Analisis Respon dengan Program Design Expert 7.0

25

D. Analisis Respon dengan Program Design Expert 7.0

® Hasil uji respon subyektif menggunakan uji segitiga berkisar antara 33 hingga 83 panelis yang tidak dapat membedakan antara flavor D blended dengan flavor D RTU. Nilai paling rendah yaitu 33 berasal dari formula 9, campuran antara flavor C concentrat 10x dan solvent dengan perbandingan 9:1 yang sudah dicampur menjadi flavor D blended dan disimpan selama dua minggu. Sedangkan nilai tertinggi yaitu 83 berasal dari formula 15, hasil dari campuran antara flavor C concentrat 10x dan solvent dengan perbandingan 10:0 atau tanpa penggunaan solvent yang sudah dicampur menjadi flavor D blended dan disimpan selama satu minggu. Hasil input data dari masing-masing pengamatan respon formula flavor D blended selanjutnya dianalisa oleh program Design Expert 7.0 ® . Tahap ini dinamakan sebagai tahap analisis respon. Program Design Expert 7.0 ® akan memberikan empat model polinomial yang disesuaikan dengan hasil pengukuran setiap respon yaitu mean, linear, quadratic, dan cubic. Kemudian program ini akan memberikan satu model yang paling sesuai dengan respon yang di input dan ditampilkan pada fit summary. Model polinomial yang direkomendasikan untuk pencampuran adalah linear sedangkan untuk proses lama penyimpanan adalah cubic. Gambar 3. Tahap Analisis Respon dalam program Design Expert 7.0 ® Analisis ragam ANOVA dalam program Design Expert 7.0 ® akan menunjukkan signifikansi model yang direkomendasikan dan dapat ditampilkan berupa gambar dan grafik dua dimensi atau tiga dimensi. Model yang baik adalah model yang signifikan terhadap respon, memberikan lack of fit yang tidak signifikan, memiliki nilai predicted R-squared dan adjusted R- squared positif, serta memberikan nilai adequate precision lebih dari 4. Model yang baik akan memberikan prediksi yang baik bagi rata-rata keluaran yang dihasilkan. Model polinomial yang direkomendasikan oleh program Design Expert 7.0 ® adalah reduced linear x cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model dilakukan dengan cara menghilangkan satu titik data yang jauh menyimpang dari data yang lain sehingga nilai predicted R-squared menjadi positif. 26 Gambar 4. Tahap Analisis Ragam ANOVA dalam program Design Expert 7.0 ® Lack of fit F-value adalah sebesar 1.14 dengan nilai p “ProbF” lebih besar dari 0.05 0.4665 yang menunjukkan bahwa Lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik Susilo 2011. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon sensori dengan model. Besarnya nilai adjusted R-squared dan predicted R-squared pada respon sensori secara berturut- turut adalah 0.4326 dan 0.1974 yang menunjukkan bahwa data-data yang diprediksikan dan data- data aktual untuk respon kapasitas antioksidan tercakup ke dalam model sebesar 43.26 dan 19.74. Grafik kenormalan internally studentized residual untuk respon sensori dapat dilihat pada Gambar 4. Dalam gambar terlihat titik-titik berwarna berada disekitar garis normal, hal ini menunjukkan data-data respon sensori menyebar normal yang memenuhi model terhadap asumsi dari ANOVA pada respon sensori. 27 Gambar 5. Grafik kenormalan internally studentized residual pada respon sensori Gambar 6. Grafik Contour Mix-process hasil uji sensori Pada gambar diatas menunjukkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon sensori. Perbedaan warna pada grafik contour Mix-process menunjukkan nilai respon sensori. Warna biru menunjukkan nilai respon sensori terendah, yaitu 33. Warna merah menunjukkan respon sensori tertinggi, yaitu 83. Garis-garis pada gambar yang terdiri atas titik-titik pada grafik contour Mix-process menunjukkan kombinasi dari concentrat, solvent dan lama penyimpanan dengan nilai berbeda yang menghasilkan respon sensori yang sama. Grafik diatas juga dapat disajikan dalam bentuk 3D surfaceMix-process untuk mempermudah melihat hubungan antar komponen yang ditunjukkan pada Gambar 6. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah dan berwarna biru menunjukkan nilai respon sensori yang rendah sedangkan area yang tinggi berwarna merah menunjukkan nilai respon sensori yang tinggi. 28 Gambar 7. Grafik 3D surface Mix-process

E. Optimasi Formula dengan Program Design Expert 7.0