BAB III TINJAUAN PUSTAKA
3.1. Response Surface Methodology
Response Surface Methodology RSM, menurut Box 1987, merupakan teknik statistik untuk membangun suatu model empiris melalui desain
eksperimen. Metodologi ini dapat mencari suatu reaksi yang berhubungan dengan variabel output sebagai respon dan variabel input sebagai prediktor. RSM banyak
digunakan dalam mengoptimalkan sejumlah unit industri, proses, dan sistem. Para peneliti menggunakan RSM sebagai cara untuk mencari fungsi yang tepat dalam
memprediksi dan mengoptimalkan respon. Variabel yang digunakan dalam desain eksperimen RSM tergantung pada
bidang yang diteliti. Contohnya: respon atau variabel output di dalam penelitian bidang kimia dapat berupa transparansi plastik dengan satuan tertentu dan variabel
input yang mempengaruhi respon tersebut dapat berupa konsentrasi zat semprot dan posisi penyemprotan pada proses.
Desain eksperimen RSM membutuhkan faktor yang berpengaruh signifikan terhadap proses. Identifikasi faktor dapat dilakukan dengan pengamatan
dan dipilih faktor-faktor yang paling berpengaruh terhadap proses. Umumnya dipilih dua atau tiga buah faktor untuk digunakan dalam penelitian. Penerapan
RSM yang paling efektif dan banyak digunakan adalah untuk menentukan kondisi setting yang optimal pada proses demi memperoleh peningkatan pada output
produksi.
Suatu eksperimen yang melibatkan k buah faktor antara lain: x
1
, x
2
, ..., x
k
dengan k buah faktor tersebut merupakan variabel bebas, prediktor, atau variabel kontrol, dan menghasilkan respon y dengan y adalah suatu variabel terikat,
variabel tak bebas, atau variabel respon. Semua variabel ini dapat diukur dan diketahui bahwa y merupakan respon dari x
1
, x
2
, ..., x
k
. Maka dapat dikatakan bahwa y merupakan fungsi dari x
1
, x
2
, ..., x
k
dan secara umum ditulis dalam bentuk persamaan: y = f x
1
, x
2
, ..., x
k
. Fungsi ini disebut response surface. RSM memiliki beberapa kegunaan, yaitu:
1. Menunjukkan bagaimana variabel respon y dipengaruhi oleh variabel bebas x di dalam daerah tertentu yang ditinjau.
2. Menentukan pengaturan variabel bebas yang paling tepat untuk memberikan hasil yang memenuhi spesifikasi respon yang diinginkan.
3. Mengeksploitasi jangkauan dari variabel bebas x untuk mendapatkan hasil respon maksimum dan menentukan sifat dari variabel tersebut.
Menurut Cochran dan Cox 1992, tahap-tahap perencanaan untuk memulai pelaksanaan RSM yaitu:
1. Tentukan model persamaan orde pertama berdasarkan pengumpulan data yang dilakukan dengan eksperimen. Arah penelitian selanjutnya ditentukan dengan
metode steepest descent. 2. Setelah arah penelitian selanjutnya diperoleh, tentukan level faktor untuk
pengumpulan data berikutnya. 3. Tentukan model persamaan orde kedua berdasarkan pengumpulan data
eksperimen dengan level yang telah ditetapkan pada metode steepest descent.
4. Tentukan titik optimal dari faktor-faktor yang diteliti. Salah satu pertimbangan penting pada RSM adalah bagaimana
menentukan faktor dan level yang cocok dengan model yang akan dikembangkan. Jika faktor atau level yang dipilih dalam eksperimen tidak tepat, maka
kemungkinan terjadinya ketidak cocokan model akan sangat besar dan menyebabkan penelitian menjadi bersifat bias.
RSM erat kaitannya dengan desain eksperimen, karena data yang dikumpulkan adalah melalui pelaksanaan eksperimen. Menurut Box 1987, alasan
mengapa desain eksperimen sangat diperlukan yaitu: 1. Variabel input yang mempengaruhi respon seringkali merupakan salah satu
variabel yang tidak akan diubah. 2. Hubungan antara variabel respon dengan berbagai variabel input mungkin
dipengaruhi oleh variabel yang tidak tercatat. Hal tersebut dapat membangun korelasi yang salah.
3. Data historis sering mengandung celah mengandung informasi tambahan yang tidak penting.
3.2. Desain Eksperimen
Kategori