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.
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.
Mesin pendingin
Gambar 4. Sistem multi stage pada line 8
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.
Mie dari fryer Ruang pengemasan Mie dari fryer Ruang pengemasan
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 0C, dan suhu penggorengan OUT sebesar 155 0C. Nilai respon kadar air tertinggi sebesar 5.13 % dihasilkan dari data ke-4 dengan kecepatan cutter sebesar 62 rpm, suhu penggorengan IN sebesar 120 0C, dan suhu penggorengan OUT sebesar 155 0C. 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 A2 (kuadrat dari kecepatan cutter), C2 (kuadrat dari suhu penggorengan OUT), dan interaksi komponen A2B (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 B2 (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
menu terseb predi bahw mode R-squ preci noise sinya space sebag Persa Kada Keter Berd suhu meni deng meni deng pada sedan Gamb norm unjukkan bah but menunjuk Model untuk icted R-squar wa data aktual el sebesar 35.4 uared yang d ision untuk re e ratio. Nila al yang mema e. Berdasarka gai model ya amaan polinom ar Air (%) = -5 rangan : A = B = dasarkan persa penggorenga ingkat seiring an konstanta ingkatnya nila an konstanta b Grafik kenorm Gambar 6. ngkan grafik t bar 6. Grafik Berdasarkan mal sehingga d
hwa nilai ters kkan adanya k k respon kada red secara ber l dan data yan 42 % dan 18.7 dihasilkan kar
spon kadar air ai adequate pr adai sehingga an analisis yan ang baik sehi mial untuk res 552.77992 – ( kecepatan cut suhu penggor amaan (5.1), t an IN, dan k g dengan pen bernilai posit ai kecepatan c bernilai negati malan interna Grafik contou tiga dimensiny kenormalan i Gambar 6, t dapat dikataka ebut tidak si kesesuaian data ar air pada li rturut-turut se ng diprediksik 74 %. Nilai p rena selisih ke r sebesar 5.54 recision yang a model terseb ng telah dilak ingga diharap spon kadar air (0.26290)A + tter rengan IN terlihat bahwa kuadrat suhu ningkatan nila tif. Respon cutter dan kua tif. ally studentize ur plot untuk r ya dapat diliha internally stud terlihat bahwa an bahwa data gnifikan relat a respon kada ine 2 memilik ebesar 0.3542 kan untuk res predicted R-sq
eduanya lebih 45 yang menun g lebih besar
but dapat dig kukan, model y pkan dapat m r pada line 2 a (9.58669)B – a kadar air di penggorenga ai suhu peng
kadar air aka adrat suhu pen ed residual un respon kadar at pada Gamb dentized residu a sebagian bes kurang meny tive terhadap ar air dengan m ki nilai adjus 2 dan 0.1874 pon kadar air quared mendu h kecil dari 0 njukkan besar dari 4 (5.545 unakan sebag yang dihasilka memberikan p dalah: (0.040076)B2 pengaruhi ole an IN. Resp ggorengan IN an mengalami nggorengan IN ntuk respon ka
air dapat dilih bar 8.
uals respon ka sar data meny yebar secara n pure error. model. sted R-square yang menunj r tercakup ke ukung nilai ad 0.2. Nilai ad
rnya sinyal ter 5) mengindik gai pedoman an memenuhi prediksi yang 2 ( eh kecepatan pon kadar air N, yang ditunj i penurunan d N, yang ditunj adar air dapat hat pada Gam
adar air line 2 yebar jauh dar normal. Hal te Nilai ed dan jukkan dalam djusted dequate rhadap kasikan design syarat g baik. (5.1) cutter, r akan jukkan dengan jukkan dilihat mbar 7, ri garis ersebut
menu line 2 antar OUT terseb air te dari k Bentu jelas perm antar renda unjukkan bahw 2. Gamba Grafik conto rkomponen sa T sebagai act but menunjuk erendah yaitu ketiga kompon uk permukaan pada grafik t mukaan menu rkomponen fo ah, sedangkan Gamba wa data kura ar 7. Grafik co our plot pa aling mempen tual factor se kkan nilai resp 2.31 %. Ga nen dengan ni n dari hubun tiga dimensi unjukkan nila ormula. Daer n daerah yang ar 8. Grafik tig ang memenuh ontour plot ha ada Gambar ngaruhi nilai ebesar 155 0C pon kadar air. aris-garis pada ilai berbeda y ngan interaksi yang ditunjuk ai respon y rah yang rend tinggi menunj
ga dimensi ha
i persyaratan
asil uji respon 7 menggam respon kadar C. Warna-w . Warna biru a grafik conto yang menghasi i antarkompon kkan pada Ga yang berbeda dah menunjuk njukkan nilai r
asil uji respon
ANOVA pad
kadar air line mbarkan bag r air dengan warna yang b menunjukkan our plot menu ilkan respon k nen tersebut ambar 8. Pe a-beda pada kkan nilai res
espon kadar a
kadar air line
da respon kad e 2 gaimana kom suhu penggor berbeda pada n nilai respon unjukkan kom kadar air yang
dapat terlihat erbedaan ketin
setiap kom spon kadar air air yang tinggi
e 2 dar air mbinasi rengan grafik n kadar mbinasi g sama. t lebih nggian mbinasi r yang i.
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 0C, dan suhu penggorengan OUT sebesar 155 0C. Nilai respon kadar lemak tertinggi sebesar 17.62 % dihasilkan dari data ke-8 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 120 0C, dan suhu penggorengan OUT sebesar 159 0C. 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.
Gamba titik-data menu lema antar OUT terseb kadar lema komb lema dapat ar 9. Grafik k Terlihat pada titik yang lain untuk respon unjukkan adan k line 2. Gambar Grafik conto rkomponen sa T sebagai act but menunjuk r lemak teren k tertinggi y binasi dari ke k yang sama t terlihat lebi enormalan int a Gambar 9 b n berada dekat kadar lemak nya pemenuha 10. Grafik con
our plot pad aling mempeng tual factor se kkan nilai res ndah yaitu 15 yaitu 17.62 % etiga kompon . Bentuk pe ih jelas pada ternally studen bahwa titik-titi t di sepanjang pada line 2 m an model terh
ntour plot has da Gambar garuhi nilai re ebesar 155 0C spon kadar le 5.25 % dan w %. Garis-ga nen dengan ni ermukaan dari grafik tiga d ntized residua ik menyebar d g garis normal menyebar norm hadap asumsi
sil uji respon k 10 menggam espon kadar le C. Warna-w emak. Warna warna merah aris pada gra ilai berbeda y i hubungan in dimensi yang
als respon kad dekat dengan g l sehingga dap mal. Data yan dari ANOVA kadar lemak li mbarkan bag emak dengan warna yang b a biru menunj menunjukkan afik contour yang menghas nteraksi antar ditunjukkan
dar lemak line garis normal n pat dikatakan ng menyebar n A pada respon ine 2 gaimana kom suhu penggor berbeda pada njukkan nilai n nilai respon plot menunj silkan respon rkomponen te pada Gamb 2 namun bahwa normal n kadar mbinasi rengan grafik respon kadar jukkan n kadar ersebut ar 11.
Perbe komb lema yang
5.3.2
kadar sebes peng respo cutte sebes stand progr anali “Prob peng fit F (0.86 tidak keses predi bahw mode R-squ preci edaan ketingg binasi antarko k yang rendah tinggi. GambarRespon Ka
Terdapat 20 d r air pada line sar 2.47 % di gorengan IN on kadar airr sebesar 45 r sar 155 0C. N dar deviasi seb Berdasarkan ram Design E sis ragam (A b>F” lebih ke gorengan OU F-value memil 677). Nilai la k signifikan suaian data re Model untuk icted R-squar wa data aktual el sebesar 46.5 uared yang d ision untuk re gian permukaa omponen form h, sedangkan 11. Grafik tig
adar Air da
data yang dian e 8 berkisar an ihasilkan dari sebesar 125 tertinggi sebe rpm, suhu pen Nilai rata-rata ( besar 0.48 %. analisis yang Expert DX7.0 ANOVA) men ecil dari 0.05 UT) memberikliki nilai sebe ck of fit yang relative terha spon kadar air k respon kada red secara ber l dan data yan 56 % dan 32.4 dihasilkan kar
spon kadar air
an menunjukk mula. Daerah daerah yang ga dimensi has
an Kadar L
nalisis sebaga ntara 2.47 % h data ke-19 d 0C, dan suhu esar 5.21 % nggorengan IN (mean) dari re g digunakan, m .0 untuk resp nunjukkan ba (0.0043). Se kan pengaruh y esar 0.45 den tidak signifik adap pure e r dengan mod ar air pada li rturut-turut se ng diprediksik 46 %. Nilai p rena selisih ke r sebesar 6.85kan nilai respo yang rendah tinggi menun
sil uji respon k
Lemak pad
ai hasil uji resp hingga 5.21 % dengan kecepa u penggoreng dihasilkan da N sebesar 120 espon kadar a model polinom pon kadar airahwa model l elain itu, dike yang nyata ter ngan nilai p kan tersebut m error. Nilai del. ine 8 memilik ebesar 0.4656 kan untuk res predicted R-sq eduanya lebih 50 yang menun on yang berbe menunjukkan njukkan nilai r kadar lemak li
da Line 8
pon pada line %. Nilai responatan cutter se gan OUT sebe ari data ke-14 0C, dan suhu p ir pada line 8 mial yang dire pada line 8 a linear signifik etahui bahwa rhadap respon “Prob>F” leb menunjukkan b tersebut me ki nilai adjus 6 dan 0.3246 pon kadar air quared mendu h kecil dari 0 njukkan besar eda-beda pada n nilai respon respon kadar ine 2 e 8. Hasil uji on kadar air ter
ebesar 45 rpm esar 165 0C. 4 dengan kec penggorengan sebesar 3.74 ekomendasika adalah linear. kan dengan n komponen C n kadar air. L bih besar dar bahwa nilai te enunjukkan a sted R-square yang menunj r tercakup ke ukung nilai ad 0.2. Nilai ad
rnya sinyal ter a setiap n kadar lemak respon rendah m, suhu Nilai cepatan n OUT % dan an oleh Hasil nilai p C (suhu Lack of ri 0.05 ersebut adanya ed dan jukkan dalam djusted dequate rhadap
noise sinya space sebag Persa Kada Keter Berd suhu seirin berni suhu berni pada 13, se Gamb sehin Data ANO e ratio. Nila al yang mema e. Berdasarka gai model ya amaan polinom ar Air (%) = 2 rangan : A = B = C = dasarkan persa penggorenga ng dengan pe ilai positif. R penggorenga ilai negatif. Grafik kenorm Gambar 12. edangkan graf bar 12. Grafik Terlihat pada ngga dapat dik yang menyeb OVA pada resp
ai adequate pr adai sehingga an analisis yan ang baik sehi mial untuk res 3.08300 + (0.
kecepatan cut suhu penggor suhu penggor amaan (5.3), t an IN, dan suh
eningkatan ni Respon kadar an IN dan suh malan interna Grafik conto fik tiga dimen
k kenormalan a Gambar 1 katakan bahwa bar normal me pon kadar air
recision yang a model terseb
ng telah dilak ingga diharap spon kadar air
10335)A - (0. tter rengan IN rengan OUT terlihat bahwa hu penggoren ilai kecepatan air akan men hu penggoreng ally studentize
our plot untuk nsinya dapat d internally stu 12 bahwa titi a data untuk r enunjukkan a line 8. g lebih besar but dapat dig kukan, model y pkan dapat m r pada line 8 a .028549)B - (0 a kadar air di ngan OUT. R n cutter, yang ngalami penur
gan OUT, yan ed residual un k respon kada dilihat pada Ga dentized resid k-titik menye respon kadar danya pemenu dari 4 (6.850 unakan sebag yang dihasilka memberikan p dalah: 0.12862)C pengaruhi ole Respon kadar g ditunjukkan runan dengan ng ditunjukka ntuk respon ka ar air dapat di ambar 14. duals respon k ebar dekat de air pada line 8 uhan model te 0) mengindik gai pedoman an memenuhi prediksi yang eh kecepatan air akan men n dengan kon meningkatny an dengan kon adar air dapat
ilihat pada Ga
kadar air line 8 engan garis n 8 menyebar n erhadap asum kasikan design syarat g baik. (5.3) cutter, ningkat nstanta ya nilai nstanta dilihat ambar 8 normal normal. msi dari
antar OUT terseb kadar yang ketig Bentu jelas perm antar renda Gamba Grafik conto rkomponen sa T sebagai act but menunjuk r air yang sem semakin ren ga komponen uk permukaan pada grafik t mukaan menu rkomponen fo ah, sedangkan Gamba r 13. Grafik c
our plot pad aling mempen tual factor se kkan nilai res makin tinggi s dah. Garis-g dengan nilai n dari hubun tiga dimensi y unjukkan nila ormula. Daer n daerah yang r 14. Grafik ti contour plot ha da Gambar ngaruhi nilai ebesar 155 0C spon kadar ai sedangkan wa garis pada gra
berbeda yan ngan interaksi yang ditunjuk ai respon y rah yang rend tinggi menunj
iga dimensi ha
asil uji respon 13 menggam respon kadar C. Warna-w ir. Warna ku arna hijau me fik contour p g menghasilk i antarkompon kkan pada Ga yang berbeda dah menunjuk njukkan nilai r
asil uji respon
n kadar air line mbarkan bag r air dengan warna yang b uning menunj enunjukkan ni plot menunjuk kan respon ka nen tersebut mbar 14. Pe a-beda pada kkan nilai res
espon kadar a
n kadar air line e 8 gaimana kom suhu penggor berbeda pada jukkan nilai ilai respon ka kkan kombina adar air yang
dapat terlihat erbedaan ketin
setiap kom spon kadar air air yang tinggi
e 8 mbinasi rengan grafik respon dar air asi dari sama. t lebih nggian mbinasi r yang i.
antar dihas sebes tertin suhu rata-r sebes progr anali mem terseb dari 0 terseb berni predi respo persa 8 dap pada Gamba sehin Respon kada ra 15.89 % h silkan dari dat sar 120 0C, da nggi sebesar 1 penggorenga rata (mean) d sar 0.59 %. Berdasarkan ram Design E sis ragam (AN miliki nilai sign but ditunjukk 0.05 (0.2559). but tidak sign Model untuk ilai negatif, ya iksi lebih baik on kadar lema amaan berikut
Grafik kenorm pat dilihat pad
Gambar 16, ar 15. Grafik k Terlihat pada ngga dapat di ar lemak pada hingga 17.96 ta ke-14 deng an suhu peng 7.96 % dihasi n IN sebesar ari respon kad
analisis yang Expert DX7.0.0 NOVA) pada
nifikansi. Na kan pada nilai . Nilai lack of ifikan relatif t k respon kada aitu -0.1080. H k bagi respon ak pada line 8 t: K malan interna da Gambar 1 sedangkan gr kenormalan in a Gambar 1 ikatakan bahw a line 8 mem %. Nilai re gan kecepatan ggorengan OU ilkan dari data 115 0C, dan s dar lemak pad g digunakan, m 0 untuk respo
taraf signifik amun, lack of F-value sebe f fit yang tidak terhadap pure ar lemak pad Hal tersebut m n kadar lemak 8 hanya dibua Kadar Lemak ( ally studentize 15. Grafik con
rafik tiga dime
nternally stude 15 bahwa titi wa data untuk miliki nilai ha spon kadar le cutter sebesa UT sebesar 15 a ke-9 dengan uhu penggore da line 8 sebe model polinom on kadar lemak ansi menunju f fit memiliki esar 0.41 deng k signifikan te e error. da line 8 mem menunjukkan k pada line 8 at berdasarkan (%) = 16.5755 ed residual un ntour plot unt ensinya dapat
entized residu k-titik menye k respon kad
asil uji yang emak terenda ar 45 rpm, suh 55 0C. Nilai r kecepatan cu engan OUT se esar 16.58 % mial yang dire k pada line 8 kkan bahwa m
nilai yang tid gan nilai p “P ersebut menun miliki predict bahwa overal 8. Model yan n nilai mean s 50 tuk respon ka tuk respon ka dilihat pada G
als respon kad ebar dekat de dar lemak pad
dihasilkan be ah sebesar 15 hu penggoreng respon kadar utter sebesar 4 ebesar 160 0C. dan standar d ekomendasika adalah mean. model tersebu dak signifikan Prob>F” lebih njukkan bahw ted R-squared ll mean memb ng dihasilkan sehingga dida adar lemak pad adar air dapat
Gambar 17.
dar lemak line engan garis n da line 8 men erkisar 5.89 % gan IN lemak 45 rpm, . Nilai deviasi an oleh Hasil ut tidak n. Hal h besar wa nilai d yang berikan untuk patkan (5.4) da line dilihat e 8 normal nyebar
norm asum antar cutte grafik sama karen line 8 antar pada komb mean setiap
mal. Data yan msi dari ANOV
Gambar Grafik conto rkomponen tid r sebagai act k contour plo a untuk setiap na model polin 8 dianggap sa rkomponen ter Gambar 17 binasi yang di n sehingga ni p kombinasi a Gambar ng menyebar VA pada respo 16. Grafik con
our plot pad dak saling m tual factor seb ot menunjukka p kombinasi nomial yang t ama untuk set rsebut dapat te . Gambar ter iujikan. Hal t lai respon ka antarfaktor. 17. Grafik tig normal menu on kadar lema
ntour plot has da Gambar mempengaruhi besar 44.50 0C an bahwa nila antarkompon terpilih adalah tiap kombinas erlihat lebih j rsebut mempe tersebut dikar adar lemak pa ga dimensi has unjukkan ada ak line 8.
sil uji respon k 16 menggam nilai respon C. Warna yan
ai respon yan nen yang diuj h mean sehing si. Bentuk pe elas pada graf erlihatkan nila renakan mode ada line 8 dia
sil uji respon k
anya pemenuh kadar lemak li mbarkan bag kadar lemak ng terlihat sam g terbentuk m jikan. Hal t gga nilai respo rmukaan dari fik tiga dimen
ai respon yan el polinomial y anggap tidak b
kadar lemak li
han model ter
ine 8 gaimana kom k dengan kec ma pada seluru memiliki besa tersebut diseb on kadar lema i hubungan in nsi yang ditunj ng datar pada yang terpilih berbeda nyata ine 8 rhadap mbinasi cepatan uh area ar yang babkan k pada teraksi jukkan setiap adalah a pada
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 0C, dan suhu penggorengan OUT sebesar 157 0C. Nilai respon kadar air tertinggi sebesar 3.89 % dihasilkan dari data ke-2 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 120 0C, dan suhu penggorengan OUT sebesar 155 0C. 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
OUT deng meni peng berni pada 19, se Gamb sehin Data ANO T dan interak an konstanta ingkatnya nil gorengan IN ilai negatif. Grafik kenorm Gambar 18. edangkan graf ar 18. Grafik Terlihat pada ngga dapat dik
yang menyeb OVA pada resp
Gambar si kecepatan bernilai posit lai kecepatan dengan suhu malan interna Grafik conto fik tiga dimen
kenormalan i a Gambar 1 katakan bahwa bar normal me pon kadar air
r 19. Grafik co cutter denga tif. Respon n cutter, su u penggorenga ally studentize
our plot untuk nsinya dapat d internally stud 18 bahwa titi a data untuk r enunjukkan a line 10 ontour plot ha an suhu peng kadar air aka uhu penggore an OUT, yan ed residual un k respon kada dilihat pada Ga dentized residu k-titik menye espon kadar a danya pemenu
asil uji respon
ggorengan IN an mengalami engan IN, d ng ditunjukkan ntuk respon ka ar air dapat di ambar 20. uals respon ka ebar dekat de air pada line 10
uhan model te
kadar air line
N, yang ditunj i penurunan d dan interaksi
n dengan kon adar air dapat ilihat pada Ga
. adar air line 1 engan garis n 0 menyebar n erhadap asum e 10 jukkan dengan suhu nstanta dilihat ambar 0 normal normal. msi dari .
antar OUT terseb menu respo terseb 20. setiap kadar yang antar dihas sebes tertin rpm, Nilai devia progr Hasil tidak Hal t besar bahw berni predi Grafik conto rkomponen sa T sebagai act but menunjuk unjukkan kom on kadar air y but dapat terli Perbedaan ke p kombinasi a r air yang ren tinggi.
Gambar
Respon kada ra 15.25 % h silkan dari dat sar 126 0C, da nggi sebesar 1 suhu penggo i rata-rata (me asi sebesar 0.7 Berdasarkan ram Design E l analisis raga k memiliki nil tersebut ditun r dari 0.05 (0 wa nilai tersebu Model untuk ilai negatif, ya iksi lebih baik
our plot pad aling mempen tual factor se kkan nilai re mbinasi dari k
yang sama. B ihat lebih jela etinggian perm antarkompone ndah, sedangk r 20. Grafik tig ar lemak pada hingga 17.55 ta ke-14 deng an suhu peng 17.55 % diha rengan IN seb ean) dari resp 79 %. analisis yang Expert DX7.0 am (ANOVA) ai signifikans njukkan pada 0.2280). Nila ut tidak signif k respon kada aitu -0.1598. H k bagi respon da Gambar ngaruhi nilai ebesar 153 0C espon kadar ketiga kompon Bentuk permu as pada grafik mukaan menu en formula. D kan daerah ya ga dimensi ha a line 10 mem %. Nilai re gan kecepatan ggorengan OU asilkan dari da besar 122 0C, pon kadar lem g digunakan, m 0.0 untuk res ) pada taraf sig si. Namun, la nilai F-value ai lack of fit fikan relatif te ar lemak pada Hal tersebut m n kadar lemak 19 menggam respon kadar C. Warna-w air. Garis-nen dengan n ukaan dari hu k tiga dimensi unjukkan nilai Daerah yang r ang tinggi me
asil uji respon miliki nilai h spon kadar le
cutter sebesa UT sebesar 15 ata ke-13 den dan suhu pen mak pada line model polinom
pon kadar lem gnifikansi me ack of fit mem e sebesar 1.81 yang tidak s erhadap pure e a line 10 mem menunjukkan k pada line 10 mbarkan bag r air dengan warna yang b garis pada g nilai berbeda bungan intera yang ditunjuk respon yang rendah menun nunjukkan nil
kadar air line asil uji yang emak terenda ar 66 rpm, suh 58 0C. Nilai r ngan kecepata nggorengan O e 8 sebesar 16 mial yang dire
mak pada lin nunjukkan ba miliki nilai ya 1 dengan nila signifikan ter error. miliki predict bahwa overal 0. Model yan gaimana kom suhu penggor berbeda pada grafik contou yang mengha aksi antarkom kkan pada Ga g berbeda-bed njukkan nilai ilai respon ka e 10 dihasilkan be ah sebesar 15 hu penggoreng respon kadar an cutter sebe OUT sebesar 1 6.82 % dan s ekomendasika ne 10 adalah ahwa model te ang tidak sign ai p “Prob>F” rsebut menunj ted R-squared ll mean memb ng dihasilkan mbinasi rengan grafik ur plot asilkan mponen ambar a pada respon dar air erkisar 5.25 % gan IN lemak esar 66 158 0C. standar an oleh mean. ersebut nifikan. ” lebih jukkan d yang berikan untuk
respo persa 10 da diliha Gambar sehin norm asum on kadar lema amaan berikut Grafik kenorm apat dilihat p at pada Gamb r 21. Grafik k Terlihat pada ngga dapat di mal. Data yan msi dari ANOV
Gambar 2 ak pada line 1 t: Ka malan interna ada Gambar bar 22, sedang enormalan int a Gambar 2 katakan bahw ng menyebar VA pada respo 22. Grafik con 0 hanya dibua adar Lemak (% ally studentize r 21. Grafik gkan grafik tig
ternally studen 21 bahwa titi wa data untuk
normal menu on kadar lema
ntour plot hasi
at berdasarkan %) = 16.81643 ed residual un contour plot ga dimensinya ntized residua k-titik menye k respon kada unjukkan ada ak line 10. il uji respon k n nilai mean s 3 tuk respon ka untuk respon a dapat dilihat
als respon kad ebar dekat de ar lemak pada anya pemenuh
adar lemak lin
sehingga dida
adar lemak pad n kadar lemak
t pada Gamba
dar lemak line engan garis n a line 10 men han model ter
ne 10 patkan (5.6) da line k dapat ar 23. 10 normal nyebar rhadap
antar cutte grafik sama karen line 1 antar pada komb mean setiap
5.4 Optim
DX7.
proses yang d sebesar 1. Ura Grafik conto rkomponen tid r sebagai actu k contour plo a untuk setiap na model polin 10 dianggap s rkomponen ter Gambar 23 binasi yang di n sehingga nil p kombinasi a Gambar 2masi Komb
0.0
Proses optim terbaik sehin diinginkan. Se r 3 (+++). Ni aian unsur yanour plot pad dak saling m ual factor seb ot menunjukka p kombinasi nomial yang t sama untuk se rsebut dapat te . Gambar ter iujikan. Hal t lai respon kad antarfaktor. 23. Grafik tiga
binasi Para
masi dilakukan ngga dihasilkan etiap unsur ya ilai optimasi te ng dioptimasi t da Gambar mempengaruhi besar 65 rpm. an bahwa nila antarkompon terpilih adalah etiap kombinas erlihat lebih j rsebut mempe tersebut dikar dar lemak pada dimensi hasi
ameter Pro
n dengan tuju an kadar air da ang dioptimasi erbaik ditunju terdapat pada 22 menggam nilai respon Warna yang ai respon yan nen yang diuj h mean sehing si. Bentuk pe elas pada graf erlihatkan nila renakan mode da line 10 dia il uji respon koses dengan
uan untuk me an kadar lema i memiliki bob ukkan dengan Tabel 2. mbarkan bag kadar lemak g terlihat sam g terbentuk m jikan. Hal t gga nilai respo ermukaan dari fik tiga dimen ai respon yan el polinomial yanggap tidak
adar lemak lin
n Program
endapatkan ko ak mie instan bot kepenting nilai desirabi gaimana kom k dengan kec ma pada seluru memiliki besa tersebut diseb on kadar lema i hubungan in nsi yang ditunj ng datar pada yang terpilih berbeda nyat ne 10m Design Ex
ombinasi para yang sesuai d gan yang samaility yang men mbinasi cepatan uh area ar yang babkan k pada teraksi jukkan setiap adalah a pada
xpert
ameter dengan a, yaitu ndekatiTabel 2. Uraian unsur parameter proses dan respon yang dioptimasi
Unsur Goal Batas
Bawah
Batas
Atas Bobot Kepentingan
Kecepatan Cutter (rpm) in target
62 65
3 (+++) 44 45
64 66
Suhu Penggorengan IN (0C) in target 115 125 3 (+++)
Suhu Penggorengan OUT (0C) in target
150 160
3 (+++) 150 160
148 158
Kadar Air (%) in target 3.3 3.5 3 (+++)
Kadar Lemak (%) target - 17
15.25 17.62
3 (+++) 15.89 17.96
15.25 17.96
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 Cutter (rpm) Kecepatan Penggorengan Suhu IN (0C) Suhu Penggorengan OUT (0C) 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 0C, dan suhu penggorengan OUT 150.08 0C Keterangan: = line 2
= line 8 = line 10
dengan untuk s pada k penggo lemak terpilih penggo kadar a line 10 sedang penggo Gamb berupa terdapa actual f n prediksi nila solusi pada lin kecepatan cut orengan OUT 16.5755 %. h untuk ditera orengan IN 1 air sebesar 3.4 0 sebesar 0.89 gkan untuk gra orengan OUT ar 26, sedang a suhu penggo at pada Gamb factor berupa ai kadar air se ne 2 sebesar tter sebesar 4 159.95 0C de Nilai desirab apkan pada lin
19.83 0C, dan 45207 % dan k 95. Grafik co afik tiga dime sebesar 150.0 gkan untuk gra orengan OUT bar 28, sedang a suhu penggo Gambar 24 Gambar 25 ebesar 3.41519 1. Solusi yan 44.02 rpm, s engan prediks bility untuk so ne 10 adalah p n suhu penggo kadar lemak 1 ontour plot u ensinya pada 08 0C. Grafik afik tiga dime sebesar 159.9 gkan untuk gr orengan OUT 4. Grafik conto 5. Grafik tiga d 9 % dan kada ng terpilih unt suhu penggor si nilai kadar olusi pada lin pada kecepata orengan OUT 16.8164 %. N untuk solusi li Gambar 25 d k contour plot ensinya pada G 95 0C. Grafik
rafik tiga dime sebesar 154.3
our plot solusi
dimensi solusi ar lemak 17 % tuk diterapkan engan IN 12 air sebesar 3. ne 8 sebesar 0 an cutter sebes 154.30 0C de Nilai desirabili ine 2 terdapat dengan actual untuk solusi Gambar 27 d contour plot ensinya pada G 0 0C i line 2 i line 2 %. Nilai desir n pada line 8 24.74 0C, dan .49808 % dan 0.618. Solus sar 64.13 rpm engan prediks ity untuk solus t pada Gamb l factor berup line 8 terdapa dengan actual untuk solusi l Gambar 29 d rability adalah n suhu n kadar si yang m, suhu si nilai si pada bar 24, a suhu at pada factor line 10 dengan .
Gambar 26 Gambar 27 Gambar 28. 6. Grafik conto 7. Grafik tiga d . Grafik conto
our plot solusi
dimensi solusi
ur plot solusi i line 8
i line 8
5.5 Verif
adalah yang d proses Design untuk rentang diujika dengan adalah faktor lebih s rentang rentang sama p pada Tfikasi Solus
Setelah didap tahap verifik diberikan oleh produksi. S n Expert DX7 masing-masin g nilai denga an (Howell 20 n nilai α sebe sebanyak 95 yang diujikan sempit menun g CI yang leb g yang menu pada taraf sign Uraian predik Tabel 4. Gambar 29.si Kombina
patkan solusi asi. Tujuan d h program De elain member 7.0.0 juga me ng respon pad an batasan ter 008). Nilai y esar 0.05 atau 5 % pengaruh n dan sebesar njukkan bahw bih lebar (Hei unjukkan pred nifikansi terten ksi nilai respo. Grafik tiga d
asi Paramet
i optimasi un dari tahap ters esign Expert D rikan nilai pr emberikan ni da taraf signi rtentu, yang m yang biasa di u 0.01. Jika n h untuk mend r 5 % berasal wa nilai opti iberger dan H diksi penguku ntu, dalam hal on serta CI d dimensi solusiter Proses O
ntuk masing-m sebut adalah u DX7.0.0 deng rediksi untuk lai confident ifikansi 5 %. mengandung igunakan dala nilai CI yang dapatkan dari l dari faktor d imasi yang le Holland 2004). uran respon b l ini 5 % (How dan PI untuk m line 10Optimum
masing line, l untuk membuk gan menerapk masing-masin interval dan Confident i nilai probabil am CI adalah digunakan ad i nilai suatu di luar model.ebih baik dib . Prediction berikutnya de well 2008). masing-masin langkah selan ktikan hasil pr kannya langsu ng respon, pr prediction in interval (CI)
litas dari para h 95 % atau dalah 95 %, a respon berasa . Rentang C bandingkan d interval (PI) engan kondisi ng line dapat njutnya rediksi ung ke rogram nterval adalah ameter 99 %, artinya al dari I yang dengan adalah i yang dilihat
Tabel 4. Prediksi nilai respon masing-masing line
Respon Prediksi 95 % CI Low 95 % CI High 95 % PI Low 95 % PI High
Kadar Air (%) 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 Kadar Lemak (%) 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.
Keterangan: = line 2 = line 8 = line 10
