STATISTIKA : Respon Surface Methodology (RSM)

 Respon Surface Methodology (RSM)

Definisi Respon Surface Methodology (RSM)

Variabel proses yang dioptimasi dibutuhkan untuk memperoleh hasil yang optimal, dan tujuan tersebut RSM sering digunakan. RSM merupakan teknik statistik digunakan untuk penelitian yang mempunyai proses kompleks dan dipergunakan secara luas dalam penelitian teknologi pangan. RSM adalah gabungan teknik statistik dan matematika untuk rancangan percobaan, membangun model, evaluasi pengaruh faktor, dan mencari kondisi optimum dari faktor-faktor yang mempengaruhi respons. Kebanyakan RSM diaplikasikan pada bidang kimia atau proses teknik, riset industri, dan penelitian biologi (Assagaf dkk, 2012).

Central composite design(CCD)one of the most popular RSM due to Box and Wilson was selected as the experimental design method. There are three main varieti esof CCD, namely, Central Composite Circumscribed (CCC), central composite inscribed (CCI), and Central Composite Faced (CCF) ones. CCC design sare the original form of the central composite design.In the CCC design the lowand high values of each factor have been extended to create the star points (Cira et al, 2016). Desain komposit pusat (CCD) salah satu RSM paling populer karena Box dan Wilson dipilih sebagai metode desain eksperimental. Ada tiga variasi utama CCD, yaitu, Pusat Komposit Terpisah (CCC), komposit pusat bertulisan (CCI). ), dan yang dimiliki Central Composite Faced (CCF). Desain CSS menunjukkan bentuk asli dari desain komposit pusat. Dalam desain CCC, nilai rendah dan tinggi dari setiap faktor telah diperpanjang untuk menciptakan titik bintang (Cira dkk, 2016).

 Kelebihan dan Kekurangan Respon Surface Methodology (RSM)

Keuntungan utama dari RSM adalah berkurangnya jumlah unit percobaan yang dibutuhkan untuk memperoleh hasil yang secara statistik dapat diterima. Keunggulan RSM, secara praktis tidak terlihat secara langsung model first order maupun second order. Ketika persamaan (1) tidak memberikan lack-of-fit, maka titik optimal tidak terdapat pada desain first order tersebut. Untuk itu, level faktor yang diteliti harus “digeser” sedemikian rupa ke arah optimalisasi respon. Proses inilah yang disebut sebagai steepest ascent / descent. Pergeseran level-level faktor menuju ke arah kondisi respon optimum inilah yang menjadi keunggulan dalam RSM. Kelemahan dari metode RSM adalah harus diketahui terlebih dahulu variabel bebas yang digunakan mempengaruhi secara signifikan (kurang dari 5%) terhadap variabel respon (Santoso, 2010).

Kegunaan Umum Respon Surface Methodology (RSM)

Metode permukaan respon digunakan untuk menganalisis permasalahan optimalisasi tentang beberapa variabel bebas yang mempengaruhi variabel respon yang bertujuan untuk mengoptimumkan suatu respon. Metode permukaan respon digunakan karena respon dapat diperluas dengan menentukan titik-titik penyebab respon optimum baru. Metode permukaan respon dapat dinyatakan secara grafik dalam gambar tiga dimensi untuk memvisualisasikan bentuk konturnya. Permasalahan umum dalam metode permukaan respon adalah bentuk hubungan yang terjadi antara perlakuan dengan respon tidak diketahui (Sugiarto, 2009).

Persamaan Matematis Respon Surface Methodology (RSM)

RSM tidak lain sebuah model regresi linear yang memodelkan hubungan antara variable explanatory dan variable response. RSM mempunyai dua tahapan utama dalam analisisnya. Pertama, permodelan regresi first order, yang biasa dinyatakan dengan persamaan linier polinomial dengan order satu. Berikut adalah persamaan RSM first order dengan dua faktor :

                                     y =  +   +    +                  (1)

dimana  adalah faktor yang diteliti dalam eksperimen dan y adalah variabel respon. Berikutnya, langkah kedua dapat langsung diterapkan apabila persamaan (1) mengandung lack-of-fit yakni menaikkan derajat polinomial persamaan (1) menjadi second order atau derajat dua. Persamaan derajat dua adalah sebagai berikut :

                 y =  +   +    +    +    +  +                 (2).

Sedangkan hubungan antara respon y dan variabel bebas x adalah sebagai berikut :

y = f ( , ) +

dimana y adalah variabel respon, , ....  adalah variabel bebas/faktor, dan  adalah error (Marwan, 2010).

 Kriteria Kondisi Operasi Optimum dalam Model Respon Surface Methodology (RSM)

Kriteria kondisi operasi optimum adalah berdasarkan uji simpangan dari model, dimana suatu model dinggap tepat atau cocok dengan permasalahan apabila uji simpangan dari model bersifat tidak nyata secara statistik, meskipun mungkin kriteria yang lain cukup memuaskan. Pada bagian ini, akan ditentukan operasi optimum pada proses percobaan yang sedang dilakukan. Misalnya, pada proses percobaan pada pemurnian oksigen (Y) yang dipengaruhi oleh suhu (T) dan rasio tekanan (R). Dari informasi yang didapat, akan dibangun data percobaan leih lanjut dengan mengambil titik pusat pada suhu yang telah ditentukan. Pada tahap ini, akan dibangun model orde dua dengan menggunakan rancangan komposit pusat untuk mengumpulkan data (Marwan, 2010).

 Aplikasi Respon Surface Methodolgy (RSM) dalam Bidang Teknologi Agroindustri

Aplikasi RSM dalam bidang teknologi agroindustri salah satunya yaitu untuk mengidentifikasi pola kelelahan fisik para perokok aktif baik di beban kerja ringan, menengah, dan beban kerja yang berat dengan faktor suhu dan cahaya dengan menggunakan metode respon surface methodology (RSM). Dalam RSM terdapat enam tahapan yakni pemilihan variabel independent dan variabel respon, pemilihan desain eksperimen yang digunakan, pengambilan data, permodelan hasil eksperimen, identifikasi, bentuk respon dan verifikasi model (ANOVA), dan penentuan kondisi optimum.berdasarkan hasil pengolahan data pada beban kerja ringan dan beban kerja menengah memiliki fungsi pola pelana. Sedangkan pada beban kerja berat memiliki fungsi respon permukaan minimum (Farihah, 2016).