METODE PERMUKAAN RESPON

DAN APLIKASINYA PADA OPTIMASI

PRESENTASE EKTRASI BAHAN
PENGIKAT (BINDER) PADA PROSES
PRODUKSI KERAMIK
OLEH : SITI CHOIRUN NISAK
PROGRAM PASCASARJANA STATISTIKA
FAKULTAS MIPA
UNIVERSITAS BRAWIJAYA
2014

PENDAHULUAN

Metode permukaan respon (response surface methodology)

merupakan sekumpulan teknik matematika dan statistika yang
berguna untuk menganalisis permasalahan dimana beberapa
variabel independen mempengaruhi variabel respon dan tujuan
akhirnya adalah untuk mengoptimalkan respon.
Eksperimen dengan metode permukaan respon dilakukan dalam
dua tahap, yaitu eksperimen tahap I dan eksperimen tahap II.
Desain eksperimen yang digunakan pada eksperimen tahap I
adalah desain faktorial dua level, sedangkan desain eksperimen
yang digunakan pada eksperimen tahap II adalah Central
Composite Design (CCD).
Dalam eksperimen ini, variabel respon persentase ekstrak binder
(y) dipengaruhi oleh dua variabel independen yaitu debinding
temteratur (x1), debinding time (x2).

Rumusan Masalah

Rumusan

masalah

penggunaan

pada

metode

penelitian
permukaan

ini

adalah
response

bagaimana
dalam

mengoptimalisasikan presentase ekstrak binder ( bahan pengikat)

pada produksi keramik?

Tujuan Penelitian

Tujuan dari penelitian adalah untuk memahami peran metode

permukaan respon dalam menentukan nilai variabel-variabel
independen yang menyebabkan nilai respon persentase ekstrak
binder menjadi optimal.

Kajian Pustaka

Suatu hasil percobaan faktorial dengan faktor kuantitas yang

bersifat kontinyu dapat dianalisa dengan pendekatan regresi untuk
mendapatkan pendugaan respon yaitu dengan teknik matematika
dan statistika Response Surface Methodology (RSM).
RSM juga terdiri dari rancangan percobaan untuk meminimalkan
variansi dan optimasi dengan menggunakan pendugaan respon
yang dihasilkan.

Skema dari Metode permukaan respon dapat dijelaskan dalam gambar

berikut :

Uji Hipotesis dalam Model RSM

Sumber
Keragaman
Regresi
Linier
Kuadratik
Interaksi
Sisaan

Derajat Bebas
dbR = p
dbL
dbK
dbI=nc-1
dbRES = n-p-1

Jumlah
Kuadrat
JKR
JKL
JKK
JKI
JKRES

Kuadrat Tengah
KTR = JKR / dbR
KT L = JKL / dbL
KT K = JKK / dbK
KT I = JKI / dbI
KTRES = JKRES / dbRES

Lack-of-fit

dbLOF=n-m

JKLOF

KT LOF =JKLOF / dbLOF

Galat murni

dbE

JKE

KT E = JKE / dbE

Total

dbT= n-1

F hit
FR
FL
FK
FI

JKT

Pemecahan pada analisa ragam ini bisa berubah-ubah,

sesuai dengan kebutuhan penelitian. Tetapi, inti dari
pemecahan ini adalah memperkecil sisaan (residual) dari
sebuah regresi. Sehingga diharapkan penduga y hanya
dipengaruhi oleh x.

Umumnya percobaan dua faktor akan menerima model orde satu.

Tetapi kita harus mengantisipasi diterimanya second-order model
(model orde dua). Satu metode yang bisa dilakukan adalah
penambahan pengamatan pada titik pusat percobaan dengan nc
ulangan. Hal ini dilakukan karena titik pusat tidak
mempengaruhi pendugaan desain di 2k (Douglas, 2001).

Desain yang paling terkenal untuk mencocokkan model orde dua

yaitu dengan Central Composite Design (CCD). Berdasarkan
jarak star (axial) pointnya, ada tiga macam CCD, yaitu CCC
(Circumscribed), CCI (inscribed) dan CCF (Face-Center).

eksperimen tahap I adalah desain faktorial dua level, sedangkan

desain eksperimen yang digunakan pada eksperimen tahap II
adalah Central Composite Design (CCD).

TAHAPAN RSM

Langkah pertama dari metode permukaan respon adalah

menemukan hubungan antara respon y dengan variabel
independen xi melalui persamaan polinomial orde satu (model
orde I).

Selanjutnya pada keadaan mendekati respon, model order

dua atau lebih biasanya disyaratkan untuk mengaproksimasi
respon
karena
adanya
lengkungan
(curvature)
dalam
permukaannya.
model order dua dianggap mencukupi. Analisis pengepasan
permukaan respon order dua sering disebut juga sebagai analisis
kanonik.

Karakteristik Permukaan Respon

Misalkan ingin didapatkan nilai x1, x2,, xk yang megoptimalkan

respon yang diprediksikan. Jika nilai-nilai optimal ini ada, maka y
pada persamaan ordo dua merupakan himpunan yang
beranggotakan x1, x2,, xk
sedemikian sehingga turunan
parsialnya:

Dalam notasi matriks, persamaan tersebut dapat dinyatakan

sebagai:

Dimana,

Turunan dari persamaan ordo dua tersebut setelah diturunkan

terhadap parameter model diperoleh nilai stasioner berikut;

Dari titik stasioner tersebut diperoleh nilai respon optimal yang

diprediksikan terjadi pada titik-titik stasioner, yaitu:

Karakteristik permukaan respon digunakan untuk menentukan

jenis titik stasioner, apakah maksimum, minimum atau titik pelana.

Titik stasioner dapat diidentifikasi dengan mentransformasikan fungsi

respon dari titik asal x(0,0,...,0) ke titik stasioner x0 dan
sekaligus merotasikan sumbu koordinatnya, sehingga dihasilkan
fungsi respon sebagai berikut:

dengan:

: Variabel independen baru hasil transformasi

y0: Harga taksiran y pada titik stasioner x0

: Konstanta yang merupakan eigen value dari matrik

B, i = 1,2,,k

Karakteristik dari permukaan respon ditentukan oleh harga

. Jika
nilainya semua positif maka x0 adalah titik minimum, sedangkan jika
semua negatif maka x0 adalah titik maksimum, jika harganya
berbeda tanda diantara harga , maka x0 merupakan titik pelana.

METODE PENELITIAN

Data diperoleh dari penelitian yang dilakukan Louvet, F. and

Delplanque L. (2005) dalam penelitian Design Of Experiments: The
French touch, Les plans dexpriences : une approche pragmatique
et illustre, Alpha Graphic, Olivet, 2005] on page III.2 1 ff. Pada
penelitian tersebut digunakan metode response surface.
Data yang akan dianalisa dalam penelitian ini adalah data
percobaan faktorial tentang pengaruh suhu dan waktu terhadap
persentase bahan pengikat untuk pembuatan keramik .
Variabel bebas mempunyai dua faktor, yaitu debinding temperature
(x1) dan debinding time (x2). Debinding temperature (x1) mempunyai
tiga level faktor, yaitu 120, 130, dan 140; debinding time juga
mempunyai tiga level faktor, yaitu 40, 50, 60; dan dilakukan satu kali
ulangan.
Variabel terikat (respon) yaitu persentase bahan pengikat untuk
pembuatan keramik (percentage of extracted binder).

Metode Analisa dan Pengolahan Data

Pengolahan data dilakukan dengan menggunakan program XLSTAT.
Untuk analisa RSM digunakan toolbox DOE. Langkah-langkah untuk
analisa RSM adalah :
1. Membuat desain (rancangan) percobaan;
2. Membuat model regresi dari data yang ada;
3. Mengestimasi parameter menggunakan metode least square;
4. Menguji hipotesis;
5. Menginterpretasi hasil model;
6. Memprediksi respon optimum berdasarkan permukaan respon
dan contour yang didapat dari persamaan respon;
7. Mencari level yang menyebabkan respon optimum.

HASIL & PEMBAHASAN

RSM mempunyai dua model yang dapat menggambarkan hubungan

X dan Y, yaitu model orde satu dan model orde dua. Kedua model
mempunyai sedikit perbedaan pada desain percobaan yang akan
dianalisa. Kedua model ini harus dianalisa dan model orde satu
dianalisa terlebih dahulu. Apabila model orde satu sudah baik untuk
menggambarkan data, maka tidak perlu dilakukan analisa model
orde dua.
Tetapi bisa juga jika model ordo satu sudah baik untuk
menggambarkan data, kita harus mengantisipasi diterimanya
second-order model (model orde dua) dalam percobaan tersebut.

TAHAP I
Eksperimen orde pertama dilakukan dengan melakukan 6
pengamatan yang terdiri dari 4 pengamatan pada
kombinasi level dan 2 perlakuan untuk pengamatan pada
titik pusat dengan hasil pengamatan,
debinding
temperature

debinding
time

percentage of
extracted
binder

120

40

58.25

140

40

64.75

120

60

66.05

140

60

69.35

130

50

71.55

130

50

71.85

ANOVA orde pertama untuk mengetahui pengaruh masing-masing

variabel proses terhadap respon yang diamati. Hasil yang diperoleh adalah
sebagai berikut,
SK

db

JK

KT

Fhit

Regresi

62.45

31.225

Galat

69.8183333

23.272778

SDM

69.7733333

34.886667

GM

0.045

0.045

Total

132.268333

Ftab

Keterangan

1.3416963

9.5520945

775.25926

199.5

tidak signifikan

tidak tepat

Dari Tabel ANOVA dapat disimpulkan bahwa variabel debinding

temperature (x1) dan debinding time (x2) tidak berpengaruh signifikan
terhadap presentase ekstrak binder.
Nilai Fhitung untuk lack of fit adalah 775.259 lebih besar dari Ftabel
sebesar 199.5 yang berarti model orde pertama belum sesuai.
Percobaan orde kedua merupakan polynomial pangkat dua. Pada data
diperoleh bahwa model polynomial pangkat satu tidak sesuai untuk
menentukan titik optimum, sehingga perlu dilakukan dengan percobaan
polynomial yang lebih tinggi.

Penelitian Tahap II
Pada percobaan ini x1 merupakan variabel berat debinding
temperature dengan kode -1 (1200C), 0 (1300C) dan 1 (1400C), kode
x2 merupakan variabel debinding time dengan kode -1 (40 menit), 0
(50 menit) dan 1 (60 menit).
Desain CCD pada eksperimen tahap II menggunakan dua variabel
independen, sehingga nilai rotatabilitasnya = 22/4 =1.414213562
1,414. Oleh karena itu nilai 1,414 termasuk nilai yang digunakan
untuk pengkodean. Level-level factor yang lain ditentukan dengan
cara berikut,

Data presentase ekstrak bahan pengikat (binder)

pada penelitian tahap II:

Data pada model orde dua, agak berbeda dengan model orde satu.
Pada model orde dua data model orde satu ditambah dengan data
pada titik axialnya. Model permukaan respon yang dihasilkan adalah :

dengan statistic uji kesesuaian model disajikan pada table berikut,

S = 0.4095

R-Sq = 99.6%

R-Sq(adj) = 99.3%

Analysis of Variance for respon

Source
Regression
Linear
Square
Interaction
Residual Error
Lack-of-Fit
Pure Error
Total

DF
5
2
2
1
7
3
4
12

Seq SS
301.717
144.786
154.371
2.560
1.174
0.914
0.260
302.891

Adj SS
301.717
144.786
154.371
2.560
1.174
0.914
0.260

Adj MS
60.3434
72.3932
77.1854
2.5600
0.1677
0.3045
0.0650

F
359.92
431.79
460.38
15.27

P
0.000
0.000
0.000
0.006

4.69

0.085

Untuk memeriksa signifikansi model orde II, dapat dilihat p-value dari
regression atau dilihat dari nilai Fhitung terhadap F table dengan
derajat bebas (5,7) dan =0.05. Nilai F hitung dari model lebih dari F
table (359>3.97) dan p-value = 0,008 lebih kecil dari derajat signifikansi
= 5%, hal ini berarti variabel-variabel independen memberikan
sumbangan yang berarti dalam model. Selain itu dari model ordo II
diperoleh koefisisen determinasi sebesar 0.996 artinya 99.6 %
keragaman dari respon mampu di jelaskan oleh variabel bebasnya.

Uji Kesesuaian Model

H0 : Model sesuai (tidak ada Lack Of Fit)

H1 : Model tidak sesuai (ada Lack Of Fit)
Dari uji Lack of Fit terhadap model diperoleh p-value = 0,085
atau > derajat signifikansi = 0,05 sehingga tidak ada alasan
untuk menolak H0. Artinya model regresi cocok.

Uji Parameter Regresi

Source

Intercept

Value

Standard
error

Pr > |t|

Lower
bound
(95%)

Upper
bound
(95%)

71.550

0.183

390.736

< 0,0001

71.117

71.983

debinding temperature

2.728

0.145

18.841

< 0,0001

2.385

3.070

debinding time

3.265

0.145

22.552

< 0,0001

2.922

3.607

debinding temperature^2

-3.825

0.155

-24.639

< 0,0001

-4.192

-3.458

debinding time^2

-3.225

0.155

-20.774

< 0,0001

-3.592

-2.858

debinding temperature*debinding time

-0.800

0.205

-3.908

0.006

-1.284

-0.316

H0: i = 0, i = 1, 2, 3,, k
H1: Paling tidak ada satu i yang tidak sama dengan nol.
Hasil:
Dari Tabel koefisien regresi yang terbentuk terlihat bahwa p-value
kurang dari derajad signifikansi (p-value< = 0,05), maka diambil
keputusan untuk menolak H0. Artinya variabel-variabel independen xi
memberikan sumbangan yang berarti terhadap model.

Pengujian Asumsi Residual

Independensi

Kenormalan

Standardized residuals / percentage of extracted binder

Probability Plot of SRES1

Normal

13
12
11
10
9
8
7
6
5
4
3
2
1

Obse rvations

-0.5

-0.4

99

-0.3

-0.2

-0.1

Mean
StDev
N
KS
P-Value

95
90
80

Percent

70
60
50
40
30
20
10

0.1

0.2

Standardized re siduals

0.3

0.4

0.5

-3

-2

-1

0
SRES1

5.482794E-15
1.172
13
0.175
>0.150

Penentuan Titik Stasioner

Selanjutnya ditentukan titik-titik stasioner dengan menggunakan

analisis kanonik. Persamaan regresi ordo kedua dinyatakan dalam
notasi matriks seperti pada persamaan (2.4) daengan matrik
penyusunnya adalah,

Dengan demikian diketahui bahwa titik-titik stasioner dalam

model ordo kedua adalah 1,= dan x2,=. Selanjutnya variabel
asli dari titik-titik stasioner tersebut dapat ditentukan dengan
memanfaatkan hubungan antara variabel asli dan variabel kode,
yaitu:

Penentuan Titik Optimum

Berikutnya untuk mengetahui apakah titik-titik stasioner itu merupakan
titik dari respons maksimum, dibangun persamaan kanonik dengan
terlebih dahulu menentukan akar cirri.

Akar cirri menunjukkan nilai negative dengan demikian titik stasioner

merupakan titik maksimum.

Penentuan titik optimum juga dapat dilihat dari kurva kontur dan kurva
permukaan respon. Dengan diketahui 1, 2, dan maka dapat dibentuk
persamaan fungsi kanonik mengikuti persamaan (2.8) sebagai berikut:

Dengan persamaan tersebut dapat digambarkan permukaan dan kontur

dari respons untuk menentukan titik optimum yang diharapkan. Pada
penelitian ini digunakan dua variabel bebas sehingga terdapat satu plot
permukaan respons dan kontur yang dapat digambarkan.

Terlihat pada Gambar

kontur
bahwa
presentase
bahan
perekat mencapai titik
optimum pada suhu
antara 1320C sampai
dengan 1380C dan pada
waktu
diantara
50
samapai 56 menit. Pada
kurva permukaan respon
juga diperoleh hal yang
sama yaitu presentase
bahan perekat makin
tinggi
apabila
suhu
berada di antara level
1320C sampai dengan
1380C, sedangkan waktu
berada di antara level 50
sampai 56 menit.

Desirability Function

Berdasarkan kurva optimizer diatas Titik optimum dapat ditentukan yaitu disekitar
debinding temperature 1350 Celsius dan debinding time 54.3 minutes dengan
nilai respon yaitu presentase bahan pengikat lebih dari 72,59 %.

KESIMPULAN

DAFTAR PUSTAKA
Aunuddin. 2005. Statistika : Rancangan dan Analisa Data. Bogor :
IPBPress.
, F. and Delplanque L. 2005. Design Of Experiments: The French
touch, Les plans dexpriences : une approche pragmatique et
illustre, Alpha Graphic, Olivet, 2005] on page III.2 1 ff. An
experimental
design.
http://www.xlstat.com/en/learning-center/tutorials/generate-surfaceresponse-design-analysis.html
. Tanggal Akses 31 Maret 2014 Pukul 19.70 WIB.
Montgomery, Douglas C. 2001. Design and Analisis of Experiments
5th Edition. NewYork : John Wiley & Sons, Inc.

STARLIGHT
SHINE UPON U ALL

THANK YOU