27 Grafik kontur ini menunjukkan hubungan antara faktor C dan D, dimana C
merupakan simbol dari penambahan air dan D adalah kecepatan pengadukan. Sementara itu, faktor A dan B menyimbolkan suhu dan pH. Grafik digambarkan
dengan rentang dari 4 hingga 6 ⁄ untuk faktor C dan rentang nilai 150 hingga 250
untuk faktor D, sedangkan faktor A dan B pada kondisi nilai titik pusat, yaitu 45
o
C dan pH 5.
Seperti pada pembahasan kedua faktor sebelumnya, grafik kontur menunjukkan bahwa nilai respon terbaik dari desain percobaan yang dilakukan
terletak pada wilayah merah yang merupakan wilayah maksimum. Meski demikian, nilai respon optimum dari perhitungan software akan diperoleh apabila penambahan
air lebih dari 5 ⁄ , namun nilainya tidak bergeser terlalu jauh dari titik pusat. Hasil
ini juga sesuai dengan penelitian yang dilakukan Raharja et al. 2010, dimana seiring meningkatnya jumlah air yang ditambahkan dari rentang 1 hingga 5
⁄ tingkat hidrolisis juga meningkat, dari penelitian tersebut didapatkan tingkat hidrolisis
tertinggi pada penambahan air 5 ⁄ Hal tersebut didukung dengan pernyataan
Paiva et al. 2000 bahwa aktivitas lipase dalam pelarut organik didukung oleh penggunaan air optimum pada rentang 0,75 hingga 5
⁄ . Meski demikian, jumlah air yang terlalu sedikit akan mengurangi kemungkinan
kontak antara lipase dengan air yang bertindak sebagai pereaksi, sedangkan jumlah air yang terlalu besar akan menghambat kontak. Penggunaan air yang berlebihan akan
mengakibatkan reaksi hidrolisis trasilgliserol yang berlebihan, sehingga asam lemak bebas akan meningkat Paez et al., 2003.
Berdasarkan plot grafik model, perlakuan kecepatan pengadukan yang diharapkan mampu mengoptimalkan respon juga lebih dari titik pusat faktor ini, yaitu
200. Pada hasil percobaan terlihat adanya peningkatan tingkat hidrolisis hingga 200 rpm, hal ini terjadi karena seiring naiknya kecepatan pengadukan juga dapat
mempertinggi kecepatan pindah enzim dari fasa air ke antar fasa dan pindahnya enzim yang inaktif dari antar fasa ke fasa air. Proses tersebut menyebabkan hidrolisis yang
terjadi di antar fasa juga akan semakin cepat. Namun, ketika kecepatan pengadukan dinaikkan menjadi 250 dan 300 rpm terjadi penurunan tingkat hidrolisis. Hal ini juga
terjadi pada penelitian Sulaswatty 1998, dimana pada saat kecepatan pengadukan dinaikkan dari 90 rpm menjadi 150 rpm terjadi peningkatan tingkat hidrolisis. Namun,
pada saat kecepatan kembali dinaikkan menjadi 210 rpm, hasil yang diharapkan menurun. Terdapat dugaan bahwa pada kecepatan pengadukan yang terlalu tinggi
mengakibatkan kontak antara substrat dan enzim tidak cukup untuk membentuk produk sehingga hidrolisis tidak terjadi dengan sempurna.
Kombinasi kedua faktor ini pada perhitungan ANOVA memiliki nilai F-hitung sebesar 0,11. Nilai tersebut merupakan nilai paling rendah dibandingkan kombinasi
faktor lainnya. Hal ini menunjukkan bahwa kombinasi faktor penambahan air dan kecepatan pengadukan tidak memberikan pengaruh yang nyata terhadap respon.
4.4. PENENTUAN TITIK OPTIMAL FAKTOR
Berdasarkan percobaan sebelumnya, dapat ditentukan bahwa perlakuan kecepatan pengadukan pada 200 rpm akan menjadi nilai faktor di level 0 pada rancangan selanjutnya
menggunakan RSM. Rentang nilai pada setiap levelnya ialah 50 rpm, penentuan ini sama dengan rentang nilai kecepatan pengadukan pada penelitian pendahuluan.
28 Grafik plot residual ditampilkan pada Lampiran 5 yang menunjukkan sebaran data yang
diolah menggunakan software olah data, dimana terlihat sebaran data yang masih mendekati garis normal. Meski ada beberapa data yang cukup jauh dari garis normal dibandingkan data
lainnya, namun data tersebut masih dianggap menyebar normal dan dapat memenuhi model yang didapatkan dari perhitungan ANOVA. Semakin titik-titik tersebut mendekati garis normal
maka hasil aktual akan mendekati hasil yang telah diprediksikan. Guna mengetahui titik-titik optimal tiap faktor, dilakukan perhitungan ANOVA
menggunakan software Design Expert 7.0.0 seperti yang disajikan pada Lampiran 3. Pada perhitungan tersebut akan diketahui kesesuaian model dengan menggunakan uji Lack of Fit.
Hipotesis yang digunakan dalam uji ini ialah: H
: Tidak terdapat Lack of Fit dalam model H
1
: Terdapat Lack of Fit dalam model Salah satu fasilitas yang ada pada software pengolah data Design Expert ialah pilihan
bagaimana proses perhitungan akan ditampilkan. Pada software tersebut juga ditampilkan perkiraan hasil perhitungan jika menggunakan pilihan-pilihan yang ada, sehingga pengguna
dapat menentukan proses perhitungan sesuai dengan hasil Lack of Fit yang diharapkan. Menggunakan data penelitian ini, disarankan untuk memilih tampilan model secara kuadratik
seperti yang ditampilkan pada Lampiran 5. Hal ini terkait dengan usaha untuk menjadikan Lack of fit yang tidak signifikan guna mendapatkan model yang sesuai.
Pemilihan hipotesis yang diterima dapat dilihat pada perhitungan Lack of Fit dalam ANOVA. Pada software Design Expert digunakan tingkat signifikan sebesar 5 0,05,
dimana H diterima jika nilai p-value F lebih besar dari ketentuan tersebut. Diketahui dari
perhitungan bahwa p-value F Lack of Fit pada penelitian ini bernilai 0,0632 yang lebih besar dari tingkat signifikan 0,05 yang telah ditentukan, sehingga H
diterima. Jika H diterima,
maka dapat dinyatakan tidak terdapat ketidaksesuaian dalam model, hal ini menunjukkan model telah sesuai untuk respon penelitian ini.
Pada pengolahan data ini juga diberikan informasi tambahan oleh Design Expert, salah satunya ialah koefisien korelasi atau yang dikenal juga sebagai R-square R
2
. R-square menunjukkan presentase seberapa besar pengaruh variabel bebas terhadap variabel terikat.
Hasil perhitungan data diperoleh R-square sebesar 0,9645 yang memiliki arti bahwa pengaruh variabel bebas A, B, C, dan D terhadap perubahan variabel terikat berupa respon Y ialah
sebesar 96,45. Sedangkan sisanya sebesar 3,55 dipengaruhi oleh faktor-faktor lain di luar variabel bebas yang digunakan dalam penelitian ini. Hasil ini dirasa baik karena semua faktor
yang diamati memiliki pengaruh nyata pada respon. Nilai R-square dirasa semakin baik apabila memiliki nilai mendekati 1.
Nilai adjusted R-square pada dasarnya merupakan nilai R-square yang telah disesuaikan dengan banyaknya variabel yang diamati untuk memenuhi model yang baik. Nilai adjusted R-
square akan menurun seiring meningkatnya jumlah variabel dalam memenuhi model apabila penambahan variabel tersebut tidak berpengaruh baik pada model. Sedangkan predicted R-
square akan menurun apabila terlalu banyak variabel yang tidak signifikan. Idealnya, selisih adjusted dan predicted R-square tidak lebih dari 0,2. Akan lebih baik apabila keduanya bernilai
lebih dari 0,70. Diketahui bahwa nilai adjusted R-square pada penelitian ini ialah sebesar 0,9313, sedangkan predicted R-Square sebesar 0,8117. Selisih kedua nilai tersebut 0,1196 dan
selisih tersebut kurang dari 0,2. Kedua nilai tersebut juga telah melebihi batas minimal yang menunjukkan bahwa model hasil penelitian ini baik.
