Anda di halaman 1dari 12

DOI: https://doi.org/10.17969/jtipi.v9i2.

8034

http://Jurnal.Unsyiah.ac.id/TIPI

Jurnal Teknologi dan Industri Pertanian Indonesia


Open Access Journal

PENGGUNAAN ANALISIS REGRESI LINEAR BERGANDA UNTUK MENDAPATKAN MODEL


PREDIKSI RESPON ASAM LEMAK BEBAS
DAN DOBI HASIL REBUSAN TANDAN BUAH SEGAR SAWIT
The Use of Multivariate Linear Regression to Analyse The Accuracy of Determination of Model
Prediction of ALB and DOBI at Sterilization Fresh Fruit Bunch

Pandu Imam, Santosa, Isril Berd, Anwar Kasim

INFO ARTIKEL
ABSTRACT
Submit: 26 Juli 2017 Sterilization of fresh sawit fruit bunches is early stage process determining the result of production, including
Perbaikan: 2 September 2017 both quality and quantity of resulted oil and kernel. Failure of steaming operation in factory can cause
Diterima: 6 September 2017 extravagance and difficulty even losing of production at next operation phase. The aim of this research was to
determine the best quality of steaming operation product, based on chemical characteristics of resulted oil,
Keywords: including free faty acid contents and deterioration of bleachability index. The variation in this research was the
sterilization of fresh fruit bunch size and maturity level (unripe, mature and overripe), with a period of sterilization: 80, 90, 100, 110 and
bunch, model prediction 120 minutes. This research was conducted at palm oil factory of PT Bio Nusantara Technology of Bengkulu by
respon, ALB and DOBI using sterilizer type of horizontal. Each period of braising repeated 4 times so that there were 20 times
sterilization was done. Multiple linear regression analysis was used to find the prediction model of steaming
response and effect of weight size, TBS maturity level and a period of braising operation sterilization of TBS on
free fatty acid content and deterioration of bleachability index of oil. Based on this research, the prediction
model for response variable which observed was obtained as follows: (1). Y ALB = - 0.65 + 0.011 X1 + 0.029 X2 +
0.032 X3 with R2 = 0,84 and (2) Y DOBI = 5,208 - 0,001 X1 + 0,010 X2 - 0,024 X3 with R2 = 0,74. Based on the
simulation of the multiple regression equation model found, for the lowest free fatty acid content was found in
the treatment of KM80 (2.63%). The highest of deterioration of bleachability index of oil was found at treatment
of KL80 (4.03%).

sebuah sistem. Proses selanjutnya adalah


1. PENDAHULUAN
pengguna (customer) dari proses di belakangnya.
Usaha Agroindustri Perkebunan Kelapa Sawit Pada Pabrik Minyak Kelapa Sawit (PMKS),
dalam perekonomian Indonesia merupakan pengguna hasil stasiun loading ramp
kegiatan strategis karena peranannya yang sangat (penampungan sementara TBS) adalah stasiun
besar, baik sebagai sumber pendapatan perebusan, sedangkan pengguna hasil stasiun
masyarakat maupun sumber bahan baku industri. perebusan adalah stasiun perontokan buah.
Crosby (2005) menyatakan bahwa kontrol Selanjutnya buah yang telah rontok di aduk di
mutu dimulai dari proses produksi. Proses stasiun pengadukan, kemudian dilakukan
produksi terdiri dari beberapa sub-proses, yang ekstraksi atau pengempaan di stasiun
masing-masing menghasilkan produk atau jasa pengepresan. Setelah buah sawit dikempa, maka
antara. Sebuah proses dapat berlangsung dengan proses selanjutnya adalah pemisahan antara
satu mesin ataupun beberapa mesin, dengan satu minyak mentah dan biji. Stasiun penjernihan
atau beberapa petugas/operator, yang bekerja selanjutnya akan memproses sampai dihasilkan
secara saling berketergantungan yang membentuk minyak mentah kelapa sawit, kemudian disimpan
di stasiun penyimpanan. Sedangkan stasiun
pengolah kernel akan mengolah biji hingga
Pandu Imam1,2, Santosa1, Isril Berd1, Anwar Kasim1
1Universitas Andalas, Padang menjadi kernel (Muthurajah, 2000), karena saling
2Universitas Bengkulu, Bengkulu ketergantungan ini, maka setiap stasiun harus
Email: panimsa@yahoo.co.id beroperasi dengan maksimal sesuai dengan
ketentuan Standar Prosedur Operasi (SPO) yang
ditetapkan perusahaan. Jika hal ini tidak dapat

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09 , No. 02 , 2017


©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
terlaksana dengan baik, maka akan berpengaruh kehilangan minyak menurun. Umudee (2013)
terhadap jam kerja pabrik dan akan mencoba melakukan perebusan TBS sawit dengan
mengakibatkan tidak tercapainya kapasitas olah teknik irradiasi gelombang mikro, yang hasilnya
pabrik (Throughput), serta kehilangan panas yang diberikan dapat menaikkan suhu
produksinya (losses) juga menjadi meningkat. mesokarp hingga mencapai 50°C dan dapat
Tahap pengolahan TBS sawit yang pertama di menekan laju kenaikan ALB, serta buah bisa
PMKS adalah perebusan yang dilakukan dalam disimpan hingga 7 hari. Maya (2013) telah
bejana bertekanan (sterilizer) dengan mencoba memanfaatkan teknologi microwave,
menggunakan uap jenuh (saturated steam). untuk memasak TBS sawit sebagai ganti proses
Penggunaan uap jenuh memungkinkan terjadinya perebusannya. Hasilnya, dengan teknologi
proses penguapan dari air yang ada di dalam buah tersebut buah sawit kurang dari 17 menit sudah
sawit, yang memang harus dikeluarkan (sebagian) masak.
agar memudahkan proses pengambilan minyak Sari (2014) telah melakukan penelitian dengan
sawit yang ada padanya (Kamal, 2006). Tekanan memanfaatkan teknologi microwave untuk
uap jenuh yang digunakan, tidak lebih dari 4 memanaskan TBS sawit hasilnya: (1) Pengolahan
(empat) bar dengan temperatur sekitar 142°C. tandan buah segar (TBS) sawit menggunakan
Temperatur yang digunakan pada saat perebusan pemanasan dengan gelombang mikro (microwave)
jika lebih dari 142°C, kemungkinan dapat dilakukan sebagai alternatif proses
mengakibatkan bagian luar buah menjadi hangus pengolahan TBS dengan sistem perebusan
atau kegosongan sehingga kualitas minyak sawit konvensional, (2) Besarnya panas (daya) dan lama
mentah rusak (Sitepu, 2011). Sebaliknya jika waktu pemanasan mempengaruhi tingkat
perebusannya menggunakan suhu kurang dari kemudahan proses perontokan buah sawit, jumlah
100°C, bisa mengakibatkan enzim lipase dan bahan yang menguap, kadar asam lemak bebas
enzim lipoksidase pada buah tetap bisa aktif (ALB), dan kadar air minyak sawit.
sehingga memicu peningkatan asam lemak bebas Penelitian yang telah dilakukan oleh para
(ALB), disamping kandungan kadar air pada buah peneliti terdahulu, skala percobaannya masih
yang masih tinggi, sehingga dapat menurunkan pada level laboratorium, sehingga hasil yang
mutu minyak kelapa sawit yang dihasilkan didapat belum bisa langsung diterapkan di pabrik.
(Darnoko, 2003). Kamal (2006) juga berpendapat Untuk mengatasi kelemahan atas penelitian-
bahwa sterilisasi atau perebusan TBS sawit penelitian terdahulu mengenai perebusan TBS
merupakan tahapan yang sangat penting dalam sawit, maka pada penelitian ini, ukuran besarnya
operasional PMKS, karena proses ini merupakan objek yang diteliti berikut percobaannya
kunci yang menentukan kuantitas (rendemen) dan dilaksanakan langsung di PMKS, sehingga hasil
kualitas minyak (CPO) dan kernel yang dihasilkan. yang diperoleh diharapkan langsung bisa
Supriyono dan Bayu (2008), melalui diterapkan.
penelitiannya telah menemukan model simulasi Masalah yang ingin dikaji dalam penelitian ini
berbasis komputer dengan metode Fuzzy, untuk adalah: apakah ada pengaruh yang signifikan
mengoptimasi waktu memasak buah kelapa sawit terhadap keberhasilan perebusan ditinjau dari
pada stasiun perebusan. Hasil yang didapat aspek kimia yakni kadar asam lemak bebas (ALB)
menunjukkan adanya hubungan linear antara dan daya kemudahan pemucatan (deterioration of
jumlah TBS sawit yang direbus dan tingkat bleachability index/DOBI) minyak kasar hasil
tekanan steam yang diberikan dengan lama waktu rebusannya, jika bahan baku tandan buah segar
perebusannya. Hasil yang diperoleh antara lain, (TBS) sawit dipilah atas dasar ukuran berat
untuk jumlah TBS sawit yang direbus 5 ton dengan tandan, tingkat kematangan buah dan masa
tekanan steam dua bar, waktu perebusan yang rebusnya. Selain itu, bagaimanakah model
optimum 72 menit. Jika jumlah TBS yang direbus prediksi respon ALB dan DOBI yang dapat
dinaikkan menjadi 10 ton maka waktu perebusan digunakan untuk mensimulasi sifat kimia hasil
yang optimum adalah 108 menit. Sedangkan untuk rebusannya.
jumlah TBS sawit 15 ton dengan pemberian Tujuan penelitian ini adalah: (1) menganalisis
tekanan steam 3 bar, maka waktu perebusan yang pengaruh ukuran berat TBS, tingkat kematangan
optimum adalah 148 menit. dan masa rebus terhadap sifat kimia hasil rebusan
Farhana (2009) melakukan percobaan yang dalam hal ini diamati kadar asam lemak
perebusan TBS sawit dengan variasi tekanan (39, bebas (ALB) dan daya pemucatan atau DOBI
40 dan 41 psig) dan masa rebus (80, 90 dan 100 minyak yang diamati pada tahap perebusannya.
menit), hasilnya menunjukkan pada perebusan (2) Memprediksi model respon hasil rebusan
dengan tekanan 41 psig dan masa rebus 90 menit, dengan analisis regresi linear berganda, guna

56 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
mensimulasi keluaran yang bakal terjadi pada Pada penelitian ini, besarnya populasi
perebusan TBS sawit dengan pemilahan atas sebanding dengan kapasitas sterilizer pada PT Bio
ukuran berat tandan, tingkat kematangan buah Nusantara Teknologi yakni 60 ton TBS per jam.
dan masa rebus yang diterapkan. Besarnya sampel ditentukan berdasarkan metode
Slovin dengan menggunakan rumus:
2. MATERIAL DAN METODE
n = N/(1 + Ne2) ...............................................1
Bahan Penelitian
Percobaan perebusan TBS sawit yang Keterangan:
dilakukan memerlukan bahan berupa tandan buah n =Jumlah Sampel
segar sawit yang diambil dari suatu populasi, N =Jumlah Populasi
dalam hal ini dari unit sortasi Pabrik Minyak e =Persen kelonggaran ketidaktelitian
Kelapa Sawit (PMKS) dengan kriteria TBS sawit pengambilan sampel, digunakan sebesar 10%,
sesuai dengan yang ditentukan dalam rancangan maka besarnya sampel untuk setiap unit
penelitian. Bahan percobaan dipilah atas dasar percobaan adalah = 60.000/(1 + 60.000 x 0,102 )
ukuran berat tandan dan tingkat kematangan = 99,83 kg atau dibulatkan menjadi 100 kg.
buahnya.
Pengumpulan Data dan Jumlah Bahan yang
Peralatan yang Digunakan Dibutuhkan
Peralatan untuk Pengukuran dan Pengamatan Bahan percobaan yang merupakan variabel
di Pabrik bebas berupa TBS sawit yang dipilah atas dasar:
Peralatan yang digunakan adalah: (1) Satu unit (1) ukuran berat TBS (X1) terdiri dari TBS kecil
sterilizer tipe horizontal, untuk perebusanTBS (rata-rata 7 kg) dan TBS besar (rata-rata 20 kg),
sawit yang diamati, (2) Satu unit Panel Automatis (2) tingkat kematangan buah (X2) terdiri dari
Sistem, untuk memprogram operasi sterilizer, (3) mengkal (22,5% buah luar membrondol), matang
Satu unit lori untuk tempat sampel percobaan (37,5% buah luar membrondol), lewat matang
yang diamati, (4) Satu unit mesin Capstand, untuk (75% buah luar membrondol ) dan masa rebus
menarik lori keluar masuk sterilizer, (5) Hoisting (X3) terdiri dari: 80, 90, 100, 110 dan 120 menit.
crane, untuk menaik-turunkan lori ke unit Masing- masing masa rebus dengan perlakuan
Thresher, (6) Satu unit mesin Thresher, untuk variasi ukuran berat TBS dan tingkat kematangan
merontokkan buah dari janjangannya. buahnya, diulang sebanyak 4 (empat) kali,
sehingga ada 5 x 4 = 20 kali perebusan, dengan 2 x
Peralatan dan Bahan Untuk Pengukuran dan 3 x 5 = 30 macam perlakuan, dengan 30 x 4 = 120
Pengamatan di Laboratorium unit percobaan yang diamati.
Peralatan yang digunakan untuk pengukuran Berdasarkan penentuan besarnya sampel cara
terhadap variabel–variabel yang diamati di Slovin, maka jumlah bahan baku TBS sawit yang
Laboratorium adalah sebagai berikut: (1) dibutuhkan pada penelitian yang dilakukan
Spektrofotometer UV lengkap dengan Quartz adalah:
Cuvvet 10 mm, (2) Timbangan analitik, (3) Hot 1. TBS Ukuran Kecil, mengkal (rata-rata 13
plate, (4) Labu ukur 25 ml, (5) Pipet ukur 2 ml, (6) tandan ) = 5 x 4 x 100 kg = 2.000 kg
Alkohol 96 %, (7) Isooctane (2,2,4 trimethyl 2. TBS Ukuran Besar, mengkal (rata-rata 5
pentane) dan (7) n-Hexane. tandan) = 5 x 4 x 100 kg = 2.000 kg
3. TBS Ukuran Kecil, matang (rata-rata 14
Metode Penelitian tandan) = 5 x 4 x 100 kg = 2.000 kg
Berdasarkan tipenya, menurut Santosa (2012), 4. TBS Ukuran Besar, matang (rata-rata 6
penelitian yang dilakukan termasuk penelitian tandan) = 5 x 4 x 100 kg = 2.000 kg
eksperimen/percobaan yang bertujuan untuk 5. TBS Ukuran Kecil, lewat matang (rata-rata
menjelaskan apa yang akan terjadi jika variabel 18 tandan) = 5 x 4 x 100 kg = 2.000 kg
tertentu dikontrol secara tertentu dalam suatu 6. TBS Ukuran Besar, lewat matang (rata-rata
percobaan, sehingga melalui hipotesis yang 7 tandan) = 5 x 4 x 100 kg = 2.000 kg
dirumuskan, setelah hasil yang diperoleh Total kebutuhan bahan utama TBS sawit = 6 x
dianalisis, dapat dijelaskan hubungan sebab akibat 2.000 kg = 12.000 kg = 12 Ton.
diantara variabel yang diteliti.
Rancangan Respon
Rancangan Penelitian Untuk mengetahui hasil rebusan yang diteliti,
Penentuan Besarnya Sampel Percobaan didekati dengan mengukur dan menganalisis

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017 57
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
variabel respon yang dalam hal ini sifat kimia dengan Capstan, kemudian dengan Hoisting Crane
minyak hasil rebusan yang diukur dari parameter dipindahkan ke mobil loader untuk dipindahkan
kadar ALB dan indeks DOBI-nya. ketempat pengamatan tandan buah rebus (TBR).
Selanjutnya terhadap berondolan/buah rebus
Tahapan Pelaksanaan Penelitian yang telah masak tersebut, diambil sebanyak lebih
Tahap Persiapan Bahan Percobaan kurang 4 (empat) kg dari masing – masing unit
Pengumpulan dan pewadahan bahan baku percobaan untuk dibawa ke Laboratorium guna
yang digunakan berupa TBS sawit varietas Tenera diamati dan diukur: kadar ALB dan indeks DOBI
dengan ukuran kecil (rata- rata 7 kg) dan besar dari minyak hasil rebusannya, untuk masing-
(rata - rata 20 kg), dengan tingkat kematangan masing unit percobaan.
buah: Mengkal, Matang dan Lewat Matang, yang
diambil dari unit sortasi PT Bio Nusantara Pengukuran Respon Parameter Sifat Kimia
Teknologi Bengkulu, pada hari itu (saat percobaan Hasil Rebusan
dilaksanakan). Setiap unit percobaan diberi kode Respon Kadar Asam Lemak Bebas / ALB (%)
sesuai dengan identitasnya, misalnya, TBS ukuran Cara penentuan besarnya kadar ALB minyak
kecil, mengkal, maka kodenya adalah KM. TBS sawit kasar hasil perebusan dilakukan dengan
ukuran besar lewat masak kodenya BL. cara standar SNI 01-2901-2006. Kadar ALB
dihitung dengan rumus:
Tahap Penimbangan Sampel hingga
Pemasukannya ke Sterilizer ALB (%) = (Vml x NKOH x 25,6)/W ......................... 2
Masing-masing sampel TBS sawit (unit
percobaan) ditimbang sebanyak ±100 kg, Keterangan :
kemudian dimasukkan kedalam karung goni dan V = Volume larutan titrasi (KOH) yang
dikaitkan dengan kawat kode unit percobaan yang digunakan (ml)
berupa angka 1 (satu) sampai dengan 6 (enam) N = Normalitas larutan titar
dari bahan plat alumunium untuk masing - masing W = Berat sampel uji (g)
sampel sesuai dengan identitasnya. Selanjutnya 25,6 = Konstanta untuk menghitung ALB sebagai
dengan alat berat mobil loader, ke 6 (enam) unit asam palmitat
percobaan/sampel TBS sawit tersebut (seberat
±600 kg) dibawa dari unit sortasi menuju stasiun Respon Deterioration of Bleachability Index/
perebusan. Setelah semua sampel dituangkan ke DOBI (%)
lori yang telah disiapkan, kemudian lori tersebut Indeks DOBI adalah indikator kemudahan
dimasukkan ke dalam sterilizer bergabung dengan minyak sawit yang dihasilkan untuk dipucatkan,
lori-lori lain yang telah diisi dengan TBS sawit oleh yang merupakan salah satu indikator penting sifat
operator pabrik. kimia minyak sawit. Data yang didapat dijadikan
kontrol mutu minyak pada tahap awal pengolahan
Tahap Perebusan Sampel Percobaan di stasiun perebusan. Prosedur penentuannya
Sampel TBS sawit yang ditempatkan dalam lori sebagai berikut: (1) Dilelehkan sampel CPO
khusus pengamatan, direbus di dalam sterilizer dengan hotplate, (2) Diambil sampel sebanyak 10
selama waktu percobaan yang ditetapkan, yaitu 80 gram, (3) Kemudian sampel dimasukkan kedalam
menit, dengan suhu perebusan antara 120-140ºC labu ukur 25 ml dan dilarutkan dengan iso octane
dan tekanan antara 2 – 3 kg/cm2 (diatur oleh sampai tanda batas, (4) Labu ukur item (3)
operator secara automatis). Selama perebusan digoyang-goyang sampai CPO larut, (5)
diamati apakah ada kebocoran steam dan kejadian Dimasukkan/dituangkan sampel sebanyak ¾
lain yang bisa mengganggu jalannya percobaan. wadah/kuvet yang disediakan, (6) Dimasukkan
Demikian juga yang dilakukan untuk masa rebus: sampel item kedalam alat uji spektrofotometer
90, 100, 110 dan 120 menit, terhadap masing- untuk dianalisis, (7) Dicatat angka yang muncul
masing masa rebus dilakukan pengulangan pada absorbansi 446 nm dan 269 nm, (8) Indeks
sebanyak 4 (empat) kali, sehingga dilangsungkan 5 DOBI adalah nisbah antara nilai absorbansi 446
x 4 = 20 kali percobaan perebusan. nm/absorbasi 269 nm.
Rumus Perhitungan DOBI :
Tahap Setelah Perebusan dan Pengukuran Indeks DOBI (%) = (Abs.446/Abs.269) x
Respon Sifat Kimia Hasil Rebusan (100%)…...3
Laboratorium
Setelah selesai direbus, sampel percobaan yang Analisis Regresi Berganda dan Pengujian
ada di Lori dikeluarkan dengan cara menarik Hipotesis

58 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
Tujuan analisis regresi adalah untuk yang telah didapat, kemudian “dijalankan” untuk
mendapatkan nilai prediksi yang baik yaitu nilai memprediksi besarnya nilai respon yang paling
prediksi yang bisa sedekat mungkin dengan nilai baik bagi kondisi bahan baku (TBS) yang direbus.
pengamatan (George, 2003). Analisis regresi
berganda dapat juga digunakan untuk mengetahui
3. HASIL DAN PEMBAHASAN
arah hubungan antara variabel bebas dengan
variabel terikat, apakah masing-masing variabel Keberhasilan operasi perebusan TBS sawit
bebas berhubungan positif atau negatif untuk dengan menggunakan sterilizer tipe horizontal
memprediksi nilai dari variabel terikat apabila ditinjau dari aspek sifat kimia hasil rebusannya,
nilai variabel bebas mengalami kenaikan atau pada penelitian ini hanya diamati dari 2 (dua)
penurunan (Ghazali, 2010 dan Widarjono, 2015). respon atau variabel terikat yakni kadar ALB dan
Salah satu metode dalam analisis regresi berganda indeks DOBI.
adalah residual kuadrat (Ordinary Least Squares =
OLS). Dalam penggunaannya, metode OLS Respon Kadar Asam Lemak Bebas (ALB)
mensyaratkan adanya beberapa asumsi yang Model Prediksi untuk Respon Kadar ALB
dikenal sebagai uji asumsi klasik. Perhitungan Prediksi terhadap kelayakan model regresi
untuk melakukan uji asumsi klasik dilakukan berganda dilakukan secara sekaligus dengan
dengan bantuan perangkat lunak SPSS v. 21.0 pengujian asumsi klasik yang dipersyaratkan pada
(Singgih, 2013). penggunaan analisis regresi linear berganda
(autokolerasi, heteroskedastisitas, normalitas dan
Uji asumsi klasik multikolonearitas). Dengan demikian keluaran
Uji asumsi klasik dilakukan untuk: (1) Uji perhitungan yang diperoleh dari pengolahan data
normalitas, (2) Uji multikolonearitas, (3) Uji dapat digunakan sekaligus untuk uji asumsi klasik
autokorelasi dan (4) Uji heteroskedastisitas dan uji kelayakan model.

Model Persamaan Regresi Linear Berganda Pengujian Asumsi Klasik


Model regresi linear berganda dengan 3 (tiga) Uji Autokorelasi
variabel bebas menurut Santosa (2012) dapat Hasil uji autokorelasi dapat dilihat pada Tabel
ditaksir dengan model regresi linear berganda 1, pada dua kolom terakhirnya yakni nilai Durbin–
untuk sampel yang dalam penelitian ini dapat Watson (DW). Hasil perhitungan analisis ragam
disusun sebagai berikut : pada respon ALB disajikan pada Tabel 1.

Yi = a0 + a1X1 + a2X2 + a3X3............................................... 4 Tabel 1. Rangkuman model prediksi untuk respon


kadar ALB
Keterangan :
Yi = Nilai respon
a0 = dugaan bagi parameter konstanta
a₁,a₂,a3 =dugaan bagi parameter koefisien
α1,α2, dan α3 Berdasarkan Tabel 1, nilai Durbin – Watson
X1 = Ukuran berat TBS adalah 1,195, nilai ini berada di antara nilai 1
X2 = Tingkat kematangan buah (satu) hingga 3 (tiga), berarti ada di daerah bebas
X3 = masa rebus autokorelasi (Sarwono, 2012). Dengan demikian
dapat diputuskan model yang diestimasi tidak ada
Pengujian Hipotesis efek Autokorelasi diantara variabel–variabel
Apabila syarat untuk ditelitinya suatu model bebasnya.
regresi telah terpenuhi semua (uji asumsi klasik),
maka langkah selanjutnya untuk mengetahui Uji Heteroskedastisitas
diterima atau tidaknya hipotesis yang diajukan Uji heteroskedastisitas dilakukan dengan
dalam penelitian dilakukan analisis: (1) Uji membuat Scatterplot (alur sebaran) antara
keterandalan model atau Uji F, (2) Uji koefisien residual dan nilai prediksi dari variabel terikat
regresi atau Uji t, (3) Uji Pengaruh variabel bebas yang telah distandarisasi. Hasil uji
atau Uji koefisien determinasi (R2) dan (4) heteroskedastisitas pada respon ALB, dapat dilihat
Interpretasi model. pada Gambar 1a.

Simulasi Model
Model atau persamaan respon hasil perebusan

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
59
rebus terhadap variabel terikat kadar ALB.

Uji Multikolonearitas
Hasil uji multikolonearitas dapat dilihat pada
Tabel 3, khususnya pada dua kolom terakhir, yakni
nilai toleransi dan VIF (Varians Inflation Factor).
Berdasarkan Tabel 3, nilai VIF untuk variabel
ukuran berat tandan, tingkat kematangan buah
Gambar 1. Uji dengan Scatterplot (a) dan
dan masa rebus, pada respon ALB, besarnya sama
Normalitas (b) untuk Variabel Respon ALB
yakni 1 (satu), dan nilai toleransinya 1 (satu),
karena nilai VIF dari ke tiga variabel tidak ada
Berdasarkan Gambar 1a, tampak sebaran titik-
yang lebih besar 10 dan toleransinya > 0,1, maka
titik data pengamatan variabel respon ALB tidak
dapat dikatakan tidak terjadi multikolonearitas
menunjukkan pola tertentu, maka dapat
pada ke tiga variabel bebas tersebut.
disimpulkan uji asumsi klasik bebas
heteroskedastisitas terpenuhi.
Uji Koefisien Regresi (Uji t) Model Prediksi
untuk Respon Kadar ALB
Uji Normalitas
Uji t pada Tabel 3 dalam regresi linear
Uji normalitas standar residual data variabel
berganda dimaksudkan untuk menguji apakah
ALB dilakukan dengan metode grafik, dapat dilihat
parameter (koefisien regresi) yang diduga untuk
pada Gambar 1b. Berdasarkan Gambar 1b, tampak
mengestimasi persamaan/model regresi linear
grafik normal probability plot menunjukkan pola
berganda sudah merupakan parameter yang tepat
grafik yang normal. Hal ini tampak dari titik – titik
atau belum. Maksud tepat di sini adalah parameter
residual data respon ALB yang menyebar di
tersebut mampu menjelaskan perilaku variabel
sekitar grafik nornal dan penyebarannya
bebas dalam mempengaruhi variabel terikatnya.
mengikuti garis diagonal. Oleh karena itu dapat
Parameter yang diestimasi dalam regresi linear
disimpulkan bahwa model estimasi regresi
meliputi intersep (konstanta), dan slope (koefisien
tersebut layak dipakai karena memenuhi asumsi
dalam persamaan regresi linear).
normalitas.
Tabel 3. Uji t koefisien regresi model prediksi
Uji Kelayakan (Keterandalan) Model Prediksi
untuk respon ALB
untuk Respon Kadar ALB
Uji Kelayakan Model (Uji F) Prediksi untuk
Respon ALB
Uji keterandalan model atau uji kelayakan
model atau lebih populer disebut uji F, merupakan
tahapan awal dalam mengidentifikasi model
regresi yang diprediksi termasuk layak atau tidak.
Layak (handal) disini maksudnya adalah model Uji signifikansi koefisien pada variabel bebas
yang diprediksi layak digunakan untuk menunjukkan bahwa nilai t hitung variabel,
menjelaskan pengaruh variabel–variabel bebas intersep, ukuran berat tandan, tingkat kematangan
terhadap variabel terikatnya. Hasil uji F untuk buah dan masa rebus, masing – masing berturut-
respon ALB dapat dilihat pada Tabel 2. turut sebesar : 2,714; 2,376; 20,269 dan 14,620
dengan nilai signifikansi tertinggi (0,019 ) < 0,05.
Tabel 2. Uji kelayakan model prediksi untuk Artinya masing – masing variabel bebas yakni:
respon kadar ALB ukuran berat tandan, tingkat kematangan buah
dan masa rebus berpengaruh terhadap besarnya
kadar ALB. Sehingga koefisien regresi dan
konstanta yang didapat dari uji t tersebut, sudah
tepat untuk digunakan menjelaskan perubahan
Berdasarkan Tabel 2, nilai signifikansi 0,001 < variabel bebas dalam mempengaruhi variabel
0,05 dan nilai F hitung (210,08) yang jauh lebih respon.
besar dari F tabel (2,71), maka dapat disimpulkan
bahwa model regresi linear yang diprediksi layak Koefisien Determinasi (R2) untuk Model
digunakan untuk menjelaskan pengaruh ukuran Prediksi ALB
berat tandan, tingkat kematangan buah, dan masa Koefisien determinasi menjelaskan variasi

60 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09 , No. 02 , 2017


©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
pengaruh variabel–variabel bebas terhadap ALB. Model (persamaan) regresi linear berganda
variabel terikatnya, atau dapat juga dikatakan yang telah diestimasi untuk respon kadar ALB
sebagai proporsi pengaruh seluruh variabel bebas adalah sebagai berikut:
terhadap variabel terikatnya. Nilai koefisien
determinasi dapat diukur oleh nilai R2 atau R2 yang Y = -0,655 + 0,0011 X1 + 0,029 X2 + 0,032 X3........ 5
disesuaikan. Berdasarkan nilai pada Tabel 1, nilai
R2 yang disesuaikan (Adjusted R-Square) besarnya Angka – angka yang tertera pada persamaan 5
adalah 0,841. Artinya, ukuran berat tandan, tingkat diambil dari kolom 2 (dua) Tabel 3 kolom ke dua,
kematangan buah dan masa rebus memiliki koefisien tidak terstandarisasi B. Berdasarkan
pengaruh terhadap kadar ALB selama persamaan 5, koefisien regresi untuk variabel
perebusannya sebesar 84,10 %, sedangkan sisanya ukuran berat tandan adalah 0,011, tingkat
sebesar 15,9 % dipengaruhi oleh faktor lain yang kematangan buah 0,029 dan masa rebus 0,032.
tidak ada didalam model regresi linear berganda. Koefisien regresi ukuran berat tandan bernilai
Di antara kemungkinan faktor lain yang 0,011 artinya ketika ukuran berat TBS mengalami
mempengaruhi kadar ALB yang diukur adalah kenaikan sebesar 1 unit ukuran berat (kg), maka
metode perebusan yang diterapkan. Metode besarnya kadar ALB ketika direbus akan
perebusan tripple peak (tiga puncak) mengalami kenaikan sebesar 1,1 %. Semakin lama
memungkinkan terjadinya guncangan pada daging TBS sawit direbus (pada jangkauan waktu 80 s/d
buah, ketika telah dicapai puncak ke tiga dengan 120 menit), baik TBS sawit ukuran berat kecil
tekanan sekitar 3 bar (3,2 kg/cm2) yang kemudian maupun besar, akan semakin tinggi nilai kadar
diikuti dengan pembuangan kondensat. Guncangan ALB-nya, seperti yang tampak pada Gambar 2a.
ini menyebabkan terjadinya perubahan struktur
pada daging buah hingga mampu memecahkan
dinding sel minyak yang terlindungi lapisan
vakuola, sehingga menyebabkan bercampurnya
minyak dengan air sel. Akibatnya akan terjadi
reaksi hidrolisa pada minyak yang berada pada
mesokarp, yang dapat menyebabkan
meningkatnya kadar ALB minyak (Naibaho, 1998). Gambar 2. Hubungan Ukuran Berat Tandan (a)
dan Tingkat kematangan Buah (b) dengan Masa
Interpretasi Model Rebus dan Kadar ALB
Setelah estimasi model regresi linear berganda
dilakukan dan diuji pemenuhan syarat- syaratnya Koeffisien regresi tingkat kematangan buah
(uji asumsi klasik) serta uji kelayakan model dan sawit sebesar 0,029 dengan tanda positif
ketepatan koefisien regresinya dilakukan, maka maknanya adalah jika tingkat kematangan buah
berikutnya adalah menafsirkan atau sawit meningkat 1 unit satuan (%), maka nilai
menginterpretasikan angka – angka yang ada pada kadar ALB-nya naik sebesar 2,9%. Secara umum
model persamaan tersebut. Nilai probabilitas untuk semua tingkat kematangan buah, semakin
(signifikansi) pada Tabel 2, nilainya 0,001 lebih lama masa rebus diterapkan (pada jangkauan
kecil dari tingkat signifikansi 0,05 sedangkan nilai waktu 80 s/d 120 menit) nilai kadar ALB-nya
F kritis pada α = 5 % dengan df (3,116) sebesar semakin meningkat, sebagaimana tampak pada
3,94 lebih kecil dari nilai hitung (210,08), maka Gambar 2b.
hipotesis nol (Ho) ditolak. Artinya secara serentak Koefisien regresi masa rebus 0,032 bertanda
variabel bebas yang terdiri dari ukuran berat positif, maknanya adalah jika operasi perebusan
tandan, tingkat kematangan buah dan masa rebus dengan suhu dan tekanan steam yang sama
TBS secara bersama - sama berpengaruh terhadap ditambah waktu rebusnya dengan 1 (satu) satuan
besarnya kadar ALB. Sehingga dapat disimpulkan waktu pada jangkauan antara 80 s/d 120 menit,
bahwa model regresi linear yang diestimasi layak maka nilai ALB TBS sawit yang direbus mengalami
digunakan untuk menjelaskan pengaruh ukuran kenaikan sebesar 3,2%. Semakin bertambah lama
berat tandan, tingkat kematangan buah dan masa masa rebus TBS sawitnya, semakin tinggi kadar
rebus TBS terhadap variabel respon ALB. Uji t ALB-nya. Hal ini sejalan dengan penelitian Arifin
(Tabel 3) signifikansi koefisien variabel bebas (1991), yang menyatakan bahwa kualitas minyak
menunjukkan nilai yang signifikan, yang berarti sawit dalam hal ini kadar ALB, dipengaruhi oleh
semua koefisien dan konstanta yang didapat sudah masa rebus, semakin lama waktu perebusan TBS,
tepat untuk menjelaskan perubahan variabel menyebabkan kenaikan kadar ALB.
bebas dalam mempengaruhi variabel respon kadar

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017 61
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
Simulasi Penggunaan Model Prediksi untuk (ALB = 3,39%), sedangkan untuk ukuran berat
Respon ALB tandan besar dengan tingkat kematangan buah
Berdasarkan perhitungan yang dilakukan, matang, maka lama rebus maksimal 90 menit (ALB
model regresi linear berganda yang didapat untuk = 3,53%). Untuk ukuran berat tandan kecil dengan
respon kadar ALB adalah: tingkat kematangan buah lewat matang, maka
masa rebus maksimal 80 menit (ALB = 4,15%),
Y = -0,655 + 0,011 X1 + 0,029 X2 + 0,032 X3 sedangkan untuk ukuran berat tandan besar
dengan tingkat kematangan buah lewat matang,
Simulasi penerapan model tersebut, untuk dan masa rebus maksimal adalah 80 menit (ALB =
mengetahui kadar ALB yang paling rendah bagi 4,30%).
variasi bahan baku (TBS) sawit yang akan direbus, Temuan model prediksi untuk respon kadar
dapat dilihat pada Tabel 4. ALB ini juga dapat digunakan untuk menetapkan
berapa kadar ALB yang diinginkan dari suatu
Tabel 4. Simulasi penggunaan model prediksi operasi perebusan yang akan dilakukan,
untuk respon kadar ALB khususnya untuk keperluan pencampuran
(blending) CPO. Sebagai contoh, jika tersedia 1000
ton CPO dengan ALB 3,0% dan 200 ton CPO
dengan ALB 7,2%, perusahaan menginginkan 600
ton CPO dengan ALB 4,5%. Cara perhitungannya
adalah sebagai berikut:

(a x 3,0) + {(600 – a) x 7,2} = (600 x 4,5)


3a + 4320 – 7,2a = 2700
4,2a = 1620, maka a = 1620/ 4,2 = 385 ton.

Jadi komposisi campurannya adalah: 385 ton


ALB 3,0% dan 215 ton ALB 7,2%. Seandainya
dalam pencampuran CPO tersebut perusahaan
belum memiliki persediaan CPO dengan kadar ALB
3,0%, maka berdasarkan model prediksi untuk
respon ALB yang diketemukan, dapat disarankan
untuk merebus TBS sawit dengan perlakuan KM 90
maka akan didapatkan CPO dengan kadar ALB
2,95% (mendekati 3%) yang dapat memenuhi
kebutuhan pencampuran CPO (blending) yang
diinginkan.

Respon Indeks DOBI


Deterioration of Bleachability Index (DOBI)
merupakan indeks derajat kepucatan minyak sawit
mentah. Analisa kadar asam lemak bebas dan
kadar kotoran tidak cukup untuk menjadi
parameter Crude Palm Oil (CPO) yang berkualitas.
Salah satu penggunaan DOBI adalah dalam
Berdasarkan Tabel 4, jika mengacu norma membedakan minyak berkualitas rendah dengan
perusahaan, kadar ALB yang wajar adalah kandungan Asam Lemak Bebas (ALB) yang sama.
maksimal sebesar 3,5%, maka untuk perebusan Bilangan DOBI digunakan sebagai indikator kunci
dengan ukuran berat tandan kecil (rata-rata 7 kg) dari CPO yang berkualitas dan sebagai indikator
dengan tingkat kematangan buah mengkal, masa status oksidatif CPO serta kemudahan untuk
rebus maksimal dapat ditetapkan sebesar 100 proses pengolahan lebih lanjut seperti pada
menit (ALB = 3,27%). Untuk ukuran berat tandan pemucatan minyak goreng.
besar (rata-rata 20 kg) dengan tingkat
kematangan mengkal, maka masa rebus maksimal Model Prediksi untuk Respon DOBI
100 menit (ALB = 3,42%). Untuk ukuran berat Prediksi terhadap kelayakan model regresi
tandan kecil dengan tingkat kematangan buah berganda dilakukan secara sekaligus dengan
matang, maka lama rebus maksimal 90 menit pengujian asumsi klasik yang dipersyaratkan pada

62 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
penggunaan analisis regresi linear berganda disimpulkan bahwa model estimasi regresi
(autokolerasi, heteroskedastisitas, normalitas dan tersebut layak dipakai karena telah memenuhi
multikolonearitas). Dengan demikian keluaran asumsi normalitas.
perhitungan yang diperoleh dari pengolahan data
dapat digunakan sekaligus untuk uji asumsi klasik Uji Multikolonearitas
dan uji kelayakan model. Hasil uji multikolonearitas dapat dilihat pada
Tabel 7, khususnya pada dua kolom terakhir,
Pengujian asumsi klasik yakni nilai toleransi dan VIF (Varians Inflation
Uji Autokorelasi Factor). Berdasarkan Tabel 7, nilai VIF untuk
Hasil uji autokorelasi dapat dilihat pada Tabel variabel ukuran berat tandan, tingkat kematangan
5 pada kolom terakhirnya yakni nilai Durbin– buah dan masa rebus, pada data respon DOBI,
Watson (DW). besarnya sama yakni 1 (satu), dan nilai
toleransinya 1 (satu), karena nilai VIF dari ke tiga
Tabel 5. Rangkuman model prediksi untuk respon variabel tidak ada yang lebih besar 10 dan
Indeks DOBI toleransinya > 0,1, maka dapat dikatakan tidak
terjadi multikolonearitas pada ke tiga variabel
bebas tersebut.

Berdasarkan Tabel 5, nilai Durbin–Watson Uji Kelayakan (Keterandalan) Model Prediksi


adalah 1,135, nilai ini berada di antara nilai 1 untuk Respon Indeks DOBI
(satu) hingga 3 (tiga), berarti ada di daerah bebas Uji Keterandalan Model (Uji F)
autokorelasi. Dengan demikian dapat diputuskan Uji keterandalan model atau uji kelayakan
model yang diestimasi tidak ada efek autokorelasi model atau lebih populer disebut uji F (ada juga
diantara variabel–variabel bebasnya. yang menyebut uji simultan model) merupakan
tahapan awal dalam mengidentifikasi model
Uji Heteroskedastisitas regresi yang diestimasi termasuk layak atau tidak.
Uji heteroskedastisitas dilakukan dengan Layak (handal) di sini maksudnya adalah model
membuat Scatterplot antara residual dan nilai yang diprediksi layak digunakan untuk
prediksi dari variabel terikat yang telah menjelaskan pengaruh variabel–variabel bebas
distandarisasi. Hasil uji heteroskedastisitas dapat terhadap variabel terikatnya. Hasil uji
dilihat pada Gambar 3a. kelayakannya disajikan pada Tabel 6.

Tabel 6. Uji kelayakan model prediksi untuk


Respon DOBI

Gambar 3. Uji Heteroskedastisitas (a) dan


Normalitas (b) untuk Variabel Respon DOBI Berdasarkan Tabel 6, dengan nilai signifikansi
0,001 < 0,05 ditambah dengan nilai F hitung
Berdasarkan sebaran titik-titik data (111,526) yang jauh lebih besar dari F tabel
pengamatan untuk respon DOBI pada Gambar 3a, (2,71), maka dapat disimpulkan bahwa model
yang tidak menunjukkan pola tertentu, maka regresi linear yang diprediksi layak digunakan
dapat diputuskan untuk uji asumsi klasik bebas untuk menjelaskan pengaruh ukuran berat
heteroskedastisitas terpenuhi. tandan, tingkat kematangan buah dan masa rebus
terhadap variabel terikat Indeks DOBI.
Uji Normalitas
Uji normalitas residual regresi dilakukan Uji Koefisien Regresi (Uji t) Model Prediksi
dengan metode grafik, hasilnya dapat dilihat pada untuk Respon DOBI
Gambar 3b. Berdasarkan Gambar 3b, tampak Uji t pada Tabel 7 dalam regresi linear
grafik normal probability plot menunjukkan pola berganda dimaksudkan untuk menguji apakah
grafik yang normal. Hal ini tampak dari titik – titik parameter (koefisien regresi dan konstanta) yang
data residual respon DOBI yang menyebar di diduga untuk mengestimasi persamaan/model
sekitar grafik normal dan penyebarannya regresi linear berganda sudah merupakan
mengikuti garis diagonal. Oleh karena itu dapat parameter yang tepat atau belum. Maksud tepat di

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09, No. 02 , 2017 63
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
sini adalah parameter tersebut mampu mesokarp dengan kondensasi didalam sterilizer.
menjelaskan perilaku variabel bebas dalam Kondensasi didalam sterilizer antara lain
mempengaruhi variabel terikatnya. Parameter dipengaruhi oleh masa rebus yang diterapkan.
yang diestimasi dalam regresi linear meliputi Akibatnya semakin lama masa rebus diterapkan
intersep (konstanta), dan slope (koefisien dalam pada operasi perebusan, akan semakin
persamaan regresi linear). Uji signifikansi menurunkan Indeks DOBI minyak sawit yang
koefisien pada variabel bebas menunjukkan bahwa dihasilkan.
nilai t hitung variabel, intersep, ukuran berat TBS,
tingkat kematangan buah dan masa rebus, masing Interpretasi Model
– masing berturut- turut sebesar: 31,108; -0,246; Setelah estimasi model regresi linear berganda
9,736 dan -15,483 dengan nilai signifikansi dilakukan dan diuji pemenuhan syarat- syaratnya
(0,001) < 0,05, kecuali variabel ukuran berat TBS (uji asumsi klasik) serta uji kelayakan model dan
(0,806 > 0,05). Artinya masing – masing variabel ketepatan koefisien regresinya dilakukan, maka
bebas yakni: tingkat kematangan buah dan masa berikutnya adalah menafsirkan atau
rebus berpengaruh terhadap indeks DOBI minyak menginterpretasikan angka – angka yang ada pada
yang diperas setelah TBS sawit direbus, sedangkan model persamaan tersebut.
ukuran berat tandan pengaruhnya tidak signifikan. Nilai probabilitas (signifikansi) pada Tabel 6,
Sehingga koefisien regresi dan konstanta yang nilainya (0,001) < 0,05 sedangkan nilai F kritis
didapat dari uji t tersebut, sudah tepat untuk pada α = 5 % dengan df (3,116) sebesar 3,94 lebih
digunakan menjelaskan perubahan variabel bebas kecil dari nilai F hitung (111,526), maka hipotesis
dalam mempengaruhi variabel respon, kecuali nol (Ho) ditolak. Artinya secara serentak variabel
koefisien ukuran berat tandan. bebas yang terdiri dari ukuran berat tandan,
tingkat kematangan buah dan masa rebus TBS
Tabel 7. Uji t koefisien regresi model prediksi secara bersama-sama berpengaruh terhadap
untuk respon indeks DOBI besarnya Indeks DOBI. Sehingga dapat
disimpulkan bahwa model regresi linear berganda
yang diprediksi layak digunakan untuk
menjelaskan pengaruh ukuran berat tandan,
tingkat kematangan buah dan masa rebus TBS
terhadap variabel respon DOBI. Uji t (Tabel 7)
signifikansi koefisien variabel bebas menunjukkan
nilai yang signifikan, kecuali variabel ukuran berat
tandan, yang berarti semua koefisien dan
Berturut–turut nilai konstanta dan koefisien konstante yang didapat sudah tepat untuk
variabel bebas X1, X2 dan X3 adalah: 5,208; 0,001; menjelaskan perubahan variabel bebas dalam
0,010 dan 0,024. mempengaruhi variabel respon DOBI.
Model (persamaan) regresi linear berganda
Koefisien Determinasi (R2) untuk Model yang telah diestimasi untuk respon indeks DOBI
Regresi Respon DOBI adalah sebagai berikut:
Koefisien determinasi menjelaskan variasi
pengaruh variabel–variabel bebas terhadap Y = 5,208 – 0,001 X1 + 0,010 X2 – 0,024 X3 ..............6
variabel terikatnya atau dapat juga dikatakan
sebagai proporsi pengaruh seluruh variabel bebas Angka–angka yang tertera pada persamaan 6
terhadap variabel terikatnya. Nilai koefisien diambil dari kolom 2 (dua) Tabel 7 analisis
determinasi dapat diukur oleh nilai R2 atau R2 yang koefisien regresi, koefisien tidak terstandarisasi B.
disesuaikan. Berdasarkan Tabel 5, nilai R2 yang kematangan buah 0,010 dan masa rebus 0,024.
disesuaikan (Adjusted R-Square) besarnya adalah Koefisien regresi ukuran berat tandan bertanda
0,736. Artinya, ukuran berat TBS, kematangan TBS negatif artinya ketika ukuran berat TBS
dan masa rebus memiliki proporsi pengaruh mengalami kenaikan sebesar 1 unit ukuran berat
terhadap Indeks DOBI selama perebusannya (kg), maka besarnya Indeks DOBI akan mengalami
sebesar 73,60%. Sedangkan sebesar 26,40% penurunan sebesar 0,1%. Namun dari
dipengaruhi oleh faktor lain yang tidak ada perhitungan statistik yang dilakukan untuk
didalam model regresi linear berganda. Diantara penelitian ini, perubahan ukuran berat tandan
kemungkinan faktor lain yang mempengaruhi tidak signifikan pengaruhnya. Semakin lama TBS
rendahnya Indeks DOBI adalah terjadinya sawit direbus (pada jangkauan waktu 80 s/d 120
kontaminasi dari minyak sawit yang ada pada menit), baik TBS sawit ukuran kecil maupun besar
64 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09,No. 02 , 2017
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
akan semakin menurun Indeks DOBI-nya, seperti Tabel 8. Simulasi penggunaan model prediksi
yang tampak pada Gambar 4a. untuk respon Indeks DOBI
Koefisien regresi tingkat kematangan buah
sawit sebesar 0,010 dengan tanda positif
maknanya adalah jika tingkat kematangan TBS
sawit meningkat 1 unit satuan (%), maka nilai
Indeks DOBI-nya naik sebesar 1,0%. Hal ini sejalan
dengan penelitian Gee (2004) dan Junaidah (2013)
yang menyatakan sampai batas tingkat
kematangan tertentu, Indeks DOBI meningkat
sejalan dengan tingkat kematangan buahnya.
Secara umum untuk semua tingkat kematangan
buah, semakin lama masa rebus diterapkan (pada
jangkauan waktu 80 s/d 120 menit) nilai Indeks
DOBI-nya semakin menurun, sebagaimana tampak
pada Gambar 4b. Koefisien regresi masa rebus
0,024 bertanda negatif, maknanya adalah jika
operasi perebusan dengan suhu dan tekanan steam
yang sama ditambah waktu rebusnya dengan 1
(satu) satuan waktu pada jangkauan antara 80 s/d
120 menit, maka Indeks DOBI dari TBS sawit yang
direbus mengalami penurunan sebesar 2,4%.
Semakin lama masa rebus TBS sawit diterapkan,
semakin menurun Indeks DOBI-nya (Gambar 4a
dan Gambar 4b).

Untuk ukuran berat tandan kecil dengan


tingkat kematangan buah matang (KT), maka
Gambar 4. Hubungan Ukuran Berat (a) dan Tingkat masa rebus maksimal yang dapat ditetapkan
Kematangan Buah (b) dengan Masa Rebus dan hingga 110 menit (DOBI = 2,93%), sedangkan
Indeks DOBI untuk ukuran berat tandan besar dengan tingkat
kematangan buah matang (BT), maka lama rebus
Simulasi Penggunaan Model Respon DOBI maksimal yang dapat ditetapkan hingga 110 menit
Berdasarkan perhitungan yang dilakukan, (3,03%).
model regresi linear berganda yang didapat untuk Untuk ukuran berat tandan kecil dengan
respon Indeks DOBI adalah Y = 5,208 - 0,001X1 + tingkat kematangan buah lewat matang (KL),
0,010X2 - 0,024X3. Simulasi penerapan model maka masa rebus maksimal dapat ditetapkan
tersebut, untuk mengetahui nilai Indeks DOBI yang hingga 120 menit (DOBI = 3,07%). Untuk ukuran
paling tinggi bagi variasi bahan baku (TBS) sawit berat tandan besar dengan tingkat kematangan
yang akan direbus, dapat dilihat pada Tabel 8. buah lewat matang (BL), maka masa rebus
Berdasarkan Tabel 8, jika mengacu norma maksimal yang dapat ditetapkan adalah 120 menit
PORIM (1995), Indeks DOBI yang ditetapkan (DOBI = 3,06%).
minimal adalah sebesar 2,7%, maka untuk
perebusan dengan ukuran berat tandan kecil (rata-
rata 7 kg) dengan tingkat kematangan buah 4. KESIMPULAN
mengkal (KM), maka masa rebus maksimal dapat TBS dengan ukuran berat tandan kecil (rata-
ditetapkan hingga 110 menit (DOBI = 2,78 %). rata 7 kg), pada temperatur, tekanan dan masa
Untuk ukuran berat tandan besar (rata-rata 20 kg) rebus yang sama, mempunyai kadar ALB yang
dengan tingkat kematangan buah mengkal (BM), lebih rendah dibandingkan dengan TBS sawit
maka masa rebus maksimal dapat ditetapkan ukuran tandan besar (rata-rata 20 kg). Semakin
hingga 110 menit (DOBI = 2,90 %). matang tingkat kematangan buahnya (mengkal,

JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09 , No. 02 , 2017


65
©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala
matang, lewat matang), pada suhu, tekanan dan Sterilization Process on Deterioration of Bleachability
masa rebus yang sama, semakin besar kadar ALB- Index (DOBI) of Crude Palm Oil (CPO) Extracted from
Different Degree of Oil Palm Ripeness. International
nya. Journal of Bioscience, Biochemistry and Bioinformatics,
TBS sawit dengan ukuran tandan kecil (rata- Vol. 3, No. 4.
rata 7 kg), pada suhu, tekanan dan masa rebus Kamal, M. 2006. The Study of Heat Penetration in Palm Oil
yang sama, memiliki Indeks DOBI yang lebih besar Fruitlets By Developing a New Technique for Measuring
Oil Content in Fruitlet During Sterilization Process.
dibanding dengan TBS dengan ukuran berat besar Lin,S.W. 2004. Deterioration of Bleachability Index. Kuala
(rata-rata 20 kg), namun tidak signifikan Lumpur:Malaysian Palm Oil Board.
perbedaannya. Semakin matang tingkat Maya, S. 2013. Microwave Sterilization of Oil Palm Fruits:
kematangan buahnya (mengkal, matang lewat Effect of Power, Temperature and D-value on Oil Quality.
matang) pada temperatur, tekanan dan masa Journal of Medical and Bioengineering Vol. 2, No. 3.
Muthurajah, R.N. 2000. Palm Oil Factory Process. Ministry of
rebus yang sama, semakin tinggi Indeks DOBI-nya. primary Industres, Malaysia.
Model Prediksi untuk indikator sifat kimia Naibaho, P.M. 1998.Teknologi Pengolahan Kelapa Sawit. PPKS.
hasil rebusan yang diketemukan adalah: Medan.
1. Respon kadar ALB, Y = -0,655 + 0,011X1 + Pahan, I. 2008. Panduan Lengkap Kelapa Sawit, Manajemen
Arigribisnis dari Hulu hingga Hilir. Penebar Swadaya.
0,029 X2 + 0,032 X3, dengan R2 = 0,84 Jakarta.
2. Respon Indeks DOBI, Y = 5,208 - 0,001X1 + PORIM (Palm Oil Research Institute of Malaysia). 1995. Porim
0,010 X2 - 0,024 X3 , dengan R2 = 0,73 Test Methode. Palm Oil Research Institute of Malaysia.
PT Bio Nusantara Teknologi Bengkulu. 2012. Manajemen dan
Sistem Operasional dan Administrasi PMKS PT Bio
DAFTAR PUSTAKA Nusantara Teknologi.
Santosa. 2012. Buku Ajar Metodologi Penelitian. PT Penerbit
Abdul, A. 1991. Chemical Changes During Sterilization Process IPB Press, Bogor.
Affecting Strippability and Oil Quality. Palm Oil Research Sari, F.D., M. Furqon., Alhamra. 2014. Pengolahan Tandan
Institute of Malaysia (PORIM), Bangi. Buah Segar Sawit Menggunakan Teknologi Gelombang
Crosby, B.P. 2005. Quality Classic Crosby’s 14 Step To Mikro, Alternatif Pengganti Proses Perebusan. Balai Riset
Improvment: http://www./google.co.id/philip.B.chrosby. dan Standardisasi Industri Medan.
13-7-2015. Sarwono, J. 2012. Metode Riset Skripsi Pendekatan Kuantitatif
Darnoko, D. 2003. Teknologi Pengolahan Kelapa Sawit dan Menggunakan Prosedur SPSS. PT Elex Media Komputindo
Produk Turunannya. LPPKS, Medan. Gramedia, Jakarta.
Farhana, Tg., Kamarulzaman. 2009. Optimization condition for Siew, W. L. 2005. Deterioration Of Bleachability Index, by
palm oil fruit sterilization process. Faculty of Chemical & Malaysian Palm Oil Board.
Natural Resource Engineering, Universiti Malaysia Singgih, S. 2013. Menguasai SPSS 21 di Era Informasi.
Pahang. PT.ELEK Media Komputindo, Jakarta.
Gee., P,T. 2004 . Use of The Deterioration Of Bleachability Sitepu, T. 2011. Analisa Kebutuhan Uap Pada Sterilizer Pabrik
Index (DOBI) to Characterise of Crude Palm Oil. Kelapa Sawit Dengan Lama Perebusan 90 Menit. Jurnal
George, C.S Wang and Chaman, L. Jain. 2003. Regression Dinamis,Volume.II, No.8.
Analysis: Modelling and Forcasting. Graceway Publishing Supriyono dan Bayu, A. 2008. Model Simulasi untuk Optimasi
Company, New York. Penentuan Waktu Memasak Buah Kelapa Sawit dengan
Ghozali, I. 2005. Aplikasi Analisis Multivariat dengan program Logika Fuzzy. Seminar Nasional IV SDM Teknologi Nuklir
SPSS, Universitas Diponegoro, Semarang. Yogyakarta, 25-26 Agustus.
Junaidah, M.J., Norizzah. A.R, dan Zaliha, O. 2013. Effect of

66 JURNAL TEKNOLOGI DAN INDUSTRI PERTANIAN INDONESIA – Vol. 09 , No. 02 , 2017


©Jurusan Teknologi Hasil Pertanian, Universitas Syiah Kuala