Metode Permukaan Respon Rekayasa proses ekstraksi minyak biji Kamandrah dengan pengempaan dan pengembangannya sebagai larvasida nabati pencegah penyakit Demam Berdarah Dengue
RSM juga merupakan metode yang mengeksplorasi hubungan dari masing-masing unsur dalam penelitian misalnya hubungan suatu hasil penelitian
dengan sejumlah peubah yang diduga dapat mempengaruhi hasil tersebut. Teknik optimasi RSM bekerja didasarkan pada proses atau siklus: pengetahuan, gagasan,
analisis desain dan percobaan berulang. Jadi RSM merupakan teknik optimasi yang sangat berguna untuk investigasi proses yang kompleks. Adapun kegunaan
teknik optimasi RSM adalah: 1.
Dapat menentukan kombinasi optimum dari faktor peubah bebas yang akan menghasilkan respon peubah tidak bebas yang diinginkan dan dapat
menggambarkan bahwa respon mendekati optimum. 2.
Dapat menentukan bagaimana suatu pengukuran respon tertentu dipengaruhi oleh perubahan faktor-faktor pada level tertentu.
3. Dapat menentukan level faktor yang akan menghasilkan sekumpulan
spesifikasi yang diinginkan secara simultan. Response surface methodology
RSM adalah kumpulan teknik matematik dan statistik yang digunakan untuk membentuk model dan menganalisis masalah
dalam suatu respon yang dipengaruhi oleh beberapa peubah dan bertujuan untuk mengoptimalisasi respon ini Box et al. 1978. Dalam banyak masalah RSM,
bentuk hubungan antara respon dan peubah bebas tidak diketahui. Jadi langkah pertama adalah mendapatkan suatu pendugaan yang cocok untuk fungsi yang
sebenarnya antara y dan himpunan bebasnya. Untuk pendugaan ini biasanya digunakan suatu polinomial orde rendah. Jika respon telah dimodelkan dengan
baik oleh fungsi linier dari peubah bebasnya, maka fungsi yang diduga adalah model ordo pertama.
Y = β
+ β
i
X
i
+ β
2
X
2
+ …….+ β
k
X
k
+ ε
……………..………14 Jika ada lengkungan dalam sistem, maka polinomial dengan orde yang lebih
tinggi harus digunakan, seperti pada model orde kedua. Y =
β + ∑
β
i
X
i
+ ∑ β
2
X
2
+ …….+ ∑ β
k
X
k
+ ε
…………………15
i= 1 i= 1 i 1
Hampir semua persoalan RSM menggunakan salahsatu dari kedua model ini. Memang model polinomial ini bukan satu-satunya model untuk menduga
hubungan fungsi sebenarnya, tetapi untuk wilayah yang relatif kecil, maka model
ini dapat digunakan dengan baik. Metode kuadrat terkecil juga dapat digunakan untuk menduga parameter dalam pendugaan polinomial. Analisis permukaan
respon kemudian dibentuk menggunakan pengepasan permukaan. Jika pengepasan permukaan merupakan suatu pendugaan yang memadai dari fungsi
respon yang sebenarnya, maka analisis dari pengepasan permukaan kira-kira sama dengan analisis sistem yang sebenarnya Mongomery 1997.
Analisis untuk menduga fungsi respon sering disebut sebagai analisis permukaan respon yang pada dasarnya mirip dengan analisis regresi yaitu
menggunakan prosedur pendugaan parameter fungsi respon berdasarkan metode kuadrat terkecil least square method, hanya saja dalam analisis permukaan
respon diperluas dengan menerapkan teknik-teknik matematik untuk menentukan titik-titik optimum agar dapat ditemukan respon yang optimum. Penentuan
kondisi operasi optimum diperlukan fungsi respon orde kedua dengan menggunakan rancangan komposit terpusat dalam mengumpulkan data percobaan.
Ada beberapa hal penting yang perlu diketahui dalam melakukan optimasi antara lain dalam pengujian model pada teknik optimasi untuk mengetahui
ketepatan model didasarkan atas uji penyimpangan model lack of fit, koefisien determinasi R
2
, uji signifikan model, dan uji asumsi residual. Ketepatan model yang dianggap tepat jika uji simpangan model bersifat tidak nyata secara statistik.
Sebaliknya, jika bersifat nyata maka suatu model dianggap tidak cocok untuk menerangkan fenomena sistem yang dipelajari; walaupun kriteria lain cukup baik
Box and Drapper 1987. Nilai R
2
merupakan ukuran kesesuain model dalam kemampuannya untuk menerangkan keragaman nilai peubah Y. Uji signifikasi
model dan uji asumsi residual dilakukan untuk mengetahui pengaruh peubah bebas terhadap respon. Model dikatakan tepat jika uji asumsi residual
menunjukkan plot residual menyebar acak disekitar nol dan mendekati garis lurus sehingga terdistribusi normal Rigas et al. 2001.