PEMODELAN DAN OPTIMASI
VARIASI SUHU DAN DEBIT
TERHADAP PENURUNAN NILAI
RELATIVE HUMIDITY PADA MESIN
PENGERING SISTEM DEHUMIDIFIER
MENGGUNAKAN RESPON SURFACE
METHODOLOGY (RSM).
Modeling and Optimization of
Temperature and Air Flow Rate Variation
on Relative Humidity Value in Drying
Machines Dehumidifier System using
Respon Surface Methodology (RSM)
Moch Ginggy Syaiful Aziz, Bambang
Susilo, Sandra Malin Sutan.
Department of Agricultural Engineering,
University of Brawijaya, Jl. Veteran,
Malang, ZIP 65145, Indonesia
*E-mail: mochginggy1@gmail.com
ABSTRAK
Pengeringan memiliki banyak peran
dalam kehidupan, salah satunya dalam
bidang pangan. Dalam penanganan pasca
panen, pengeringan berperan dalam
berbagai kebutuhan, seperti pengawetan
dan pengolahan produk berkadar air
tinggi. Pada pengeringan konvensional,
umumnya dilakukan pada suhu yang
relatif tinggi. Hal ini dikarenakan
kandungan air pada udara pengering yang
masih tinggi harus diturunkan
menggunakan suhu yang tinggi. Sementara
pada sebagian bahan pangan, suhu yang
tinggi dapat menyebabkan kerusakan fisik
dan non fisik. Dengan demikian, solusi dari
permalasahan tersebut mengarah pada
pengeringan dengan suhu yang rendah.
Pada pengeringan suhu rendah dilakukan
menggunakan RH udara pengering yang
rendah. Penelitian ini menggunakan dua
tahapan penelitiam yaitu penelitian
pendahuluan menggunakan rancangan
factorial dengaan 2 faktor yaitu suhu (25 oC
dan 35 oC) dan debit (0.00182, 0.00334, dan
0.00486 m3/s) lalu dilanjutkan
menggunakan metode RSM rancangan
komposit terpusat dengan 2 faktor yaitu
suhu dan debit serta 1 respon yaitu nilai
RH. Nilai yang digunakan pada pengujian
tahapan kedua menggunakan hasil dengan
rerata terendah pada peneitian pertama.
Berdasarkan hasil penelitian dan analisa
softwere, diperoleh hasil model yang
signifikan dalam menggambarkan
hubungan antara faktor-faktor didalamnya
terhadap respon. Adapun didalam model,
hubungan faktor suhu pemanas terhadap
nilai RH dan debit udara terhadap nilai RH
adalah signifikan berdasarkan taraf
kepercyaan 5%. Model yang dipilih
berdasarkan softwere adalah model
polynomial ordo dua, yaitu model
kuadratik reduksi. Model persamaan yang
diperoleh dalam menggambarkan interaksi
antara faktor dan respon adalah y(Nilai RH) =
35.598 – 1.05607x1 (Suhu Pemanas) + 2.55355x2
(Debit Udara) + 0.0125x1 (Suhu Pemanas) – 0.75x2
2 2
(Debit Udara). Solusi optimum yang diberikan
berdasarkan rentang input suhu pemanas
dan debit aliran dalam penelitan ini adalah
suhu pemanas 40oC dan debit aliran 0.012
m3/s. Adapun nilai RH optimum yang
diperoleh adalah 14.918% berdasarkan hasil
prediksi dan 15% berdasarkan penelitian
dengan tingkat kesalahan 0.054%.
Kata Kunci : Pengeringan, RH,
Dehumidifier, Respon Surface Method
I. PENDAHULUAN
Pengeringan memiliki banyak peran
dalam kehidupan, salah satunya dalam
bidang pangan. Dalam penanganan pasca
panen, pengeringan berperan dalam
berbagai kebutuhan, seperti pengawetan
dan pengolahan produk berkadar air
tinggi. Pengeringan mempunyai pengertian
yaitu aplikasi pemanasan melalui kondisi
yang teratur, sehingga dapat
menghilangkan sebagian besar air dalam
suatu bahan dengan cara diuapkan
(Muarif, 2013).
Pada pengeringan konvensional,
umumnya dilakukan pada suhu yang
relatif tinggi. Hal ini dikarenakan
kandungan air pada udara pengering yang
masih tinggi harus diturunkan
menggunakan suhu yang tinggi. Sementara
pada sebagian bahan pangan, suhu yang
tinggi dapat menyebabkan kerusakan fisik
dan non fisik (Fitriani, 2008). Dengan
1
demikian, solusi dari permalasahan
tersebut mengarah pada pengeringan
dengan suhu yang rendah.
Pada pengeringan suhu rendah
dilakukan menggunakan RH udara
pengering yang rendah. Cara untuk
menurunkan nilai RH salah satunya adalah
dengan proses dehumidifikasi. Proses ini
dilakukan menggunakan alat yang disebut
dehumidifier. Menurut Suarnadwipa dan
Hendra (2008) prinsip kerja dehumidifier
adalah mengkondensasi uap air yang
terkandung dalam udara pengering.
Dengan pengeringan menggunakan RH
yang rendah, menyebabkan suhu
pengeringan juga rendah, sehingga tidak
merusak sifat fisik dan non fisik bahan
yang dikeringkan.
Dalam proses pengeringan RH
rendah, faktor yang berperan salah satunya
adalah suhu pemanas dan debit aliran.
Untuk mengetahui titik optimum dari
kombinasi faktor yang ada salah satunya
adalah menggunakan metode Respon
Surface Method (RSM). Metode permukaan
respon adalah kumpulan teknik matematis
dan statistik yang digunakan untuk
pemodelan dan analisis masalah dalam
suatu respon, dalam hal ini biasanya
merupakan kualitas suatu produk yang
dipengaruhi oleh beberapa variabel dan
tujuannya adalah untuk mengoptimasi
respon tersebut (Yang dan El-Haik, 2006).
Dengan demikian, melalui penelitian ini
bertujuan untuk menentukan titik optimum
dari perlakuan berupa suhu dan debit
aliran sekaligus model persamaan RSM
yang paling sesuai.
II. BAHAN DAN METODE
2.1 Alat dan Bahan
Penelitian ini dilakukan pada bulan
Juni 2019 di Laboratorium Teknik
Pengolahan Pangan dan Hasil Pertanian,
Jurusan Keteknikan Pertanian, Universitas
Brawijaya, Malang. Alat yang digunakan
pada penelitian ini antara lain: 1) Mesin
pengering biji RH rendah befungsi sebagai
alat pengering yang akan diuji; 2) Air
Conditioner (AC) berfungsi sebagai
pendingin udara dan penurun RH; 3) Kipas
berfungsi sebagai penggerak aliran udara
masuk; 4) Drive Motor berfungsi sebagai
2
pengatur kecepatan kipas; 5) Anemometer
berfungsi sebagai pengukur kecepatan
aliran udara yang masuk pada AC; 6)
Penampung berfungsi sebagai penampung
air hasil pengembunan dari AC; 7)
Hygrometer berfungsi sebagai pengukur
kelembaban udara pengering dan suhu; 8)
Stop Kontak berfungsi sebagai sumber
listrik; 9) Stopwatch berfungsi sebagai
pengukur lama waktu pengeringan; 10)
Penggaris berfungsi sebagai penguku
dimensi alat.
Adapun bahan yang digunakan pada
penelitian kali ini adalah udara bebas.
Penelitian ini tidak menggunakan bahan
untuk dikeringkan.
2.2 Metode Penelitian
Penelitian ini terdiri dari dua tahap.
Tahap pertama adalah pengujian
pendahuluan. Pada tahap ini bertujuan
untuk menentukan hubungan antara
varaibel yang digunakan serta
menggunakan kombinasi dengan nilai RH
terendah sebagai acuan untuk tahap
berikutnya. Adapun tahapan kedua adalah
optimasi menggunakan metode RSM
dengan rancangan komposit terpusat.
Tahapan ini bertujuan untuk mengetahui
pengaruh variabel perlakuan, menentukan
model matematika baik pada orde pertama
maupun kedua, serta menentukan nilai
optimum.
Pada tahap pertama, dilakukan
pengujian pendahuluan menggunakan
rancangan faktorial acak lengkap dengan
dua variabel bebas yaitu suhu pemanas dan
debit aliran serta respon yang digunakan
adalah nilai RH. Suhu pemanas yang
digunakan adalah 25oC dan 35oC. Nilai ini
dipilih karena menurut Azrai (2018), batas
suhu yang direkomendasikan untuk
pengeringan benih jagung adalah 38-43 oC.
Adapun debit aliran yang digunakan
adalah 0.00182, 0.00334, dan 0.00486 m3/s.
Pada pengujian ini dilakukan dengan dua
kali pengulangan. Selanjutnya dilakukan
uji anova untuk mengetahui hubungan
antara variabel bebas dan respon. Hasil
perlakuan dengan nilai RH terendah
selanjutnya akan digunakan sebagai acuan
untuk menentukan nilai pada tahap
berikutnya yaitu optimasi menggunakan
metode respon permukaan.
Pada tahap kedua, dilanjutkan
dengan penelitian menggunakan
rancangan komposit terpusat. Pada
rancangan ini terdiri dari 2 variabel bebas
yaitu suhu pemanas dan debit udara serta 1
respon yaitu nilai RH. Pada rancangan
komposit terpusat dengan 2 faktor
menggunakan 5 level yaitu terdiri dari titik
aksial positif (+1.414) dan negatif (-1.414),
titik faktorial positif (1) dan negative (-1),
dan titik pusat (0). Pada titik faktorial
positif dan negatif berfungsi sebagai batas
bawah dan batas atas interval nilai input
yang digunakan dengan kode numerik 1
dan -1. Adapun nilai aksial pada rancangan
2 faktor menggunakan titik aksial 1.414
yang selanjutnya mewakili nilai aksial
aktual berdasarkan nilai aktual dari titik
faktorial. Sehingga pada rancangan 2 faktor
akan diperoleh rancangan sebanyak 13
percobaan. Nilai interval yang digunakan
berdasarkan hasil dari perlakuan yang
menghasilkan nilai RH terendah pada
tahap pertama. Selanjutnya nilai tersebut
dimasukkan ke dalam softwere Design-
Expert 11.
2.3 Tahapan Penilitian
Dalam pelaksanaan penelitian ini
terdiri dari beberapa tahap, yaitu
menyusun rancangan penelitian,
menentukan titik pengukuran,
melaksanakan pengujian dan melakukan
analisis data. Pada setiap tahap terdiri dari
beberapa tahapan yang dijelaskan
sebagaimana berikut.
2.3.1 Penyusunan Rancangan Penelitian
Pada pelaksanaan penelitian ini,
tahapan pertama adalah penyusunan
rancangan penelitian yang akan digunakan.
Adapun tahapan penyusunan rancangan
penelitian adalah sebagai berikut : 1)
Menentukan metode penelitian yang terdiri
dari dua tahap, yaitu tahap pengujian dan
penentuan perlakuan terbaik
menggunakan rancangan faktorial. Lalu
tahap berikutnya menggunakan metode
permukaan respon (Respon Surface
Method) dengan rancangan komposit
terpusat (Central Composite Design). 2)
3
Menentukan variabel bebas yaitu
menggunakan dua faktor yang terdiri dari
suhu pemanas dan debit aliran, serta
menentukan respon yang akan dianalisa
yaitu nilai RH pada ruang pengering. 3)
Menentukan nilai interval faktor yang
digunakan yaitu pada tahap pertama
ditentukan sebagaimana didalam, dan
tahap kedua menggunakan hasil dari
perlakuan terbaik pada pengujian tahap
pertama. 4) Memasukkan nilai yang telah
ditentukan beserta nama faktor dan
satuannya ke dalam softwere Design-
Expert 11 pada tahap kedua.
2.3.2 Penentuan Titik Pengukuran
Setelah menyusun rancangan
penelitian, tahapan berikutnya adalah
menentukan titik pengukuran. Adapun
titik yang akan diukur adalah sebagai
berikut: 1) Ruangan, yaitu untuk mengukur
nilai RH dan suhu bola kering lingkungan
menggunakan hygrometer. Nilai RH dan
suhu bola kering digunakan untuk
mengetahui karakteristik udara pada
ruangan atau lingkungan. 2) Saluran keluar
dehumidifier, yaitu untuk mengukur RH
dan suhu bola kering hasil dehumidifikasi
menggunakan hygrometer. Nilai RH
dehumidifier berfungsi sebagai
pembanding perubahan RH sebelum dan
setelah melewati pemanas. 3) Saluran
pembuangan tetes embun, yaitu untuk
mengukur volume tetesan air hasil
kondensasi menggunakan gelas ukur.
Volume tetesan berfungsi untuk
memperoleh data kandungan uap air udara
lingkungan yang terkondensasi. 4) Saluran
aliran udara, yaitu untuk mengukur
kecepatan aliran udara menggunakan
anemometer. Kecepatan aliran berfungsi
untuk menentukan debit udara. 5) Ruang
pengering, yaitu untuk mengukur RH dan
suhu bola kering pada tempat pengeringan
bahan menggunakan hygrometer.
Pengukuran ini bertujuan untuk
menganalisa hasil nilai RH sekaligus
menentukan karakteristik udara pada titik
ini. Adapun skema udara dan letak titik
pengukuran ditampilkan pada Gambar 1.

Gambar 1. Skema Aliran Udara dan Letak
Titik Pengukuran
2.3.3 Langkah Penelitian
Setelah menentukan rancangan
penelitian dan titik pengukuran, tahap
berikutnya adalah pelaksanaan penelitian.
Sebelum melakukan penelitian, dilakukan
pengukuran kecepatan aliran kipas
menggunakan anemometer. Kecepatan
aliran kipas digunakan untuk menentukan
nilai debit yang digunakan yaitu
menggunakan rumus Q = Av, dimana debit
diperoleh dari perkalian luas permukaan
aliran udara dengan kecepatan aliran
udara. Luas permukaan pipa aliran udara
pada alat yang digunakan adalah sebesar
0.00151976 m2.
Langkah pelaksanaan penilitian yang
pertama adalah persiapan alat yang
digunakan. Persiapan ini meliputi
merangkai alat dehumidifier dengan alat
pengering biji. Setelah alat dirangkai,
selanjutnya adalah menghidupkan alat.
Menghidupkan alat meliputi menyalakan
AC pada dehumidifier dengan
menghubungkan pada stopkontak dan
menghidupkan kipas blower dengan
memutar tuas drive motor. Setelah itu
menyalakan mesin pemanas dengan
menghubungkan pada stopkontak. Dengan
demikian alat sudah dalam keadaan siap
digunakan. Setelah alat hidup, selanjutnya
adalah meletakkan gelas ukur di bawah
dehumidifier untuk menampung tetesan
air hasil kondensasi dan hygrometer untuk
mengukur RH lingkungan. Selanjutnya,
mengatur kecepatan aliran sesuai variasi
rancangan penilitian dengan memutar
drive motor kipas dan suhu pemanas
dengan memutar drive motor pemanas.
Setiap variasi perlakuan dilakukan selama
satu jam, dengan pengamatan setiap 20
4
menit. Pengamatan yang dilakukan
meliputi nilai RH dan suhu bola kering
ruang pengering, ruang dehumidifier, dan
lingkungan, volume tetesan dan kecepatan
aliran udara pembuangan. Adapun jeda
pergantian antar variasi perlakuan adalah 5
menit. Selanjutnya suhu dan kecepatan
aliran diatur pada variasi berikutnya.
Setelah data diperoleh, selanjutnya
memasukkan nilai RH pengering pada
softwere Design-Expert 11 untuk dilakukan
analisis hasil berdasarkan metode
permukaan respon.
2.3.4 Pengolahan dan Analisis Data
Pengolahan dan analisis data
dilakukan dengan menggunakan softwere
Design Expert 11. Data yang diperoleh
dimasukkan ke dalam rancangan komposit
terpusat dengan satu respon yaitu nilai RH.
Adapun tahapan analisis data adalah
sebagai berikut: 1) Pemilihan model, yaitu
berdasarkan sequential model sum of
square, lack of fit test dan model summary
static. Pemilihan model ini bertujuan untuk
mengetahui jenis model yang sesuai antara
faktor dan respon. 2) Analisa terhadap
model yang paling sesuai, yaitu
menggunakan uji Anova. Setelah
memperoleh model yang sesuai,
dilanjutkan dengan uji anova untuk
mengetahui hubungan antara beberapa
variabel yang menjadi dasar penelitian. 3)
Analisa kurva 3D dan penentuan hasil
model matematika dari variasi yang
digunakan. 4) Optimasi nilai respon dan
validasi hasil aktual terhadap hasil prediksi
model. Validasi dilakukan dengan
melakukan pengambilan data actual
berdasarkan kombinasi perlakuan
optimum yang telah diberikan oleh
software sebanyak 3 kali ulangan.
III. HASIL DAN PEMBAHASAN
3.1 Panelitian Pendahuluan
Berdasarkan hasil penelitian yang
ditampilkan pada Gambar 2, dari hasil
tersebut, diperoleh nilai RH tertinggi pada
perlakuan suhu pemanas 25oC dan debit
0.00486 m3/s dengan nilai RH 22.5%,
sementara nilai RH terendah terjadi pada
perlakuan suhu pemanas 35oC dan debit
0.00182 m3/s yaitu bernilai 16%.

Gambar 2. Nilai RH Ruang Pengering
Berdasarkan hasil penelitian,
diperoleh data bahwa semakin tinggi suhu
pemanas maka nilai RH semakin rendah
dan semakin rendah nilai debit udara,
maka nilai RH relatif semakin rendah.
Menurut Hasibuan (2005), udara yang
dipanaskan mengalami penurunan nilai
RH. Apabila nilai debit semakin rendah,
nilai RH cenderung semakin rendah. Hal
ini karena dilakukan pengujian tanpa
bahan sehingga tidak ada kadar air yang
mempengaruhi. Selain itu jika kecepatan
aliran semakin rendah, maka udara lebih
lambat ketika melalui evaporator sehingga
udara mengalami kondensasi yang lebih
tinggi. Menurut Amelia (2007), kecepatan
aliran mempengaruhi laju pengeringan,
karena udara jenuh cepat dialirkan dan
berganti dengan udara kering. Hal ini
berlaku pada pengeringan bahan.
Dari hasil tersebut, diperoleh hasil uji
anova. Pada hasil tersebut, diperoleh nilai p
pada perlakuan suhu pemanas sebesar
0.00175. Sehingga berdasarkan taraf
kepercayaan 5%, perlakuan suhu pemanas
memiliki pengaruh yang sangat nyata
terhadap penurunan nilai RH. Adapaun
pada perlakuan debit aliran diperoleh nilai
p sebesar 0.0385. Sehingga berdasarkan
taraf kepercayaan 5%, perlakuan debit
aliran memiliki pengaruh yang signifikan
terhadap penurunan nilai RH. Berdasarkan
penelitian yang dilakukan oleh Rahayu
(2012), diperoleh bahwa peningkatan suhu
memiliki pengaruh yang signifikan
terhadap penurunan nilai RH. Semakin
tinggi suhu udara, maka RH udara semakin
turun. Hal ini bias disebabkan karena suhu
yang tinggi membantu proses penguapan
udara lembab menjadi udara kering
sehingga kandungan air pada udara
5
semakin kecil. Menurut penelitian Hamdan
(2018), perlakuan debit aliran memiliki
pengaruh terhadap penurunan nilai RH.
Semakin rendah nilai debit aliran maka
semakin rendah RH udara yang dihasilkan.
Hal ini karena udara dengan kecepatan
aliran yang semakin rendah, akan
menerima kontak pada koil evaporator
yang semakin lama, sehingga proses
dehumidifikasi semakin tinggi.
3.2 Optimasi menggunakan RSM
Pada penelitian utama, digunakan
rancangan komposit terpusat. Rancangan
ini menggunakan nilai input berupa nilai
respon rata-rata terendah pada penelitian
pendahuluan sebagai acuan untuk
menentukan rentang input, yaitu suhu
pemanas 35 oC dan debit aliran 0.00182
m3/s. Faktor yang digunakan adalah suhu
pemanas (X1) dan debit aliran (X2),
sementara respon yang digunakan adalah
nilai RH (Y). Pada faktor suhu pemanas
(X1), nilai interval yang digunakan adalah
batas bawah 30oC dan batas atas 40oC.
Sementara pada faktor debit aliran,
digunakan batas bawah 0.0012 m3/s dan
batas atas 0.0027 m3/s. Rancangan ini
memiliki 5 level terkode, yaitu titik
faktorial negatif (-1) dan positif (1), titik
aksial negatif (-1.414) dan positif (1.414),
serta titik pusat (0). Titik faktorial negatif
mewakili nilai input batas bawah
sementara titik faktorial positif mewakili
batas atas. Pada rancangan ini akan
menghasilkan 13 satuan percobaan dengan
hasil seperti yang ditampilkan Tabel 1.
Tabel 1. Hasil Penelitian Rancangan
Komposit Terpusat
 Pada rancangan penelitian tersebut,
digunakan 9 kombinasi perlakuan yang
berbeda, dimana terdapat 1 kombinasi
yang dilakukan pengulangan sebanyak 5
kali. Dari hasil penelitian yang diperoleh,
nilai RH tertinggi terjadi pada kolom ke-6
dengan kombinasi perlakuan suhu 27.9 oC
dan debit 0.00195 m3/s yang menghasilkan
nilai RH sebesar 18%. Adapun nilai RH
terendah terjadi pada kolom 3, 9 dan 10
dengan masing-masing kombinasi yaitu
suhu 40 oC dan debit 0.0012 m3/s, suhu 42
oC dan debit 0.00195 m3/s, serta suhu 35 oC
Sequential Model Sum of Square
Pada pemilihan model berdasarkan
sequential model sum of square, model
yang dipilih merupakan model dengan
nilai p-value lebih rendah dari 0.05.
Adapun hasil analisa softwere berdasarkan
pemilihan model ini ditampilkan pada
Tabel 2.
Tabel 2. Hasil Analisa Sequential Model
Static

dan debit 0.00089 m3/s yang menghasilkan

nilai RH sebesar 15%. Adapun
pengulangan terjadi pada kombinasi suhu
35oC dan debit 0.00195 dengan nilai RH
yang konstan yaitu sebesar 16%. Hal ini
dapat disebabkan karena pembacaan oleh
alat ukur hanya menampilkan nilai secara
bulat. Dari hasil rancangan tersebut
Dari hasil tabel 4.2, model yang disarankan
diperoleh kecenderungan bahwa suhu
oleh softwere adalah model kuadratik.
yang tinggi dan debit aliran yang rendah
Model kuadratik memilki p-value 0.0072
menyebabkan penurunan RH semakin
dimana lebih rendah dari pada 0.05.
tinggi. Suhu yang tinggi menyebabkan
Sehingga model tersebut memiliki tingkat
udara yang membawa kandungan uap air
kesalahan sebesar 0.72%, lebih rendah dari
tinggi menjadi kering, sementara debit
toleransi kesalahan 5%. Adapun model 2FI
aliran yang semakin rendah berhubungan
memiliki nilai p-value sebesar 0.2348
dengan kecepatan aliran yang rendah
sehingga memiliki error sebesar 23.48%.
sehingga udara melewati evaporator
Dengan demikian model ini tidak layak
mengalami kontak yang lebih lama.
karena melebihi nilai alpha 5%. Pada model
kubik memiliki p-value sebesar 0.0823 atau
3.2.1 Analisis Pemilihan Model Statistik
tingkat kesalahan sebesar 8.23% sehingga
Pada analisis RSM dengan rancangan
komposit terpusat, model statistik yang model tersebut tidak cocok berdasarkan
taraf kepercayaan 5%. Adapun pada model
diuji terdiri dari model linier, model
linier, diperoleh p-value sebesar 0.0002 atau
interaksi dua faktor, model kuadratik dan
model kubik. Model tersebut digunakan tingkat kesalahan 0.02%. Meskipun lebih
sebagai pengembangan model empiris rendah dibanding model kuadratik, tetapi
yang diperoleh dari hasil penelitian dimana hasil pengujian menunjukkan ada
kecenderungan terhadap model yang lebih
menghubungkan antara nilai respon dan
tinggi sehingga softwere menyarankan
fakor, yang terdiri dari model ordo pertama
model kuadratik.
dan ordo kedua. Adapun model linier yang
digunakan merupakan persamaan dari y = Model Summary Static
β0 + β1x1 + β2x2. Pada model interaksi dua
faktor (2FI) persamaan yang digunakan Pada pemilihan model berdasarkan
adalah y = β0 + β1x1 + β2x2 + β3x1x2, dan hasil oleh softwere ditampilkan pada Tabel
model kuadratik dengan persamaan y = β0 3 sebagai berikut.
+ β1x1 + β2x2 + β3x12 + β4x22 + β5x1x2.
Model dipilih berdasarkan uji model
sequential model sum, model summary
static, dan lack of fit.

6
Tabel 3. Hasil Analisa Model Summary
Static
Dari hasil tersebut, diperoleh model
yang disarankan oleh softwere adalah
model kuadratik. Hal ini disebabkan model
kuadratik memiliki nilai PRESS terendah
dan R2 prediksi tertinggi. Selain itu model
ini juga memiliki standar deviasi, nilai R2,
dan Adjusted R2 terbaik kedua diantara
model yang lain. Dengan demikian
kombinasi hasil model kuadratik
berdasarkan kriteria pemilihan model
merupakan yang terbaik diantara model
yang lain. Adapun pada model kubik
memang diperoleh nilai standar deviasi,
nilai R2 dan Adjusted R2 terbaik, tetapi
model ini juga memiliki nilai R2 prediksi
dan nilai PRESS terburuk diantara model
yang lain. Sehingga model ini tidak
disarankan berdasarkan metode pemilihan
model. Sementara pada model linier,
diperoleh nilai standar deviasi, nilai R2 dan
nilai Adjusted R2 terburuk diantara model
lainnya. Adapun pada model 2F1 diperoleh
kombinasi yang tidak lebih baik
dibandingkan model kuadratik. Sehingga
pada pemilihan model ini, softwere
menyarankan model kuadratik.
Lack of Fit
Pada pemilihan model berdasarkan
lack of Fit, ditentukan berdasarkan nilai p-
value yang melebihi 0.05. Hal ini
disebabkan karena ini merupakan
pengujian ketidaktepatan model. Apabila
diperoleh nilai yang signifikan, maka
model tersebut perlu dilakukan uji lanjut ke
model yang lebih tinggi. Sehingga apabila
hasil yang diperoleh suatu model tidak
signifikan terhadap uji ketidaktepatan,
maka model tersebut telah sesuai.
Pengujian lack of fit adalah untuk
membuktikan bahwa model yang dipilih
memiliki ketidaktepatan yang tidak
signifikan (Myers at al, 2009). Uji lack of fit
7
dapat dilakukan jika rancangan penelitian
memiliki unit pengulangan.
3.2.2 Analisis Ragam Model Terpilih
Dari hasil pengujian model,
diperoleh model yang disarankan oleh
softwere, yaitu model kuadratik. Model
tersebut selanjutnya dianalis dengan anova
untuk mengatahui hubungan antar
variabel. Analisis ini bertujuan untuk
menentukan pengaruh suatu model
terhadap hasil suatu penelitian. Hasil
analisis ragam ditampilkan pada Tabel 4
berikut.
Tabel 4. Hasil Analisis Ragam Model
Terpilih
Pada analisis ragam model, softwere
memberikan kriteria bahwa model yang
baik memiliki selisih nilai adjusted R2 dan
predicted R2 kurang dari 0.2. Pada hasil uji
anova model terpilih yaitu model
kuadratik, diperoleh selisih adjusted dan
predicted R2 melebihi 0.2. Dengan
demikian, softwere menyarankan untuk
melakukan reduksi model. Setelah
dilakukan reduksi model dengan
menghilangkan satu faktor yang tidak
signifikan yaitu faktor AB, diperoleh hasil
uji anova model kuadratik reduksi seperti
pada tabel 4.4. Model ini telah memiliki
selisih adjusted dan predicted R2 kurang
dari 0.2, sehingga softwere menyatakan
model telah layak.
Selanjutnya, hasil analisa ragam
model kuadratik reduksi, diperoleh p-value
model yang lebih rendah dari 0.05,
sehingga model terpilih memiliki
hubungan yang siginifikan. Nilai p yang
lebih rendah dari 0.05 menunjukkan bahwa
antar variabel penelitian memiliki
hubungan yang signifikan terhadap model
terpilih (Efendi, 2009). Dari hasil yang
diperoleh, menunjukkan bahwa hanya ada
kemungkinan sebesar 0.01% pada nilai p
terjadi noise, sehingga model dinyatakan
signifikan. Selanjutnya nilai faktor A yaitu
suhu, memiliki nilai p yang lebih rendah
dari 0.05 sehingga juga dinyatakan
signifikan. Hal ini sesuai dengan penelitian
yang dilakukan Rahayu (2012), bahwa suhu
memiliki pengaruh yang signifikan
terhadap penurunan nilai RH. Nilai suhu
memiliki hubungan berbanding terbalik
dengan nilai RH. Selain itu, faktor B yang
merupakan debit, dan A2 yang merupakan
faktor suhu ordo dua memiliki nilai p yang
dinyatakan signifikan karena nilai p
dibawah 0.05. Sedangkan faktor B2
memiliki nilai p 0.1060 dimana melebihi
0.05, sehingga faktor tersebut tidak
signifikan. Menurut penelitian Hamdan
(2018), pengaruh debit terhadap penurunan
nilai RH adalah berbeda nyata. Nilai debit
memiliki hubungan berbanding lurus
dengan nilai RH. Adapun pada penelitian
ini, faktor B menunjukkan nilai signifikan,
namun pada B2 tidak signifikan. Pada hasil
ini, pengujian lack of fit tidak dapat
dilakukan karena tidak memiliki nilai pure
error. Menurut Myers (2009), Pengujian
lack of fit adalah untuk membuktikan
bahwa model yang dipilih memiliki
ketidaktepatan yang tidak signifikan
dimana melibatkan unit data pengulangan.
Pada hasil yang diperoleh, unit
pengulangan yang dilakukan memiliki nilai
respon yang sama, sehingga tidak dapat
dilakukan uji ketidaktepatan model.
Namun hasil model memiliki nilai R2
sebesar 0.9339. Semakin nilai R2 mendekati
nilai 1, maka hasil model semakin baik
dalam menggambarkan nilai aktual.
Dengan demikian, model ini sudah cukup
baik karena menyatakan bahwa 93% hasil
pada respon dipengaruhi oleh variabel
didalamnya. Sementara sisanya disebabkan
oleh faktor lain.
Dari analisis oleh softwere, diperoleh
model persamaan matematika polinomial
ordo dua yang ditampilkan dalam bentuk
kode dan aktual. Adapun persamaan RSM
untuk hubungan suhu pemanas (x1) dan
debit aliran (x2) terhadap nilai RH (y)
8
dalam bentuk faktor terkode adalah
sebagai berikut:
y = 16 – 0.9053x1 + 0.3018x2 + 0.3125x12-
0.1875x22……………………………...……..(1)
Adapun persamaan RSM untuk
hubungan suhu pemanas (x1) dan debit
aliran (x2) terhadap nilai RH (y) dalam
bentuk faktor aktual adalah sebagai
berikut:
y = 35.598 – 1.05607x1 + 2.55355x2 +
0.0125x12 – 0.75x22………………………….(2)
Persamaan tersebut selanjutnya
digunakan untuk menentukan nilai
prediksi respon. Nilai prediksi yang dicari
berdasarkan kombinasi rancangan
penelitian. Sehingga diperoleh
perbandingan antara nilai actual hasil
penelitian dengan nilai prediksi
berdasarkan model matematika yang
digunakan.
Perbandingan nilai aktual dan
prediksi digunakan untuk mengetahui
keakuratan model yang dihasilkan.
Selanjutnya nilai tersebut digambarkan
dalam grafik untuk mengetahui sebaran
nilai actual dan prediksi. Nilai actual
dinyatakan berupa kotak dan nilai prediksi
dinyatakan dalam bentuk garis linier. Pada
Gambar 2 menunjukkan grafik antara nilai
aktual dan prediksi. Pada hasil software
memberikan penjelasan pada grafik
tersebut bahwa standar deviasi memiliki
nilai sebesar 0.2714 dan nilai R2 sebesar
0.9339. Semakin tinggi nilai standar deviasi
maka data semakin menyebar dan memiliki
kecenderungan semakin besar antara data
penelitian. Adapun nilai R2 semakin
mendekati nilai satu, maka variabel
didalamnya memiliki pengaruh yang kuat
terhadap kondisi respon. Nilai R2 pada
grafik tersebut sudah cukup baik karena
mendekati 1. Nilai tersebut
mengindikasikan bahwa 93% faktor yang
mempengaruhi nilai respon berasal dari
faktor yang digunakan.
 untuk menunjukkan nilai RH yang semakin
kecil. Warna biru tua terjadi pada suhu
pemanas tertinggi dan debit udara
terendah, sementara nilai warna kuning
menggambarkan suhu pemanas terendah
dan debit udara tertinggi. Grafik yang
ditampilkan cenderung berbentuk linier.
Hal ini bisa dilihat pada warna kedua
ujung permukaan yang memiliki warna
yang berbeda.
(a)
Gambar 2. Grafik Sebaran Nilai Aktual dan
Prediksi

3.2.3 Respon Nilai RH

Pada Gambar 3 ditampilkan grafik

kontur hubungan antara faktor suhu
pemanas dan debit aliran terhadap nilai
RH. Faktor suhu digambarkan sebagai
garis horizontal dan debit sebagai garis
vertikal. Adapun pada nilai RH
digambarkan berupa warna. Warna pada (b)
grafik menunjukkan nilai RH. Pada grafik
terdiri dari warna merah, kuning, hijau,
biru muda dan bitu tua. Dimana nilai RH
terendah digambarkan dengan warna
semakin gelap yaitu biru muda, sedangkan
nilai RH tertinggi digambarkan dengan
warna yang semakin cerah, yaitu warna
merah. Dalam hal ini warna biru tua
menunjukkan nilai RH yang terkecil,
sementara warna kuning menunjukkan
nilai RH tertinggi. Interaksi antara faktor
suhu pemanas dan respon digambarkan
Gambar 3. Grafik Permukaan Respon
dengan garis lengkung yang cenderung
linier. Semakin tinggi suhu pemanas maka
3.2.4 Optimasi Nilai Respon
nilai respon semakin rendah. Hal ini sesuai
dengan pernyataan Hasibuan (2005),
Parameter nilai RH terbaik pada
bahwa semakin udara dipanaskan, maka
penelitian adalah mentukan nilai RH
nilai RH cenderung semakin turun.
terendah. Dengan demikian penentuan
Adapun interaksi faktor debit udara dan
nilai RH terbaik dilakukan dengan
respon digambarkan dengan garis
mendapatkan nilai RH terendah. Untuk
lengkung yang semakin tinggi nilai debit
mendapatkan nilai RH terbaik, maka
maka nilai respon juga semakin tinggi. Hal
dilakukan optimasi terhadap faktor-faktor
ini sesuai dengan beberapa penelitian
didalamnya untuk diperoleh kombinasi
terdahulu bahwa nilai debit yang semakin
terbaik yang menghasilkan nilai RH
rendah maka nilai RH juga semakin kecil.
terendah. Pada Tabel 4 menampilkan
Pada grafik permukaan 3D, grafik
bahwa berdasarkan rentang optimasi yang
tersebut menunjukkan interaksi faktor suhu
diberikan, maka softwere memberikan
pemanas dan debit udara pada permukaan
solusi berupa kombinasi faktor perlakuan
nilai RH. Warna kuning menunjukkan
dengan nilai RH terbaik diantara solusi
kondisi respon dengan nilai RH yang lebih
lain. Menurut softwere yang digunakan,
tinggi, sementara nilai biru tua digunakan
pada suhu pemanas 40 oC dan debit 0.0012
9
m3/s, maka RH yang diperoleh
berdasarkan model adalah 14.918%.
Tabel 5. Solusi Nilai Respon Optimum
Nilai ini dinyatakan sebagai nilai RH
terendah diantara kombinasi-kombinasi
lain didalam rentang yang diberikan.
Untuk menentukan keakuratan solusi
optimum, maka dinyatakan dengan nilai
desirability. Respon permukaan desirability
ditampilkan pada Gambar 4 berikut.
(a)
(b)
Gambar 4. Grafik Permukaan Desirability
Dari grafik tersebut ditampilkan nilai
desirability terbaik yaitu satu, yang terjadi
pada kombinasi nilai suhu pemanas
tertinggi dan nilai debit aliran terendah.
Adapun nilai desirability terburuk terjadi
pada kombinasi suhu pemanas terendah
dan debit aliran tertiinggi. Dari grafik yang
ditampilkan, maka dipilih solusi dengan
desiriability berwarna merah yaitu bernilai
satu. Solusi tersebut merupakan solusi
optimum yang dipilih untuk dilakukan
validasi terhadap nilai actual.
10
3.2.5 Validasi Kondisi Optimum
Untuk mengetahui keakuratan
solusi optimum dari model, maka
dilakukan perbandingan hasil prediksi
dengan nilai aktual. Nilai actual yang
dilakukan adalah berdasarkan kombinasi
faktor yang merupakan solusi optimum
dari model. Setelah dilakukan penelitian
pada kombinasi tersebut dengan 3 kali
ulangan, diperoleh perbandingan nilai
prediksi dengan rerata nilai aktual yang
ditampilkan pada Tabel 6 berikut.
Tabel 6. Perbandingan Nilai Optimum
Prediksi dan Aktual
Berdasarkan table tersebut, nilai
prediksi oleh softwere adalah 14.918
sementara rerata nilai aktual berdasarkan
pengujian adalah 15. Dari nilai tersebut
diperoleh perbedaan sebesar 0.082. Untuk
menguji validasi model dengan nilai
sesungguhnya, pembandingan dilakukan
dengan melihat perbedaan antara nilai
prediksi dan nilai actual dengan
menentukan tingkat keakuratan.
Berdasarkan hasil tersebut, diperoleh
ketidakakuratan antara selisih
perbandingan terhadap nilai prediksi yaitu
sebesar 0.0054%. Dengan demikian dapat
dikatakan bahwa antara hasil aktual
dengan hasil prediksi oleh model memiliki
tingkat kesalahan sebesar 0.0054%.
Berdasarkan tingkat kepercayaan 95%,
maka hasil model terhadap nilai aktual
dapat dikatakan sebagai model yang valid.
IV. KESIMPULAN
Berdasarakn hasil penelitian yang
dilakukan, diperoleh kesimpulan untuk
menjawab rumusan masalah sebagai
berikut:
1) Berdasarkan hasil penelitian dan analisa
softwere, diperoleh hasil model yang
signifikan dalam menggambarkan
hubungan antara faktor-faktor didalamnya
terhadap respon. Adapun didalam model,
hubungan faktor suhu pemanas terhadap
nilai RH dan debit udara terhadap nilai RH Muarif. 2013. Rancang Bangun Alat
adalah signifikan berdasarkan taraf Pengering. Politeknik Negeri
kepercyaan 5%. Sriwijaya.
2) Model yang dipilih berdasarkan softwere Myers, R., Montgomery, C., and Anderson-
adalah model polynomial ordo dua, yaitu Cook, M, C. 2009. Response Surface
model kuadratik reduksi. Model Methodology Process and Product
persamaan yang diperoleh dalam Optimizing Using Design
menggambarkan interaksi antara faktor Experiments, Third Edition. New
dan respon adalah y(Nilai RH) = 35.598 – York: John and Son, Inc.
1.05607x1 (Suhu Pemanas) + 2.55355x2 Rahayu, I.S. 2012. Rancang Bangun Mesin
(Debit Udara) + 0.0125x12 (Suhu Pemanas) Pengering RH (Relative Humidity)
– 0.75x22 (Debit Udara). Rendah untuk Memperbaiki
3) Kondisi optimum yang diberikan Kualitas Pengeringan Pada Bahan
berdasarkan rentang input suhu pemanas Pangan yang Sensitif Terhadap
dan debit aliran dalam penelitan ini adalah Panas. Skripsi. Universitas
suhu pemanas 40oC dan debit aliran 0.012 Brawijaya. Malang.
m3/s. Adapun nilai RH optimum yang Yang, K. and El-Haik, B. 2006. Design for
diperoleh adalah 14.918% berdasarkan hasil Six Sigma. United States: The
prediksi dan 15% berdasarkan penelitian McGraw-Hill Companies.
dengan tingkat kesalahan 0.054%.

V. UCAPAN TERIMAKASIH

Ucapan terimakasih sebanyak-

banyaknya ditujukan kepada Civitas
akademika Jurusan Keteknikan Pertanian
Fakultas Teknologi Pertanian Universitas
Brawijaya Malang yang telah membeikan
dukungan atas terlaksananya penelitian ini.

VI. DAFTAR PUSTAKA

Effendi, M. 2009. Optimasi Produk Etanol

dari Sampah Sisa Makanan oleh
Aspergillus Niger dan
Saccharomyces cerevisae NRRL
Menggunakan Respon Surface
Methodology. Tesis. Jurusan
Teknologi Hasil Pertanian.
Universitas Brawijaya: Malang
Fitriani, S. 2008. Pengaruh Suhu dan Lama
Pengeringan terhadap Beberapa
Mutu Manisan Bimbing Wuluh
Kering. Pengolahan Hasil Pertanian.
Riau. Universitas Riau.
Hamdan, M. 2018. Pengaruh Suhu dan
Debit terhadap Nilai Relative
Humidity pada Mesin Pengering
Sistem Dehumidifier Tipe Rak.
Skripsi. Universitas Brawijaya.
Malang

11