V. HASIL DAN PEMBAHASAN

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 2 = screw conveyor 3 = mixer 4 = dough feeder 5 = dough compound machine (DCM) 6 = dough presser

7 = slitter 8 = steamer 9 = cutter 10 = fryer 11 = cooler 12 = ruang pengemasan

Tempat bahan baku merupakan tempat di mana bahan baku berupa tepung-tepungan untuk membuat mie instan diletakkan. Bahan baku tersebut dialirkan ke dalam mixer melalui screw conveyor. Setelah proses pencampuran, adonan akan dialirkan ke dough feeder, yaitu tempat untuk memasukkan adonan ke dalam dough compound machine. DCM berfungsi untuk membentuk adonan menjadi lembaran tebal dengan prinsip memberikan tekanan. Setelah itu, adonan dialirkan ke dough presser untuk dibentuk menjadi lembaran. Jumlah dough presser yang digunakan bervariasi dengan ketebalan adonan yang semakin tipis. Kemudian lembar adonan masuk ke slitter dan waving net untuk dibentuk untaian mie yang bergelombang. Setelah itu, mie dikukus di dalam steamer dan dipotong oleh cutter dengan kecepatan tertentu tergantung pada jenis produk yang diproduksi pada saat itu. Tahap selanjutnya adalah penggorengan blok mie di dalam fryer. Penggorengan dilakukan secara kontinyu dengan prinsip sirkulasi minyak goreng dan pemanasan menggunakan heat exchanger (HE). Selanjutnya, mie didinginkan di dalam cooler. Tahap terakhir adalah pengemasan mie instan di dalam ruang pengemasan. Mesin yang digunakan untuk memproduksi mie instan pada line yang diamati, yaitu line 2, line 8, dan line 10 berbeda-beda. Mesin pada line 2 dan line 10 memiliki tipe W-500.

20   

Proses pendinginan pada kedua line tersebut adalah single stage, yaitu mie hanya dilewatkan satu kali di dalam mesin pendingin dengan fan terletak di bagian atas mesin. Lain halnya dengan line 8 yang menggunakan mesin tipe W-800. Proses pendinginan pada line 8 adalah multi stage, yaitu mie instan dilewatkan lebih dari satu kali di dalam mesin pendingin. Mesin pendingin pada line 8 menggunakan blower yang terletak di bagian atas mesin. Perbedaan sistem pendinginan tersebut menyebabkan waktu pendinginan pada line yang diamati pun berbeda. Waktu pendinginan pada line 2 dan line 10 lebih singkat (kurang lebih dua menit) dibandingkan pada line 8 (kurang lebih lima menit). Perbedaan single stage dan multi stage dapat dilihat pada Gambar 4 dan Gambar 5.

Ruang pengemasan

Mie dari fryer Mesin pendingin Gambar 4. Sistem multi stage pada line 8

Mie dari fryer

Ruang pengemasan

Mesin pendingin Gambar 5. Sistem single stage pada line 2 dan 10

5.2 Rancangan Kombinasi dan Respon Penelitian ini menggunakan program Design Expert DX7.0.0 sebagai sarana untuk mengoptimasi parameter proses pembuatan mie instan sehingga didapatkan kadar air dan kadar lemak mie instan yang sesuai dengan yang diinginkan. Rancangan percobaan yang digunakan adalah rancangan historical data. Historical data merupakan salah satu rancangan untuk mendapatkan data dengan cara memasukkan hasil trial berupa kombinasi parameter proses dan variabel respon ke dalam program Design Expert DX7.0.0 yang kemudian akan dianalisis lebih lanjut. Tahap awal dari perancangan kombinasi dengan program Design Expert DX7.0.0 adalah penetapan parameter proses serta variabel respon yang akan dioptimasi. Dalam pembuatan mie instan, proses penggorengan merupakan tahap yang dinilai memiliki pengaruh paling besar dalam menentukan kematangan mie instan. Kadar air dan kadar lemak merupakan beberapa unsur penunjuk tingkat kematangan suatu mie (Suyanti 2008). Pada proses penggorengan, faktor yang akan diuji adalah kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT. Jumlah data yang dianalisis untuk setiap line berbeda dengan tujuan untuk mendapatkan model optimasi yang paling sesuai untuk diterapkan.

21   

5.3 Analisis Respon dengan Response Surface Methodology (RSM) Hasil pengukuran masing-masing respon (kadar air dan kadar lemak) dari setiap formula dijadikan sebagai input data menggunakan program Design Expert DX7.0.0. Setelah data dimasukkan, tahap selanjutnya adalah tahap analisis respon dengan tujuan pemilihan model polinomial yang sesuai dengan hasil pengukuran respon. Di dalam program Design Expert DX7.0.0, terdapat empat pilihan model polinomial, yaitu mean, linear, kuadratik, dan kubik. Model polinomial yang terpilih merupakan model yang paling sesuai dengan hasil pengukuran respon (Estiasih et al. 2005). Tahap pemilihan model ditampilkan di dalam fit summary. Terdapat analisis ragam (ANOVA) yang digunakan untuk melihat nilai signifikansi dari model yang direkomendasikan tersebut, yang kemudian dapat disajikan datanya dalam bentuk contour plot berupa gambar dan grafik dua dimensi (2-D) atau tiga dimensi (3-D). Model yang baik memiliki nilai yang signifikan terhadap respon, nilai yang tidak signifikan terhadap lack of fit, nilai adjusted R-squared dan predicted R-squared yang mendukung, dan nilai adequate precision lebih besar dari empat. Pada tahap analisis respon juga dapat terlihat penyebaran data melalui plot kenormalan residual (normal plot residual). Plot tersebut menunjukkan penyebaran titik-titik data terhadap garis kenormalan.

5.3.1 Analisis Respon Kadar Air dan Kadar Lemak pada Line 2 Terdapat 16 data yang dianalisis sebagai hasil uji respon pada line 2. Hasil uji respon kadar air pada line 2 berkisar antara 2.31 % hingga 5.13 %. Nilai respon kadar air terendah sebesar 2.31 % dihasilkan dari data ke-16 dengan kecepatan cutter sebesar 65 rpm, suhu penggorengan IN sebesar 125 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

22   

menuunjukkan bah hwa nilai ters ebut tidak signifikan relattive terhadap pure error. Nilai tersebbut menunjuk kkan adanya kkesesuaian dataa respon kadaar air dengan m model. Model untuk k respon kadaar air pada liine 2 memilik ki nilai adjussted R-squareed dan prediicted R-squarred secara berrturut-turut seebesar 0.3542 2 dan 0.1874 yang menunjjukkan bahw wa data aktuall dan data yanng diprediksik kan untuk respon kadar airr tercakup ke dalam modeel sebesar 35.4 42 % dan 18.774 %. Nilai predicted p R-sq quared menduukung nilai ad djusted R-squuared yang dihasilkan d karrena selisih keeduanya lebih h kecil dari 00.2. Nilai ad dequate preciision untuk respon kadar airr sebesar 5.54 45 yang menun njukkan besarrnya sinyal terrhadap noisee ratio. Nilaai adequate prrecision yang g lebih besar dari 4 (5.5455) mengindik kasikan sinyaal yang memaadai sehinggaa model terseb but dapat digunakan sebaggai pedoman design spacee. Berdasarkaan analisis yanng telah dilak kukan, model yang y dihasilkaan memenuhi syarat sebaggai model yaang baik sehiingga diharap pkan dapat memberikan m pprediksi yang g baik. Persaamaan polinom mial untuk resspon kadar airr pada line 2 adalah: Kadaar Air (%) = -5 552.77992 – ((0.26290)A + (9.58669)B – (0.040076)B22 Keterrangan : A = kecepatan cuttter B = suhu penggorrengan IN

(5.1) (

Berddasarkan persaamaan (5.1), tterlihat bahwaa kadar air dipengaruhi oleeh kecepatan cutter, suhu penggorengaan IN, dan kkuadrat suhu penggorengaan IN. Resppon kadar airr akan meniingkat seiring g dengan penningkatan nilaai suhu peng ggorengan IN N, yang ditunjjukkan dengan konstanta bernilai posittif. Respon kadar air akaan mengalamii penurunan dengan d meniingkatnya nilaai kecepatan ccutter dan kuaadrat suhu pen nggorengan IN N, yang ditunjjukkan dengan konstanta bernilai b negati tif. Grafik kenorm malan internaally studentizeed residual un ntuk respon kaadar air dapat dilihat pada Gambar 6. Grafik contouur plot untuk respon r kadar air dapat dilihhat pada Gam mbar 7, sedanngkan grafik tiga t dimensinyya dapat dilihaat pada Gamb bar 8.

Gamb bar 6. Grafik kenormalan iinternally stud dentized residu uals respon kaadar air line 2 Berdasarkan Gambar 6, tterlihat bahwaa sebagian bessar data menyyebar jauh darri garis norm mal sehingga dapat d dikatakaan bahwa data kurang meny yebar secara nnormal. Hal teersebut

23   

menuunjukkan bahw wa data kuraang memenuhi persyaratan ANOVA padda respon kad dar air line 2. 2

Gamba ar 7. Grafik coontour plot haasil uji respon kadar air linee 2 Grafik conto our plot paada Gambar 7 menggam mbarkan baggaimana kom mbinasi antarrkomponen saaling mempenngaruhi nilai respon kadarr air dengan suhu penggorrengan OUT T sebagai acttual factor seebesar 155 0C. C Warna-w warna yang bberbeda pada grafik tersebbut menunjuk kkan nilai resppon kadar air.. Warna biru menunjukkann nilai respon n kadar air teerendah yaitu 2.31 %. Gaaris-garis padaa grafik conto our plot menuunjukkan kom mbinasi dari ketiga k kompon nen dengan niilai berbeda yang y menghasiilkan respon kkadar air yang g sama. Bentuuk permukaan n dari hubunngan interaksii antarkompon nen tersebut dapat terlihatt lebih jelas pada grafik tiga t dimensi yang ditunjuk kkan pada Ga ambar 8. Peerbedaan ketin nggian perm mukaan menu unjukkan nilaai respon yang y berbedaa-beda pada setiap kom mbinasi antarrkomponen fo ormula. Daerrah yang rend dah menunjuk kkan nilai resspon kadar airr yang rendaah, sedangkan n daerah yang tinggi menunj njukkan nilai respon kadar aair yang tinggii.

Gamba ar 8. Grafik tigga dimensi haasil uji respon kadar air linee 2

24   

Respon kadar lemak pada line 2 memiliki nilai hasil uji yang dihasilkan berkisar antara 15.25 % hingga 17.62 %. Nilai respon kadar lemak terendah sebesar 15.25 % dihasilkan dari data ke-6 dengan kecepatan cutter sebesar 63 rpm, suhu penggorengan IN sebesar 125 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 Keterangan : A = kecepatan cutter B = suhu penggorengan IN C = suhu penggorengan OUT

(5.2)

Berdasarkan persamaan (5.2), terlihat bahwa kadar lemak dipengaruhi oleh kecepatan cutter, suhu penggorengan IN, dan suhu penggorengan OUT. Respon kadar lemak akan meningkat seiring dengan peningkatan nilai kecepatan cutter, yang ditunjukkan dengan konstanta bernilai positif. Respon kadar lemak akan mengalami penurunan dengan meningkatnya nilai suhu penggorengan IN dan suhu penggorengan OUT, yang ditunjukkan dengan konstanta bernilai negatif. Grafik kenormalan internally studentized residual untuk respon kadar lemak dapat dilihat pada Gambar 9. Grafik contour plot untuk respon kadar lemak dapat dilihat pada Gambar 10, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 11.

25   

Gambaar 9. Grafik kenormalan intternally studen ntized residua als respon kaddar lemak line 2 Terlihat padaa Gambar 9 bbahwa titik-titiik menyebar dekat d dengan ggaris normal namun n titik-titik yang lain n berada dekatt di sepanjang g garis normall sehingga dappat dikatakan bahwa data untuk respon kadar lemak pada line 2 menyebar m norm mal. Data yanng menyebar normal n menuunjukkan adan nya pemenuhaan model terh hadap asumsi dari ANOVA A pada respon n kadar lemak line 2.

Gambar 10. Grafik conntour plot hassil uji respon kadar k lemak liine 2 Grafik conto our plot padda Gambar 10 menggam mbarkan baggaimana kom mbinasi antarrkomponen saaling mempenggaruhi nilai reespon kadar leemak dengan suhu penggorrengan OUT T sebagai acttual factor seebesar 155 0C. C Warna-w warna yang bberbeda pada grafik tersebbut menunjuk kkan nilai resspon kadar leemak. Warnaa biru menunj njukkan nilai respon kadarr lemak teren ndah yaitu 155.25 % dan warna w merah menunjukkann nilai respon kadar lemak tertinggi yaitu y 17.62 % %. Garis-gaaris pada graafik contour plot menunjjukkan kombbinasi dari keetiga komponnen dengan niilai berbeda yang y menghassilkan respon n kadar lemak yang sama. Bentuk peermukaan darii hubungan in nteraksi antarrkomponen teersebut dapatt terlihat lebiih jelas pada grafik tiga dimensi d yang ditunjukkan pada Gambar 11.

26   

Perbeedaan ketingg gian permukaaan menunjukk kan nilai respo on yang berbeeda-beda padaa setiap kombbinasi antarko omponen form mula. Daerah yang rendah menunjukkann nilai respon n kadar lemak yang rendah h, sedangkan daerah yang tinggi menun njukkan nilai rrespon kadar lemak yang tinggi.

Gambar 11. Grafik tigga dimensi hassil uji respon kadar k lemak liine 2

5.3.2 Respon Ka adar Air daan Kadar Lemak L pad da Line 8 Terdapat 20 data d yang diannalisis sebagaai hasil uji resp pon pada linee 8. Hasil uji respon kadarr air pada linee 8 berkisar anntara 2.47 % hingga h 5.21 %. % Nilai respon on kadar air terrendah sebessar 2.47 % diihasilkan dari data ke-19 dengan d kecepaatan cutter seebesar 45 rpm m, suhu penggorengan IN sebesar 125 0C, dan suhu u penggoreng gan OUT sebeesar 165 0C. Nilai respoon kadar air tertinggi sebeesar 5.21 % dihasilkan daari data ke-144 dengan keccepatan cutter sebesar 45 rpm, r suhu pennggorengan IN N sebesar 120 0C, dan suhu ppenggorengan n OUT 0 sebessar 155 C. Nilai N rata-rata ((mean) dari reespon kadar air pada line 8 sebesar 3.74 % dan standdar deviasi seb besar 0.48 %. Berdasarkan analisis yangg digunakan, model m polinom mial yang direekomendasikaan oleh progrram Design Expert E DX7.0 .0 untuk resp pon kadar air pada line 8 aadalah linear. Hasil analisis ragam (A ANOVA) mennunjukkan baahwa model linear l signifikkan dengan nilai n p “Probb>F” lebih keecil dari 0.05 (0.0043). Seelain itu, dikeetahui bahwa komponen C (suhu penggorengan OU UT) memberikkan pengaruh yang y nyata terrhadap responn kadar air. Lack L of fit F-value F memilliki nilai sebeesar 0.45 den ngan nilai p “Prob>F” lebbih besar darri 0.05 (0.86677). Nilai lack of fit yang tidak signifik kan tersebut menunjukkan m bbahwa nilai teersebut tidakk signifikan relative terhaadap pure error. e Nilai tersebut meenunjukkan adanya a kesessuaian data respon kadar airr dengan mod del. Model untuk k respon kadaar air pada liine 8 memilik ki nilai adjussted R-squareed dan prediicted R-squarred secara berrturut-turut seebesar 0.4656 6 dan 0.3246 yang menunjjukkan bahw wa data aktuall dan data yanng diprediksik kan untuk respon kadar airr tercakup ke dalam modeel sebesar 46.5 56 % dan 32.446 %. Nilai predicted p R-sq quared menduukung nilai ad djusted R-squuared yang dihasilkan d karrena selisih keeduanya lebih h kecil dari 00.2. Nilai ad dequate preciision untuk respon kadar airr sebesar 6.85 50 yang menun njukkan besarrnya sinyal terrhadap

27   

noisee ratio. Nilaai adequate prrecision yang g lebih besar dari 4 (6.8500) mengindik kasikan sinyaal yang memaadai sehinggaa model terseb but dapat digunakan sebaggai pedoman design spacee. Berdasarkaan analisis yanng telah dilak kukan, model yang y dihasilkaan memenuhi syarat sebaggai model yaang baik sehiingga diharap pkan dapat memberikan m pprediksi yang g baik. Persaamaan polinom mial untuk resspon kadar airr pada line 8 adalah: Kadaar Air (%) = 23.08300 + (0. 10335)A - (0..028549)B - (0 0.12862)C Keterrangan : A = kecepatan cuttter B = suhu penggorrengan IN C = suhu penggorrengan OUT

(5.3)

Berddasarkan persaamaan (5.3), tterlihat bahwaa kadar air dipengaruhi oleeh kecepatan cutter, suhu penggorengaan IN, dan suhhu penggoren ngan OUT. Respon R kadar air akan men ningkat seirinng dengan peeningkatan niilai kecepatan n cutter, yang g ditunjukkann dengan kon nstanta berniilai positif. Respon R kadar air akan men ngalami penurrunan dengan meningkatny ya nilai suhu penggorengaan IN dan suhhu penggoreng gan OUT, yan ng ditunjukkaan dengan kon nstanta berniilai negatif. Grafik kenorm malan internaally studentizeed residual un ntuk respon kaadar air dapat dilihat pada Gambar 12. Grafik contoour plot untuk k respon kadaar air dapat diilihat pada Ga ambar 13, seedangkan graffik tiga dimennsinya dapat dilihat d pada Ga ambar 14.

Gamb bar 12. Grafik k kenormalan internally studentized resid duals respon kkadar air line 8 Terlihat padaa Gambar 112 bahwa titik-titik menyeebar dekat deengan garis normal n sehinngga dapat dik katakan bahwaa data untuk respon r kadar air pada line 8 menyebar normal. n Data yang menyeb bar normal meenunjukkan adanya pemenu uhan model teerhadap asum msi dari ANO OVA pada resp pon kadar air line 8.

28   

Gambar 13. Grafik ccontour plot haasil uji respon n kadar air linee 8 Grafik conto our plot padda Gambar 13 menggam mbarkan baggaimana kom mbinasi antarrkomponen saaling mempenngaruhi nilai respon kadarr air dengan suhu penggorrengan OUT T sebagai acttual factor seebesar 155 0C. C Warna-w warna yang bberbeda pada grafik tersebbut menunjuk kkan nilai resspon kadar aiir. Warna ku uning menunjjukkan nilai respon kadarr air yang sem makin tinggi ssedangkan waarna hijau meenunjukkan niilai respon kadar air yang semakin rendah. Garis-ggaris pada grafik contour plot p menunjukkkan kombinaasi dari ketigga komponen dengan nilai berbeda yang menghasilk kan respon kaadar air yang sama. Bentuuk permukaan n dari hubunngan interaksii antarkompon nen tersebut dapat terlihatt lebih jelas pada grafik tiga t dimensi yyang ditunjuk kkan pada Gambar 14. Peerbedaan ketin nggian perm mukaan menu unjukkan nilaai respon yang y berbedaa-beda pada setiap kom mbinasi antarrkomponen fo ormula. Daerrah yang rend dah menunjuk kkan nilai resspon kadar airr yang rendaah, sedangkan n daerah yang tinggi menunj njukkan nilai respon kadar aair yang tinggii.

n kadar air linee 8 Gambar 14. Grafik tiiga dimensi haasil uji respon

29   

Respon kadaar lemak padaa line 8 mem miliki nilai haasil uji yang dihasilkan beerkisar antarra 15.89 % hingga h 17.96 %. Nilai respon kadar leemak terendaah sebesar 15 5.89 % dihassilkan dari datta ke-14 denggan kecepatan cutter sebesaar 45 rpm, suhhu penggoreng gan IN 0 0 sebessar 120 C, daan suhu pengggorengan OU UT sebesar 15 55 C. Nilai rrespon kadar lemak tertinnggi sebesar 17.96 % dihasiilkan dari dataa ke-9 dengan kecepatan cuutter sebesar 45 4 rpm, 0 0 suhu penggorengan IN sebesar 115 C, dan suhu penggoreengan OUT seebesar 160 C.. Nilai rata-rrata (mean) dari respon kaddar lemak pad da line 8 sebeesar 16.58 % dan standar deviasi d sebessar 0.59 %. Berdasarkan analisis yangg digunakan, model m polinom mial yang direekomendasikaan oleh progrram Design Expert E DX7.0.00 untuk respo on kadar lemak k pada line 8 adalah mean. Hasil analisis ragam (AN NOVA) pada taraf signifikansi menunjukkan bahwa m model tersebu ut tidak mem miliki nilai sign nifikansi. Naamun, lack off fit memiliki nilai yang tiddak signifikan n. Hal tersebbut ditunjukk kan pada nilai F-value sebeesar 0.41 deng gan nilai p “PProb>F” lebih h besar dari 0.05 0 (0.2559).. Nilai lack off fit yang tidak k signifikan teersebut menunnjukkan bahw wa nilai tersebbut tidak signifikan relatif tterhadap puree error. Model untuk k respon kadaar lemak pad da line 8 mem miliki predictted R-squared d yang berniilai negatif, yaaitu -0.1080. H Hal tersebut menunjukkan m bahwa overalll mean memb berikan prediiksi lebih baik k bagi responn kadar lemak k pada line 8. 8 Model yanng dihasilkan untuk respoon kadar lemaak pada line 8 hanya dibuaat berdasarkan n nilai mean ssehingga didapatkan persaamaan berikutt: K Kadar Lemak (%) ( = 16.5755 50

(5.4)

Grafik kenorm malan internaally studentizeed residual untuk respon kaadar lemak pad da line 8 dappat dilihat pad da Gambar 115. Grafik con ntour plot unttuk respon kaadar air dapat dilihat pada Gambar 16, sedangkan grrafik tiga dimeensinya dapat dilihat pada G Gambar 17.

Gambaar 15. Grafik kenormalan k innternally studeentized residuals respon kaddar lemak linee 8 Terlihat padaa Gambar 115 bahwa titik-titik menyeebar dekat deengan garis normal n sehinngga dapat diikatakan bahw wa data untuk k respon kad dar lemak padda line 8 men nyebar

30   

norm mal. Data yan ng menyebar normal menu unjukkan adaanya pemenuhhan model terrhadap asum msi dari ANOV VA pada respoon kadar lemaak line 8.

k lemak liine 8 Gambar 16. Grafik conntour plot hassil uji respon kadar Grafik conto our plot padda Gambar 16 menggam mbarkan baggaimana kom mbinasi antarrkomponen tid dak saling m mempengaruhi nilai respon kadar lemakk dengan keccepatan cutter sebagai acttual factor sebbesar 44.50 0C. C Warna yan ng terlihat sam ma pada seluru uh area grafikk contour plo ot menunjukkaan bahwa nilaai respon yang terbentuk m memiliki besaar yang samaa untuk setiap p kombinasi antarkompon nen yang diujjikan. Hal ttersebut diseb babkan karenna model polin nomial yang tterpilih adalah h mean sehing gga nilai respoon kadar lemak pada line 8 dianggap saama untuk settiap kombinassi. Bentuk permukaan darii hubungan interaksi antarrkomponen terrsebut dapat teerlihat lebih jelas pada graffik tiga dimennsi yang ditunjjukkan pada Gambar 17. Gambar terrsebut mempeerlihatkan nilaai respon yanng datar pada setiap kombbinasi yang diiujikan. Hal ttersebut dikarrenakan modeel polinomial yyang terpilih adalah meann sehingga nilai respon kaadar lemak paada line 8 diaanggap tidak bberbeda nyataa pada setiapp kombinasi antarfaktor. a

k lemak liine 8 Gambar 17. Grafik tigga dimensi hassil uji respon kadar

31   

5.3.3 Respon Kadar Air dan Kadar Lemak pada Line 10 Terdapat 14 data yang dianalisis sebagai hasil uji respon pada line 10. Hasil uji respon kadar air pada line 10 berkisar antara 2.04 % hingga 3.89 %. Nilai respon kadar air terendah sebesar 2.04 % dihasilkan dari data ke-5 dengan kecepatan cutter sebesar 64 rpm, suhu penggorengan IN sebesar 125 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

32   

OUT T dan interaksi kecepatan cutter dengaan suhu peng ggorengan IN N, yang ditunjjukkan dengan konstanta bernilai posittif. Respon kadar air akaan mengalamii penurunan dengan d meniingkatnya nillai kecepatann cutter, su uhu penggoreengan IN, ddan interaksi suhu penggorengan IN dengan suhuu penggorengaan OUT, yan ng ditunjukkann dengan kon nstanta berniilai negatif. Grafik kenorm malan internaally studentizeed residual un ntuk respon kaadar air dapat dilihat pada Gambar 18. Grafik contoour plot untuk k respon kadaar air dapat diilihat pada Ga ambar 19, seedangkan graffik tiga dimennsinya dapat dilihat d pada Ga ambar 20.

. Gambar 18. Grafik kenormalan iinternally stud dentized residu uals respon kaadar air line 10 n Terlihat padaa Gambar 118 bahwa titik-titik menyeebar dekat deengan garis normal sehinngga dapat dik katakan bahwaa data untuk respon kadar air a pada line 100 menyebar normal. n Data yang menyeb bar normal meenunjukkan adanya pemenu uhan model teerhadap asum msi dari ANO OVA pada resp pon kadar air line 10

. Gambarr 19. Grafik coontour plot haasil uji respon kadar air linee 10

33   

Grafik conto our plot padda Gambar 19 menggam mbarkan baggaimana kom mbinasi antarrkomponen saaling mempenngaruhi nilai respon kadarr air dengan suhu penggorrengan OUT T sebagai acttual factor seebesar 153 0C. C Warna-w warna yang bberbeda pada grafik tersebbut menunjuk kkan nilai reespon kadar air. Garis-garis pada ggrafik contou ur plot menuunjukkan kom mbinasi dari kketiga kompon nen dengan nilai n berbeda yang menghaasilkan respoon kadar air yang y sama. B Bentuk permu ukaan dari hubungan interaaksi antarkom mponen tersebbut dapat terliihat lebih jelaas pada grafik k tiga dimensi yang ditunjukkkan pada Ga ambar 20. Perbedaan keetinggian perm mukaan menu unjukkan nilai respon yangg berbeda-beda pada setiapp kombinasi antarkompone a en formula. Daerah D yang rendah r menunnjukkan nilai respon kadarr air yang ren ndah, sedangkkan daerah yaang tinggi menunjukkan nililai respon kadar air yang tinggi.

Gambarr 20. Grafik tigga dimensi haasil uji respon kadar air linee 10 Respon kadaar lemak padaa line 10 mem miliki nilai hasil uji yang dihasilkan beerkisar antarra 15.25 % hingga h 17.55 %. Nilai respon kadar leemak terendaah sebesar 15 5.25 % dihassilkan dari datta ke-14 denggan kecepatan cutter sebesaar 66 rpm, suhhu penggoreng gan IN sebessar 126 0C, daan suhu pengggorengan OU UT sebesar 15 58 0C. Nilai rrespon kadar lemak tertinnggi sebesar 17.55 1 % dihaasilkan dari daata ke-13 den ngan kecepataan cutter sebeesar 66 0 rpm, suhu penggorengan IN sebbesar 122 C, dan suhu pen nggorengan O OUT sebesar 158 1 0C. Nilaii rata-rata (meean) dari resppon kadar lem mak pada linee 8 sebesar 166.82 % dan standar s deviaasi sebesar 0.7 79 %. Berdasarkan analisis yangg digunakan, model m polinom mial yang direekomendasikaan oleh progrram Design Expert E DX7.00.0 untuk respon kadar lem mak pada linne 10 adalah mean. Hasill analisis ragaam (ANOVA)) pada taraf sig gnifikansi menunjukkan baahwa model teersebut tidakk memiliki nilai signifikanssi. Namun, la ack of fit mem miliki nilai yaang tidak sign nifikan. Hal tersebut t ditun njukkan pada nilai F-valuee sebesar 1.81 1 dengan nilaai p “Prob>F”” lebih besarr dari 0.05 (0 0.2280). Nilaai lack of fit yang tidak signifikan s terrsebut menunjjukkan bahw wa nilai tersebu ut tidak signiffikan relatif teerhadap pure error. e Model untuk k respon kadaar lemak padaa line 10 mem miliki predictted R-squared d yang berniilai negatif, yaaitu -0.1598. H Hal tersebut menunjukkan m bahwa overalll mean memb berikan prediiksi lebih baik k bagi responn kadar lemak k pada line 10 0. Model yanng dihasilkan untuk

34   

respoon kadar lemaak pada line 1 0 hanya dibuaat berdasarkan n nilai mean ssehingga didapatkan persaamaan berikutt: Kaadar Lemak (% %) = 16.81643 3

(5.6)

Grafik kenorm malan internaally studentizeed residual untuk respon kaadar lemak pad da line 10 daapat dilihat pada Gambarr 21. Grafik contour plot untuk responn kadar lemak k dapat dilihaat pada Gamb bar 22, sedanggkan grafik tig ga dimensinyaa dapat dilihatt pada Gamba ar 23.

Gambarr 21. Grafik kenormalan intternally studen ntized residua als respon kaddar lemak line 10 Terlihat padaa Gambar 221 bahwa titik-titik menyeebar dekat deengan garis normal n sehinngga dapat dikatakan bahw wa data untuk k respon kadaar lemak padaa line 10 men nyebar norm mal. Data yan ng menyebar normal menu unjukkan adaanya pemenuhhan model terrhadap asum msi dari ANOV VA pada respoon kadar lemaak line 10.

2 Grafik conntour plot hasiil uji respon kadar lemak linne 10 Gambar 22.

35   

Grafik conto our plot padda Gambar 22 menggam mbarkan baggaimana kom mbinasi antarrkomponen tid dak saling m mempengaruhi nilai respon kadar lemakk dengan keccepatan cutter sebagai actu ual factor sebbesar 65 rpm. Warna yang g terlihat sam ma pada seluru uh area grafikk contour plo ot menunjukkaan bahwa nilaai respon yang terbentuk m memiliki besaar yang samaa untuk setiap p kombinasi antarkompon nen yang diujjikan. Hal ttersebut diseb babkan karenna model polin nomial yang tterpilih adalah h mean sehing gga nilai respoon kadar lemak pada line 10 1 dianggap sama s untuk seetiap kombinassi. Bentuk peermukaan darii hubungan interaksi antarrkomponen terrsebut dapat teerlihat lebih jelas pada graffik tiga dimennsi yang ditunjjukkan pada Gambar 23. Gambar terrsebut mempeerlihatkan nilaai respon yanng datar pada setiap kombbinasi yang diiujikan. Hal ttersebut dikarrenakan modeel polinomial yyang terpilih adalah meann sehingga nillai respon kaddar lemak pad da line 10 diaanggap tidak berbeda nyata pada setiapp kombinasi antarfaktor. a

2 Grafik tigaa dimensi hasiil uji respon kadar lemak linne 10 Gambar 23.

5.4 Optim masi Komb binasi Paraameter Pro oses dengan n Program m Design Ex xpert DX7.0.0 Proses optim masi dilakukann dengan tuju uan untuk meendapatkan koombinasi paraameter proses terbaik sehin ngga dihasilkan an kadar air daan kadar lemaak mie instan yang sesuai dengan d yang diinginkan. d Seetiap unsur yaang dioptimasii memiliki bob bot kepentinggan yang samaa, yaitu sebesarr 3 (+++). Niilai optimasi teerbaik ditunju ukkan dengan nilai desirabiility yang men ndekati 1. Uraaian unsur yan ng dioptimasi tterdapat pada Tabel 2.

36   

Tabel 2. Uraian unsur parameter proses dan respon yang dioptimasi Batas Batas Bobot Kepentingan Unsur Goal Bawah Atas 62 65 Kecepatan Cutter (rpm) in target 44 45 3 (+++) 64 66 Suhu Penggorengan IN (0C) 0

in target

Suhu Penggorengan OUT ( C)

in target

Kadar Air (%)

in target

Kadar Lemak (%)

target - 17

Keterangan:

115

125

150 150 148 3.3 15.25 15.89 15.25

160 160 158 3.5 17.62 17.96 17.96

3 (+++) 3 (+++) 3 (+++) 3 (+++)

= line 2 = line 8 = line 10

Respon kadar air yang diinginkan memiliki range sebesar 3.3-3.5 %. Nilai tersebut lebih kecil dibandingkan dengan standar mutu mie instan yang dikeluarkan oleh Standar Nasional Indonesia, yaitu maksimal sebesar 10 % dengan metode penggorengan. Nilai kadar air yang semakin rendah menunjukkan bahwa jumlah air dalam mie instan lebih sedikit sehingga dapar memperpanjang umur simpan mie instan. Respon kadar lemak yang diinginkan memiliki target yang sama yaitu sebesar 17 %. Nilai tersebut ditentukan dengan menyesuaikan terhadap nilai kadar air yang ingin dituju. Jumlah lemak di dalam mie instan menentukan tingkat ketengikan dalam mie instan. Kombinasi nilai kadar air dan kadar lemak yang baik akan dapat memberikan karakteristik mie instan yang baik dan tentunya memiliki umur simpan yang lebih lama. Setelah tiap variabel respon dianalisis, program Design Expert DX7.0.0 akan memberikan sejumlah solusi dengan nilai desirability yang berbeda-beda. Solusi yang didapatkan dari program Design Expert DX7.0.0 dapat dilihat pada Tabel 3. Tabel 3. Solusi optimasi untuk masing-masing line Line

Kecepatan Cutter (rpm)

Suhu Penggorengan IN (0C)

Suhu Penggorengan OUT (0C)

Kadar Air (%)

Kadar Lemak (%)

Desirability

2 8

64.68 44.02

121.26 124.74

150.08 159.95

3.41519 3.49808

17 16.5755

1 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

37   

dengann prediksi nilaai kadar air seebesar 3.41519 9 % dan kadaar lemak 17 % %. Nilai desirrability untuk solusi s pada lin ne 2 sebesar 1. Solusi yan ng terpilih unttuk diterapkann pada line 8 adalah pada kecepatan k cuttter sebesar 444.02 rpm, suhu s penggorengan IN 1224.74 0C, dan n suhu 0 penggoorengan OUT 159.95 C deengan predikssi nilai kadar air sebesar 3..49808 % dan n kadar lemak 16.5755 %. Nilai desirabbility untuk so olusi pada lin ne 8 sebesar 00.618. Solussi yang terpilihh untuk diteraapkan pada linne 10 adalah pada p kecepataan cutter sebessar 64.13 rpm m, suhu 0 0 penggoorengan IN 119.83 C, dann suhu penggo orengan OUT 154.30 C deengan predikssi nilai kadar air a sebesar 3.4 45207 % dan kkadar lemak 16.8164 1 %. Nilai N desirabiliity untuk solussi pada line 100 sebesar 0.89 95. Grafik coontour plot untuk u solusi liine 2 terdapatt pada Gamb bar 24, sedanggkan untuk graafik tiga dimeensinya pada Gambar 25 dengan d actuall factor berupa suhu penggoorengan OUT sebesar 150.008 0C. Grafik k contour plot untuk solusi line 8 terdapaat pada Gambar 26, sedang gkan untuk graafik tiga dimeensinya pada Gambar G 27 ddengan actual factor berupaa suhu penggo orengan OUT sebesar 159.9 95 0C. Grafik contour plot untuk solusi line l 10 terdapaat pada Gamb bar 28, sedanggkan untuk grrafik tiga dimeensinya pada G Gambar 29 dengan d actual factor f berupaa suhu penggoorengan OUT sebesar 154.30 0C

. our plot solusii line 2 Gambar 244. Grafik conto

d solusii line 2 Gambar 255. Grafik tiga dimensi

38   

Gambar 266. Grafik conto our plot solusii line 8

Gambar 277. Grafik tiga dimensi d solusii line 8

Gambar 28.. Grafik contour plot solusi line 10

39   

Gambar 29.. Grafik tiga dimensi d solusi line 10

5.5 Veriffikasi Solussi Kombinaasi Parametter Proses Optimum O Setelah didap patkan solusii optimasi un ntuk masing-m masing line, llangkah selan njutnya adalah tahap verifikasi. Tujuan ddari tahap terssebut adalah untuk u membukktikan hasil prrediksi yang diberikan d oleh h program Deesign Expert DX7.0.0 D deng gan menerapkkannya langsu ung ke proses produksi. Selain memberrikan nilai prrediksi untuk masing-masinng respon, prrogram Designn Expert DX7 7.0.0 juga meemberikan nilai confident interval dan prediction in nterval untuk masing-masin ng respon padda taraf signiifikansi 5 %. Confident iinterval (CI) adalah rentangg nilai dengaan batasan terrtentu, yang mengandung m nilai probabillitas dari paraameter diujikaan (Howell 20 008). Nilai yyang biasa diigunakan dalaam CI adalahh 95 % atau 99 %, dengann nilai α sebeesar 0.05 atauu 0.01. Jika nilai n CI yang digunakan addalah 95 %, artinya a adalah sebanyak 95 5 % pengaruhh untuk mend dapatkan darii nilai suatu respon berasaal dari faktor yang diujikan n dan sebesarr 5 % berasall dari faktor di d luar model.. Rentang CI yang lebih sempit s menun njukkan bahw wa nilai optiimasi yang leebih baik dibbandingkan dengan d rentangg CI yang leb bih lebar (Heiiberger dan Holland H 2004).. Prediction interval (PI) adalah rentangg yang menu unjukkan preddiksi penguku uran respon berikutnya b deengan kondisii yang sama pada p taraf sign nifikansi tertenntu, dalam hall ini 5 % (How well 2008). Uraian predik ksi nilai respoon serta CI dan d PI untuk masing-masin m ng line dapat dilihat pada Tabel T 4.

40   

Respon Kadar Air (%) Kadar Lemak (%) Keterangan:

Tabel 4. Prediksi nilai respon masing-masing line Prediksi 95 % CI Low 95 % CI High 95 % PI Low

95 % PI High

3.41519

2.86

3.97

1.79

5.05

3.49808 3.45207 17 16.5755

3.08 3.16 16.31 16.30

3.92 3.74 17.69 16.85

2.40 2.81 15.83 15.31

4.60 4.09 18.17 17.84

16.8164

16.36

17.27

15.05

18.58

= line 2 = line 8 = line 10

Dengan diberikannya solusi parameter proses serta nilai prediksinya, diharapkan dapat dilakukan tahap verifikasi untuk pengujian kembali hasil-hasil tersebut. Tahap verifikasi belum dapat dikerjakan dikarenakan adanya perubahan nilai solusi dan waktu penelitian yang terbatas.

41