B. FORMULASI SARI BUAH JERUK PONTIANAK
1. Formulasi Sari Buah Jeruk Pontianak dengan Variabel Uji Asam
a. Penetapan batas minimum dan maksimum asam sitrat dan sukrosa Penetapan batas minimum dan maksimum asam sitrat dilakukan hingga didapat jumlah asam sitrat yang menghasilkan sari buah jeruk dengan kisaran pH 3.7 – 4.0. Selanjutnya, dilakukan uji penerimaan panelis terhadap sari buah dengan variasi persentase asam sitrat – sukrosa.
Berdasarkan pengukuran pH sari buah dengan perlakuan penambahan asam sitrat, maka ditetapkan batas minimum penambahan asam sitrat adalah 0.3% (menghasilkan pH sari buah 3.98) dan batas maksimum penambahan asam sitrat adalah 0.5% (menghasilkan pH sari buah 3.71). Data pengukuran pH pada variasi penambahan asam sitrat dapat dilihat pada Tabel 10.
Tabel 10. Data pengukuran pH sari buah jeruk Pontianak dengan variasi penambahan asam sitrat
Ekstrak jeruk
(%)
Asam
sitrat (%) Sukrosa (%) CMC (%) K-sorbat (%)
Total (%) pH 89.7 0.1 10 0.1 0.1 100 4.26 89.6 0.2 10 0.1 0.1 100 4.11 89.5 0.3 10 0.1 0.1 100 3.98 89.4 0.4 10 0.1 0.1 100 3.82 89.3 0.5 10 0.1 0.1 100 3.71 89.2 0.6 10 0.1 0.1 100 3.57
Penentuan batas minimum dan maksimum penambahan sukrosa dilakukan dengan uji penerimaan rasa kepada 8 orang panelis. Berdasarkan uji penerimaan terhadap rasa (Gambar 13), ditetapkan batas minimum penambahan sukrosa adalah 16%, dimana sebanyak 87.5 % panelis dapat menerima rasa sari buah (pada konsentrasi asam sitrat 0.3%) dan sebanyak 62.5% panelis (pada konsentrasi asam sitrat 0.5%). Rasa sari buah dengan penambahan sukrosa di bawah 16% kurang dapat diterima panelis karena rasanya yang terlalu asam.
Batas maksimum penambahan sukrosa yang ditetapkan adalah 18%, dimana sebanyak 75 % panelis dapat menerima rasa sari buah
(pada konsentrasi asam sitrat 0.3%) dan sebanyak 87.5% panelis (pada konsentrasi asam sitrat 0.5%). Rasa sari buah dengan sukrosa di atas 18% kurang dapat diterima panelis karena rasanya yang terlalu manis. Hasil uji penerimaan dengan parameter rasa pada variasi asam sitrat dan sukrosa dapat dilihat pada Gambar 20.
Gambar 20. Histogram hasil uji penerimaan dengan parameter rasa pada variasi asam sitrat dan sukrosa.
b. Rancangan formula
Formula pada tahap ini dirancang dengan menggunakan variabel uji asam sitrat, sukrosa, dan ekstrak jeruk. Jumlah sukrosa dan asam sitrat sebagai komponen variabel uji ditentukan berdasarkan kisaran maksimum dan minimum yang dilakukan secara trial dan error pada tahap sebelumnya. Kisaran persentase komponen yang digunakan dan yang dimasukkan ke dalam program Design Expert ver.7 adalah untuk sukrosa sebesar 13.73 – 15.22 %, asam sitrat 0.25 – 0.43 %, dan ekstrak jeruk sebesar 84.39 – 85.98 %. Berdasarkan hasil olahan pada program Design Expert version 7, diperoleh 12 formula sebagai rancangan percobaan dengan lima kali pengulangan, sehingga terdapat total 17 formula sari buah yang akan diukur variabel responnya satu per satu. Rancangan formula sari buah dapat dilihat pada Tabel 11. 12.5 25 50 87.5 75 37.5 0 12.5 50 62.5 87.5 50 0 20 40 60 80 100 10 12 14 16 18 20 % Sukrosa Ju m la h pe ne ri m aa n pa ne li s ( % )
Tabel 11. Rancangan percobaan 17 formula sari buah jeruk Pontianak Run A :sukrosa (%) B :asam sitrat (%) C :ekstrak jeruk (%)Konponen 1 Komponen 2 Komponen 3
1 15.22 0.25 84.53 2 14.46 0.43 85.12 3 13.77 0.25 85.98 4 14.10 0.39 85.51 5 15.22 0.25 84.53 6 14.50 0.25 85.26 7 13.73 0.43 85.84 8 13.73 0.43 85.84 9 13.77 0.25 85.98 10 14.83 0.39 84.79 11 15.20 0.41 84.39 12 14.85 0.29 84.86 13 14.48 0.34 85.19 14 14.12 0.29 85.58 15 15.20 0.41 84.39 16 14.46 0.43 85.12 17 14.50 0.25 85.26
c. Pembuatan sari buah jeruk Pontianak
Setelah rancangan formula telah disiapkan, tahap selanjutnya adalah pembuatan 17 formula sari buah jeruk Pontianak dan pengukuran variabel-variabel respon yaitu pH, TPT, rasa, dan aroma. Pengukuran variabel respon terhadap 17 formula sari buah jeruk Pontianak dapat dilihat pada Tabel 12 (selengkapnya Lampiran 4).
Setiap variabel respon tersebut kemudian dimasukkan ke dalam program sebagai data masukan dan program Design Expert version 7 akan menganalisis data masukan tersebut untuk menentukan model dan persamaan polinomial dengan ordo yang cocok untuk setiap variabel respon (mean, linier, kuadratik, spesial kubik, atau kubik). Model polinomial merupakan output dari proses analisis mutu awal produk yang diolah oleh rancangan statistik 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 12. Variabel respon 17 formula sari buah jeruk Pontianak (tanpa penyaringan)
Run Respon 1 pH TPT (°Brix) Respon 2
Respon 3 Rasa (skalar 15 cm) Respon 4 Aroma (skalar 15 cm) 1 3.91 22.0 7.09 7.33 2 3.60 21.0 5.38 6.34 3 3.92 20.2 6.81 6.98 4 3.76 20.6 5.81 7.41 5 3.90 21.2 7.19 8.17 6 3.91 20.8 6.73 7.66 7 3.64 20.0 5.78 8.01 8 3.62 20.0 5.88 7.56 9 3.95 21.0 6.81 8.15 10 3.74 22.0 6.40 7.97 11 3.68 22.2 6.53 7.88 12 3.86 21.8 6.78 7.98 13 3.80 21.6 5.85 7.87 14 3.89 21.0 6.04 8.33 15 3.70 22.2 7.03 8.31 16 3.60 21.2 6.66 8.41 17 3.91 21.2 7.50 8.42
Berdasarkan hal tersebut, maka program Design Expert version 7 akan memberikan saran model polinomial dengan ordo terbaik untuk masing-masing variabel respon. Suatu variabel respon dapat dikatakan berbeda nyata atau signifikan pada taraf signifikansi 5% apabila nilai "prob>f" hasil analisis ragam lebih kecil dari 0.05 (Anonim, 2007). Tabel 13 memberikan ringkasan model ordo dan persamaan polinomial untuk setiap variabel respon (Lampiran 5 dan 6), sedangkan Tabel 14 menunjukkan hasil ANOVA model pada tiap respon (Lampiran 7).
Tabel 13. Model ordo terpilih dan persamaan polinomial masing-masing variabel respon
Variabel
respon Model ordo Persamaan polinomial
pH Linier Y = +0.06164X1 + (-1.22196)X2 + 0.03954X3 TPT Kuadratik Y = +2.75671X1 + (-5500.08887)X2 + 0.25491X3 + 58.57617 X1 X2 + (-0.03759) X1
X3+ 54.82855 X2 X3
Rasa Linier Y = +0.48458X1 + (-4.63434)X2 + 0.01213X3 Aroma Mean Y = +0.22061X1 + (-0.67679)X2 + 0.05681X3 Keterangan : X1 = sukrosa, X2 = asam sitrat, X3 = ekstrak jeruk
Tabel 14. Analisis ragam (ANOVA) model masing-masing variabel respon
Variabel respon Model ordo Prob>F Keterangan
pH Linier < 0.0001 Signifikan
TPT Kuadratik 0.0437 Signifikan
Rasa Linier 0.0020 Signifikan
Aroma Mean - Tidak signifikan
Penentuan model ordo pada tiap respon didasarkan pada F value yang tercantum dalam fit summary (Lampiran 5). Model yang memiliki F value tertinggi, maka model tersebut ditetapkan sebagai model respon. Pada respon pH, model linear memiliki F value tertinggi bila dibandingkan dengan model ordo yang lain, yaitu sebesar 38.18. Hasil 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). Pada respon TPT, sebenarnya model yang direkomendasikan adalah model linear dan kuadratik karena keduanya memiliki nilai "prob>f" lebih kecil daripada 0.05 (model linear < 0.0001, dan model kuadratik 0.0437). Namun, model yang ditetapkan adalah model kuadratik karena memiliki Adj R2 dan Pred R2 yang lebih tinggi dibandingkan dengan model linear. Selain itu, apabila terdapat lebih dari satu model yang direkomendasikan, maka yang dipilih adalah model dengan polinomial yang lebih tinggi (Anonim, 2007). Pada respon rasa, model linear memiliki F value tertinggi bila dibandingkan dengan model ordo yang lain, yaitu sebesar 0.67. Hasil ANOVA pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu linear adalah signifikan, dengan nilai p "prob>f" lebih kecil daripada 0.05 (0.0020). Berdasarkan analisis pada program DX7, model polinomial respon aroma adalah mean. Besarnya nilai Adj R2 dan Pred R2 untuk respon aroma berturut-turut adalah -0.0969 dan -0.4307. Tanda negatif pada Pred R2 menunjukkan bahwa mean keseluruhan lebih tepat untuk memprediksi respon aroma daripada model. Nilai negatif pada Adj R2 dan Pred R2 terjadi karena hasil data aktual respon aroma yang
diperoleh menunjukkan hasil yang tidak signifikan pada pada setiap perlakuan komponen.
Berdasarkan hasil analisis ragam (ANOVA) dari variabel respon pada Tabel 14, diketahui bahwa persamaan yang dapat digunakan sebagai model prediksi adalah persamaan dengan respon pH, TPT, dan rasa (selengkapnya pada Lampiran 7). Persamaan yang diperoleh pada respon aroma tidak digunakan sebagai model prediksi karena penambahan sukrosa, asam sitrat, dan ekstrak jeruk pada seluruh desain tidak mempengaruhi penerimaan panelis terhadap aroma produk.
Nilai variabel respon yang didapat dari setiap model minuman kemudian dimasukkan ke dalam program Design Expert version 7. Program ini kemudian akan mengolah semua variabel respon setiap formula dan memberikan beberapa solusi formula sebagai formula sari buah jeruk Pontianak terpilih sesuai dengan target optimasi yang diinginkan. Target optimasi dimaksudkan untuk meminimumkan usaha yang diperlukan atau biaya operasional dan memaksimumkan yang diinginkan. Pembuatan sari buah jeruk Pontianak diharapkan menekan sedikit mungkin pemakaian jumlah bahan baku (sukrosa, asam sitrat, dan ekstrak jeruk) sehingga target yang ditetapkan adalah minimum, sedangkan respon rasa yang diharapkan memiliki respon yang paling maksimum. Target atau sasaran ini selanjutnya akan dimasukkan dalam kriteria optimasi.
Dari ketiga variabel respon tersebut (pH, TPT, rasa), akan ada variabel yang dominan atau penting dan variabel yang kurang penting untuk menentukan formula yang paling optimal. Program DX7 telah menyediakan sistem pembobotan ini dengan nama importance. Pada kolom importance terdapat pilihan tanda positif (+), mulai dari positif 1 (+) hingga positif 5 (+++++). Semakin tinggi tingkat kepentingan dari atribut/respon yang diukur terhadap produk, semakin banyak tanda (+) yang harus diberikan. Pada penelitian ini ditetapkan respon rasa dengan tingkat kepentingan positif 5 (+++++) karena sifat produk yang diinginkan memiliki nilai rasa yang paling maksimal. Selain respon,
importance juga berlaku untuk menentukan nilai kepentingan variabel uji. Pada penelitian ini, komponen sukrosa, asam sitrat, dan ekstrak jeruk dirasa memiliki tingkat kepentingan sedang, sehingga ditetapkan importance ketiga variabel tersebut positif 3 (+++). Berikut adalah tabel yang menunjukkan target optimasi dan tingkat kepentingan (importance) variabel.
Tabel 15. Target optimasi dan tingkat kepentingan variabel.
Variabel Goal Lower limit Upper limit Importance
Sukrosa minimize 13.73 15.22 3
Asam sitrat minimize 0.25 0.43 3
Ekstrak jeruk minimize 84.39 85.98 3
pH is in range 3.60 3.95 3
TPT is in range 20.0 22.2 3
Rasa maximize 5.38 7.50 5
Program DX7 selanjutnya akan mengolah semua variabel respon berdasarkan kriteria-kriteria yang ditetapkan dan memberikan beberapa solusi formula sebagai formula sari buah jeruk Pontianak terpilih. Nilai target optimasi yang dapat dicapai disebut sebagai desirability. Desirability memiliki nilai 0 sampai 1. Kegiatan optimasi merupakan kegiatan untuk mencapai nilai desirability maksimum. Namun demikian, tujuan optimasi bukan untuk mencari nilai desirability sebesar 1 melainkan untuk mencari kondisi terbaik yang mempertemukan semua fungsi tujuan (Anonim, 2007).
Formula sari buah terpilih hasil optimasi dengan bantuan program Design Expert version 7 dan nilai prediksi responnya disajikan pada Tabel 16.
Tabel 16. Formula sari buah terpilih hasil optimasi Design Expert ver.7
Sukrosa (%)
Asam sitrat (%)
Ekstrak
jeruk (%) pH TPT rasa desirability
14.62 0.25 85.13 3.96 21.4 6.96 0.648
Berdasarkan hasil optimasi pada Tabel 16, nilai desirability dapat dicapai dengan nilai 0.648, yang artinya formula tersebut akan
menghasilkan produk yang memiliki karakteristik yang paling optimal dan sesuai dengan keinginan kita sebesar 64.80%. Nilai desirability yang mendekati satu dapat dicapai karena ketepatan pemilihan variabel uji yang mampu memberikan pengaruh nyata, penentuan rentang proporsi relatif masing-masing variabel uji, dan nilai target optimasi variabel respon. Semakin tinggi kompleksitas variabel uji dan nilai target optimasi, semakin sulit pencapaian nilai desirability yang mendekati satu.
Hasil optimasi sari buah formula terpilih disajikan dalam bentuk contour plot dua dimensi (Gambar 21) dan gambar tiga dimensi (Gambar 22) dengan menggunakan model prediksi untuk variabel respon pH, TPT, dan rasa sari buah. Nilai pada garis contour plot merupakan kombinasi dari tiga komponen yang menghasilkan pencapaian nilai desirability. Contour plot (2D) merupakan bagian bawah (dasar) dari gambar 3D kurva prediksi. Titik tertinggi dari kurva menunjukkan nilai desirability tertinggi, yaitu 0.648. Apabila titik tersebut dibuat garis tegak lurus ke bawah, yaitu pada bagian contour plot, maka akan didapat satu titik sentral. Titik sentral tersebut memiliki ukuran sentral dengan kombinasi 14.62% sukrosa, 0.25% asam sitrat, dan 85.13% ekstrak jeruk.
Setelah program Design Expert version 7 merekomendasikan formula optimum dengan nilai desirability yang tertinggi, lalu dilakukan pembuktian terhadap dugaan nilai (prediksi) dari respon-respon yang diberikan program Design Expert version 7.
Gambar 22. Contour plot yang menunjukkan nilai desirability formula optimal sari buah jeruk Pontianak (tanpa penyaringan)
Gambar 23. Gambar 3D yang menunjukkan nilai desirability formula optimal sari buah jeruk Pontianak (tanpa penyaringan) Berdasarkan hasil verifikasi sebanyak 6 kali ulangan (Lampiran 8), diperoleh bahwa formula optimum dengan nilai desirability tertinggi yang disarankan, menghasilkan sari buah jeruk Pontianak dengan pH 3.90, TPT sebesar 21.0obrix, dan skor kesukaan rasa Design-Expert® Software Desirability 1 0 X1 = A: sukrosa X2 = B: asam sitrat X3 = C: ekstrak jeruk A (13.730) B (1.880) B (0.250) C (86.020) C (84.390) 0.000 0.168 0.335 0.503 0.670 D e s ir a b ilit y A (15.360) Design-Expert® Software Desirability Design Points 1 0 X1 = A: sukrosa X2 = B: asam sitrat X3 = C: ekstrak jeruk A: sukrosa 15.360 B: asam sitrat 1.880 C: ekstrak jeruk 86.020 84.390 0.250 13.730 Desirability 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.207 0.413 0.517 2 2 2 2 2 2 Prediction 0.648
sebesar 7.13 (antara agak tidak suka hingga netral). Hasil-hasil tersebut tidak sama persis dengan yang diprediksikan, tetapi hasil yang diperoleh ini tidak berbeda jauh dengan yang diprediksikan oleh program Design Expert version 7. Nilai respon yang diprediksikan program Design Expert version 7 dapat dilihat pada Tabel 17.
Tabel 17.Nilai respon yang diprediksikan program Design Expert ver.7 Respon Prediksi SE Pred rendah tinggi 95% PI
pH 3.96 0.049 3.86 4.07
TPT 21.4 0.41 20.5 22.2
Rasa 6.96 0.44 6.01 7.90
Hasil pengamatan dan pengukuran yang diperoleh pada respon pH dan TPT lebih kecil daripada hasil yang diprediksikan, sedangkan respon rasa diperoleh hasil yang lebih besar dibandingkan dengan hasil yang diprediksikan. Hasil pengamatan dan pengukuran ini masih berada dalam selang 95% PI low dengan 95% PI high. Definisi dari 95% PI (Prediction Interval) low adalah nilai terendah dari interval yang diprediksikan, dimana memiliki nilai kepercayaan dari pengamatan individual sebesar 95% sedangkan definisi dari 95% PI (Prediction Interval) high adalah nilai tertinggi dari interval yang diprediksikan, dimana memiliki nilai kepercayaan dari pengamatan individual sebesar 95%. SE Pred (Standard Error Prediction) merupakan standar deviasi dari nilai PI (Anonim, 2007). Karena hasil-hasil dari pengamatan dan pengukuran masih masuk dalam interval prediksi, berarti formula optimum dengan nilai desirability tertinggi, sesuai dengan yang direkomendasikan Design Expert version 7.
Berdasarkan nilai-nilai respon sari buah jeruk Pontianak yang didapat dari hasil optimasi tersebut, terlihat bahwa respon rasa pada khususnya hanya mendapat skor kesukaan 7.13 (agak tidak suka hingga netral). Secara umum, hal ini disebabkan karena sari buah jeruk Pontianak yang dihasilkan masih terasa pahit. Hal ini dirasa masih diperlukan perlakuan lebih lanjut untuk meningkatkan respon rasa sari buah jeruk Pontianak sehingga akan didapat skor kesukaan rasa yang lebih tinggi.
Oleh karena itu, perlakuan yang akan dilakukan selanjutnya adalah penyaringan sari buah dengan menggunakan kain saring.
Dengan rancangan formulasi yang sama seperti sebelumnya, perlakuan pembuatan sari buah jeruk Pontianak selanjutnya adalah penyaringan ekstrak jeruk sebelum diproses. Selanjutnya, formula sari buah diukur respon-respon yang meliputi pH, TPT, rasa, dan aroma. Pengukuran variabel respon terhadap 17 formula sari buah jeruk Pontianak dengan penyaringan dapat dilihat pada Tabel 18 (selengkapnya pada Lampiran 9).
Tabel 18. Variabel respon 17 formula sari buah jeruk Pontianak dengan penyaringan
Run Respon 1 pH TPT (°Brix) Respon 2
Respon 3 Rasa (skalar 15 cm) Respon 4 Aroma (skalar 15 cm) 1 4.00 22.2 7.83 9.01 2 3.68 21.0 6.86 8.70 3 3.90 20.2 7.26 8.81 4 3.72 20.6 6.97 8.93 5 3.91 21.4 8.26 9.03 6 3.89 21.0 7.40 8.88 7 3.72 20.2 6.60 8.86 8 3.71 20.2 6.59 9.19 9 3.98 20.6 7.57 8.88 10 3.79 21.8 6.49 8.78 11 3.78 22.2 6.72 9.16 12 3.93 21.8 7.25 8.78 13 3.87 21.6 6.62 8.95 14 3.95 21.0 8.38 9.23 15 3.79 22.2 6.99 8.94 16 3.78 21.0 6.97 9.00 17 4.02 21.2 7.84 9.20
Berdasarkan hal tersebut, maka program Design Expert version 7 akan memberikan saran model polinomial dengan ordo terbaik untuk masing-masing variabel respon. Tabel 19 memberikan ringkasan model ordo dan persamaan polinomial untuk setiap variabel respon (Lampiran 10 dan 11), sedangkan Tabel 20 menunjukkan hasil ANOVA model pada tiap respon (Lampiran 12).
Tabel 17. Model ordo terpilih dan persamaan polinomial masing-masing variabel respon
Variabel respon
Model
ordo Persamaan polinomial
pH Linier Y = +0.04901X1 + (-1.26335)X2 + 0.04164X3 TPT Kuadratik Y = +5.39213X1 + (-4926.52525)X2 + 0.24653X3 + 51.45316 X1 X2+ (-0.06740) X1 X3 + 49.28005 X2 X3 Rasa Kubik Y = (-83818.83449)X1 + 1.83339E+007X2 + 381.31863X3 + (-2.17469E+005) X1 X2 + 1429.75789X1 X3 + (-2.85526E+005)X2 X3 + 1355.41356 X1 X2 X3 + 361.98676 X1 X2(X1-X2) + 6.70091 X1 X3(X1-X3) + (-1023.48898) X2 X3(X2-X3) Aroma Mean Y = +0.10289X1 + (-0.04112)X2 + 0.08787X3 Keterangan : X1 = sukrosa, X2 = asam sitrat, X3 = ekstrak jeruk
Tabel 18. Analisis ragam (ANOVA) model masing-masing variabel respon Variabel respon Model ordo Prob>F Keterangan
pH Linier < 0.0001 Signifikan
TPT Kuadratik 0.0227 Signifikan
Rasa Kubik 0.0054 Signifikan
Aroma Mean - Tidak signifikan
Pada respon pH, model linear memiliki F value tertinggi bila dibandingkan dengan model ordo yang lain, yaitu sebesar 273.62. Hasil 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). Pada respon TPT, sebenarnya model yang direkomendasikan adalah model linear dan kuadratik karena keduanya memiliki nilai "prob>f" lebih kecil daripada 0.05 (model linear < 0.0001, dan model kuadratik 0.0227). Namun, model yang ditetapkan adalah model kuadratik karena memiliki Adj R2 dan Pred R2 yang lebih tinggi dibandingkan dengan model linear. Selain itu, apabila terdapat lebih dari satu model yang direkomendasikan, maka yang dipilih adalah model dengan polinomial yang lebih tinggi (Anonim, 2007). Pada respon rasa, model yang direkomendasikan juga lebih dari satu, yaitu model linear dan model kubik karena keduanya memiliki nilai "prob>f" lebih kecil daripada 0.05 (model linear 0.0015, dan model kubik 0.0054). Namun, model yang ditetapka adalah model kubik karena memiliki pangkat polinomial yang lebih tinggi dibandingkan dengan model linear. Berdasarkan analisis pada program DX7, model polinomial respon aroma adalah mean. Hasil
ANOVA pada taraf signifikansi 5% menunjukkan bahwa model yang direkomendasikan, yaitu mean adalah tidak signifikan. Besarnya nilai Adj R2 dan Pred R2 untuk respon aroma berturut-turut adalah - 0.1348 dan -0.4484. Tanda negatif pada Pred R2 menunjukkan bahwa mean keseluruhan lebih tepat untuk memprediksi respon aroma daripada model. Nilai negatif pada Adj R2 dan Pred R2 terjadi karena hasil data aktual respon aroma yang diperoleh menunjukkan hasil yang tidak signifikan pada pada setiap perlakuan komponen (Lampiran 10).
Berdasarkan hasil analisis ragam (ANOVA) dari variabel respon pada Tabel 20, diketahui bahwa persamaan yang dapat digunakan sebagai model prediksi adalah persamaan dengan respon pH, TPT, dan rasa (selengkapnya pada Lampiran 12).
Setelah diketahui nilai respon dari masing-masing formula, kemudian dilakukan optimasi formula. Target optimasi dan importance variabel/respon pada sari buah jeruk Pontianak dengan penyaringan ini ditetapkan sama dengan sari buah jeruk Pontianak tanpa penyaringan. Beberapa formula sari buah terpilih hasil optimasi dengan bantuan program Design Expert version 7 dan nilai prediksi responnya disajikan pada Tabel 21.
Tabel 21. Formula sari buah jeruk Pontianak (dengan penyaringan) terpilih hasil optimasi Design Expert version 7
No. Sukrosa (%) Asam sitrat (%) Ekstrak jeruk (%) pH TPT rasa desirability 1 2 3 4 14.60 14.14 14.10 14.82 0.25 0.30 0.30 0.41 85.15 85.57 85.60 84.77 3.95 3.88 3.88 3.74 21.2 21.0 20.9 21.7 8.38 8.38 8.51 8.38 0.721 0.655 0.650 0.436
Berdasarkan hasil optimasi pada Tabel 21, nilai desirability tertinggi dapat dicapai dengan nilai 0.721, yang artinya formula tersebut akan menghasilkan produk yang memiliki karakteristik yang paling optimal dan sesuai dengan keinginan kita sebesar 72.10%. Hasil optimasi sari buah formula terpilih disajikan dalam bentuk contour plot dua dimensi (Gambar 23) dan gambar tiga dimensi (Gambar 24) dengan menggunakan model prediksi untuk variabel respon pH, TPT, dan rasa sari buah. Titik
sentral pada Gambar 23 memiliki ukuran sentral dengan kombinasi 14.60% sukrosa, 0.25% asam sitrat, dan 85.15% ekstrak jeruk. Titik sentral tersebut berada pada garis contour dengan nilai desirability 0.721.
Gambar 23. Contour plot yang menunjukkan nilai desirability formula optimal sari buah jeruk Pontianak dengan penyaringan
Gambar 24. Gambar 3D yang menunjukkan nilai desirability formula optimal sari buah jeruk Pontianak dengan penyaringan
Design-Expert® Software Desirability Design Points 1 0 X1 = A: sukrosa X2 = B: asam sitrat X3 = C: ekstrak jeruk A: sukrosa 15.360 B: asam sitrat 1.880 C: ekstrak jeruk 86.020 84.390 0.250 13.730 Desirability 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.115 0.231 0.231 0.346 0.346 0.461 0.461 0.576 0.576 2 2 2 2 2 2 Prediction 0.721 Design-Expert® Software Desirability 1 0 X1 = A: sukrosa X2 = B: asam sitrat X3 = C: ekstrak jeruk A (13.730) B (1.880) B (0.250) C (86.020) C (84.390) 0.000 0.180 0.360 0.540 0.720 D e s ir a bi li ty A (15.360)
Sama seperti sebelumnya, setelah program Design Expert version 7 merekomendasikan formula optimum dengan nilai desirability yang tertinggi, lalu dilakukan pembuktian terhadap dugaan nilai (prediksi) dari respon-respon yang diberikan program Design Expert version 7.
Berdasarkan hasil verifikasi sebanyak 6 kali ulangan (Lampiran 13), diperoleh bahwa formula optimum dengan nilai desirability tertinggi yang disarankan, menghasilkan sari buah jeruk Pontianak hasil penyaringan dengan pH sebesar 3.93, TPT sebesar 21.1obrix, dan skor kesukaan rasa sebesar 8.94 (antara netral hingga agak suka). Hasil-hasil tersebut tidak sama persis dengan yang diprediksikan, tetapi hasil yang diperoleh ini tidak berbeda jauh dengan yang diprediksikan oleh program Design Expert version 7 seperti tersaji pada Tabel 22.
Tabel 22.Nilai respon yang diprediksikan program Design Expert ver.7
Respon Prediksi SE Pred 95% PI
rendah tinggi pH 3.95 0.019 3.90 3.99
TPT 21.2 0.23 20.7 21.6
Rasa 8.38 0.47 7.26 9.50
Hasil pengamatan dan pengukuran yang diperoleh pada respon pH dan TPT lebih kecil daripada hasil yang diprediksikan sedangkan respon rasa diperoleh hasil yang lebih besar dibandingkan dengan hasil yang diprediksikan. Hasil pengamatan dan pengukuran ini masih berada dalam selang 95% PI low dengan 95% PI high. Karena hasil-hasil dari pengamatan dan pengukuran masih masuk dalam interval prediksi, berarti formula optimum dengan nilai desirability tertinggi, sesuai dengan yang direkomendasikan Design Expert version 7.
Secara umum, sari buah jeruk Pontianak (baik tanpa penyaringan dan dengan penyaringan) masih memiliki rasa pahit. Selain itu, penggunaan asam sitrat memberikan citarasa asam yang kurang begitu menyenangkan. Oleh karena itu, formulasi sari buah jeruk selanjutnya dilakukan dengan mengganti variabel asam sitrat dengan asam malat. Hal ini diharapkan dapat memberikan nilai kesukaan sari buah, terutama nilai kesukaan rasa, yang lebih tinggi. Gambar berikut adalah sari buah jeruk
Pontianak (variabel uji asam sitrat, sukrosa, dan ekstrak jeruk) tanpa penyaringan dan dengan penyaringan.
Gambar 25. Sari buah jeruk Pontianak (variabel uji asam sitrat, sukrosa, dan ekstrak jeruk) tanpa penyaringan dan dengan penyaringan
2. Formulasi Sari Buah Jeruk Pontianak dengan Variabel Uji Asam Malat, Sukrosa, dan Ekstrak Jeruk
Formulasi sari buahjeruk Pontianak dengan menggunakan variabel uji asam malat, sukrosa, dan ekstrak jeruk ini dilakukan untuk mendapatkan respon-respon organoleptik (khususnya rasa) yang lebih baik lagi dibandingkan dengan formula-formula sebelumnya. Pemilihan asam malat sebagai pengganti asam sitrat diharapkan dapat memberikan rasa asam yang lebih mild sehingga produk dapat lebih disukai.
a. Penetapan batas minimum dan maksimum asam malat dan sukrosa Penetapan batas minimum dan maksimum asam malat juga dilakukan hingga didapat jumlah asam malat yang menghasilkan sari buah jeruk dengan kisaran pH 3.7 – 4.0. Selanjutnya, dilakukan uji penerimaan panelis terhadap sari buah dengan variasi persentase asam malat – sukrosa.
Berdasarkan pengukuran pH sari buah dengan variasi penambahan asam malat, maka ditetapkan batas minimum penambahan asam malat adalah 0.3% (menghasilkan pH sari buah 3.95) dan batas maksimum penambahan asam malat adalah 0.5% (menghasilkan pH sari buah 3.78). Data pengukuran pH pada variasi penambahan asam malat dapat dilihat pada Tabel 23.
Tabel 23. Data pengukuran pH buah jeruk Pontianak dengan variasi penambahan asam malat
Ekstrak jeruk (%) Asam malat (%) Sukrosa (%) CMC (%) K-sorbat (%) Total (%) pH 89.7 0.1 10 0.1 0.1 100 4.21 89.6 0.2 10 0.1 0.1 100 4.15 89.5 0.3 10 0.1 0.1 100 3.95 89.4 0.4 10 0.1 0.1 100 3.87 89.3 0.5 10 0.1 0.1 100 3.78 89.2 0.6 10 0.1 0.1 100 3.65
Berdasarkan uji penerimaan terhadap rasa, ditetapkan batas minimum penambahan sukrosa adalah 14%, dimana sebanyak 100 % panelis dapat menerima rasa sari buah (pada konsentrasi asam sitrat 0.3%) dan sebanyak 62.5% panelis (pada konsentrasi asam sitrat 0.5%). Rasa sari buah dengan penambahan sukrosa di bawah 14% tidak dapat diterima panelis karena rasanya yang terlalu asam.
Batas maksimum penambahan sukrosa yang ditetapkan adalah 20%, dimana sebanyak 62.5 % panelis dapat menerima rasa sari buah (pada konsentrasi asam sitrat 0.3%) dan sebanyak 87.5% panelis (pada