29
Tabel 8 . Interval konsentrasi masing-masing komponen penyusun pure instan
ubi jalar Komponen
Batas bawah Batas atas
Ubi jalar kukus 24.04
25.00 Air 72.11
75.00 CMC 0.000
0.24 Dekstrin 0.000
3.61 Langkah selanjutnya dalam perancangan adalah penentuan respon yang
akan diukur. Pertimbangan dalam pemilihan respon-respon ini harus mengacu pada kriteria dari mixture design seperti yang telah disebutkan sebelumnya
yaitu bahwa respon merupakan fungsi dari komponen-komponen penyusun produk. Dalam penelitian ini, pemilihan respon berdasarkan pada literatur dan
hasil penelitian-penelitian lain yang telah dilakukan sebelumnya seperti yang terlihat pada Tabel 9.
Tabel 9 . Literatur dan penelitian yang mendasari pemilihan respon
Literatur penelitian tahun
Judul Hasil
Warsiki 1993 Pengaruh jenis dan
konsentrasi bahan pengisi terhadap desain produk
tepung instan sari buah nanas Ananas comosus
L. Merr -Bahan pengisi dekstrin,
cmc, dan gum arab memberikan pengaruh
nyata terhadap densitas kamba pada taraf uji 0,05.
-CMC meningkatkan rendemen
-Dekstrin melembutkan tekstur
Keller 1986 Sodiumcarboxymethylcel
lulose CMC Pada dehydrated product,
CMC berfungsi memberikan kemudahan
dalam rekonstitusi dan memperbaiki tekstur
selama rekonstitusi
2. Tahap Formulasi
Berdasarkan tahap perancangan formula, dihasilkan 18 formula dan terdapat 6 formula yang memiliki nilai leverage mendekati satu
≥ 0.5. Menurut rekomendasi program, formula dengan nilai leverage tersebut
sebaiknya direplicate diulang sehingga total formula hasil olahan DX7
30 sebanyak 24 formula. Leverage yang mendekati satu akan mendekati model
fit .
Langkah selanjutnya dilakukan pembuatan ke 24 formula pure instan ubi jalar. Hasil rancangan formula dapat dilihat pada Lampiran 1. Kedua puluh
empat formula tersebut kemudian diukur respon daya rehidrasi, densitas kamba, rendemen, serta kelengketan.
3. Tahap Analisis dengan DX7
Masing-masing variabel respon akan dianalisis oleh DX7 untuk mendapatkan persamaan polinomial dengan ordo yang cocok linier,
kuadratik, kubik spesial, dan kubik. Terdapat tiga proses untuk mendapatkan persamaan polinomial yaitu berdasarkan sequential model sum of squares
[Type I], lack of fit test, dan model summary statistics. Ketiga proses ini dapat
dilihat pada kolom fit summary. Proses pemilihan model yang pertama Sequential Model Sum of
Squares [Type I] dan kedua lack of fit adalah berdasarkan nilai “ProbF”.
Proses pertama model ordo yang dipilih adalah model yang memiliki nilai “ProbF” lebih kecil atau sama dengan 0.05 signifikan. Pada proses kedua
model ordo yang dipilih adalah model yang tidak memiliki lack of fit atau lebih besar atau sama dengan 0.1 tidak signifikan.
Proses yang ketiga berdasarkan model summary statistics. Parameter yang dilihat untuk menentukan model terbaik adalah model yang mempunyai
“Adjusted R-Squared” dan “Predicted R-Squared” maksimum mendekati 1.0.
Berdasarkan ketiga proses tersebut, program DX7 akan memberikan saran model polinomial dengan ordo terbaik untuk masing-masing respon.
Program Design Expert menggunakan tabel fit summary untuk memilih model terbaik. Skor model dinyatakan sebagai :
Skor1 = M L Pred R-Squared Skor2 = M L Adj R-Squared
Dimana : M adalah Skor dari Sequential Model Sum of Squares :
31 M = 1 jika nilai ProbF kurang dari atau sama dengan 0.05
M = 0.5 ProbF jika nilai ProbF lebih besar dari 0.05 M= 0 jika model “is aliased”
L adalah skor dari Lack of Fit : L = 1 jika nilai ProbF lebih besar atau sama dengan 0.10 atau tidak ada lack
of fit L = ProbF0.10 jika nilai ProbF lebih kecil dari 0.10
Model terbaik yang akan dipilih adalah model dengan skor 1 tertinggi. Jika satu model memiliki nilai tertinggi pada skor 1 sedangkan model dengan
nilai tertinggi pada skor 2 adalah model berbeda, maka kedua model akan tetap disarankan dan peneliti harus memilih diantara kedua model tersebut
Anonim, 2005. Program DX7 selanjutnya menampilkan hasil analisis ragam atau
ANOVA. Suatu variabel respon dapat dikatakan berbeda nyata signifikan pada taraf signifikansi 5 apabila nilai ProbF hasil analisis lebih kecil atau
sama dengan 0.05. Variabel respon yang signifikan dapat digunakan sebagai model prediksi pada tahap optimasi. Variabel-variabel respon tersebut
selanjutnya digunakan sebagai model prediksi untuk mendapatkan formula optimal.
3.1
.
Respon rendemen
Nilai respon rendemen dinyatakan dalam persen bobot pure kering terhadap bobot pure ubi jalar kukus, bukan bobot ubi jalar utuh. Hal ini
disebabkan jika didasarkan pada bobot ubi jalar utuh maka nilai yang dihasilkan kurang valid karena jumlah bagian dari ubi jalar yang digunakan
tidak selalu sama mutu kurang seragam. Rendemen yang diharapkan adalah semakin meningkat dengan peningkatan komponen penyusunnya. Nilai
rendemen berdasarkan bobot ubi jalar utuh dapat dilihat pada Lampiran 4.
32
Tabel 10. Nilai respon rendemen pada 24 formula pure instan ubi jalar
Formula Rendemen
Formula Rendemen
1 27.72 13 25.49 2 35.96 14 33.25
3 29.69 15 26.43 4 30.15 16 36.48
5 22.99 17 24.77 6 28.03 18 33.31
7 30.35 19 25.43 8 36.30 20 29.19
9 34.75 21 38.69
10 39.50 22 34.49 11 23.16 23 31.53
12 23.85 24 27.39
Tabel 10 memperlihatkan bahwa nilai rendemen berkisar antara 22.99 formula 5 sampai 39.50 formula 10. Rata-rata rendemen produk adalah
sebesar 30.37 dengan standar deviasi yang cukup besar yaitu 2.23. Angka standar deviasi tersebut menunjukkan bahwa data-data yang ada cukup
menyebar jauh dari rata-rata atau 2.23 di atas dan di bawah nilai rata-rata sebesar 30.37. Nilai standar deviasi yang cukup besar ini disebabkan
efisiensi dari pengering drum yang rendah dan berubah-ubah karena banyak produk yang terjatuh pada saat proses pengeringan.
Analisis program DX 7 memperlihatkan bahwa dari 3 proses pemilihan model polinomial, model yang signifikan untuk rendemen pada taraf 0.05
adalah linier. Pada proses pertama yaitu sequential model sum of squares [Type I]
, nilai ProbF model linier lebih kecil dari 0.05 yaitu 0.0001 sedangkan berdasarkan proses kedua yaitu Lack of Fit Test model yang
direkomendasikan adalah linier dengan nilai ProbF lebih besar dari 0.1 yaitu 0.5035. Proses ketiga yaitu Model Summary Statistic merekomendasikan
model linier karena memiliki nilai Adjusted R-Squared dan Predicted R- Squared
yang paling tinggi dibanding model lainnya yaitu 0.8016 dan 0.7676. Hasil analisis ragam ANOVA memperlihatkan bahwa proporsi ubi
jalar, air, CMC, dan dekstrin berpengaruh secara nyata pada taraf signifikansi 5 terhadap respon rendemen karena memiliki nilai ProbF lebih kecil dari
0.05 yaitu 0.0001. Secara terpisah, komponen ubi jalar, air, CMC, dan
33 dekstrin berpengaruh nyata terhadap rendemen pada taraf signifikansi 5.
Persamaaan polinomial untuk rendemen adalah :
Rendemen = 0.61915 x ubi jalar + 0.12148 x air + 0.73921 x
CMC + 3.8828 x dekstrin Persamaan tersebut memperlihatkan bahwa komponen-komponen
penyusun pure instan ubi jalar yaitu ubi jalar, air, CMC, dan dekstrin berkorelasi positif terhadap rendemen, artinya rendemen produk akan
meningkat seiring dengan peningkatan proporsi masing-masing komponennya dan berlaku sebaliknya. Persamaan tersebut juga memperlihatkan bahwa nilai
rendemen sangat ditentukan oleh dekstrin karena memiliki konstanta yang paling besar dibanding komponen lain yaitu 3.8828. Model polinomial dan
hasil ANOVA respon rendemen dapat dilihat secara lengkap pada Lampiran 5.
3.2 Respon Daya Rehidrasi
Daya serap air adalah jumlah air yang terperangkap di dalam matriks molekul pada kondisi tertentu Hutton dan Campbell, 1981. Pengukuran
indeks penyerapan air menunjukkan seberapa besar kemampuan suatu bahan makanan dalam menyerap air. Faktor-faktor yang mempengaruhi daya
rehidrasi suatu bahan adalah sifat partikel bahan atau porositas dan polaritas bahan serta komposisinya. Menurut Gomez dan Aguilera 1983, daya
rehidrasi tergantung pada ketersediaan gugus hidrofilik dan kapasitas pembentukan gel makromolekul, yaitu pati yang tergelatinisasi dan
terdekstrinasi. Semakin banyak pati yang tergelatinisasi, semakin besar kemampuan produk menyerap air. Tabel 11 memperlihatkan bahwa nilai daya
rehidrasi berkisar antara 3.1 mlg sampai 5.3 mlg. Rata-rata ke-24 formula adalah sebesar 4.15 mlg dengan standar deviasi sebesar 0.20 mlg. Nilai
standar deviasi ini tergolong kecil yang menunjukkan sebaran data daya rehidrasi berada di sekitar rata-rata, yaitu sebesar 0.20 gml di atas dan di
bawah 4.15 mlg Lampiran 6b.
34
Tabel 11. Daya rehidrasi 24 formula pure instan ubi jalar
Formula Daya rehidrasi mlg Formula Daya rehidrasi mlg
1 4.8 13 5.0 2 3.7 14 3.4
3 4.7 15 4.8 4 3.8 16 3.8
5 4.8 17 4.8 6 4.2 18 3.1
7 3.5 19 5.3 8 3.7 20 3.9
9 4.3 21 4.0
10 3.6 22 3.4 11 4.7 23 3.4
12 4.5 24 4.3
Berdasarkan tiga proses dalam pemilihan model polinomial DX7, model yang direkomendasikan untuk daya rehidrasi adalah special cubic kubik
spesial. Dari proses pertama, nilai ProbF model kubik spesial lebih kecil dari 0.05 yaitu sebesar 0.0307 sehingga signifikan pada taraf signifikansi 5,
sedangkan nilai ProbF pada Lack of Fit Test tidak disebutkan. Berdasarkan proses ketiga yaitu Model Summary Statistic nilai Adjusted R-Squared model
kubik spesial paling tinggi yaitu sebesar 0.8937. Model linier memiliki nilai ProbF 0.0001 berdasarkan proses pertama signifikan, tetapi program tidak
merekomendasikan model ini karena memiliki nilai Lack of Fit yang sangat rendah 0.1 yaitu 0.0067 dan Adjusted R-Squared lebih rendah dari model
kubik spesial. Analisis ragam ANOVA menyebutkan bahwa proporsi dari komponen-
komponen pure instan ubi jalar berpengaruh secara signifikan pada taraf 5 terhadap respon daya rehidrasi karena memiliki ProbF lebih kecil dari 0.05
yaitu 0.0001. Secara terpisah dapat dilihat pada bagian Linear Mixture masing-masing komponen yaitu ubi jalar, air, CMC, dan dekstrin berpengaruh
secara signifikan pada taraf 5 karena memiliki ProbF 0.0001. Namun interaksi antara komponen-komponennya baik interaksi dua maupun tiga
komponen tidak ada yang memberikan pengaruh secara signifikan pada daya rehidrasi karena memiliki nilai ProbF lebih besar dari 0.05. Nilai signifikansi
35 tersebut dapat dilihat pada Lampiran 6b. Persamaan polinomial daya rehidrasi
adalah :
Daya rehidrasi mlg
= 276.4095 x ubi jalar + 29.11596 x air + 73980.47334 x CMC + 1317.27811 x dekstrin -
4.84761 x ubi jalar x air – 3060. 71323 ubi jalar x CMC - 58. 39823 x ubi jalar x dekstrin -
983.68829 x air x CMC – 17.84762 x air x dekstrin – 607.25570 x CMC x dekstrin +
40.65643 x ubi jalar x air x CMC + 0.74176 x ubi jalar x air x dekstrin + 35.61220 x ubi jalar x
CMC x Dekstrin – 3.54972 x air x CMC x dekstrin
Persamaan tersebut menunjukkan bahwa secara terpisah komponen- komponen penyusun pure instan berpengaruh positif terhadap rendemen,
artinya daya rehidrasi akan meningkat seiring peningkatan masing-masing komponen tersebut dan yang paling berpengaruh adalah CMC karena
memiliki konstanta positif terbesar. Interaksi dua komponen maupun tiga komponen tidak memberikan pengaruh yang nyata terhadap respon daya
rehidrasi. Data hasil analisis respon daya rehidrasi dapat dilihat pada Lampiran 6.
3.3 Respon Densitas Kamba
Densitas kamba merupakan massa partikel yang menempati suatu unit volume tertentu dinyatakan sebagai gml. Densitas kamba ditentukan oleh
berat wadah yang diketahui volumenya dan merupakan hasil pembagian dari berat bubuk dengan volume wadah Wirakartakusumah et al., 1992. Sifat ini
dipengaruhi oleh sifat fisik dan kimia bahan misal komposisi, kadar air, geometri, ukuran, dan karakteristik permukaan partikel Peleg, 1983.
36
Tabel 12 . Nilai respon densitas kamba 24 formula pure instan ubi jalar
Formula Densitas kamba gml
Formula Densitas kamba
gml 1 0.25
13 0.18
2 0.27 14
0.23 3 0.26
15 0.11
4 0.32 16
0.20 5 0.21
17 0.15
6 0.15 18
0.30 7 0.28
19 0.22
8 0.27 20
0.30 9 0.29
21 0.33
10 0.28 22
0.32 11 0.18
23 0.27
12 0.22 24
0.27 Nilai densitas kamba 24 formula pure instan ubi jalar berkisar antara
0.11 gml hingga 0.33 gml Tabel 12. Rata-rata densitas kamba produk adalah 0.24 gml dengan standar deviasi 0.052 Lampiran 7b. Nilai standar
deviasi sebesar 0.052 gml menunjukkan angka yang cukup kecil sehingga dapat disimpulkan bahwa sebaran data densitas kamba berada dekat dengan
nilai rata-rata sebesar 0.24 gml, yaitu sebesar 0.052 gml di atas dan di bawah 0.24 gml.
Model polinomial yang direkomendasikan program DX7 untuk respon densitas kamba adalah linier. Dari proses pertama yaitu sequential model sum
of squares [Type I] , model linier memiliki nilai ProbF sebesar 0.0471
sehingga signifikan pada taraf 5. Pada proses kedua yaitu lack of fit test model linier memiliki nilai ProbF sebesar 0.7794 dan pada proses ketiga
model linier memiliki nilai Adjusted R-Squared sebesar 0.2200 dan Predicted R-Squared
sebesar -0.0270. Model kuadratik tidak direkomendasikan karena walaupun mempunyai nilai ProbF lebih besar dari linier pada lack of fit dan
Adjusted R-Squared yang sedikit lebih tinggi dari linier, nilai ProbF pada
proses pertama cukup besar yaitu 0.4215 sehingga tidak signifikan pada taraf 5. Selain itu nilai predicted R-Squared model kuadratik lebih rendah yaitu
-0.6398. Hasil ANOVA menunjukkan bahwa proporsi komponen pure instan
37 berpengaruh nyata terhadap respon densitas kamba pada taraf signifikansi 5.
Secara terpisah masing-masing komponen berpengaruh nyata pada taraf signifikansi 5 karena memiliki ProbF sebesar 0.0471. Persamaan
polinomial untuk respon densitas kamba adalah :
Densitas kamba gml = 0.00761 x ubi jalar + 0.000121 x air + 0.03696
x CMC + 0.028041 x dekstrin Persamaan tersebut menunjukkan bahwa nilai densitas kamba
dipengaruhi secara positif oleh tiap komponen penyusun pure instan ubi jalar. Kenaikan proporsi tiap komponen akan menyebabkan kenaikan densitas
kamba. Dari keempat komponen, CMC dan dekstrin memberikan pengaruh yang lebih besar karena memiliki konstanta yang lebih besar dibanding air dan
ubi jalar. Data lengkap tentang model, ANOVA, dan persamaan polinomial respon densitas kamba dapat dilihat pada Lampiran 7.
3.4 Respon Kelengketan
Respon yang terakhir yaitu kelengketan diukur melalui uji organoleptik menggunakan uji rating tak terstruktur. Tiga puluh orang panelis harus
menilai kelengketan produk di mulut pada saat produk dikonsumsi dan memberikan penilaian pada skala garis sepanjang 15 cm dengan nilai 0 adalah
sangat tidak lengket sampai sangat lengket pada ujung kanan garis 15 cm. Rata-rata skor dari ketiga puluh panelis tersebut dimasukkan dalam nilai
respon kelengketan Tabel 13. Produk ini diharapkan memiliki nilai kelengketan seminimal mungkin. Contoh kuisioner uji rating dapat dilihat
pada Lampiran 12.
38
Tabel 13 . Nilai rata-rata respon kelengketan 24 formula pure instan ubi jalar
Formula Kelengketan cm
Formula Kelengketan cm
1 7.1 13 7.0
2 6.1 14 4.5
3 5.1 15 5.1
4 6.4 16 6.6
5 7.1 17 7.0
6 5.7 18 6.6
7 4.9 19 6.2
8 6.1 20 5.4
9 4.9 21 7.2
10 5.3 22
7.3 11 6.1
23 2.6
12 6.9 24
4.7 Tabel tersebut menunjukkan bahwa respon kelengketan berkisar antara
2.6 sampai 7.2 Rata-rata kelengketan adalah sebesar 5.9 dengan standar deviasi 0.97 Lampiran 8b. Standar deviasi sebesar 0.97 cm menunjukkan
bahwa sebaran data nilai kelengketan berada dekat dengan rata-rata 5.9 cm yaitu sebesar 0.97 cm di atas dan di bawah nilai rata-rata tersebut.
Model yang direkomendasikan untuk respon kelengketan adalah linier. Dari proses pertama yaitu sequential model of sum of squares Type I, model
linier memiliki ProbF 0.0273 sehingga signifikan pada taraf 5. Berdasarkan lack of fit, model linier memiliki nilai ProbF 0.1630 yang
berarti tidak signifikan pada taraf signifikansi 5. Berdasarkan proses ketiga yaitu model summary statistics, model linier mempunyai Adjusted R-Squared
sebesar 0.2648 dan Predicted R-Squared sebesar 0.1065. Hasil uji ANOVA menunjukkan bahwa proporsi masing-masing komponen berpengaruh secara
signifikan pada taraf 5 karena memiliki nilai ProbF lebih kecil atau sama dengan 0.05 yaitu 0.0273. Persamaan linier untuk kelengketan adalah :
Kelengketan = -0.33242 x ubi jalar + 0.17929 x air + 6.69194 x CMC +
0.057152 x dekstrin Persamaan tersebut menunjukkan bahwa proposi ubi jalar berkorelasi
negatif dengan kelengketan sedangkan komponen air, CMC, dan dekstrin berkorelasi positif. Hal ini berarti bahwa kenaikan proporsi ubi jalar akan
39 menurunkan kelengketan sedangkan kenaikan proporsi air, CMC, dan dekstrin
akan meningkatkan nilai kelengketan. Kenaikan komponen CMC akan memberikan kenaikan kelengketan terbesar dibandingkan kenaikan air dan
dekstrin dengan jumlah sama karena memiliki konstanta paling besar dan berlaku sebaliknya, penurunan komponen CMC akan lebih menurunkan
kelengketan dibanding dua komponen tersebut. Data lengkap mengenai analisis respon kelengketan dapat dilihat pada Lampiran 8a, 8b, dan 8c. Tabel
14 memberikan ringkasan mengenai model ordo dan persamaannya untuk setiap variabel respon. Tabel 15 memberikan ringkasan hasil ANOVA untuk
tiap respon.
Tabel 14 . Model ordo terpilih dan persamaan polinomial tiap respon
No Variabel respon Model Ordo Persamaan Polinomial
1 Rendemen
Linier Y = 0.61915X
1
+ 0.12148X
2
+ 0.73921 X
3
+ 3.88208X
4
2 Daya rehidrasi Kubik
spesial Y = 276.41 X
1
+ 29.12X
2
+ 73980.47X
3
+ 1317.28X
4
– 4.85X
1
X
2
– 3060.71X
1
X
3
- 58.4X
1
X
4
– 983.69X
2
X
3
- 17.85 X
2
X
4
– 607.26 X
3
X
4
+ 40.66 X
1
X
2
X
3
+ 0.74 X
1
X
2
X
4
+ 35.61 X
1
X
3
X
4
– 3.55 X
2
X
3
X
4
3 Densitas kamba Linier
Y = 7.6E-003X
1
+ 1.21E-004X
2
+ 0.037 X
3
+0.028X
4
4 Kelengketan Linier Y
= -0.33242X
1
+ 0.17929X
2
+ 6.69194X
3
+ 0.057152X
4
Keterangan : X1 = ubi jalar kukus , X2 = air , X3 = CMC , X4 = Dekstrin
Tabel 15. Hasil analisis ragam ANOVA tiap variabel respon
Respon Sum of
Squares df
Mean Square
F value ProbF
Keterangan Rendemen 478.38
3 159.46 31.98 0.0001
Signifikan Daya
Rehidrasi 8.35 1
3 0.64 15.87
0.0307 Signifikan
Densitas kamba
0.026 3 8.706E- 003
3.16 0.0471 Signifikan Kelengketan 10.68 3 3.56
3.76 0.0273 Signifikan
Taraf signifikansi 5
40
4. Tahap Optimasi