat dilihat melalui grafik plot kenormalan Internally Studentized Residual. Plot kenormalan Internally Studentized Residual adalah besarnya standar deviasi yang memisahkan nilai respon aktual dengan yang diprediksikan. Plot kenormalan mengindikasikan apakah residual (perbedaan antara nilai respon aktual dengan yang diprediksikan) mengikuti garis kenormalan (garis lurus). Semakin mendekati suatu titik-titik (data) dengan garis kenormalan, maka akan semakin baik, karena titik-titik (data) tersebut menyebar normal, yang berarti hasil aktual akan mendekati hasil yang diprediksikan program Design Expert version 7 (Anonim, 2007).
Program Design Expert version 7 dapat menyelesaikan persamaan polinomial di mana persamaan tersebut dapat ditampilkan dalam suatu contour plot, yang berupa gambar dua dimensi (2-D) maupun grafik tiga dimensi (3-D). Grafik countour plot menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon (Anonim, 2007). Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi.
a. Analisis Respon Biaya (per 350 g sosis ikan)
Respon biaya yang dihitung pada penelitian ini adalah raw material cost (biaya bahan baku) yang dapat dilihat pada Tabel 14. Biaya ini yang merupakan biaya variabel yang akan berubah-ubah akibat perbedaan penggunaan jumlah surimi, air, karagenan, dan susu skim. Berdasarkan Tabel 14, terlihat bahwa harga bahan baku yang paling mahal adalah pala, diikuti isolat protein, merica, karagenan, susu skim, dan surimi. Namun, bahan baku selain surimi, digunakan sangat sedikit, dan jumlahnya tidak lebih dari 5%, sehingga tidak berpengaruh banyak terhadap kenaikan biaya bahan baku. Surimi sebagai bahan baku dasar, sangat menentukan cost dalam pembuatan sosis. Hal ini selain dikarenakan jumlah surimi adalah yang paling banyak digunakan
diantara bahan lainnya, juga dikarenakan rendemen surimi yang rendah (32.76 % terhadap ikan utuh dan 63.20 % terhadap fillet).
Tabel 14. Harga bahan baku sosis ikan patin
No Bahan Harga (Rp) Satuan Harga /g 1 Surimi 24779.4 682,8 g 36.29 2 Air 2620 1000 L 0.003 3 Tapioka 2195 500 g 4.39 4 Minyak 15300 2 L 8.50 5 Isolat Protein 8000 100 g 80.00 6 Bw.putih 840 100 g 8.40 7 Bw.merah 899 100 g 8.99 8 merica 5995 85 g 70.53 9 MSG 20000 1 kg 20.00 10 Jahe 1350 100 g 13.50 11 Pala 5200 50 g 104.00 12 Garam 1000 500 g 2.00 13 Karagenan 42750 1 kg 42.75 14 Susu skim 15300 400 g 38.25
Biaya (RM cost) dalam pembuatan sosis ikan berkisar antara Rp. 6075.19 hingga Rp.8694.86. RM cost terendah, yaitu Rp. 6075.19 berasal dari formula 5 dan formula 16 yang menggunakan surimi paling sedikit, yaitu 35%, dan air paling banyak, yaitu 37%, tanpa karagenan dan susu skim. RM cost tertinggi, yaitu Rp.8694.86 berasal dari formula 12 yang menggunakan surimi cukup banyak, yaitu 48%, air sebanyak 17% disertai penggunaan maksimum karagenan, yaitu 2% dan susu skim, yaitu 5%. Nilai rata-rata (mean) dari hasil uji respon biaya (RM cost) adalah Rp. 7731.21, dengan standar deviasi 0.09.
Berdasarkan analisis pada program Design Expert version 7 model polinomial dari respon biaya (RM cost) adalah linear. Hasil uji sidik ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu linear adalah signifikan, dengan nilai p “prob>F” lebih kecil daripada 0.05 (<0.0001). Selain itu, dapat diketahui secara terpisah (linier mixture) komponen A (surimi), komponen B (air), komponen C (karagenan), dan komponen D (susu skim) memberikan
untuk respon biaya (RM cost) sangat kecil bahkan dapat diabaikan, yang berarti data respon biaya (RM cost) sangat sesuai dengan model (Lampiran 8).
Nilai PRESS yang merupakan nilai sum of squares dari residual error yang diprediksikan untuk respon biaya (RM cost) adalah sebesar 0.1759. Besarnya nilai Pred R-squared dan Adj R-squared berturut-turut untuk respon biaya (RM cost) adalah 1, yang menunjukkan bahwa data- data yang diprediksikan dan data-data aktual untuk respon biaya (RM cost) yang tercakup ke dalam model adalah sebesar 100%(Lampiran 8). Persamaan polinomial untuk respon biaya (RM cost) adalah sebagai berikut :
Biaya (Rp.) = + 149.64604 x surimi + 22.63844 x air +172.26232 x karagenan + 156.50088 x susu skim
Berdasarkan persamaan di atas terlihat bahwa biaya (RM cost) meningkat seiring peningkatan jumlah surimi, air, karagenan, dan susu skim, yang ditandai dengan konstanta yang bernilai positif. Besarnya biaya sangat ditentukan oleh penambahan karagenan, karena diantara komponen lainnya, nilai konstanta karagenan paling besar (172.26232) diikuti susu skim, surimi, dan air. Tetapi karena karagenan yang digunakan sangat sedikit (maksimum hanya 2%) dan jumlah susu skim yang digunakan pun sedikit (maksimum hanya 5%), maka yang sangat menentukan kenaikan biaya bahan baku adalah surimi. Surimi ini merupakan bahan baku utama dalam pembuatan sosis ikan dan jumlah yang digunakan paling banyak diantara bahan baku lainnya. Nilai konstanta surimi pun cukup besar (149.64604) sehingga sangat menentukan besarnya biaya (RM cost).
Grafik kenormalan Internally Studentized Residual untuk respon biaya (RM cost) dapat dilihat pada Gambar 12. Grafik contour plot untuk respon biaya (RM cost) terhadap komponen surimi, air, karagenan, dengan susu skim sebesar 2.128 % dapat dilihat pada Gambar 13 dan grafik tiga dimensinya dapat dilihat pada Gambar 14.
Berdasarkan Gambar 12 terlihat bahwa jarak antara titik terjauh di atas dan di bawah garis lurus kurang lebih sama, dan beberapa titik lain berada di dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data hasil respon biaya (RM cost) menyebar normal. Hal ini berarti bahwa standar deviasi yang memisahkan nilai respon aktual biaya (RM cost) dengan respon biaya (RM cost) yang diprediksikan tidak besar. Data-data respon biaya (RM cost) yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon biaya (RM cost).
Warna-warna yang berbeda pada grafik contour plot pada Gambar 13 menunjukkan besarnya biaya (RM cost). Warna biru menunjukkan biaya terendah, yaitu Rp.6075.19 sampai warna merah yang menunjukkan biaya tertinggi, yaitu sebesar Rp.8694.86. Garis-garis yang terdiri atas titik-titik pada grafik countour plot menunjukkan kombinasi dari keempat komponen dengan jumlah berbeda yang menghasilkan respon biaya tertentu yang sama.
Gambar 13. Grafik countour plot hasil uji respon biaya (RM cost)
b. Analisis Respon Tekstur
Menurut Meilgaard et al. (1999), yang dimaksud dengan tekstur adalah sesuatu yang bersifat kompleks, dan didefinisikan sebagai manifestasi sensori dari struktur luar dan dalam dari suatu produk. Tiap produk pangan memiliki definisi tersendiri untuk tekstur. Respon tekstur yang dimasukkan pada respon yaitu tekstur secara keseluruhan yang penting dan erat kaitannya dengan produk sosis yang mencakup daya gigit, kekerasan, kekenyalan, dan juiceness. Respon ini diuji secara organoleptik dengan uji hedonik menggunakan 30 panelis yang pernah memakan produk sosis.
Hasil nilai respon tekstur adalah berkisar antara 4.2 hingga 10.7. Nilai kesukaan tekstur terendah yaitu 4.2 (berkisar antara sangat tidak suka hingga tidak suka) berasal dari formula 16 yang menggunakan surimi paling sedikit, yaitu 35%, dan air paling banyak, yaitu 37%, tanpa karagenan dan susu skim. Kandungan surimi yang rendah dengan penambahan air yang banyak tanpa disertai penggunaan karagenan dan susu skim memungkinkan produk sosis yang dihasilkan menjadi terlalu lembek dan cepat hancur di mulut sehingga tidak disukai panelis. Nilai kesukaan tekstur tertinggi yaitu 10.7 (berkisar antara netral hingga agak suka) berasal dari formula 18 yang menggunakan cukup banyak surimi, yaitu 53%, air sebanyak 17%, menggunakan karagenan maksimum yaitu 2%, tanpa susu skim. Penggunaan surimi yang cukup banyak disertai adanya penambahan karagenan dan cukup air memungkinkan produk sosis yang dihasilkan menjadi empuk sehingga banyak panelis yang menyukainya. Nilai rata-rata (mean) dari respon tekstur adalah 8.16 (berkisar antara agak tidak suka hingga netral), dengan standar deviasi 0.54.
Berdasarkan analisis pada program Design Expert version 7 model polinomial dari respon tekstur adalah linear. Hasil uji sidik ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu linear adalah signifikan, dengan nilai p
“prob>F” lebih kecil daripada 0.05 (<0.0001). Selain itu, dapat diketahui secara terpisah (linier mixture) komponen A (surimi), komponen B(air), komponen C (karagenan), dan komponen D (susu skim) memberikan pengaruh yang nyata terhadap respon tekstur (<0.0001). Nilai F dari Lack of Fit yang dihasilkan untuk respon tekstur adalah sebesar 1.04, yang menandakan Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon tekstur dengan model (Lampiran 9).
Nilai PRESS yang merupakan nilai sum of squares dari residual error yang diprediksikan untuk respon tekstur adalah sebesar 7.4381. Besarnya nilai Pred R-squared dan Adj R-squared untuk respon tekstur berturut-turut adalah 0.8724 dan 0.9080, yang menunjukkan bahwa data- data yang diprediksikan dan data-data aktual untuk respon tekstur yang tercakup ke dalam model adalah berturut-turut sebesar 87.24% dan 90.80% (Lampiran 9).
Persamaan polinomial untuk respon tekstur adalah sebagai berikut :
Tekstur = + 0.17182 x surimi + (-0.034558) x air + 0.92726 x karagenan + 0.21158 x susu skim
Berdasarkan persamaan di atas terlihat bahwa nilai kesukaan terhadap tekstur akan meningkat seiring peningkatan jumlah surimi, karagenan, dan susu skim, yang ditandai dengan konstanta yang bernilai positif. Sedangkan air dapat menurunkan nilai kesukaan terhadap tekstur, yang ditandai dengan konstanta yang bernilai negatif. Nilai kesukaan terhadap tekstur sangat ditentukan oleh penambahan karagenan, karena diantara komponen lainnya, nilai konstanta karagenan paling besar (0.92726), diikuti susu skim dan surimi sedangkan penambahan air dapat menurunkan nilai kesukaan terhadap tekstur tetapi besar konstantanya kecil (0.034558).
Grafik kenormalan Internally Studentized Residual untuk respon tekstur dapat dilihat pada Gambar 15. Grafik contour plot untuk respon tekstur terhadap komponen surimi, air, karagenan, dengan susu skim
sebesar 2.128 % dapat dilihat pada Gambar 16 dan grafik tiga dimensinya dapat dilihat pada Gambar 17.
Berdasarkan Gambar 15 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon tekstur menyebar normal. Hal ini berarti bahwa standar deviasi yang memisahkan nilai respon aktual tekstur dengan respon tekstur yang diprediksikan tidak besar. Data-data respon tekstur yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon tekstur.
Warna-warna yang berbeda pada grafik contour plot pada Gambar 16 menunjukkan nilai respon tekstur. Warna biru menunjukkan nilai respon tekstur terendah, yaitu 4.2 (sangat tidak suka hingga suka) sampai warna merah yang menunjukkan nilai respon tekstur tertinggi, yaitu 10.7 (netral hingga agak suka). Garis-garis yang terdiri atas titik-titik pada grafik countour plot menunjukkan kombinasi dari keempat komponen dengan jumlah berbeda yang menghasilkan nilai respon tekstur tertentu yang sama.
Gambar 16. Grafik countour plot hasil uji respon tekstur
c. Analisis Respon Rasa
Rasa merupakan persepsi dari sel pengecap meliputi rasa asin, manis, asam, dan pahit yang diakibatkan oleh bahan yang terlarut dalam mulut (Meilgaard et al., 1999). Rasa dimasukkan sebagai respon karena perubahan jumlah surimi memungkinkan dapat mengubah rasa akibat adanya penambahan krioprotektan. Semakin banyak surimi yang digunakan sebagai bahan baku, maka rasa manis yang berasal dari krioprotektan akan semakin dominan. Selain itu, semakin banyak penggunaan surimi, maka dapat meningkatkan rasa ikan dalam produk. Respon ini diuji secara organoleptik dengan uji hedonik menggunakan 30 panelis yang pernah memakan produk sosis.
Hasil nilai respon rasa adalah berkisar antara 7.8 hingga 10.1. Nilai kesukaan rasa terendah yaitu 7.8 (agak tidak suka hingga netral) berasal dari formula 5 yang menggunakan surimi paling sedikit, yaitu 35%, dan air paling banyak, yaitu 37%, tanpa karagenan dan susu skim. Kandungan surimi yang rendah dengan penambahan air yang banyak tanpa disertai penggunaan karagenan dan susu skim memungkinkan produk sosis yang dihasilkan menjadi terasa hambar sehingga tidak disukai panelis. Nilai kesukaan rasa tertinggi yaitu 10.1 (berkisar antara netral hingga agak suka) berasal dari formula 18 yang menggunakan cukup banyak surimi, yaitu 53% , air sebanyak 17%, menggunakan karagenan maksimum yaitu 2%, tanpa susu skim. Penggunaan surimi yang cukup banyak disertai adanya penambahan karagenan dan cukup air memungkinkan produk sosis yang dihasilkan terasa lebih enak sehingga banyak panelis menyukainya. Nilai rata-rata (mean) dari respon rasa adalah 8.96 (berkisar antara netral hingga agak suka), dengan standar deviasi 0.48.
Berdasarkan analisis pada program Design Expert version 7 model polinomial dari respon rasa adalah linear. Hasil uji sidik ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu linear adalah signifikan, dengan nilai p
“prob>F” lebih kecil daripada 0.05 (0.0059). Selain itu, dapat diketahui secara terpisah (linier mixture) komponen A (surimi), komponen B (air), komponen C (karagenan), dan komponen D (susu skim) memberikan pengaruh yang nyata terhadap respon rasa (0.0059). Nilai F dari Lack of Fit yang dihasilkan untuk respon rasa adalah sebesar 0.89, yang menandakan Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon rasa dengan model (Lampiran 10).
Nilai PRESS yang merupakan nilai sum of squares dari residual error yang diprediksikan untuk respon rasa adalah sebesar 5.8497. Besarnya nilai Pred R-squared dan Adj R-squared untuk respon rasa berturut-turut adalah 0.2561 dan 0.4647, yang menandakan data-data yang diprediksikan dan data-data aktual yang tercakup ke dalam model adalah berturut-turut hanya sebesar 25.61% dan 46.47% (Lampiran 10).
Persamaan polinomial untuk respon rasa adalah sebagai berikut :
Rasa = + 0.14567 x surimi + 0.081116 x air + 0.26197 x karagenan + 0.10985 x susu skim
Berdasarkan persamaan terlihat bahwa nilai kesukaan terhadap rasa akan meningkat seiring peningkatan jumlah surimi, air, karagenan, dan susu skim, yang ditandai dengan konstanta yang bernilai positif. Nilai kesukaan terhadap rasa sangat ditentukan oleh penambahan karagenan, karena diantara komponen lainnya, nilai konstanta karagenan paling besar (0.26197), diikuti oleh surimi, susu skim, dan air.
Grafik kenormalan Internally Studentized Residual untuk respon rasa dapat dilihat pada Gambar 18. Grafik contour plot untuk respon rasa terhadap komponen surimi, air, karagenan, dengan susu skim sebesar 2.128 % dapat dilihat pada Gambar 19 dan grafik tiga dimensinya dapat dilihat pada Gambar 20.
Gambar 18. Grafik kenormalan Internally Studentized Residual respon rasa
Berdasarkan Gambar 18 terlihat bahwa titik-titik berada dekat di sepanjang garis normal sehingga dapat dikatakan bahwa data hasil respon rasa menyebar normal. Hal ini berarti bahwa standar deviasi yang memisahkan nilai respon aktual rasa dengan respon rasa yang diprediksikan tidak besar. Data-data respon rasa yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon rasa.
Warna-warna yang berbeda pada grafik contour plot pada Gambar 19 menunjukkan nilai respon rasa. Warna biru menunjukkan nilai respon rasa terendah, yaitu 7.8 (agak tidak suka hingga netral) sampai warna merah yang menunjukkan nilai respon rasa tertinggi, yaitu 10.1 (netral hingga agak suka). Garis-garis yang terdiri atas titik-titik pada grafik countour plot menunjukkan kombinasi dari keempat komponen dengan jumlah berbeda yang menghasilkan nilai respon rasa tertentu yang sama.
Gambar 19. Grafik countour plot hasil uji respon rasa
d. Analisis Respon Air Bebas yang Dikeluarkan
Water holding capacity (WHC) adalah kemampuan protein daging untuk mengikat airnya sendiri atau air yang ditambahkan saat proses. (Offer dan Knight, 1988). Sifat ini sangat penting dalam pembuatan produk emulsi daging dan dalam pembuatan produk emulsi daging tersebut diperlukan WHC tinggi. WHC ini berkaitan erat dengan air bebas yang dikeluarkan. WHC merupakan faktor penting dalam pembentukan gel (Muchtadi dan Sugiyono, 1992). Perhitungan sejumlah air bebas yang dikeluarkan dapat dilakukan dengan menekan kertas saring Whatman yang berisi sampel dengan berat 35 kg selama 5 menit. Setelah ditekan selama 5 menit, sampel akan membebaskan air, dan besar penyebaran airnya dapat terlihat pada kertas saring. Luasan lingkaran penyebaran air dan luasan lingkaran sampel awal ditandai. Besarnya luasan diukur dengan alat yang disebut planimeter. Daerah basah diperoleh dengan mengurangkan luas lingkaran luar dengan luas lingkaran dalam (luasan sampel). Daerah basah menandakan air bebas yang dikeluarkan sampel pada saat ditekan.
Perhitungan air bebas ini didasarkan banyaknya mg H2O yang
dapat dibebaskan sampel. Semakin besar daerah basah, maka air bebas yang dikeluarkan semakin banyak sehingga produk tersebut memiliki daya mengikat air (WHC) yang semakin buruk, karena produk tidak dapat menahan air yang terkandung di dalamnya pada saat ditekan. Semakin kecil daerah basah, maka air bebas yang dikeluarkan semakin sedikit sehingga produk tersebut memiliki daya mengikat air (WHC) yang semakin baik karena produk dapat menahan kandungan air di dalamnya pada saat ditekan.
Hasil nilai respon air bebas yang dikeluarkan adalah berkisar antara 47.38 mg H2O hingga 89.05 mg H2O . Nilai terendah air bebas yang
dikeluarkan yaitu 47.38 mg H2O berasal dari formula 6 yang
menggunakan surimi paling sedikit, yaitu 35%, air sebanyak 31%, karagenan 1% dan susu skim maksimum, sebesar 5%. Nilai tertinggi air
bebas yang dikeluarkan yaitu 89.05 mg H2O berasal dari formula 19
yang menggunakan surimi sebanyak 44.5%, air sebanyak 26.5%, karagenan sebanyak 1%, tanpa susu skim. Terlihat bahwa adanya susu skim berkontribusi besar dalam penahanan air. Jenis karagenan yang digunakan adalah 75% iota-karagenan dan 25% kappa-karagenan. Berarti, pengaruh iota-karagenan sangat dominan daripada kappa- karagenan. Menurut Fardiaz (1989), iota-karagenan yang merupakan jenis karagenan yang digunakan bereaksi secara kuat dengan adanya ion kalsium membentuk gel elastis yang lunak dan tidak mengalami sineresis. Adanya susu skim yang mengandung banyak ion kalsium dapat membentuk jembatan antar rantai untuk membentuk gel yang lembut dan elastis (Imeson, 2000). Gel ini dapat menyerap dan menahan cukup banyak air, menghasilkan daya mengikat air yang tinggi. Nilai rata-rata (mean) dari respon air bebas yang dikeluarkan adalah 67.48 mg H2O dengan standar deviasi 9.84.
Berdasarkan analisis pada program Design Expert version 7 model polinomial dari respon air bebas yang dikeluarkan adalah linear. Hasil uji sidik ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu linear adalah signifikan, dengan nilai p “prob>F” lebih kecil daripada 0.05 (0.0084). Selain itu, dapat diketahui secara terpisah (linier mixture) komponen A (surimi), komponen B(air), komponen C (karagenan), dan komponen D(susu skim) memberikan pengaruh yang nyata terhadap respon air bebas yang dikeluarkan (0.0084). Nilai F dari Lack of Fit yang dihasilkan untuk respon air bebas yang dikeluarkan adalah sebesar 1.85, yang menandakan Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon air bebas yang dikeluarkan dengan model (Lampiran 11).
Nilai PRESS yang merupakan nilai sum of squares dari residual error yang diprediksikan untuk respon air bebas yang dikeluarkan adalah sebesar 2272.392. Besarnya nilai Pred R-squared dan Adj R-squared
untuk respon air bebas yang dikeluarkan berturut-turut adalah 0.2664 dan 0.4376, yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon air bebas yang dikeluarkan, yang tercakup ke dalam model adalah berturut-turut hanya sebesar 26.64% dan 43.76% (Lampiran 11).
Persamaan polinomial untuk respon air bebas yang dikeluarkan adalah sebagai berikut :
Air bebas yang dikeluarkan (mg H2O) = + 0.87794 x surimi + 1.45881x
air + (-3.12430) x karagenan + (-2.17283) x susu skim
Berdasarkan persamaan di atas terlihat bahwa nilai WHC akan meningkat seiring peningkatan jumlah karagenan dan susu skim, yang ditandai dengan konstanta yang bernilai negatif di mana jumlah air bebas yang dikeluarkan sedikit. Semakin kecil nilai mg H2O yang dikeluarkan,
maka WHC semakin baik. Sedangkan surimi dan air dapat menurunkan nilai WHC yang ditandai dengan konstanta yang bernilai positif di mana jumlah air bebas yang dikeluarkan banyak. Semakin besar nilai mg H2O
yang dikeluarkan, maka WHC semakin buruk. Meningkatnya respon WHC sangat ditentukan oleh penambahan karagenan dan susu skim, karena nilai konstanta karagenan paling besar (3.12430), diikuti susu skim (2.17283). Sedangkan penambahan air dan surimi dapat menurunkan nilai respon WHC (dengan konstanta berturut-turut sebesar 1.45881 dan 0.87794), tetapi nilai konstanta ini tidak sebesar nilai konstanta karagenan dan susu skim yang dapat meningkatkan nilai respon WHC.
Grafik kenormalan Internally Studentized Residual untuk respon air bebas yang dilekuarkan dapat dilihat pada Gambar 21. Grafik contour plot untuk respon air bebas yang dikeluarkan terhadap komponen surimi, air, karagenan, dengan susu skim sebesar 2.128 % dapat dilihat pada Gambar 22 dan grafik tiga dimensinya dapat dilihat pada Gambar 23.
Gambar 21. Grafik kenormalan Internally Studentized Residual respon air bebas yang dikeluarkan
Berdasarkan Gambar 21 terlihat bahwa titik-titik berada dekat di sepanjang garis normal. Jarak terjauh di atas garis masih sama dengan jarak terjauh di bawah garis sehingga saling menyeimbangkan. Dapat dikatakan bahwa data-data hasil respon air bebas yang dikeluarkan masih menyebar normal. Hal ini berarti bahwa standar deviasi yang memisahkan nilai respon aktual air bebas yang dikeluarkan dengan respon air bebas yang dikeluarkan yang diprediksikan tidak besar. Data- data pada respon air bebas yang dikeluarkan yang menyebar normal menunjukkan adanya kesesuaian model dengan asumsi dari ANOVA terhadap respon air bebas yang dikeluarkan.