22 Rancangan RSM yang digunakan pada program Design Expert V.7 dx7 adalah Central Composite
Design CCD. CCD pertama kali dideskripsikan oleh Box dan Wilson pada 1951, dan rancangan ini merupakan rancangan kuadratik yang paling populer Dean dan Voss, 1999. Dalam statistik, suatu
CCD adalah rancangan percobaan yang sangat berguna dalam Metode Respon Permukaan, setiap rancangan terdiri dari rancangan linier biasa dengan titik-titik faktorial ortogonal n
f
dan titik pusat n
o
, ditambah dengan n
a
titik aksial”, sehingga menurut John 1997 rancangan terdiri dari tiga himpunan titik percobaan yang berbeda.
Pada rancangan percobaan penelitian ini terdiri dari rancangan 2
k
faktorial dimana k adalah banyaknya variabel yang berjumlah tiga dengan ditambahkan enam pengulangan pengamatan pada
titik pusat dengan kode 0 dan axial run star runs sehingga didapatkan 20 rancangan percobaan. Pada tahap ini, hal yang harus diperhatikan adalah menentukan variabel komponen, nilai titik pusat, dan
respon yang diinginkan. Variabel yang digunakan pada optimalisasi rendemen dan kekuatan gel dari agar-agar adalah penambahan konsentrasi CH
3
COOH, suhu ekstraksi, dan waktu perendaman asam asetat. Nilai titik pusat yang digunakan berdasarkan penelitian pendahuluan. Batas maksimum dan
minimum yang diperoleh dikonversi secara otomatis oleh program dx7 seperti dapat dilihat pada Tabel 5 variabel respon yang akan dianalisis adalah rendemen , kekuatan gel gf, kadar air
dan kadar abu . Hasil dari rancangan kombinasi faktor dan respon disajikan pada Tabel 6.
4.3. Analisis Kombinasi Faktor dan Optimasi Respon Permukaan
Data masing-masing respon dari hasil penelitian dianalisis untuk mendapatkan model polinomial yang sesuai dengan hasil pengukuran respon. Terdapat empat macam model polinomial
yaitu mean, linear, kuadratik, dan kubik, dari empat macam model akan terpilih satu model yang paling sesuai dengan hasil pengukuran respon. Model kemudian dianalisis untuk mendapatkan analisis
keragaman, model yang baik memiliki nilai yang signifikan terhadap respon, dan nilai yang tidak signifikan terhadap lack of fit, nilai R
2
dan R
2
prediksi yang mendukung, dan nilai adequate precision rlebih besar dari empat. Grafik dari model digambarkan dalam bentuk dua dimensi 2-D atau tiga
dimensi 3-D. 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.
4.3.1. Analisis Kombinasi Faktor pada Respon Rendemen
Berdasarkan hasil pengujian rendemen, rentang nilai dari respon yang didapatkan berkisar dari 12,98 sampai 18,40, sehingga desain model yang terpilih yang direkomendasikan oleh program
Design Expert DX7.0.0 pada respon ini adalah model reduced quadratic. Nilai rata-rata mean dari respon rendemen adalah 13,97 dengan standar deviasi 0,67. Menurut Salkind 2007, standar deviasi
menunjukkan keheterogenan yang terjadi dalam data yang sedang diteliti atau dapat dikatakan sebagai jumlah rata-rata variabilitas di dalam satu set data pengamatan. Semakin besar nilai standar deviasi
menandakan semakin menyebar data pengamatan dan memiliki kecenderungan setiap data berbeda satu sama lain. Hasil analisis ragam rendemen tepung agar dapat dilihat pada Lampiran 3. Hasil
analisis ragam ANOVA menunjukkan bahwa model yang dihasilkan signifikan dengan nilai p-value “Prob F” lebih kecil dari 0,05 0,0001 dan untuk uji lack of fit diperoleh p-value “Prob F” =
0,0 002 atau lebih kecil dari α = 0,05 berarti ada lack of fit significant. Nilai lack of fit yang signifikan
tersebut menunjukkan bahwa tidak adanya kesesuaian data respon rendemen dengan model. Dikarenakan nilai lack of fit yang signifikan sedangkan nilai dari model signifikan, sehingga
diperlukan juga analisis pada nilai R
2
. Dalam hubungannya dengan korelasi, dapat dikatakan bahwa
23 R
2
merupakan kuadrat korelasi antara variabel yang digunakan sebagai predictor X dan variabel yang memberikan response Y. Nilai R
2
untuk model respon rendemen sebesar 0,8852 mempunyai arti bahwa sebesar 88,52 variasi dari variabel respon Y dapat diterangkan dengan variabel bebas
X sedangkan sisanya 11,48 dipengaruhi oleh variabel-variabel lain yang tidak diketahui, sehingga model ini masih layak digunakan untuk analisa lebih lanjut. Menurut Asro 2009, R
2
0,8 menunjukan varian model bagus. Tetapi berdasarkan nilai R
2
prediksi yang diberikan oleh program dx7 terhadap model adalah sebesar 0,5953, terdapat rentang yang cukup jauh apabila dibandingkan
dengan nilai R
2
model, sehingga berdasarkan rekomendasi dari program dx7 diperlukan adanya reduksi secara manual.
Model direduksi secara manual dengan cara menghilangkan interaksi komponen X
1
X
2
interaksi konsentrasi asam asetat dengan waktu perendaman, interaksi komponen X
2
X
3
interaksi waktu perendaman dengan suhu ekstraksi dan interaksi komponen X
1
X
3
interaksi konsentrasi asam asetat dengan suhu ekstraksi karena komponen interaksi tersebut tidak begitu berpengaruh dalam
model. Persamaan polinomial untuk respon rendemen adalah sebagai berikut :
Rendemen =
- 254,21971 + 10,84412 X
1
+ 5,81118 X
2
+ 5,71972 X
3
– 5,32005 X
1 2
– 2,94417 X
2 2
– 0,030927 X
3 2
Keterangan : X
1
= Konsentrasi asam asetat X
2
= Waktu perendaman X
3
= Suhu ekstraksi Berdasarkan persamaan diatas dapat dilihat bahwa nilai rendemen akan meningkat seiring
dengan peningkatan konsentrasi asam asetat, waktu perendaman, dan suhu ekstraksi hal tersebut ditunjukkan dengan konstanta yang bernilai positif. Nilai rendemen akan mengalami penurunan
dengan meningkatnya kuadrat dari konsentrasi asam asetat, kuadrat dari waktu perendaman, dan kuadrat dari suhu ekstraksi ditandai dengan konstanta yang bernilai negatif.
Grafik kontur permukaaan pada Gambar 13 menggambarkan hubungan antara variabel suhu ekstraksi, variabel konsentrasi asam asetat, dan variabel waktu perendaman dalam bentuk dua
dimensi, sedangkan pada Gambar 14 merupakan Respon Permukaan yang disajikan dalam bentuk tiga dimensi. Perbedaan warna yang terdapat pada grafik, menunjukkan nilai respon rendemen. Warna biru
menunjukkan nilai respon rendemen terendah yaitu 12,98, sampai warna merah yang menunjukkan nilai respon rendemen tertinggi yaitu 18,40 tetapi karena nilai respon rendemen terendah hanya
terdapat beberapa nilai maka warna biru tidak begitu terlihat dari grafik. Rendemen tepung agar dihitung berdasarkan perbandingan antara bobot tepung agar kering
dengan bobot rumput laut kering yang digunakan. Bahan baku yang digunakan dalam setiap ulangannya berjumlah 100 gram rumput laut kering. Menurut Chapman dan chapman 1980,
rendemen tepung agar salah satunya dipengaruhi oleh metode dan cara ekstraksi yang dipakai. Hal tersebut didukung oleh penyataan dari Armisen dan Galatas 1987 yaitu proses ekstraksi harus
dilakukan pada pH dan kisaran suhu tertentu sehingga terjadi proses hidrolisa dan dengan demikian meningkatkan kelarutannya. Proses ekstraksi yang digunakan pada penelitian yaitu dengan mengubah
perlakuan suhu. Pada prinsipnya agar-agar hanya akan larut dalam air panas bukan pada air dingin, sehingga apabila rumput laut diekstrak pada suhu yang rendah ekstrak agar-agar yang dilarutkan dan
dikeluarkan dari dinding sel rumput laut akan kurang maksimal dan berpengaruh terhadap menurunnya rendemen yang dihasilkan. Sedangkan menurut Matsuhashi 1977, jika waktu
pendidihan terlalu lama dapat mengakibatkan degradasi hidrolitik yang berlebihan, meskipun pada proses normal degradasi hidrolitik tidak dapat dihindari seluruhnya.
24 Gambar 13 . Kontur Respon Permukaan hasil uji respon rendemen tepung agar
Gambar 14. Respon Permukaan rendemen tepung agar
4.3.2. Analisis Kombinasi Faktor pada Respon Kekuatan Gel
