Rancangan Penelitian dan Penyajian Ilmiah: Respon Surface Methodology (RSM)

Pendahuluan

• Topik: Rancangan penelitian dengan Respon Surface Methodology (RSM).
• Tujuan: Mampu menjelaskan dan menerapkan RSM serta menggunakan perangkat lunak Design Expert.
• Software: Design Expert dipilih karena kemudahan penggunaan dan berbagai tools yang tersedia.

Konsep Dasar RSM

• Definisi: RSM adalah metode kombinasi statistik dan teknik matematika untuk mengoptimalkan proses.
• Formulasi:
  • Y sebagai respon, X sebagai variabel faktor.
  • Fungsi Y dipengaruhi oleh beberapa variabel X.
• Model Matematika: Y = f(X1, X2, ..., Xk) + error.

Aplikasi RSM

• Penggunaan: Dimodelkan dan dioptimalkan untuk menemukan kondisi optimal dari proses.
• Proses Industri: Input (material/proses) -> Sistem (proses percobaan) -> Output (respon).

Tahapan RSM (Berdasarkan Design Expert)

1. Identifikasi Faktor dan Respon
   • Menentukan faktor dan respon yang ingin dioptimalkan.
2. Penetapan Daerah Operabilitas dan Interest
   • Daerah Operabilitas: Area implementasi variable.
   • Daerah Interest: Target hasil optimum.
3. Percobaan dan Analisis Data
   • Empirical Model dan Anova.
   • Response Contour dan Optimasi.
4. Evaluasi Akhir dan Verifikasi Model
   • Membuat contour plot dan optimisasi respon.

Prinsip Tahapan RSM

• Orde Pertama: Model linier untuk pendekatan awal.
• Orde Kedua: Model kuadratik untuk mendekati titik optimum dengan fungsi kuadrat.

Optimasi Respon

• Tujuan: Mencapai nilai maksimum atau minimum dari respon.
• Metode: Penggunaan software untuk memperoleh nilai optimum dan validasi eksperimen.

Contoh Aplikasi

• Kasus: Ahli teknologi pangan optimasi proses ekstraksi.
• Variabel: Waktu reaksi dan suhu reaksi.
• Langkah: Menetapkan batas atas dan bawah, menjalankan percobaan, mengukur respon.

Model dan Analisis

• Model Orde Pertama dan Kedua: Menetapkan fungsi kuadrat jika tidak linier (
  • Polinomial: Termasuk fungsi interaksi dan kuadrat.

Kesalahpahaman dan Kesalahan yang Dihindari

• Blunder: Hati-hati dalam percobaan untuk menghindari kesalahan model.
• Validasi Data: Pastikan data logis dan koheren.

Praktis dalam RSM

• Tahapan Praktikal
  • Analisis model, evaluasi dengan Anova dan output lainnya.
  • Evaluasi dengan empat kriteria utama: Signifikansi model, Lack of fit, Adjusted R square, dan Adequate Precision.

Software yang Digunakan

• Alternatif Software: Minitab, Statistica, Matlab, JMP, Origin, dan SPSS.
• Anjuran: Menggunakan software Design Expert untuk optimasi.

Contoh Studi Kasus di Jurnal

• Rekomendasi Artikel: Optimasi Kualitas Warna Minyak Goreng dengan Metode RSM menggunakan software Minitab.