Feedback

Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design).

Informasi dokumen
OPTIMASI FORMULA MINUMAN FUNGSIONAL BERBASIS KUNYIT (Curcuma domestica Val.), ASAM JAWA (Tamarindus indica Linn.), DAN JAHE (Zingiber officinale var. Amarum) DENGAN METODE DESAIN CAMPURAN (MIXTURE DESIGN) SKRIPSI ELIANA SUSILO F24070127 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011 OPTIMIZATION OF FUNCTIONAL BEVERAGE FORMULA BASED ON TURMERIC (Curcuma domestica Val.), TAMARIND (Tamarindus indica Linn.), AND GINGER (Zingiber officinale var. Amarum) WITH MIXTURE DESIGN METHOD Eliana Susilo, Rizal Syarief, Budi Nurtama Department of Food Science and Technology, Faculty of Agricultural Technology, Bogor Agricultural University, IPB Darmaga Campus, PO BOX 220, Bogor, West Java, Indonesia Phone +62 877 70378792, E-mail: eliana.susilo@yahoo.com ABSTRACT Turmeric, tamarind, and ginger have been widely used as Indonesian traditional beverage called “jamu”. “Jamu” is known for its functional characteristics, such as high antioxidant capacity. This beneficial factor makes “jamu” potential to be developed as a functional beverage. This study showed the optimization of functional beverage formula based on turmeric, tamarind, and ginger. The objective of this study is to discover an optimum functional beverage formula with high antioxidant capacity and good sensory qualities (colour, aroma, taste, and overall). The method used in the optimization of the formula was mixture design method. Design Expert (DX) 7.0® software was used as a tool in the optimization. The result reveals the optimum formula is a mixture with 5.0%(v/v) turmeric extract, 9.9%(v/v) tamarind extract, 15.1%(v/v) ginger extract, 40%(v/v) sugar solution, and 30%(v/v) water. The formula had antioxidant capacity of 0.1741mgAEq/ml. The sensory scores obtained for the formula are 4.40 for colour, 4.20 for aroma, 4.10 for taste, and 4.27 for overall (scale 1-7). The colour of the formula is yellow with ˚Hue of 68.5922˚ (L=47.0433, a=13.4500, b=34.3067). The formula has pH value of 3.60 and total soluted solid value of 14.90˚Brix. Keywords : functional beverage, optimization, and mixture design ii Eliana Susilo. F24070127. Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design). Di bawah bimbingan Rizal Syarief dan Budi Nurtama. 2011. RINGKASAN Indonesia memiliki kekayaan hayati yang sangat besar, di antaranya adalah tanaman obat dan rempah. Beberapa dari rempah-rempah yang sudah lama dikenal di Indonesia adalah kunyit, asam, dan jahe. Ketiga rempah tersebut sudah sejak lama digunakan, baik sebagai bumbu masakan maupun sebagai minuman fungsional (jamu). Sayangnya pembuatan minuman fungsional umumnya lebih mengutamakan kualitas sensori dan mengenyampingkan sifat fungsionalnya. Penelitian ini bertujuan untuk menentukan formula optimum minuman fungsional berbahan dasar kunyit, asam jawa, dan jahe yang dapat memberikan aktivitas antioksidan yang optimal serta dapat diterima secara sensori oleh konsumen. Penelitian ini dibagi menjadi beberapa tahap, yaitu (1) pembuatan rancangan formula dan respon, (2) pengukuran respon, (3) analisis respon, (4) optimasi formula, dan (5) verifikasi solusi formula optimum. Dari penelitian yang dilakukan, didapatkan formula minuman terpilih yang diharapkan dapat memberikan aktivitas antioksidan yang optimum dan dapat diterima secara sensori oleh konsumen. Pembuatan rancangan formula respon dilakukan dengan metode mixture design D-optimal. Rancangan formula yang dibuat kemudian digunakan untuk mendapatkan respon yang telah ditentukan, yaitu kapasitas antioksidan, pH, TPT, warna (nilai L, a , b, dan ˚Hue), serta hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall). Dari hasil analisis respon, diperoleh persamaan polinomial reduced cubic untuk respon kapasitas antioksidan, pH, L, organoleptik rasa, dan organoleptik keseluruhan, special cubic untuk respon a, b, ˚Hue, dan organoleptik warna, serta mean untuk respon TPT dan organoleptik bau. Persamaan-persamaan polinomial tersebut kemudian digunakan dalam tahap optimasi dengan memaksimalkan respon kapasitas antioksidan dan organoleptik (warna, bau, rasa, dan overall). Dari hasil optimasi dengan menggunakan program Design Expert 7.0® didapatkan empat solusi formula minuman optimum. Formula 1 menggunakan kombinasi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Formula 2 menggunakan kombinasi ekstrak kunyit sebesar 7.5%(v/v), ekstrak asam jawa sebesar 6.1%(v/v), dan ekstrak jahe sebesar 16.4%(v/v) yang menghasilkan nilai desirability sebesar 0.897. Formula 3 menggunakan kombinasi ekstrak kunyit sebesar 22.3%(v/v), ekstrak asam jawa sebesar 7.7%(v/v), dan tanpa menggunakan ekstrak jahe yang menghasilkan nilai desirability sebesar 0.848. Formula 4 juga tidak menggunakan ekstrak jahe dan hanya menggunakan kombinasi ekstrak kunyit sebesar 8.8%(v/v) serta ekstrak asam jawa sebesar 21.2%(v/v) yang menghasilkan nilai desirability sebesar 0.784. Dari keempat solusi formula optimum, formula 1 memiliki nilai desirability paling tinggi. Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Oleh karena itu, akan dilakukan verifikasi terhadap formula 1 untuk mendapatkan hasil aktual dari respon-respon yang telah diprediksikan. iii Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.β7 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.β0˚Brix. iv OPTIMASI FORMULA MINUMAN FUNGSIONAL BERBASIS KUNYIT (Curcuma domestica Val.), ASAM JAWA (Tamarindus indica Linn.), DAN JAHE (Zingiber officinale var. Amarum) DENGAN METODE DESAIN CAMPURAN (MIXTURE DESIGN) SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN pada Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian Institut Pertanian Bogor Oleh ELIANA SUSILO F24070127 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011 v Judul Skripsi Nama NIM : Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design) : Eliana Susilo : F24070127 Menyetujui: Dosen Pembimbing I, Dosen Pembimbing II, (Prof. Dr. Ir. Rizal Syarief, DESS) NIP 19480409.197302.1.001 (Dr. Ir. Budi Nurtama, M.Agr.) NIP 19590415.198601.1.001 Mengetahui: Plt. Ketua Departemen, (Dr. Ir. Nurheni Sri Palupi, M.Si.) NIP 19610802 198703.2.002 Tanggal Ujian Akhir Sarjana : 31 Mei 2011 vi PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design) adalah hasil karya saya sendiri dengan arahan dosen pembimbing akademis dan belum diajukan dalam bentuk apa pun pada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Bogor, 19 Mei 2011 Yang membuat pernyataan, Eliana Susilo F24070127 vii BIODATA PENULIS Eliana Susilo lahir di Tangerang, 8 November 1990 dari pasangan ayah Iman Susilo dan ibu Kwan Giok Lian sebagai anak pertama dari tiga bersaudara. Penulis menamatkan pendidikan jenjang SD di SD Perguruan Buddhi Tangerang (2001), jenjang SMP di SMP Strada St. Maria II Tangerang (2003), jenjang SMA di SMA Strada St. Thomas Aquino (2007), dan jenjang S1 di Institut Pertanian Bogor (2011) dengan Mayor Ilmu dan Teknologi Pangan serta Minor Komunikasi. Selama mengikuti perkuliahan, penulis aktif dalam beberapa kegiatan kemahasiswaan, antara lain sebagai bendahara Keluarga Mahasiswa Buddhis Institut Pertanian Bogor (2008-2010) dan reporter Majalah Emulsi (2009-2010). Selain itu, penulis juga aktif di berbagai kegiatan kepanitiaan, yaitu sebagai Koordinator Dana Usaha Dies Natalis UKM KMB IPB (2008), Koordinator Divisi Konsumsi Malam Keakraban UKM KMB IPB (2009), anggota Divisi Hubungan Masyarakat Lomba Cepat Tepat Ilmu Pangan XVII (2009), dan anggota Divisi Hubungan Masyarakat Masa Perkenalan Departemen ITP “Baur” (β009). Penulis juga berkesempatan menjadi asisten praktikum Matakuliah Fisika Dasar (2008-2009) dan Mikrobiologi Pangan (2010-2011) serta memperoleh beasiswa Peningkatan Prestasi Akademik/PPA (2009-2010) dan beasiswa Tanoto Foundation (2010-2011). Penulis juga ikut serta dalam beberapa seminar, di antaranya sebagai peserta dalam National Student’s Paper Competition Seminar (2007), moderator National Student’s Paper Competition Seminar (2010), juri Lomba Cepat Tepat Ilmu Pangan XVIII (2010), dan peserta dalam 1st Indonesian Food Bowl Quiz Seminar (2011). Prestasi yang pernah diraih oleh penulis semasa kuliah adalah Juara II 1 st Indonesian Food Bowl Quiz Competition (2011). Tulisan-tulisan yang pernah penulis hasilkan bersama dengan rekan-rekan sedisiplin ilmu adalah “Pemanfaatan Mikrokapsul Minyak Buah Merah (Pandanus conoideus) sebagai Solusi Permasalahan Gizi Buruk Bangsa Indonesia”, “Pemanfaatan Ekstrak Angkak dalam Pembuatan Yogurt Rendah Lemak Kaya Antioksidan”. Sebagai tugas akhir, penulis melakukan penelitian yang berjudul “Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design)”. viii KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2011 ini adalah optimasi formula, dengan judul “Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design)”. Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu dalam penyelesaian karya ilmiah ini, yaitu: 1. Keluarga tercinta: Papa Iman Susilo, Mama Kwan Giok Lian, serta Adik Herry Lou dan Karina Louis. Terima kasih atas segala dukungan, doa, dan kasih sayang yang telah diberikan. 2. Prof. Dr. Ir. Rizal Syarief, DESS dan Dr. Ir. Budi Nurtama, M.Agr. selaku pembimbing akademik. Terima kasih atas saran, bimbingan, dan perhatian yang telah diberikan. 3. Dr. Ir. Sukarno, M.Sc. selaku penguji sidang. Terima kasih atas kesediaan waktu dan saran yang telah diberikan. 4. Zefanya Sentheo atas segala bantuan, pengorbanan, dukungan, dan doa yang telah diberikan. 5. Sahabat-sahabat terkasih sepanjang masa: Dessy Luciana, Melia Christian, Reggie Surya, Andreas Romulo, Amelia Safitri, Michael Devega, Yohana Maria Leoni, dan Caera Ram. Terima kasih atas doa, dukungan, dan bantuan yang telah diberikan. 6. Rekan-rekan kelompok praktikum P2 yang sangat berkesan: Belinda, Mumun, Kenny, Indri, Rozak, Septi, Anisa, Bertha, Ronald, Bu Elmiati, Tiara, Irsyad, Iman, Dinda, Adi, Andri, Vendry, dan teman-teman lain yang tidak bisa disebutkan satu per satu. 7. Rekan-rekan ITP yang sangat ber`kesan: Puji, Andrew, Daniel, Amelinda, Trancy, Elisabeth, Marisa, Punjung, Cherish, Meiada, Fransiska, Agy, Sindu, Adelina, Sally, Sarinah, Tiur, Wahyu, Bangkit, Gilang, dan teman-teman lain yang tidak bisa disebutkan satu per satu. 8. Rekan-rekan selama menyelesaikan studi di IPB yang sangat berkesan yang tidak dapat disebutkan satu per satu. 9. Para guru dan dosen yang telah memberikan ilmu, dari jenjang TK sampai universitas yang tidak dapat disebutkan satu per satu. 10. Seluruh analis dan teknisi laboratorium di Seafast Center dan Departemen Ilmu dan Teknologi Pangan atas bantuan yang telah diberikan, terutama Bu Sri, Bu Antin, Bu Rubiah, Bu Ary, Bu Siti, Pak Taufik, Pak Rozak, Pak Sobirin, dan Pak Wahid. 11. Seluruh pegawai Departemen Ilmu dan Teknologi Pangan atas bantuan yang telah diberikan, terutama Bu Novi, Bu Anie, dan Bu Kokom. Akhirnya penulis berharap semoga tulisan ini dapat bermanfaat dan memberikan kontribusi yang nyata terhadap perkembangan ilmu pengetahuan di bidang teknologi pangan. Terima kasih. Bogor, 19 Mei 2011 Eliana Susilo ix DAFTAR ISI KATA PENGANTAR .................................................................................................................... IX DAFTAR ISI ................................................................................................................................... X DAFTAR TABEL ......................................................................................................................... XII DAFTAR GAMBAR .................................................................................................................... XIII DAFTAR LAMPIRAN.................................................................................................................. XV I. PENDAHULUAN ....................................................................................................................... 1 A. LATAR BELAKANG ............................................................................................................ 1 B. TUJUAN PENELITIAN ........................................................................................................ 2 C. MANFAAT PENELITIAN .................................................................................................... 2 II. TINJAUAN PUSTAKA .............................................................................................................. 3 A. ANTIOKSIDAN .................................................................................................................... 3 B. ANTIOKSIDAN ALAMI ....................................................................................................... 5 C. REMPAH-REMPAH SEBAGAI SUMBER ANTIOKSIDAN ALAMI ................................... 6 D. KUNYIT (Curcuma domestica Val.) ...................................................................................... 7 E. ASAM JAWA (Tamarindus indica Linn.)............................................................................... 9 F. JAHE (Zingiber officinale) ................................................................................................... 11 G. MINUMAN FUNGSIONAL TRADISIONAL ...................................................................... 14 H. MIXTURE EXPERIMENT .................................................................................................... 15 III. METODOLOGI PENELITIAN ................................................................................................. 17 A. BAHAN DAN ALAT........................................................................................................... 17 B. METODE PENELITIAN ..................................................................................................... 17 1. PERSIAPAN BAHAN BAKU ........................................................................................ 17 A. EKSTRAKSI KUNYIT .............................................................................................. 17 B. EKSTRAKSI ASAM JAWA ...................................................................................... 17 C. EKSTRAKSI JAHE ................................................................................................... 18 D. PEMBUATAN LARUTAN STOK GULA ................................................................. 18 2. PEMBUATAN RANCANGAN FORMULA DAN RESPON DENGAN PROGRAM DESIGN EXPERT 7.0® ................................................................................................... 18 3. PEMBUATAN FORMULA MINUMAN ........................................................................ 19 4. ANALISIS KIMIA, FISIK, DAN ORGANOLEPTIK ...................................................... 21 A. KAPASITAS ANTIOKSIDAN (LEONG, SHUI 2002)............................................... 21 B. NILAI pH (FARIDAH ET AL. 2009).......................................................................... 21 C. NILAI TPT (AOAC 1995) ......................................................................................... 22 D. ANALISIS WARNA (HUTCHING 1999) .................................................................. 22 E. UJI RATING HEDONIK ............................................................................................ 23 5. ANALISIS RESPON ...................................................................................................... 23 x 6. OPTIMASI FORMULA .................................................................................................. 24 7. VERIFIKASI .................................................................................................................. 24 IV. HASIL DAN PEMBAHASAN .................................................................................................. 26 A. RANCANGAN FORMULA DAN RESPON ........................................................................ 26 B. HASIL PENGUKURAN RESPON FORMULA MINUMAN ............................................... 27 C. ANALISIS RESPON DENGAN PROGRAM DESIGN EXPERT 7.0® .................................. 29 1. ANALISIS RESPON KAPASITAS ANTIOKSIDAN...................................................... 29 2. ANALISIS RESPON pH ................................................................................................. 33 3. ANALISIS RESPON TPT ............................................................................................... 37 4. ANALISIS RESPON WARNA ....................................................................................... 39 A. ANALISIS RESPON L .............................................................................................. 39 B. ANALISIS RESPON a ............................................................................................... 43 C. ANALISIS RESPON b .............................................................................................. 46 D. ANALISIS RESPON ˚HUE ....................................................................................... 49 5. ANALISIS RESPON ORGANOLEPTIK ........................................................................ 53 A. ANALISIS RESPON ORGANOLEPTIK WARNA .................................................... 53 B. ANALISIS RESPON ORGANOLEPTIK BAU .......................................................... 56 C. ANALISIS RESPON ORGANOLEPTIK RASA ........................................................ 58 D. ANALISIS RESPON ORGANOLEPTIK KESELURUHAN (OVERALL) .................. 62 D. OPTIMASI FORMULA DENGAN PROGRAM DESIGN EXPERT 7.0®.............................. 65 E. VERIFIKASI SOLUSI FORMULA OPTIMUM ................................................................... 69 V. SIMPULAN DAN SARAN ....................................................................................................... 72 A. SIMPULAN ......................................................................................................................... 72 B. SARAN…………………………………………………………………………………………73 DAFTAR PUSTAKA…………………………………………………………………………...…….74 LAMPIRAN…………………………………………………………………………………………...79 xi DAFTAR TABEL Halaman Tabel 1. Senyawa yang berperan dalam penangkalan radikal bebas secara ekstraseluler ..................... 4 Tabel 2. Senyawa aktif di dalam beberapa rempah-rempah ................................................................ 6 Tabel 3. Komposisi kimia rimpang kunyit per 100 gram (BB) bahan yang dapat dimakan .................. 9 Tabel 4. Komposisi kimia asam jawa per 100 gram (BB) bahan yang dapat dimakan ....................... 10 Tabel 5. Komposisi kimia jahe segar per 100 gram (bb) dan jahe kering per 100 gram (bk) .............. 12 Tabel 6. Hubungan ˚Hue dengan warna sampel ............................................................................... 22 Tabel 7. Rancangan formula dari program Design Expert 7.0® ........................................................ 27 Tabel 8. Hasil keseluruhan pengukuran dan perhitungan respon total seluruh formula ...................... 28 Tabel 9. Hubungan ˚Hue dengan warna formula minuman yang diukur ........................................... 50 Tabel 10. Komponen dan respon yang dioptimasi, target, batas, dan importance pada tahapan optimasi formula .......................................................................................................................... 66 Tabel 11. Prediksi dan hasil verifikasi nilai respon solusi formula optimum hasil optimasi dengan program Design Expert 7.0® .......................................................................................... 71 xii DAFTAR GAMBAR Halaman Gambar 1. Sistem pertahanan antioksidan secara enzimatik (Langseth 1995) ..................................... 4 Gambar 2. Kunyit segar, kunyit yang telah dikupas, dan bubuk kunyit ............................................... 7 Gambar 3. Struktur pigmen kurkumin (Purseglove et al. 1981) .......................................................... 8 Gambar 4. Buah asam jawa segar ...................................................................................................... 9 Gambar 5. Jahe putih kecil .............................................................................................................. 11 Gambar 6. Struktur kimia gingerol (Purseglove et al. 1981)............................................................. 13 Gambar 7. Struktur kimia shogaol (Purseglove et al. 1981) ............................................................. 13 Gambar 8. Reaksi shogaol menjadi zingerone (Purseglove et al. 1981) ............................................ 13 Gambar 9. Rancangan diagram alir penelitian ................................................................................. 20 Gambar 10. Grafik kenormalan internally studentized residuals respon kapasitas antioksidan .......... 32 Gambar 11. Grafik countour plot hasil uji respon kapasitas antioksidan ........................................... 32 Gambar 12. Grafik tiga dimensi hasil uji respon kapasitas antioksidan ............................................. 33 Gambar 13. Grafik kenormalan internally studentized residuals respon pH ...................................... 35 Gambar 14. Grafik countour plot hasil uji respon pH....................................................................... 36 Gambar 15. Grafik tiga dimensi hasil uji respon pH......................................................................... 36 Gambar 16. Grafik kenormalan internally studentized residuals respon TPT.................................... 38 Gambar 17. Grafik countour plot hasil uji respon TPT..................................................................... 38 Gambar 18. Grafik tiga dimensi hasil uji respon TPT ...................................................................... 39 Gambar 19. Grafik kenormalan internally studentized residuals respon L ........................................ 41 Gambar 20. Grafik countour plot hasil uji respon L ......................................................................... 42 Gambar 21. Grafik tiga dimensi hasil uji respon L ........................................................................... 42 Gambar 22. Grafik kenormalan internally studentized residuals respon a ......................................... 44 Gambar 23. Grafik countour plot hasil uji respon a.......................................................................... 45 Gambar 24. Grafik tiga dimensi hasil uji respon a ........................................................................... 46 Gambar 25. Grafik kenormalan internally studentized residuals respon b......................................... 48 Gambar 26. Grafik countour plot hasil uji respon b ......................................................................... 49 Gambar 27. Grafik tiga dimensi hasil uji respon b ........................................................................... 49 Gambar 28. Grafik kenormalan internally studentized residuals respon ˚Hue ................................... 51 Gambar 29. Grafik countour plot hasil uji respon ˚Hue .................................................................... 52 Gambar γ0. Grafik tiga dimensi hasil uji respon ˚Hue...................................................................... 52 Gambar 31. Grafik kenormalan internally studentized residuals respon organoleptik warna ............. 55 Gambar 32. Grafik countour plot respon organoleptik warna ........................................................... 55 Gambar 33. Grafik tiga dimensi hasil uji respon organoleptik warna ................................................ 56 Gambar 34. Grafik kenormalan internally studentized residuals respon organoleptik bau ................. 57 xiii Gambar 35. Grafik countour plot hasil uji respon organoleptik bau .................................................. 58 Gambar 36. Grafik tiga dimensi hasil uji respon organoleptik bau.................................................... 58 Gambar 37. Grafik kenormalan internally studentized residuals respon organoleptik rasa ................ 60 Gambar 38. Grafik countour plot hasil uji respon organoleptik rasa ................................................. 61 Gambar 39. Grafik tiga dimensi hasil uji respon organoleptik rasa ................................................... 62 Gambar 40. Grafik kenormalan internally studentized residuals respon organoleptik keseluruhan .. 64 Gambar 41. Grafik countour plot hasil uji respon organoleptik keseluruhan ..................................... 65 Gambar 42. Grafik tiga dimensi hasil uji respon organoleptik keseluruhan ....................................... 65 Gambar 43. Grafik countour plot nilai desirability formula 1........................................................... 69 Gambar 44. Grafik tiga dimensi nilai desirability formula 1............................................................. 69 xiv DAFTAR LAMPIRAN Halaman Lampiran 1a. Rekapitulasi data pengukuran kapasitas antioksidan standar asam askorbat ................. 80 Lampiran 1b. Kurva standar kapasitas antioksidan asam askorbat .................................................... 80 Lampiran 1c. Rekapitulasi data uji kapasitas antioksidan formula minuman ..................................... 81 Lampiran 2. Rekapitulasi data pengukuran pH formula minuman .................................................... 82 Lampiran 3. Rekapitulasi data pengukuran TPT formula minuman .................................................. 82 Lampiran 4. Rekapitulasi data nilai L formula minuman .................................................................. 83 Lampiran 5. Rekapitulasi data nilai a formula minuman .................................................................. 84 Lampiran 6. Rekapitulasi data nilai b formula minuman .................................................................. 85 Lampiran 7. Rekapitulasi data nilai ˚Hue formula minuman ............................................................ 86 Lampiran 8. Scoresheet uji rating hedonik formula minuman .......................................................... 87 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman ...................................... 88 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman ........................................ 92 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman ....................................... 96 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman ..........................100 Lampiran 13. ANOVA dan persamaan polinomial respon kapasitas antioksidan .............................104 Lampiran 14. ANOVA dan persamaan polinomial respon pH .........................................................105 Lampiran 15. ANOVA dan persamaan polinomial respon TPT .......................................................106 Lampiran 16. ANOVA dan persamaan polinomial respon nilai L....................................................107 Lampiran 17. ANOVA dan persamaan polinomial respon nilai a ....................................................108 Lampiran 18. ANOVA dan persamaan polinomial respon nilai b ....................................................109 Lampiran 19. ANOVA dan persamaan polinomial respon nilai ˚Hue ..............................................110 Lampiran 20. ANOVA dan persamaan polinomial respon organoleptik warna ................................111 Lampiran 21. ANOVA dan persamaan polinomial respon organoleptik bau ....................................112 Lampiran 22. ANOVA dan persamaan polinomial respon organoleptik rasa ...................................113 Lampiran 23. ANOVA, dan persamaan polinomial respon organoleptik keseluruhan ......................114 Lampiran 24. Rekapitulasi data running formula untuk mendapatkan formula optimum ..................115 Lampiran 25. Solusi formula optimum yang dihasilkan dalam tahapan optimasi .............................115 Lampiran 26b. Kurva standar kapasitas antioksidan asam askorbat pada tahap verifikasi solusi formula optimum ........................................................................................................................116 Lampiran 26c. Rekapitulasi data hasil pengukuran kapasitas antioksidan verifikasi formula optimum .....................................................................................................................................116 Lampiran 27. Rekapitulasi data hasil pengukuran pH verifikasi formula optimum ...........................117 Lampiran 28. Rekapitulasi data hasil pengukuran TPT verifikasi formula optimum.........................117 Lampiran 29. Rekapitulasi data hasil pengukuran nilai L verifikasi formula optimum .....................117 xv Lampiran 30. Rekapitulasi data hasil pengukuran nilai a verifikasi formula optimum ......................117 Lampiran 31. Rekapitulasi data hasil pengukuran nilai b verifikasi formula optimum ......................118 Lampiran 32. Rekapitulasi data nilai ˚Hue verifikasi formula optimum ...........................................118 Lampiran 33. Scoresheet uji rating hedonik verifikasi formula optimum.........................................119 Lampiran 34. Rekapitulasi data uji rating hedonik verifikasi formula optimum ...............................120 Lampiran 35. Color chart verifikasi formula optimum....................................................................121 xvi I. PENDAHULUAN A. LATAR BELAKANG Dewasa ini, terutama di negara maju, tampak kecenderungan konsumen dalam mengonsumsi makanan untuk mempertimbangkan pengaruh makanan yang dikonsumsi terhadap kesehatan tubuhnya disamping kelezatan dan nilai gizi produk tersebut (Goldberg 1994). Semakin banyaknya konsumen yang sadar akan kesehatan dan maraknya gaya hidup sehat menempatkan fungsi pangan tidak lagi terbatas hanya dua tetapi menjadi tiga macam. Pangan selain berfungsi untuk mensuplai kebutuhan gizi dan kelezatan dengan cita rasanya, pangan juga berfungsi untuk menjaga kesehatan dan kebugaran tubuh. Bahkan bila dimungkinkan dapat menyembuhkan atau menghilangkan efek negatif dari penyakit tertentu. Kenyataan ini menuntut suatu bahan tidak lagi sekedar bergizi dan lezat tetapi juga dapat bersifat fungsional. Fenomena pangan fungsional melahirkan paradigma baru dalam modifikasi berbagai produk olahan pangan yang memberikan sifat fungsional. Tujuan pengembangan pangan fungsional antara lain untuk memperbaiki fungsi-fungsi fisiologi agar dapat melindungi tubuh dari penyakit, khususnya penyakit degeneratif seperti atherosklerosis, katarak, kanker, autoimun, dan penuaan dini. Indonesia memiliki kekayaan hayati yang sangat besar, di antaranya adalah tanaman obat dan rempah. Terdapat sekitar 30,000 jenis tumbuhan di Indonesia dan 7,000 di antaranya berkhasiat sebagai obat. Sekitar 90% tumbuhan obat di Asia tumbuh di Indonesia (Sastroamidjojo 1997). Dengan berlimpahnya tanaman obat dan rempah di Indonesia, peluang untuk mengeksplorasi manfaat tanaman tersebut menjadi sangat besar. Penggunaan tanaman obat dan rempah-rempah sudah sangat terkenal di seluruh dunia, di Negara Asia dan Afrika, bahkan Eropa, pemanfaatan tanaman obat dan rempah sebagai bahan baku dalam pengobatan dan atau perawatan kesehatan (Tilaar et al. 2010). Di Indonesia sendiri, masyarakat juga banyak menggunakan tanaman untuk pengobatan dan perawatan kesehatan, salah satunya dikonsumsi sebagai minuman fungsional tradisional yang disebut jamu. Sayangnya, kehebatan tanaman obat yang dialami oleh masyarakat luas hanya diceritakan secara turun temurun dari generasi ke generasi. Tidak ada dokumentasi yang baik untuk menyimpan informasi ini untuk dimanfaatkan oleh generasi penerus berikutnya (Tilaar et al. 2010). Hal ini menyebabkan sulitnya mencari bukti-bukti ilmiah mengenai khasiat tanaman obat. Beberapa dari rempah-rempah yang sudah lama dikenal di Indonesia adalah kunyit, asam, dan jahe. Ketiga rempah tersebut sudah sejak lama digunakan, baik sebagai bumbu masakan maupun sebagai minuman fungsional (jamu). Minuman fungsional kunyit, asam, dan jahe telah lama dikenal dan dikonsumsi oleh masyarakat Indonesia. Jamu telah diwariskan secara turun temurun dari generasi ke generasi sejak ratusan tahun yang lalu (Tilaar et al. 2010). Sayangnya pembuatan minuman fungsional umumnya lebih mengutamakan kualitas sensori dan mengesampingkan sifat fungsionalnya. Menurut Sastroamidjojo (1997), kunyit mempunyai khasiat sebagai penghilang gatal, antipasmodikum, obat gingivitis (radang gusi), obat radang selaput mata, obat sesak napas, obat sakit perut, dan sebagai astrigentia serta analgetika (penghilang rasa nyeri). Selain itu, kunyit juga mempunyai aktivitas antioksidan yang cukup tinggi yang terutama disebabkan oleh senyawa kurkumin. Asam jawa merupakan sejenis bumbu tradisional yang kaya akan zinc dan kandungan Ltartaric acid yang menurunkan resiko terbentuknya batu Kristal dalam saluran kemih (Winarno 1 1997). Asam jawa juga dapat digunakan sebagai obat disentri, demam, lepra, radang mata, infeksi oral, penyakit pernapasan, dan luka-luka (Lewis dan Elvin 1977). Jahe memiliki rasa hangat sehingga sering digunakan dalam pembuatan minuman. Manfaat jahe dalam bidang pengobatan tradisional antara lain dipercaya sebagai obat pencahar, penguat lambung, penghangat badan, obat masuk angin, mengobati batuk, bronchitis, asma, influenza, kembung, penambah nafsu makan, dan mengobati penyakit jantung (Darwis et al. 1991). Selain itu, gingerol yang merupakan senyawa aktif dari jahe memiliki aktivitas antioksidan yang lebih tinggi dari α-tokoferol. Dengan berbagai manfaat tersebut serta kandungan antioksidannya yang tinggi, kunyit, asam jawa, dan jahe sangat berpotensi untuk dikembangkan sebagai minuman fungsional. Oleh karena itu, dalam penelitian ini akan dilakukan optimasi minuman fungsional tradisional berbahan dasar kunyit, asam jawa, dan jahe sehingga didapatkan formula yang memiliki kapasitas antoksidan yang optimum dan dapat diterima secara sensori. B. TUJUAN PENELITIAN Penelitian ini bertujuan untuk menentukan formula optimum minuman fungsional berbahan dasar kunyit, asam jawa, dan jahe yang memiliki kapasitas antioksidan yang optimum serta dapat diterima secara sensori oleh konsumen. C. MANFAAT PENELITIAN Manfaat dari penelitian ini adalah didapatkannya formula optimum minuman fungsional berbahan dasar ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe sehingga didapatkan formula dasar minuman fungsional yang memiliki kapasitas antioksidan yang tinggi serta dapat diterima secara sensori oleh konsumen. Dengan formula optimum yang didapatkan dalam penelitian ini, proses formulasi untuk pengembangan produk akan menjadi lebih sederhana dan membutuhkan lebih sedikit biaya. 2 II. TINJAUAN PUSTAKA A. ANTIOKSIDAN Menurut Halliwell dan Gutteridge (1991), antioksidan adalah zat yang dalam konsentrasi kecil dapat mencegah atau memperlambat oksidasi radikal bebas. Dalam konsentrasi yang lebih rendah dari zat yang mudah teroksidasi, antioksidan mampu memperlambat atau menghambat oksidasi zat tersebut (Halliwell et al. 1995). Sebaliknya, antioksidan dalam konsentrasi tinggi dapat bersifat sebagai prooksidan atau meningkatkan oksidasi (Schuler 1990). Menurut Gordon (1990), antioksidan dibagi menjadi dua kelompok, yaitu antioksidan primer yang dapat bereaksi dengan radikal bebas membentuk produk yang lebih stabil, dan antioksidan sekunder atau antioksidan pelindung yang berperan dalam mereduksi kecepatan rantai inisiasi melalui berbagai macam mekanisme dan berperan dalam memperlambat laju autooksidasi lemak dengan cara mengikat ion logam, memecah hidroperoksida menjadi spesies non radikal, menyerap radiasi ultraviolet, dan menginaktifkan oksigen singlet. Berdasarkan interaksinya terdapat dua jenis antioksidan, yaitu antioksidan enzim dan non enzim. Contoh antioksidan enzim adalah enzim superoksida dismutase (SOD) yang berperan dalam mengkatalisis pemusnahan radikal bebas dalam sel dengan cara dekomposisi anion superoksida menjadi hydrogen peroksida dan oksigen, enzim katalase, selenium glutation peroksidase (Se-GSH-Px), dan fosfolipid hidroperoksida glutation peroksidase (PLOOH-GSHPx). Menurut Block dan Langseth (1994), contoh antioksidan non enzim adalah α-tokoferol (vitamin E), -karoten (vitamin A), dan asam askorbat (vitamin C). Selain itu, yang termasuk antioksidan non gizi adalah protein pengikat logam, protein yang mengandung heme atau yang mengikat heme, asam urat, bilirubin, dan co-enzim Q (Krinsky 1992). Nabet (1996) mengklasifikasikan sistem pertahanan fisiologis terhadap senyawa radikal bebas ke dalam dua kelompok besar, yaitu sistem pertahanan preventif dan sistem pertahanan melalui pemutusan rantai reaksi radikal. 1. Sistem Pertahanan Preventif dalam Cairan Ekstraseluler Protein plasma bersifat dapat mengkelat logam seperti Cu2+ atau Fe3+ sekaligus menghambat reaksi Fenton dan pembentukan radikal yang sangat toksik seperti *OH, LOO*, dan LO* (Nabet 1996). Selanjutnya jenis senyawa yang berperan dalam penangkalan radikal bebas pada cairan ekstraseluler dapat dilihat pada Tabel 1. 2. Sistem Pertahanan Preventif dalam Cairan Intraseluler Menurut Harris (1990), sel darah merah mempunyai pertahanan antioksidan, penangkap radikal bebas, dan sistem enzimatis yang baik untuk mempertahankan sel pada kondisi normal. Enzim yang berperan dalam sel darah merah adalah glutation peroksidase yang mengandung selenium, superoksida dismutase, katalase, dan sitokrom oksidase (Gutteridge 1995). 3. Sistem Pertahanan melalui Pemutusan Reaksi Radikal Senyawa yang berperan dalam sistem ini adalah vitamin E, vitamin C, karotenoid, riboflavin, dan asam lipoat (Nabet 1996). Dalam membran seluler, vitamin E mereduksi radikal bebas lipida. Akan tetapi, vitamin E kemudian menjadi bersifat radikal yang kurang reaktif. Setelah itu, vitamin E radikal (tokoferil) akan mengalami regenerasi dengan adanya 3 glutation atau vitamin C (Sies et al. 1994). Vitamin C juga berperan sebagai pertahanan pertama terhadap radikal oksigen dalam plasma dan sel karena menangkap secara efektif O 2* dan 1O2 dan berperan dalam perlindungan DNA (Nabet 1996). Tabel 1. Senyawa yang berperan dalam penangkalan radikal bebas secara ekstraseluler Jenis Senyawa Mekanisme Penangkalan Albumin Mengkelat Cu dan Fe Seruloplasmin - mendegradasi O2* - mengoksidasi Fe2+ menjadi Fe3+ Transferin Mengikat Fe3+ Asam urat - membentuk kompleks tidak aktif bersama Fe dan Cu - menangkap *OH secara langsung Penangkal senyawa-senyawa radikal endogen Melatonin Bilirubin - menangkap senyawa-senyawa radikal oksigen - melindungi lipoprotein plasma Menyelamatkan glutation Sistein Sumber : Gutteridge (1995) Menurut Langseth (1995), di dalam cairan intraseluler terdapat enzim yang berpartisipasi dalam pendegradasian senyawa-senyawa ROS intraseluler. Enzim-enzim itu adalah superoksida dismutase (SOD), katalase, dan glutation peroksidase. Fungsi enzim-enzim tersebut dapat dilihat pada Gambar 1. Gambar 1. Sistem pertahanan antioksidan secara enzimatik (Langseth 1995) Menurut Ghiselli et al. (1995), antioksidan plasma dibagi menjadi dua, yaitu antioksidan primer dan antioksidan sekunder. Antioksidan primer meliputi seruloplasmin dan transferin yang berfungsi mereduksi kecepatan inisiasi peroksidasi lipid dengan mengikat ion Fe2+. Antioksidan sekunder meliputi α-tokoferol, -karoten, dan asam askorbat. α-tokoferol berfungsi dalam mereduksi rantai propagasi, -karoten berfungsi menetralkan singlet oksigen, dan asam askorbat berfungsi dalam menetralkan radikal oksigen dan meregenerasi antioksidan teroksidasi seperti αtokoferol. Menurut Kochhar dan Rossell (1990), sebagian besar antioksidan yang ditemukan pada vitamin E, vitamin C, dan karotenoid adalah komponen fenolik dan polifenolik. Sebagaimana umumnya senyawa fenolik dapat menangkap radikal bebas. Senyawa fenol dapat berfungsi sebagai antioksidan primer karena mampu menghentikan reaksi rantai radikal bebas pada oksidasi lipid. 4 B. ANTIOKSIDAN ALAMI Antioksidan alami belum dapat didefinisikan secara spesifik. Terdapat banyak jenis produk yang dapat membentuk antioksidan alami, seperti komponen yang ditemukan di dalam makanan yang berasal dari kedelai yang difermentasikan seperti tempe (Lolinger 1991). Menurut Pratt dan Hudson (1990), antioksidan alami dalam makanan dapat berasal dari (a) senyawa endogenous dari satu atau lebih komponen makanan, (b) substansi yang terbentuk dari hasil reaksi selama pengolahan, dan (c) bahan tambahan makanan yang diisolasi dari sumber alami. Sebagian besar antioksidan alami berasal dari tanaman. Beberapa sumber umum antioksidan alami berasal dari tanaman. Beberapa sumber umum antioksidan alami dari tanaman adalah alga, serealia, produk kokoa, sitrus, tanaman bumbu dan rempah, legume, biji-bijian berminyak, ekstrak tanaman, protein hidrolisat, resin, lada, bawang merah dan bawang putih, dan zaitun. Pada saat ini, sebagian besar penelitian tentang antioksidan alami terfokus pada tiga antioksidan utama, yaitu α-tokoferol (vitamin E), vitamin C, dan karotenoid sebagai sumber antioksidan alami. Menurut Andarwulan dan Sutrisno (1992), vitamin E merupakan istilah umum untuk sejumlah senyawa tokol dan trienol, dimana senyawa yang paling aktif adalah α-tokoferol. Vitamin E kadang-kadang juga disebut sebagai vitamin antioksidan, anti enchephalomalasia, faktor anti sterilitas, vitamin reproduksi, sterilamin, vitamin kesuburan, dan faktor X. Menurut Dugan (1980) yang dikutip oleh Andarwulan et al. (1995), komponen antioksidan di alam mempunyai struktur kimia yang berbeda-beda, umumnya sebagai asam amino, asam askorbat, karotenoid, asam sinamat, flavonoid, melanoidin, asam organik tertentu, zat pereduksi, peptide, fosfatida, polifenol, tannin, dan tokoferol. Senyawa antioksidan alami digolongkan sebagai komponen fenolis, protein, komponen nitrogen, karotenoid, dan komponen lain seperti vitamin C, keton, dan glikosida (Larson 1988). Asam askorbat, asam isoaskorbat, dan ester derivatnya seperti askorbit palmitat digunakan dalam beberapa makanan sebagai antioksidan. Peptida yang terdapat secara alami juga memiliki sifat antioksidan. Demikian juga dengan produk hasil reaksi Maillard dapat berfungsi sebagai antioksidan alami (Lolinger 1991). Antioksidan alami dapat berfungsi dengan satu atau lebih cara seperti (a) sebagai senyawa pereduksi, (b) sebagai penangkap radikal bebas, (c) pengkelat logam prooksidan, dan (d) quencher dari bentuk singlet oksigen. Senyawa-senyawa ini umumnya dari kelompok fenolik atau polifenolik dari sumber tanaman. Antioksidan alami yang paling umum adalah flavonoid (flavonol, isoflavon, flavon, katekin, dan flavonol), derivat asam sinamat, kumarin, tokoferol, dan asam organic polifungsional (Pratt, Hudson 1990). Menurut Winarno (1997), antioksidan alami antara lain tokoferol, lesitin, fosfatida, sesamol, gosipol, dan asam askorbat. Antioksidan alami yang paling banyak ditemukan dalam minyak nabati adalah tokoferol yang mempunyai keaktifan vitamin E dan terdapat dalam bentuk α, , , dan δ tokoferol. Tokoferol ini mempunyai banyak ikatan rangkap yang mudah dioksidasi sehingga akan melindungi lemak dari oksidasi. Menurut Finch dan Kunert (1985), asam askorbat dan tokoferol secara bersama-sama memberi sifat antioksidan yang sangat baik (sinergis). Tokoferol berfungsi sebagai antioksidan primer yang bereaksi dengan radikal lemak membentuk senyawa lipida non radikal dan radikal tokoferol (tokoferil). Asam askorbat akan mereduksi radikal tokoferol sehingga terbentuk tokoferol kembali, dan asam askorbat sendiri akan teroksidasi menjadi dehidro asam askorbat yang dapat direduksi kembali menjadi asam askorbat dengan cepat. 5 C. REMPAH-REMPAH SEBAGAI SUMBER ANTIOKSIDAN ALAMI Kata rempah-rempah (spices) diturunkan dari bahasa latin yaitu species aromatacea yang berarti buah-buahan bumi. Kata ini kemudian disingkat menjadi species yang berarti komoditi dengan nilai special. Menurut penulis-penulis klasik, rempah-rempah diklasifikasikan menjadi empat kategori (Farrel 1990), yaitu : 1. Spesies aromata, rempah-rempah yang digunakan sebagai parfum seperti kapulaga, kayu manis, dan sweet marjoram. 2. Spesies thumiamata, rempah-rempah yang digunakan untuk dupa/kemenyan seperti thyme, kayu manis, dan rosemary. 3. Spesies condimenta, rempah-rempah yang digunakan untuk pengawetan, seperti kayu manis, jinten, adas, cengkeh, dan sweet marjoram. 4. Spesies theriaca, rempah-rempah yang digunakan untuk menetralkan racun seperti adas, ketumbar, bawang putih, dan oregano. Menurut Somaatmadja (1985), rempah-rempah adalah bahan asal tumbuhan yang biasa dicampurkan ke dalam berbagai makanan untuk member aroma/flavor dan membangkitkan selera makan. Beberapa rempah selain memberikan aroma yang khas pada makanan, juga memberikan manfaat kepada pemakainya (berpengaruh positif terhadap kesehatan) dan memberi sifat-sifat pengawetan. Tidak kurang dari 30 jenis rempah-rempah dan tumbuh-tumbuhan bumbu menunjukkan aktivitas antioksidan, terutama senyawa fenolik dari berbagai rempah-rempah telah diidentifikasikan (Kochhar dan Rossell 1990). Senyawa aktif pada beberapa rempahrempah dapat dilihat pada Tabel 2. Tabel 2. Senyawa aktif di dalam beberapa rempah-rempah Rempah-rempah Senyawa aktif Referensi Adas Aneton, fensin, α-pinen, champen, d-αfilandren, dipenten, metal kalvikol, phidroksil fenil aseton Farrel (1990) Bawang merah Allin, allisin Farrel (1990) Bawang putih Dialilsulfida, dialil trisulfida, alil propil sulfida, sejumlah kecil dietil sulfida, dialil polisulfida, allinin, allisin Farrel (1990) Cabe merah Cengkeh Kunyit Jahe Jinten Asam askorbat, bioflavonoid, karotenoid, kapsantin Eugenol Kurkumin, zingiberen, bisabolen, turmeron, seskuifilandren, germakron Gingerol, shogaol, diarilheptanoid, terpenoid (zingiberen, kurkumin, bisabolen), gingerdiol Kulminaldehid, mentadienal Farrel (1990) Farrel (1990) Kikuzaki (2000) Kikuzaki (2000) Andarwulan et al. (1995) 6 Beberapa rempah-rempah yang termasuk famili labiates (oregano, sage, rosemary, dan thyme) diketahui mengandung komponen aktif antioksidan, dan berdasarkan hasil uji unsurnya yaitu diterpen, karnosol, rosmanol pada rosemary dan sage menunjukkan adanya aktivitas antioksidan. Menurut Nakatani dan Inatani (1981), aktivitas antioksidan dari rosmanol lebih efektif daripada karnosol, tokoferol (antioksidan alami), dan antioksidan sintetik (BHA dan BHT). Asam rosmarinat, karnosol, dan karnosil termasuk antioksidan tipe fenolik dengan sifat antioksidan yang sangat bagus (Lolinger 1991). Tanaman rempah dan bumbu yang memiliki kemampuan pencegahan kanker telah diidentifikasikan antara lain family labiates (oregano, sage, rosemary, thyme), Allium sp. (bawang putih, bawang merah, lokio), Zingiberaceae (kunyit dan jahe), Umbellifereae (adas, jinten, seledri, ketumbar), dan akar licorice (Caragay 1992). D. KUNYIT (Curcuma domestica Val.) Kunyit merupakan tanaman daerah tropis dan banyak terdapat di India, RRC (Republik Rakyat Cina), Indonesia, Kepulauan Solomon (Lautan Teduh), Haiti, dan Jamaica (Rismunandar 1988). Kunyit adalah umbi pohon yang termasuk ke dalam famili Zingiberaceae yang berwarna kuning oranye dan sangat beraroma. Menurut Purseglove et al. (1981), saat pemanenan rimpang kunyit yang paling baik adalah saat tanaman kunyit sudah berumur 9 bulan, ketika batang dan daunnya sudah mulai mengering. Rimpang kunyit yang tua dan disimpan lebih lama warnanya lebih baik dibandingkan dengan rimpang muda, daya tahannya juga lebih lama dan kuat (Darwis et al. 1991). Warna kunyit sangat dipengaruhi oleh pH. Warna kuning yang cerah diperoleh pada pH asam. Gambar 2 menunjukkan bentuk kunyit segar, kunyit yang telah dikupas, dan bubuk kunyit. Gambar 2. Kunyit segar, kunyit yang telah dikupas, dan bubuk kunyit 7 Rimpang kunyit rasanya agak pahit dan getir dengan bau yang khas. Rimpang kunyit yang tua mengandung beberapa komponen kimia, diantaranya minyak atsiri, pati, zat pahit, resin, protein, selulosa, dan beberapa mineral lain (Rukmana 1994). Komponen utama kunyit adalah pati yang berkisar antara 40 – 50% berat kering. Kandungan kimia pada rimpang kunyit berbedabeda tergantung daerah pertumbuhan serta kondisi pra panen dan pasca panen (Purseglove et al. 1981). Kunyit mengandung 5% minyak esensial yang terdiri dari turmeron, borneol, sineol, phellandrene, kurkumin, dan zingeron (Farrel 1990). Menurut Farrel (1990), komposisi kimiawi rimpang kunyit sebagian besar berupa karbohidrat dan dapat dilihat pada Tabel 3. Sedangkan kandungan minyak atsiri kunyit sekitar 3 – 5 % yang terdiri dari α-pelandren (1%), d-sabinen (0.6%), cineol (1%), borneol (0.5%), zingiberen (25%), tumeron (58%), seskuiterpen alkohol (5.8%) , dan α- serta -atlanton. (Krishnamurthy et al. 1976). Menurut Purseglove et al. (1981), ekstrak pigmen kunyit terdiri atas campuran analoganalog dimana kurkumin (Gambar 3) merupakan pigmen terbanyak. Dua pigmen yang menyertai kurkumin adalah diesmetoksikurkumin dan bis-desmetoksikurkumin. Ketiga komponen tersebut ditemukan dalam bentuk trans-trans ketoenol. Struktur pigmen kurkumin dapat dilihat pada Gambar 3. Gambar 3. Struktur pigmen kurkumin (Purseglove et al. 1981) Kunyit sejak dahulu digunakan sebagai perwarna tekstil, tetapi sekarang banyak digunakan sebagai pewarna makanan karena warnanya yang kuning oranye. Warna ini disebabkan oleh senyawa kurkumin, juga monodesmetoksikurkumin dan bisdesmetoksikurkumin dimana rimpang segar kunyit mengandung ketiga senyawa ini sebesar 0.8% (Srinivasan 1953). Berdasarkan penelitian Jusuf (1980), diperoleh gambaran bahwa kandungan kurkumin kunyit dari Jawa adalah 0.63-0.76%(b/b). Selain memberikan warna kuning oranye, kurkumin juga memberikan rasa pedas yang lembut pada rempah (Purseglove et al. 1981). Semua rempah dan ekstraknya harus disimpan dalam wadah yang tertutup rapat, disimpan di tempat yang gelap dan pada suhu β0˚C atau kurang dengan kelembaban relatif (RH) sebesar 50%. Selain itu, pigmen pada kunyit (kurkumin) sangat sensitif terhadap cahaya sehingga mudah berubah warna (Farrell 1990). Kunyit memiliki aktivitas antioksidan yang cukup tinggi dan senyawa kurkumin merupakan komponen utama yang menyebabkan aktivitas antioksidan tersebut. kurkumin juga merupakan antioksidan biologis untuk hemolisis dan peroksidasi lemak pada eritrosit tikus yang diinduksi dengan hidrogen peroksida (Toda et al. 1988). 8 Tabel 3. Komposisi kimia rimpang kunyit per 100 gram (BB) bahan yang dapat dimakan Komponen Komposisi Energi (kal) 1480.0 Air (g) Karbohidrat (g) Protein (g) Lemak (g) Serat (g) Abu (g) 11.4 64.9 7.8 9.9 6.7 6.0 Kalsium (mg) Fosfor (mg) Besi (mg) Vitamin B (mg) Vitamin C (mg) Minyak atsiri (%) 182.0 268.0 41.0 5.0 26.0 3.0 Kurkumin (%) Sumber: Farrel (1990) 3.0 Menurut Rukmana (1995), manfaat kunyit adalah (a) bumbu dalam berbagai masakan, (b) bahan pembuat ramuan untuk mengobati berbagai jenis penyakit pada manusia (sakit perut, masuk angin, malaria, dan lain-lain) dan pada hewan percobaan (anti diare, anti hepatotoksik, anti oedema, menurunkan kadar kolesterol, dan lain-lain), serta (c) bahan baku industri jamu dan kosmetika. Sedangkan menurut Sastroamidjojo (1997), kunyit berkhasiat sebagai penghilang gatal, antipasmodikum, astringetia, analgetika, serta obat gingivitis (radang gusi), radang selaput mata, sesak napas, dan sakit perut. E. ASAM JAWA (Tamarindus indica Linn.) Tanaman asam jawa termasuk ke dalam family Leguminose dimana buahnya berbentuk polong. Gambar 4 menunjukkan buah asam jawa segar. Karakteristik yang paling menonjol dari buah asam jawa adalah kandungan asamnya yang paling tinggi di antara buah lainnya. Total keasamannya antara 12.3 – 23.8% yang dinyatakan sebagai asam tartarat. Hampir setengah dari asam tartarat berada dalam bentuk terikat terutama sebagai kalium bitartarat dan sebagian kecil lainnya sebagai bitartarat. Asam lain yang terdapat dalam buah asam jawa adalah asam malat dan asam askorbat (Nagy, Shaw 1980). Menurut Soetisna dan Hidayat (1977), daging buah asam jawa mengandung rata-rata 5.27% kalium bitartarat, 6.63% asam tartarat, dan 2.20% asam sitrat. Gambar 4. Buah asam jawa segar 9 Daging buah asam jawa mengandung 30 – 40% gula (Anonim 1979). Buah asam jawa juga mengandung fosfor dan kalsium yang paling tinggi di antara buah-buah lain. Selain itu, asam jawa juga merupakan sumber zat besi, riboflavin, thiamin, dan niasin yang baik. Sebaliknya, kandungan vitamin A dan vitamin C asam jawa sangat rendah. Ada 61 komponen volatil yang berhasil diidentifikasi dari buah asam jawa dan yang paling berperan dalam aroma asam jawa adalah 2-asetil furan, furfural, dan 5-metil furfural (Nagy, Shaw 1980). Kandungan air buah asam jawa paling rendah, tetapi kandungan protein, karohidrat, dan mineralnya paling tinggi di antara buah-buah lainnya dan dapat dilihat pada Tabel 4. Kandungan TPT (Total Padatan Terlarut) daging buah asam jawa adalah 54.0 – 69.9˚Brix (Nagy, Shaw 1980). Dengan cara analisa kromatografi kertas, Kalyankar et al. (1952) di dalam Nagy, Shaw (1980) menyatakan bahwa asam-asam organik yang terkandung dalam buah asam jawa adalah asam malat dan asam tartarat dengan konsentrasi masing-masing adalah 1.37 mg/ml dan 10.63 mg/ml. Jenis asam organik lainnya dalam buah asam jawa adalah asam oksalat. Tabel 4. Komposisi kimia asam jawa per 100 gram (bb) bahan yang dapat dimakan Komponen Komposisi Energi (kal) Air (g) Karbohidrat (g) 239.00 31.34 62.50 Protein (g) Lemak (g) 2.80 0.60 Serat (g) Abu (g) 3.00 2.10 Kalsium (mg) Fosfor (mg) 74.00 113.00 Besi (mg) 0.60 Vitamin A (SI) 30.00 Vitamin B (mg) 0.34 Vitamin C (mg) 2.00 Sumber: Direktorat Gizi, Departemen Kesehatan (1976) Daging buah asam jawa mudah rusak, sehingga untuk meningkatkan daya simpannya, buah asam jawa secara tradisional sering diolah menjadi asam kawak, yaitu dengan cara memisahkan kulit dan serat-serat dari daging buah asam jawa kemudian daging buah tersebut dipadatkan dan dikemas. Asam kawak ini dapat digunakan sama seperti buah asam segar. Asam jawa juga digunakan dalam obat-obatan tradisional. Daging buah asam jawa dinyatakan mempunyai daya sebagai obat pencuci perut (Nagy, Shaw 1980). Asam jawa juga dapat digunakan sebagai obat disentri, demam, lepra, radang mata, infeksi oral, penyakit pernapasan, dan luka-luka (Lewis, Elvin 1977). Minuman obat yang terbuat dari asam jawa terbukti mempunyai efek yang baik terhadap penyakit demam di India. Asam jawa juga kaya akan Zinc dan L-tartaric acid yang mengurangi resiko terbentuknya batu kristal dalam saluran kemih (Winarno 1997). 10 F. JAHE (Zingiber officinale) Tanaman jahe terdiri dari akar, batang, daun, dan bunga. Bagian jahe yang banyak digunakan manusia adalah rimpangnya. Rimpang jahe merupakan batang yang tumbuh di dalam tanah dan dipanen setelah berumur 9-11 bulan. Rimpang jahe bercabang-cabang, berwarna kuning tua pada bagian luar dan kuning muda pada bagian dalam, berserat, serta berbau harum. Bentuknya tidak beraturan dan kulitnya mudah dikelupas (Koswara 1995). Waktu pemanenan jahe tergantung pada tujuan penggunaannya. Jahe yang digunakan sebagai bahan baku permen, manisan, dan selai dipanen pada saat berumur 3-4 bulan agar tidak terlalu keras (Farrel 1985). Jahe yang akan digunakan sebagai bumbu atau untuk diekstrak minyak atsiri dan oleoresinnya dipanen setelah tua karena kandungan minyak atsiri dan oleoresinnya lebih tinggi, yaitu setelah berumur 8-10 bulan (Purseglove et al. 1981). Berdasarkan ukuran, bentuk, dan warna rimpang dikenal tiga jenis jahe, yaitu jahe putih besar, jahe putih kecil, dan jahe merah. Jahe putih besar biasanya disebut jahe gajah atau badak. Jenis jahe ini memiliki rimpang yang besar dan gemuk, potongan melintangnya berwarna putihkekuningan, kandungan serat rendah, aroma kurang tajam, dan rasa kurang pedas. Jahe gajah biasanya dikonsumsi saat berumur muda maupun tua sebagai jahe segar atau jahe olahan. Jahe putih kecil memiliki potongan melintang berwarna putih-kekuningan, aroma agak tajam dan rasanya pedas. Jahe merah memiliki ukuran kecil, warna rimpangnya jingga muda hingga mera, aromanya sangat tajam dan rasanya sangat pedas. Jenis jahe putih kecil dan jahe merah mempunyai kandungan serat yang lebih tinggi dibandingkan jahe gajah. Kedua jenis jahe ini cocok untuk ramuan obat-obatan atau untuk diekstrak oleoresin dan minyak atsirinya (Santosa 1994). Gambar 5. Jahe putih kecil Rimpang jahe mengandung air, pati, minyak atsiri, oleoresin, serat kasar, dan abu. Jumlah masing-masing komponen tersebut berbeda-beda tergantung tempat tumbuhnya, kondisi lingkungan, dan umur panen. Hal ini juga dipengaruhi oleh iklim, curah hujan, varietas jahe, keadaan tanah, dan faktor-faktor lain (Koswara 1995). Komposisi rimpang jahe selanjutnya dapat mengalami perubahan selama penanganan pasca panen dan selama penyimpanan (Purseglove et al. 1981). Rimpang jahe berbau harum dan berasa pedas. Komposisi rimpang jahe menentukan tinggi rendahnya nilai aroma dan rasa pedas jahe. Banyak hal yang mempengaruhi komposisi kimia rimpang jahe, di antaranya adalah jenis jahe, tanah tempat tumbuhnya, umur panen, penanganan dan pemeliharaan tanaman, perlakuan pra panen, pemanenan, dan penanganan pasca panen. Komposisi kimia jahe segar dan kering disajikan pada Tabel 5. Komponen terbesar penyusun jahe segar adalah air, sedangkan pada jahe kering komponen terbesarnya adalah karbohidrat, terutama pati (Purseglove et al. 1981). Dua komponen utama yang terdapat pada jahe adalah minyak atsiri dan oleoresin. Minyak atsiri jahe 11 merupakan komponen pemberi aroma yang khas, sedangkan oleoresin merupakan komponen pemberi rasa pedas dan pahit. Rimpang jahe mengandung minyak atsiri 0.25 – 3.3% yang terdiri dari zingiberene, curcumene, dan philandren. Selain itu, rimpang jahe mengandung oleoresin 4.3 – 6.0% yang terdiri dari gingerols serta shogaols yang menimbulkan rasa pedas (Rismunandar 1988). Tabel 5. Komposisi kimia jahe segar per 100 gram (bb) dan jahe kering per 100 gram (bk) Jumlah Komponen Energi (kJ) Protein (g) Lemak (g) Karbohidrat (g) Kalsium (mg) Fosfor (g) Jahe Segar 184.00 1.50 1.00 10.10 21.00 39.00 Jahe Kering 1424.00 9.10 6.00 70.80 116.00 148.00 Besi (mg) Vitamin A (SI) Thiamin (mg) Niasin (mg) Vitamin C (mg) Serat kasar (g) 4.30 30.00 0.02 0.80 4.00 7.53 12.00 147.00 * 5.00 * 5.90 3.70 * 6.00 57.00 * 4.80 184.00 32.00 1342.00 5.00 Total abu (g) Magnesium (g) Natrium (mg) Kalium (mg) Seng (mg) Sumber: Koswara (1995) * data tidak tersedia Menurut Grosch dan Belizt (1999) seperti yang dikutip oleh Slamet (2005), jahe memiliki kandungan senyawa aktif yang mampu berfungsi sebagai pemberi rasa pedas dan antioksidan. Kandungan senyawa aktif yang terkandung di dalam jahe sebagian besar adalah gingerol (Gambar 6) yang selama penyimpanan dapat terdehidrasi menjadi shogaol (Gambar 7) yang memiliki rasa pedas lebih rendah dari gingerol. Shogaol dapat mengalami reaksi pemecahan retroaldol dan terbentuk senyawa zingerone dan heksanal. Pada konsentrasi tertentu, heksanal dapat mengurangi aroma jahe. Komponen bioaktif oleoresin yang merupakan komponen non volatil rimpang jahe yaitu gingerol, shogaol, dan zingerone memiliki aktivitas antioksidan yang tinggi. Semua senyawa gingerol memiliki aktivitas antioksidan yang lebih tinggi dari α-tokoferol. Semakin panjang rantai samping, semakin tinggi aktivitas antioksidan senyawa tersebut. Demikian pula halnya dengan shogaol. Penambahan senyawa gingerol konsentrasi rendah (50 µM) sudah cukup untuk memperlambat oksidasi asam linoleat. Aktivitas antioksidan senyawa gingerol dimulai pada konsentrasi 50 – 200 µM. Pada konsentrasi 50 µM, aktivitas antioksidan (6)-gingerol lebih kecil dari (6)-shogaol dan (6)-gingerdiol (Kikuzaki, Nakatani 1993). 12 Gambar 6. Struktur kimia gingerol (Purseglove et al. 1981) Gambar 7. Struktur kimia shogaol (Purseglove et al. 1981) Gambar 8. Reaksi shogaol menjadi zingerone (Purseglove et al. 1981) Ekstrak jahe mempunyai daya antioksidan yang dapat dimanfaatkan untuk mengawetkan minyak dan lemak. Menurut Lee et al. (1992), ekstrak jahe dapat menghambat waktu terjadinya oksidasi lipida dari 20 detik menjadi 10 menit. Komponen tersebut cukup stabil terhadap pemanasan. Aktivitas antioksidan pada jahe masih dua pertiganya setelah pemanasan pada suhu 100˚C. Efektivitas antioksidan pada jahe meningkat terus hingga pH 7 dalam konsentrasi rendah. Pada pH basa, faktor protektifnya turun atau meningkat tergantung jumlah ekstrak yang ditambahkan. Distribusi komponen antioksidan pada rimpang jahe merata. 13 Komponen yang terkandung dalam rimpang jahe sangat banyak kegunaannya, terutama sebagai bumbu masak, pemberi aroma dan rasa pada makanan dan minuman, serta digunakan dalam industri farmasi, parfum, kosmetika, dan sebagainya (Paimin, Murhananto 1991). Enzim protease pada rimpang jahe menyebabkan jahe ini dapat dimanfaatkan untuk melunakkan daging sebelum dimasak (Muchtadi, Sugiyono 1992). Di Indonesia, jahe banyak digunakan sebagai bahan pembuat jamu. Jahe muda dimakan sebagai lalap, acar, dan manisan (basah dan kering). Dalam bentuk tepung dan oleoresinnya, jahe digunakan untuk memberikan aroma (flavoring agent) dalam industri makanan seperti dalam pembuatan permen, biskuit, kue, dan lain-lain (Koswara 1995). Manfaat jahe dalam bidang pengobatan tradisional antara lain sebagai penguat lambung, penghangat badan, serta obat pencahar (laxative), masuk angin, batuk, bronchitis, asma, dan penyakit jantung (Darwis et al. 1991). Selain itu, jahe juga dipercaya dapat menambah nafsu makan, memperbaiki pencernaan, mengobati luka, serta mengatasi influenza, diare, rheumatik, kembung, dan cacingan (Paimin, Murhananto 1991). G. MINUMAN FUNGSIONAL TRADISIONAL Menurut Winarno (1997), makanan atau minuman yang pekat dengan tradisi setempat di mana kita dilahirkan dan dibesarkan disebut makanan atau minuman tradisional. Konsep mengenai makanan atau minuman yang berhubungan dengan kesehatan dan pencegahan penyakit bukan merupakan hal yang baru. Konsep pangan fungsional menurut Goldberg (1994) adalah : a. Merupakan pangan (bukan kapsul, tablet, ataupun serbuk) b. Dapat dikonsumsi sebagai bagian dari makanan sehari-hari c. Mempunyai fungsi tertentu ketika dikonsumsi, memperlancar dan membantu metabolism tubuh seperti meningkatkan imunitas, kesegaran tubuh, dan lain-lain. Makanan fungsional atau food for specified health use menurut Broek (1993) adalah makanan atau minuman yang berdasarkan pengetahuan tentang hubungan antara makanan dan minuman atau komponen makanan dan minuman dengan kesehatan diharapkan mempunyai khasiat tertentu. Karena dalam bentuk minuman, minuman fungsional harus mempunyai karakteristik sebagai minuman yang memberikan kekhasan sensori, baik dari segi warna dan cita rasa, mengandung gizi, dan mempunyai fungsi fisiologis tertentu dalam tubuh. Fungsi-fungsi fisiologis yang dimiliki oleh minuman fungsional antara lain adalah menjaga daya tahan tubuh, mempertahankan kondisi fisik, mencegah proses penuaan, dan mencegah penyakit yang berkaitan dengan pengaruh minuman. Hal ini berimplikasi pada bentuk minuman fungsional tersebut. Walaupun mengandung senyawa yang berkhasiat bagi kesehatan, minuman fungsional tidak berbentuk kapsul, tablet, atau bubuk yang berasal dari senyawa alami, tetapi berbentuk cairan/minuman sehingga bisa dikonsumsi sebagai minuman sehari-hari. Di Indonesia, salah satu minuman fungsional yang terdapat di Indonesia adalah dalam bentuk minuman tradisional (jamu). Menurut SNI (1996), minuman tradisional merupakan minuman ringan yang terbuat dari bahan dasar tradisional seperti rempah-rempah. Beberapa minuman tradisional yang dikenal di Indonesia adalah minuman beras kencur, minuman temulawak, minuman kunyit, minuman asam jawa, dan minuman jahe (Fardiaz 1997). 14 H. MIXTURE EXPERIMENT Proses optimasi adalah suatu pendekatan normatif untuk mengidentifikasikan penyelesaian terbaik dalam pengambilan keputusan suatu permasalahan. Melalui optimasi, permasalahan akan diselesaikan untuk mendapatkan hasil yang terbaik sesuai dengan batasan yang diberikan. Optimasi bertujuan meminimumkan usaha yang diperlukan atau biaya operasional dan memaksimumkan hasil yang diinginkan. Jika usaha yang diperlukan atau hasil yang diharapkan dapat dinyatakan sebagai fungsi dari sebuah keputusan, maka optimasi dapat didefinisikan sebagai proses pencapaian kondisi maksimum atau minimum dari fungsi tersebut. Optimasi pada salah satu atau seluruh aspek produk adalah tujuan dalam pengembangan produk. Hasil evaluasi sensori sering digunakan dalam menentukan apakah produk yang optimum telah dikembangkan dengan benar (Ma’arif et al. 1989). Metode mixture experiment seringkali diterapkan dalam mengoptimasi formula suatu produk. Mixture experiment merupakan kumpulan dari teknik matematika dan statistika yang berguna untuk permodelan dan analisa masalah suatu respon yang dipengaruhi oleh beberapa variabel dan tujuannya adalah mengoptimalkan respon tersebut. Respon yang digunakan dalam Mixture experiment adalah fungsi dari proporsi perbedaan komponen atau bahan dalam suatu formula (Cornell 1990). Rancangan mixture experiment terdapat di dalam peranti lunak (software) program Design Expert 7.0® dan dinamakan dengan mixture design. Design Expert 7.0® merupakan peranti lunak yang menyediakan rancangan percobaan (design of experiment) untuk melakukan optimasi rancangan produk dan proses (Anonim 2006). Menurut Anonim (2006), program komputer ini memberikan beberapa rancangan statistik yang digunakan di dalam proses optimasi seperti : a. Factorial designs, digunakan untuk mengidentifikasi faktor vital yang mempengaruhi proses dan pembuatan produk di dalam percobaan sehingga dapat memberikan peningkatan. b. Response surface methods, digunakan untuk menentukan proses yang paling optimal sehingga diperoleh hasil yang paling optimum. c. Mixture design techniques, digunakan untuk menentukan formula yang optimal di dalam formulasi produk. d. Combined designs (combine process variables, mixture components, and categorical factors), digunakan untuk penentuan optimasi proses dan formulasi di dalam pembuatan produk. Rancangan mixture design ini berfungsi menentukan formula optimum yang diinginkan formulator. Untuk mencapai kondisi tersebut harus ditentukan respon atau parameter produk yang menjadi ciri penting sehingga dapat meningkatkan mutu produk. Respon yang dipilih ini menjadi input data yang selanjutnya diproses oleh rancangan mixture design melalui optimasi dari setiap respon sehingga diperoleh gambaran dan kondisi proses yang optimal (Wulandhari 2007). Menurut Cornell (1990), mixture experiment terdiri dari enam tahap, yaitu menentukan tujuan percobaan, memilih komponen-komponen dari campuran, mengidentifikasi variabel respon yang akan dihitung, membuat model yang sesuai untuk mengolah data dari respon, dan memilih desain percobaan yang sesuai. Mixture experiment digunakan untuk menentukan dan secara simultan menyelesaikan persamaan multivariasi. Persamaan tersebut dapat ditampilkan secara grafik sebagai respon yang dapat digunakan dalam menggambarkan bagaimana variabel uji mempengaruhi respon, menentukan hubungan antar variabel uji, dan menentukan bagaimana kombinasi seluruh variabel uji mempengaruhi respon. Menurut Cornell (1990), persamaan polinomial mixture experiment memiliki berbagai macam orde, antara lain mean, linear, quadratic, dan cubic. Model persamaan polinomial yang 15 sering digunakan adalah model polinomial orde linear dan quadratic. Model orde linear dengan dua variabel uji digambarkan pada persamaan (1), sedangkan model orde quadratic digambarkan dengan persamaan (2). Y = b0 + b1X1 + b2X2 Y = b0 + b1X1 + b2X2 + b11X12 + b22X22 + b12X1X2 (1) (2) Persamaan tersebut dapat ditampilkan dalam sebuah contour plot berupa grafik dua dimensi (2-D) dan tiga dimensi (3-D) yang dapat menggambarkan bagaimana variabel uji mempengaruhi respon. Persamaan model polinomial dengan orde linear seringkali memberikan deskripsi bentuk geometri (3-D) yang kurang memadai. Oleh karena itu, penggunaan model polinomial dengan orde quadratic lebih dianjurkan dalam formulasi (Cornell 1990). Dalam penentuan model, modifikasi terhadap model dapat memberikan hasil yang lebih baik. Modifikasi model dilakukan dengan cara menghilangkan menghilangkan komponen atau hubungan antar komponen yang tidak diinginkan (reduksi model). Komponen yang dihilangkan adalah komponen yang dianggap tidak signifikan secara statistik terhadap respon. Untuk menentukan signifikansi model, ditentukan nilai αout yang menjadi pembatas. Jika komponen dianggap tidak signifikan berdasarkan nilai αout yang telah ditentukan, maka komponen tersebut akan dihilangkan dari model. Reduksi model dapat dilakukan dengan bebagai cara. Tiga tipe reduksi model yang paling mendasar yaitu: a. Step-wise regression: kombinasi dari forward dan backward regressions. Komponen ditambahkan, dihilangkan, atau diganti dalam setiap langkah reduksi model. b. Backward elimination: komponen dihilangkan dalam setiap langkah reduksi model. c. Forward selection: komponen ditambahkan dalam setiap langkah reduksi model. Metode backward elimination dianggap sebagai pilihan yang terbaik dalam melakukan reduksi model algoritma karena semua komponen dalam model akan diberikan kesempatan untuk diikutkan di dalam model. Metode step-wise dan forward selection dilakukan dengan menggunakan model inti minimal sehingga beberapa komponen tidak pernah diikutkan dalam model. Penggabungan beberapa ingridien atau bahan baku untuk menghasilkan suatu produk pangan yang dapat dinikmati, dimana hasil akhir dari produk tersebut dipengaruhi oleh presentasi atau proporsi relatif masing-masing ingridien yang ada di dalam formulasi. Penggabungan beberapa ingridien di dalam mixture experiment bertujuan untuk melihat apakah pencampuran dua komponen atau lebih tersebut dapat menghasilkan produk akhir dengan sifat yang lebih diinginkan dibandingkan dengan penggunaan ingridien tunggalnya dalam menghasilkan produk yang sama (Cornell 1990). Terdapat relasi fungsional antar komponen penyusun dengan perubahan proporsi relatif ingridien tersebut sehingga dapat menghasilkan produk dengan respon yang berbeda. Kombinasi ingridien yang dipilih adalah kombinasi yang menghasilkan produk dengan respon yang maksimal sesuai dengan yang diharapkan oleh perancang. Penggunaan mixture experiment dalam merancang percobaan untuk memperoleh kombinasi yang optimal ini mampu menjawab permasalahan jika dilihat dari segi waktu (mengurangi jumlah trial and error) dan biaya (Cornell 1990). 16 III. METODOLOGI PENELITIAN A. BAHAN DAN ALAT Bahan baku yang digunakan adalah rimpang kunyit, asam jawa tanpa biji cap Cabe, dan rimpang jahe yang dibeli di Pasar Induk Tangerang, air minum dalam kemasan (AMDK) “Aqua”, dan gula pasir “Gulaku” (sukrosa). Bahan-bahan yang digunakan dalam analisis antara lain aluminium foil, air destilata, buffer pH 4 dan pH 7, metanol proanalysis, DPPH (1,1diphenyl-2-picrylhydrazyl), dan asam askorbat. Alat-alat yang digunakan dalam pembuatan ekstrak bahan adalah neraca, sendok makan, blender, kain saring, baskom, sarung tangan plastik, dan botol. Alat-alat yang digunakan dalam analisis adalah refraktometer, neraca analitik, tabung reaksi, pipet volumetrik, pipet tetes, kuvet, botol semprot, labu takar, gelas piala, gelas ukur, spektrofotometer UV-Vis, pH-meter, dan Chromameter Minolta CR-310. B. METODE PENELITIAN Penelitian ini dibagi menjadi tiga tahap, yaitu: (1) persiapan bahan baku, (2) pembuatan rancangan formulasi dan respon dengan program Design Expert 7.0®, (3) pembuatan formula minuman, (4) analisis kimia, fisik, dan organoleptik, (5) analisis respon, (6) optimasi formula, dan (7) verifikasi formula optimum. Garis besar penelitian ini dapat dilihat pada Gambar 9. 1. Persiapan Bahan Baku a. Ekstraksi Kunyit Rimpang kunyit yang akan digunakan dibersihkan dari kotoran, dikupas, dicuci bersih, dan ditiriskan. Rimpang kunyit kemudian dipotong kecil-kecil dan dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan kunyit dan air sebesar 1:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan pati yang masih tertinggal di dalam filtrat. Ekstrak kunyit kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak kunyit kemudian disimpan di dalam refrigerator sampai akan digunakan. b. Ekstraksi Asam Jawa Asam jawa dipisahkan dari bijinya yang masih tertinggal. Asam jawa yang sudah bersih dari biji dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan asam jawa dan air sebesar 4:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Ekstrak kemudian disimpan di dalam botol yang tertutup rapat dan disimpan di dalam refrigerator. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan 17 pati yang masih tertinggal di dalam filtrat. Ekstrak asam jawa kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak asam jawa kemudian disimpan di dalam refrigerator sampai akan digunakan. c. Ekstraksi Jahe Jahe yang akan digunakan dibersihkan dari kotoran yang menempel dengan cara disikat dan dicuci dengan air mengalir. Kemudian jahe ditiriskan dan dikupas. Jahe yang sudah dikupas kemudian dipotong kecil-kecil dan dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan jahe dan air sebesar 1:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan pati yang masih tertinggal di dalam filtrat. Ekstrak jahe kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak jahe kemudian disimpan di dalam refrigerator sampai akan digunakan. d. Pembuatan Larutan Stok Gula Larutan stok gula dibuat dengan cara melarutkan gula pasir (sukrosa) di dalam AMDK dengan perbandingan gula dan air sebesar 1:1 (b/b). Total padatan terlarut (TPT) larutan stok gula dibuat sebesar 39 – 40˚Brix 2. Pembuatan Rancangan Formula dan Respon dengan Program Design Expert 7.0® Setelah didapatkan ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) serta larutan stok gula yang akan digunakan dalam pembuatan formula minuman, penelitian dilanjutkan dengan tahapan pembuatan rancangan formula dan respon dengan menggunakan peranti lunak Design Expert 7.0® tahun 2005. Rancangan metode yang digunakan pada program ini adalah mixture design dengan rancangan D-optimal design. Rancangan ini digunakan oleh formulator untuk mendapatkan formula optimum dari berbagai kombinasi bahan. Tahap ini diawali dengan penetapan komponen bahan baku yang digunakan sebagai variabel tetap dan variabel berubah. Variabel tetap tidak dimasukkan ke dalam pengaturan rancangan pada program. Hal ini dikarenakan variabel tetap nilainya tidak berubah pada setiap formula. Variabel tetap adalah komponen bahan baku yang diasumsikan tidak akan mempengaruhi respon yang akan didapatkan dari setiap formula. Dalam penelitian ini, komponen bahan baku yang termasuk ke dalam variabel tetap adalah air sebesar 30%(v/v) dan larutan stok gula sebesar 40%(v/v). Sedangkan variabel berubah akan dimasukkan ke dalam pengaturan rancangan formula karena nilainya yang berubah-ubah pada setiap formula. 18 Variabel berubah adalah komponen bahan baku yang diasumsikan akan memberikan pengaruh terhadap respon yang dihasilkan pada masing-masing formula minuman. Oleh karena itu, nilai variabel berubah akan berbeda-beda pada setiap formula untuk melihat pengaruh perubahan komposisinya terhadap respon yang dihasilkan. Dalam penelitian ini, komponen bahan baku yang termasuk ke dalam variabel berubah adalah ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Penentuan variabel berubah kemudian diikuti dengan penentuan kisaran minimum dan maksimum dari penggunaan ekstrak kunyit, asam jawa, dan jahe, yaitu 0-30%(v/v) dengan total maksimum ketiganya adalah 30%(v/v). Batas-batas ini akan menjadi input dalam pengaturan rancangan formula oleh program Design Expert 7.0® dengan rancangan Doptimal design untuk mencari rancangan formula dari komponen-komponen yang dicampurkan sehingga dihasilkan output berupa rancangan formula minuman. Setelah dilakukan penentuan komponen formula, dilakukan penentuan variabel respon yang diinginkan. Menurut Wulandhari (2007), penentuan respon dilakukan berdasarkan karakteristik yang akan berubah akibat perubahan proporsi relatif dari komponenkomponennya. Respon yang digunakan dalam penelitian ini adalah respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Respon-respon yang dipilih menggambarkan mutu formula minuman yang dihasilkan. Dengan mengoptimalkan responrespon yang dipilih, diharapkan formula minuman yang dihasilkan akan memiliki mutu yang optimum. 3. Pembuatan Formula Minuman Formula minuman dibuat dengan mencampurkan ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, AMDK, dan larutan stok gula dengan formula yang telah didapatkan dari program Design Expert 7.0®. Kemudian seluruh formula minuman yang dibuat diukur responnya dengan melakukan analisis kimia, fisik, dan organoleptik yang telah ditentukan. 19 Kunyit Asam Jawa Jahe Ekstraksi Ekstraksi Ekstraksi Ekstrak Kunyit Ekstrak Asam Jawa Ekstrak Jahe Pembuatan Rancangan Formula dan Penentuan Respon Pembuatan Formula Minuman Uji Kapasitas Antioksidan Pengukuran pH Pengukuran TPT Analisis Warna Uji Rating Hedonik Analisis Respon Optimasi Formula Solusi Formula Optimum Verifikasi Formula Minuman Terpilih Gambar 9. Rancangan diagram alir penelitian 20 4. Analisis Kimia, Fisik, dan Organoleptik Seluruh formula minuman yang telah dibuat kemudian diukur responnya dengan melakukan analisis kimia, fisik, dan organoleptik yang terdiri dari (1) analisis kapasitas antioksidan, (2) pengukuran nilai pH, (3) pengukuran nilai TPT, (4) analisis warna, dan (5) uji rating hedonik. Hasil pengukuran dan perhitungan dari keseluruhan respon kemudian akan dimasukkan ke dalam program Design Expert 7.0® untuk selanjutnya dianalisis. a. Kapasitas Antioksidan (Leong, Shui 2002) Analisis kapasitas antioksidan yang dilakukan dalam penelitian ini menggunakan metode spektrofotometri, yaitu metode reduksi DPPH (2,2-difenil-1-pikrilhidrazil). Larutan-larutan yang dibutuhkan adalah larutan DPPH 1 mM dalam metanol proanalysis, metanol, larutan standar asam askorbat, dan sampel. Analisis kapasitas antioksidan terdiri atas dua tahap, yaitu 1) pembuatan kurva standar asam askorbat dan 2) penentuan kapasitas antioksidan sampel. 1) Pembuatan Kurva Standar Asam Askorbat Seri larutan standar asam askorbat dibuat dengan konsentrasi 0 ppm, 50 ppm, 100 ppm, 200 ppm, dan 500 ppm. Larutan blanko dibuat dengan mencampurkan 8 ml metanol dengan 2 ml larutan DPPH. Larutan standar dibuat dengan mencampurkan 7 ml metanol dan 2 ml larutan DPPH dengan 1 ml standar asam askorbat pada masingmasing konsentrasi. Larutan didiamkan pada suhu ruang selama 30 menit untuk selanjutnya diukur absorbansinya (A) menggunakan spektrofotometer UV-Vis pada panjang gelombang 520 nm. Pengukuran dilakukan secara duplo dengan dua kali ulangan. Selanjutnya dibuat kurva standar asam askorbat dengan memplotkan hubungan antara konsentrasi asam askorbat dan (A blanko – A sampel). 2) Penentuan Kapasitas Antioksidan Sampel Larutan blanko dibuat dengan mencampurkan 8 ml metanol dengan 2 ml larutan DPPH. Larutan sampel dibuat dengan mencampurkan 7 ml metanol dan 2 ml larutan DPPH dengan 1 ml sampel. Larutan didiamkan pada suhu ruang selama 30 menit untuk selanjutnya diukur absorbansinya (A) menggunakan spektrofotometer UV-Vis pada panjang gelombang 520 nm. Pengukuran dilakukan secara duplo dengan dua kali ulangan. Selanjutnya diperoleh nilai (A blanko – A sampel) yang akan disubstitusikan pada persamaan kurva standar asam askorbat untuk menentukan AEAC (Ascorbic Acid Equivalent Antioxidant Capacity). Nilai yang diperoleh menunjukkan jumlah mg asam askorbat yang ekivalen dengan 1 ml sampel. b. Nilai pH (Faridah et al. 2009) Sebelum dilakukan pengukuran, pH-meter dinyalakan dan distabilkan terlebih dahulu selama 10 menit. Selanjutnya pH-meter dikalibrasi dengan menggunakan larutan buffer pH 4 dan pH 7. Elektroda dibilas dengan air destilata dan dikeringkan dengan kertas tissue. Sebanyak 20 ml sampel dimasukkan ke dalam gelas piala 100 ml. Elektroda pH-meter dibilas dengan air destilata, dikeringkan, dan dicelupkan ke dalam sampel. Angka yang tertera pada layar menunjukkan nilai pH formula minuman. Sealanjutnya, elektroda kembali dibilas dengan air destilata, dikeringkan, dan dapat digunakan kembali 21 untuk pengukuran pH sampel. Pengukuran sampel dilakukan dengan dua kali ulangan untuk setiap sampelnya. c. Nilai TPT (AOAC 1995) Total padatan terlarut diukur dengan menggunakan alat refraktometer. Filtrat sampel diteteskan di atas prisma refraktometer yang sudah distabilkan lalu dilakukan pembacaan. Sebelum dan setelah digunakan, prisma refraktometer dibersihkan dengan alkohol. Total padatan terlarut dinyatakan dalam ˚Brix. d. Analisis Warna (Hutching 1999) Analisis warna dilakukan dengan menggunakan alat Chromameter Minolta CR310. Sebelum dilakukan pengukuran nilai L, a, dan b perlu dilakukan kalibrasi terlebih dahulu terhadap alat dengan menggunakan pelat standar warna putih (L=97.51; a=5.35; b=-3.37). setelah proses kalibrasi selesai, dilanjutkan dengan pengukuran warna sampel. Pengukuran dilakukan dengan tiga kali ulangan untuk masing-masing sampel. Sistem warna yang digunakan adalah sistem Lab. Sampel diletakkan pada tempat yang tersedia, kemudian tombol start ditekan dan akan diperoleh nilai L, a, dan b dari sampel. Hasil pengukuran dikonversi ke dalam sistem Hunter dengan L menyatakan parameter kecerahan dari hitam (0) sampai putih (100). Notasi a menyatakan warna kromatik campuran merah-hijau dengan nilai + a (positif) dari 0 sampai +100 untuk warna merah dan nilai – a (negatif) dari 0 sampai -80 untuk warna hijau. Notasi b menyatakan warna kromatik campuran biru-kuning dengan nilai + (positif) dari 0 sampai +70 untuk warna kuning dan nilai –b (negatif) dari 0 sampai -80 untuk warna biru. Sedangkan L menyatakan kecerahan warna. Semakin tinggi kecerahan warna, semakin tinggi nilai L. Selanjutnya dari nilai a dan b dapat dihitung ˚Hue yang menunjukkan kisaran warna sampel. Hubungan antara ˚Hue dan warna sampel dapat dilihat pada Tabel 6. Nilai ˚Hue dapat dihitung dengan persamaan : ˚Hue = tan-1 ܾ (3) ܽ Tabel 6. Hubungan ˚Hue dengan warna sampel ˚Hue Warna Sampel 18˚ - 54˚ 54˚ - 90˚ red (R) yellow red (YR) 90˚ - 1β6˚ 1β6˚ - 16β˚ yellow (Y) yellow green (YG) 16β˚ - 198˚ 198˚ - βγ4˚ green (G) blue green (BG) βγ4˚ - β70˚ β70˚ - γ06˚ γ06˚ - γ4β˚ γ4β˚ - 18˚ blue (B) blue purple (BP) purple (P) red purple (RP) 22 e. Uji Rating Hedonik Uji rating digunakan bila uji sensori bertujuan menentukan dalam cara bagaimana suatu atribut sensori tertentu bervariasi di antara sejumlah contoh. Pada uji rating hedonik, panelis diminta untuk menilai atribut sensori tertentu produk (rasa, warna, dan aroma) dan keseluruhan sifat sensori produk berdasarkan tingkat kesukaannya (Adawiyah, Waysima 2009). Skala pengukuran yang digunakan dapat berupa skala kategori atau skala garis. Persyaratan jumlah minimum panelis untuk uji rating hedonik menurut American Srandard Testing Material (ASTM) adalah 70 panelis tidak terlatih, sedangkan menurut Meilgaard et al. (1999), persyaratan jumlah minimum panelis untuk uji rating hedonik adalah 30 panelis tidak terlatih. Dalam penelitian ini, sampel yang digunakan adalah seluruh formula yang dihasilkan dari tahapan perancangan formula dengan program Design Expert 7.0®. Panelis tidak terlatih yang digunakan adalah sebanyak 70 orang. Taraf signifikansi yang digunakan adalah 5%. Uji dilakukan terhadap 4 atribut sensori sampel, yaitu warna, rasa, bau, dan overall. Dalam penelitian ini, uji rating hedonik yang dilakukan menggunakan skala kategori 7 poin dengan deskripsi sebagai berikut: 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = netral 5 = agak suka 6 = suka 7 = sangat suka 5. Analisis Respon Setelah dilakukan pengukuran respon dari setiap formula, dilakukan input data hasil pengukuran tersebut dalam program Design Expert 7.0®. Hasil intput data dari masingmasing respon dari seluruh formula selanjutnya akan dianalisa oleh program Design Expert 7.0®. Pada tahapan analisis respon ini, program Design Expert 7.0® memberikan model polinomial yang sesuai dengan hasil pengukuran setiap respon. Respon-respon yang dianalisis antara lain kapasitas antioksidan, nilai pH, nilai TPT, hasil analisis warna (nilai L, a, b, dan ˚Hue), serta skor hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall). Program Design Expert 7.0® memberikan empat pilihan model polinomial untuk setiap respon, yaitu mean, linear, quadratic, dan cubic. Model polinomial merupakan output dari proses analisis respon formula minuman dengan rancangan D-optimal design. Terdapat tiga tahap untuk mendapatkan persamaan polinomial, yaitu berdasarkan sequential model sum of squares [Tipe I], lack of fit tests, dan model summary statistics. Kemudian partial sum of squares [Tipe III] akan memilih ordo tertinggi persamaan polinomial dari satu variabel respon yang analisis ragamnya masih memberikan hasil yang berbeda nyata. Lack of fit tests akan memilih ordo persamaan polinomial tertinggi yang memberikan hasil tidak berbeda nyata dilihat dari segi penyimpangan responnya. Model summary statistics akan memilih ordo persamaan polinomial yang memberikan nilai “Adjusted R-squared” dan “Predicted Rsquared” maksimum. 23 Berdasarkan tahap tersebut, peranti lunak Design Expert 7.0® menentukan ordo persamaan polinomial tertinggi untuk setiap variabel responnya. Suatu variabel respon dapat dikatakan berbeda nyata atau signifikan pada taraf signifikansi 5% apabila nilai p “prob>f” hasil analisis ragam lebih kecil dari 0.05. Variabel respon yang hasil analisis ragamnya berbeda nyata dapat digunakan sebagai model prediksi karena variabel uji memberikan pengaruh yang signifikan terhadap respon formula minuman tersebut. Selanjutnya, model yang dianggap paling sesuai tersebut akan ditampilkan di dalam sebuah contour-plot berupa grafik dua dimensi (2-D) atau tiga dimensi (3-D). Selain itu, program Design Expert 7.0® juga memberikan grafik plot kenormalan residual (normal plot residual) yang mengindikasikan apakah residual (selisih atau perbedaan antara respon aktual dengan yang diprediksikan untuk setiap respon) mengikuti garis kenormalan (garis lurus). 6. Optimasi Formula Hasil analisis dari setiap respon kemudian digunakan untuk melakukan optimasi formula dengan program Design Expert 7.0®. Proses optimasi dilakukan untuk mendapatkan suatu formula yang menghasilkan respon yang optimal sesuai target optimasi yang diinginkan. Nilai target optimasi yang dapat dicapai dikenal dengan istilah nilai desirability yang ditunjukkan dengan nilai 0 – 1. Semakin tinggi nilai desirability menunjukkan semakin tingginya kesesuaian formula minuman yang didapatkan untuk mencapai formula optimal dengan variabel respon yang dikehendaki. Pada tahap optimasi, komponen dioptimasi sesuai dengan target yang diinginkan. Untuk ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe ditargetkan untuk berada di dalam range (in range), yaitu antara 0-30%(v/v) dari volume total formula minuman. Nilai pH, nilai TPT, dan hasil analisis warna (nilai L, a, b, dan dan ˚Hue) juga ditargetkan untuk berada dalam range semula agar hasil yang didapatkan tidak menyimpang. Sedangkan variabel kapasitas antioksidan dan hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall) ditargetkan untuk menjadi setinggi mungkin. Dalam menentukan target optimasi seperti pada variabel kapasitas antioksidan dan hasil uji rating hedonik dilakukan pembobotan kepentingan untuk tujuan yang diinginkan. Pembobotan ini dinamakan importance yang dapat dipilih mulai dari 1 (+) hingga 5 (+++++) tergantung kepentingan variabel respon yang bersangkutan. Semakin tanda positif yang diberikan menunjukkan tingkat kepentingan variabel respon yang semakin tinggi. Berdasarkan target optimasi yang telah ditentukan, program Design Expert 7.0® akan memberikan solusi formula minuman optimum yang kemudian akan dilanjutkan ke tahapan verifikasi untuk memastikan kebenaran formula dan persamaan yang didapatkan. Solusi formula optimum yang diberikan juga dilengkapi dengan prediksi nilai setiap respon sehingga dapat dilihat kesesuaiannya pada tahapan verifikasi. 7. Verifikasi Setelah program Design Expert 7.0® memberikan solusi formula optimum, selanjutnya dilakukan pembuatan formula yang direkomendasikan tersebut. Hal ini dilakukan untuk memperoleh nilai aktual setiap respon dari formula yang direkomendasikan. Pengujian yang dilakukan untuk melihat kesesuaian respon aktual dan prediksi nilai respon yang didapatkan disebut dengan verifikasi. Uji yang dilakukan dalam tahapan verifikasi adalah uji kapasitas antioksidan, pengukuran nilai pH dan TPT, analisis warna (nilai L, a, b, dan ˚Hue), serta uji 24 rating hedonik terhadap empat atribut sampel (warna, bau, rasa, dan keseluruhan/overall). Prosedur uji yang dilakukan pada tahap verifikasi sama dengan prosedur yang dilakukan pada tahap analisis kimia, fisik, dan organoleptik. Tetapi pada tahap verifikasi, jumlah panelis tidak terlatih yang digunakan adalah 30 orang. 25 IV. HASIL DAN PEMBAHASAN A. RANCANGAN FORMULA DAN RESPON Design Expert 7.0® merupakan peranti lunak (software) yang menyediakan rancangan percobaan (design of experiment) untuk melakukan optimasi terhadap rancangan produk dan proses (Anonim 2005). Dalam penelitian ini, peranti lunak Design Expert 7.0® digunakan sebagai alat utama untuk mendapatkan kombinasi optimal dari proporsi relatif masing-masing ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) terhadap total ekstrak rempah. Rancangan percobaan yang digunakan dalam penelitian ini adalah mixture design dengan rancangan D-optimal design. D-optimal design dapat digunakan untuk dua hingga dua puluh empat komponen pada suatu formula, dimana komponen dapat memiliki kisaran yang berbeda-beda. Rancangan ini digunakan di dalam penelitian untuk melihat pengaruh perubahan kombinasi komponen untuk memperoleh respon tertentu sehingga dapat diperoleh suatu formula yang optimal. Tahap awal dari rancangan formula dengan program Design Expert 7.0® adalah penetapan komponen bahan baku yang digunakan sebagai variabel tetap dan variabel berubah, serta total komposisi bahan baku tersebut di dalam produk. Faktor perlakuan berupa komponen bahan baku yang berubah dalam penelitian ini adalah jumlah ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe dengan total ketiganya sebesar 30%(v/v). Bahan-bahan penyusun formula minuman lainnya seperti air dan larutan stok gula diasumsikan sebagai variabel tetap, yaitu komponen yang tidak berubah komposisinya dalam pembuatan produk. Proporsi bahan-bahan tersebut adalah larutan stok gula yang digunakan sebesar 40%(v/v) dan air sebesar 30%(v/v), sehingga total proporsi kedua bahan yang termasuk variabel tetap tersebut di dalam formula minuman adalah 70%(v/v). Penentuan komponen bahan yang digunakan sebagai variabel tetap dan variabel berubah kemudian diikuti dengan penentuan kisaran minimum dan maksimum dari ekstrak rempah. Dalam penelitian ini, batasan yang digunakan adalah 0-30%(v/v). Penentuan batasan minimum 0%(v/v) ditujukan agar terdapat formula minuman yang tidak mengandung satu atau lebih ekstrak rempah agar dapat terlihat perbedaan respon antara formula minuman yang mengandung ekstrak rempah tertentu dengan formula minuman yang tidak mengandung ekstrak rempah tersebut. Penentuan batasan maksimum 30%(v/v) ditujukan agar terdapat formula minuman yang hanya mengandung satu jenis ekstrak rempah saja sehingga dapat dilihat responnya secara individual. Batasan kisaran minimum dan maksimum tersebut kemudian dijadikan sebagai input dalam tahap perancangan formula dalam program Design Expert 7.0® untuk mencari rancangan formula dari komponen-komponen yang dicampurkan. Rancangan formula yang dihasilkan oleh program Design Expert 7.0® rancangan dengan enam formula untuk model points, lima formula sebagai poin perkiraan penyimpangan (to estimate lack of fit), lima formula untuk pengulangan, dan dua formula sebagai titik tengah (additional center point) sehingga total formula yang akan diukur variabel responnya satu per satu adalah sebanyak delapan belas formula. Rancangan formula yang dihasilkan dapat dilihat pada Tabel 7. Setelah dilakukan rancangan formula, kemudian dilakukan penentuan respon. Penentuan respon dilakukan berdasarkan karakteristik yang akan berubah akibat perubahan proporsi relatif dari komponen-komponennya. Respon yang digunakan dalam penelitian ini adalah respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Pemilihan 26 respon tersebut didasarkan pada parameter mutu yang digunakan dalam penelitian-penelitian sebelumnya untuk menentukan kualitas mutu minuman. Respon-respon tersebut dipilih agar dapat diperoleh formula minuman dengan kualitas yang optimum. Tabel 7. Rancangan formula dari program Design Expert 7.0® Proporsi (% v/v) Formula 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Air Gula Kunyit Asam Jawa Jahe 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 0.0 19.9 10.0 10.0 5.1 0.0 0.0 5.0 30.0 10.0 0.0 15.0 0.0 15.0 24.9 15.0 0.0 30.0 0.0 5.0 9.9 10.0 19.9 15.0 30.0 5.1 0.0 10.0 0.0 0.0 30.0 0.0 5.1 15.0 15.0 0.0 30.0 5.1 10.1 10.0 5.0 15.0 0.0 19.9 0.0 10.0 30.0 15.0 0.0 15.0 0.0 0.0 15.0 0.0 B. HASIL PENGUKURAN RESPON FORMULA MINUMAN Berdasarkan rancangan formula yang dihasilkan dibuat model formula minuman untuk setiap formula. Selanjutnya dilakukan pengukuran dan perhitungan terhadap respon, antara lain respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Hasil pengukuran dan perhitungan respon dari setiap formula dapat dilihat pada Tabel 8. Hasil pengukuran setiap respon ini akan menjadi input data pada program Design Expert 7.0® yang selanjutnya akan dianalisis dalam tahapan analisis respon. 27 Tabel 8. Hasil keseluruhan pengukuran dan perhitungan respon total seluruh formula Kapasitas Antioksidan Warna Air Proporsi (%) Asam Jawa Gula Kunyit Jahe (mgAEq/ml) 1 30.0 40.0 0.0 0.0 30.0 0.1172 5.62 2 3 4 5 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 19.9 10.0 10.0 5.1 5.0 9.9 10.0 19.9 5.1 10.1 10.0 5.0 0.1633 0.1588 0.1650 0.1225 6 7 8 9 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 0.0 0.0 5.0 30.0 15.0 30.0 5.1 0.0 15.0 0.0 19.9 0.0 10 11 12 13 14 15 16 17 18 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 10.0 0.0 15.0 0.0 15.0 24.9 15.0 0.0 30.0 10.0 0.0 0.0 30.0 0.0 5.1 15.0 15.0 0.0 10.0 30.0 15.0 0.0 15.0 0.0 0.0 15.0 0.0 Formula pH Sensori TPT L a b ˚Hue Warna Bau Rasa Keseluruhan 14.1 59.593 -1.150 29.303 92.247 3.71 4.40 2.66 3.07 3.79 3.44 3.41 3.16 14.5 15.0 14.8 15.8 51.997 53.333 53.013 49.250 13.320 7.953 8.000 9.210 48.700 50.913 49.743 43.957 74.776 81.121 80.864 78.166 5.30 5.07 4.87 4.77 4.40 4.17 4.59 3.40 4.37 4.26 4.14 3.24 4.37 4.30 4.30 3.49 0.1474 0.0843 0.1775 0.1349 3.25 3.04 3.71 5.44 15.4 16.2 14.8 15.0 54.870 63.697 53.043 42.450 3.260 0.253 4.613 19.073 21.280 16.673 47.197 31.717 81.290 89.130 84.417 58.979 3.16 3.47 4.37 3.13 4.73 3.64 4.09 3.29 4.01 3.71 4.34 3.47 3.97 3.66 4.31 3.30 0.1766 0.1157 0.1248 0.0907 0.1220 0.1644 0.1645 0.1671 0.1291 3.44 5.62 5.96 3.03 5.95 3.77 3.26 3.27 5.46 14.9 14.1 14.2 16.2 14.2 13.8 15.2 15.4 15.0 47.867 56.620 45.160 60.010 41.820 50.970 49.233 51.380 42.607 9.567 1.750 15.617 1.160 14.880 14.380 13.160 5.170 15.200 41.857 29.090 38.030 19.843 31.750 45.197 43.417 23.830 32.847 77.126 86.557 67.675 86.654 64.889 72.351 73.137 77.759 65.167 4.79 3.63 3.41 3.84 3.20 4.39 4.66 3.54 3.64 4.50 3.57 3.70 4.07 3.64 3.97 4.64 4.37 3.84 4.44 2.87 3.53 3.97 4.11 4.09 4.26 4.03 3.81 4.57 3.07 3.39 4.16 3.74 4.06 4.43 4.14 3.96 28 C. ANALISIS RESPON DENGAN PROGRAM DESIGN EXPERT 7.0® Hasil pengukuran dan perhitungan masing-masing respon dari setiap formula minuman selanjutnya dijadikan sebagai input data di dalam program Design Expert 7.0®. Hasil input data dari masing-masing respon formula tersebut selanjutnya dianalisa oleh program Design Expert 7.0® yang dinamakan sebagai tahap analisis respon. Pada tahap analisis respon, program Design Expert 7.0® memberikan beberapa model polinomial yang disesuaikan dengan hasil pengukuran setiap respon. Program Design Expert 7.0® memberikan empat pilihan model polinomial untuk setiap respon, yaitu mean, linear, quadratic, dan cubic. Model polinomial merupakan output dari proses analisis respon formula minuman dengan rancangan D-optimal design. Program Design Expert 7.0® akan merekomendasikan salah satu model yang paling sesuai untuk setiap respon. Model yang paling sesuai dengan respon akan ditampilkan pada fit summary. Program Design Expert 7.0® memberikan fasilitas analisis ragam (ANOVA) untuk menunjukkan signifikansi dari model yang direkomendasikan. Selanjutnya, model yang direkomendasikan tersebut ditampilkan di dalam suatu contour plot, yang berupa gambar dan grafik dua dimensi (2-D) atau tiga dimensi (3-D). Model yang baik adalah model yang signifikan terhadap respon, memberikan lack of fit yang tidak signifikan, memiliki nilai predicted R-squared dan adjusted R-squared yang saling mendukung, serta memberikan nilai adequate precision lebih dari 4. Model yang baik akan memberikan prediksi yang baik bagi rata-rata keluaran yang dihasilkan. Pada tahap analisis respon, program Design Expert 7.0® juga memberikan fasilitas plot kenormalan residual (normal plot residual) yang mengindikasikan apakah residual (selisih antara respon aktual dengan nilai respon yang diprediksikan) mengikuti garis kenormalan (garis lurus). Titik-titik data yang semakin mendekati garis kenormalan menunjukkan titik-titik data yang menyebar normal yang berarti hasil aktual akan mendekati hasil yang diprediksikan oleh program Design Expert 7.0®. Pada plot kenormalan residual terdapat nilai internally studentized residual pada sumbu x, yaitu besarnya standar deviasi yang memisahkan nilai respon aktual dengan yang diprediksikan dan nilai normal % probability, yaitu persentase kemungkinan data hasil respon menyebar normal (Cornell 1999). 1. Analisis Respon Kapasitas Antioksidan Senyawa fitokimia dalam tanaman telah diketahui memiliki aktivitas antioksidan, tetapi keberadaan masing-masing komponen tersebut dalam jaringan tanaman relatif sulit untuk diukur secara terpisah (Pratt 1992). Oleh karena itu, beberapa metode telah dikembangkan dalam beberapa tahun terakhir untuk menghitung total aktivitas antioksidan sampel. Metode penangkapan senyawa radikal bebas stabil DPPH dipilih karena metode ini dapat mengukur kapasitas antioksidan semua jenis substrat dalam sampel, baik substrat yang bersifat hidrofilik maupun lipofilik sehingga diharapkan dapat menghasilkan hasil pengukuran yang lebih baik dibandingkan metode pengukuran aktivitas antioksidan lainnya (Vankar et al. 2002). Pengukuran kapasitas antioksidan dalam penelitian ini dilakukan dengan metode penangkapan radikal bebas stabil DPPH. DPPH adalah suatu radikal bebas stabil yang dapat bereaksi dengan radikal lain membentuk suatu senyawa yang stabil. Selain itu, DPPH juga dapat bereaksi dengan atom hidrogen yang berasal dari suatu antioksidan membentuk DPPH tereduksi (DPP Hidrazin) yang stabil (Molyneux 2004). Pengujian kapasitas antioksidan 29 dengan menggunakan DPPH tidak spesifik menguji suatu komponen antioksidan, tetapi digunakan untuk pengukuran kapasitas antioksidan total dalam bahan pangan. Pengukuran kapasitas antioksidan dengan metode DPPH menggunakan prinsip spektrofotometri. Senyawa DPPH (dalam metanol) yang berwarna ungu tua (deep violet) dapat terdeteksi pada panjang gelombang sinar tampak sekitar 520nm. Menurut Molyneux (2004), suatu senyawa dapat dikatakan memiliki aktivitas antioksidan apabila senyawa tersebut mampu mendonorkan atom hidrogennya untuk berikatan dengan DPPH membentuk DPP Hidrazin, ditandai dengan semakin hilangnya warna ungu (menjadi kuning pucat). Asam askorbat digunakan sebagai standar pengukuran kapasitas antioksidan dalam penelitian ini. Kemampuan asam askorbat dalam berbagai konsentrasi untuk menangkap radikal bebas stabil DPPH dipetakan dalam kurva standar asam askorbat. Persamaan regresi yang didapatkan dari kurva standar tersebut kemudian digunakan untuk mengetahui kapasitas antioksidan sampel (formula minuman) yang disetarakan dengan kapasitas antioksidan asam askorbat (donor atom hidrogen) dalam menangkap radikal bebas stabil DPPH. Kapasitas antioksidan formula minuman yang diukur dinyatakan dalam AEAC (Ascorbic Acid Equivalent Antioxidant Capacity) dengan satuan mgAEq/ml. Nilai yang diperoleh menunjukkan jumlah μg asam askorbat yang ekivalen dengan 1 ml sampel. Hasil uji respon kapasitas antioksidan berkisar antara 0.0843mgAEq/ml hingga 0.1775mgAEq/ml. Nilai kapasitas antioksidan terendah yaitu 0.0843mgAEq/ml berasal dari formula 7 yang hanya mengandung ekstrak asam jawa, sedangkan nilai kapasitas antioksidan tertinggi sebesar 0.1775mgAEq/ml berasal dari formula 8 yang mengandung campuran dari ketiga ekstrak rempah yang digunakan (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Nilai rata-rata (mean) dari respon kapasitas antioksidan adalah 0.14mgAEq/ml dengan standar deviasi sebesar (6.7120x10-3)mgAEq/ml. Kapasitas antioksidan yang dihasilkan sangat dipengaruhi oleh kandungan senyawa aktif dari ekstrak rempah yang digunakan. Kunyit memiliki aktivitas antioksidan yang cukup tinggi dan senyawa kurkumin merupakan komponen utama yang menyebabkan aktivitas antioksidan tersebut (Chang, Fong 1994). Asam jawa banyak mengandung asam tartarat, asam malat, asam oksalat, dan asam askorbat. Aktivitas antioksidan asam jawa diduga berasal dari asam askorbat. Sebagian besar kandungan asam pada asam jawa adalah asam tartarat. Sebaliknya, kandungan asam askorbat pada asam jawa sangat rendah sehingga kapasitas antioksidan asam jawa pun rendah (Nagy, Shaw 1980). Jahe banyak mengandung zat antioksidan alami seperti gingerol dan zingeron (Nabet 1996). Aktivitas antioksidan dari (6)gingerol, (6)-shogaol, san (6)-gingerdiol yang terkandung dalam jahe dinyatakan lebih tinggi daripada α-tocopherol (Kikuzaki, Nakatani 1993). Berdasarkan analisis yang dilakukan, model polinomial dari kapasitas antioksidan adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Selain kedua interaksi antar komponen tersebut, interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya serta AB(A-B) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). 30 Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang telah direduksi (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.6144) yang menunjukkan bahwa Lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon kapasitas antioksidan dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon kapasitas antioksidan secara berturut-turut adalah 0.9116 dan 0.9449 yang menunjukkan bahwa datadata yang diprediksikan dan data-data aktual untuk respon kapasitas antioksidan tercakup ke dalam model sebesar 91.16% dan 94.49%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon kapasitas antioksidan adalah 23.440 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (23.440) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon kapasitas antioksidan adalah sebagai berikut: (4.4640x10-3)A + (2.8881x10-3)B + (3.8750x10-3)C + (2.7328x10-4)AB + (2.5457x10-4)BC – (2.0316x10-5)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Kapasitas Antioksidan = Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), kapasitas antioksidan juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Respon kapasitas antioksidan akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak asam jawa, serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Respon kapasitas antioksidan akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisih keduanya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon kapasitas antioksidan sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (4.4640x10-3), diikuti dengan penambahan ekstrak jahe (3.8750x10-3), penambahan ekstrak asam jawa (2.8881x10-3), 31 interaksi ekstrak kunyit dan asam jawa (2.7328x10-4), serta interaksi ekstrak asam jawa dan ekstrak jahe (2.5457x10-4). Grafik kenormalan internally studentized residual untuk respon kapasitas antioksidan dapat dilihat pada Gambar 10. Grafik contour plot untuk respon kapasitas antioksidan dapat dilihat pada Gambar 11, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 12. Berdasarkan Gambar 10 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon kapasitas antioksidan menyebar normal. Data-data respon kapasitas antioksidan yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kapasitas antioksidan. Design-Expert® Software Kapasitas Antioksidan Normal Plot of Residuals Color points by value of Kapasitas Antioksidan: 0.1775 99 N o rm a l % P ro b a b ility 0.0843 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 Gambar 10. Grafik kenormalan internally studentized residuals respon kapasitas antioksidan A: Kunyit 30 Design-Expert® Software 2 Kapasitas Antioksidan Design Points 0.1775 0.0843 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.1368 2 0 0 0.1590 0.1590 3 3 0.1368 0.1811 0.1147 0.0925 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 11. Grafik countour plot hasil uji respon kapasitas antioksidan 32 Grafik countour plot pada Gambar 11 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon kapasitas antioksidan. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon kapasitas antioksidan. Warna biru menunjukkan nilai respon kapasitas antioksidan terendah, yaitu 0.0843mgAEq/ml. Warna merah menunjukkan respon kapasitas antioksidan tertinggi, yaitu 0.1775mgAEq/ml. Garisgaris yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon kapasitas antioksidan yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 12. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon kapasitas antioksidan yang rendah sedangkan area yang tinggi menunjukkan nilai respon kapasitas antioksidan yang tinggi. Design-Expert® Software Kapasitas Antioksidan 0.1775 0.0843 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe K apasitas A ntioks idan 0.2100 0.1750 0.1400 0.1050 0.0700 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 12. Grafik tiga dimensi hasil uji respon kapasitas antioksidan 2. Analisis Respon pH Derajat keasaman yang digunakan untuk menyatakan tingkat keasaman dan kebasaan yang dimiliki suatu larutan sering diungkapkan dengan nilai pH. Nilai pH menunjukkan konsentrasi ion H+ (hidrogen) yang terlarut di dalam suatu larutan. Tingkat keasaman produk pangan ditentukan oleh nilai pH. Nilai pH dari suatu produk pangan merupakan salah satu faktor penting yang menentukan tingkat ketahanan terhadap pertumbuhan mikroorganisme pembusuk selama pengolahan, distribusi, dan penyimpanan. Semakin besar konsentrasi ion hidrogen terlarut di dalam suatu produk pangan maka semakin tinggi tingkat keasamannya (nilai pH semakin rendah) dan sebaliknya. Hasil pengukuran respon pH berkisar antara 3.03 hingga 5.96. Nilai pH terendah yaitu 3.03 berasal dari formula 13 yang hanya mengandung ekstrak asam jawa, sedangkan nilai pH 33 tertinggi sebesar 5.96 berasal dari formula 12 yang hanya mengandung ekstrak kunyit dan jahe. Nilai rata-rata (mean) dari respon pH adalah 4.14 dengan standar deviasi sebesar 0.16. Komponen yang paling berperan dalam nilai pH adalah asam jawa. Daging buah asam jawa mengandung berbagai jenis asam yang diduga dapat melepaskan ion H+. Konsentrasi asam-asam ini dipengaruhi oleh tingkat kematangan buah asam jawa yang digunakan pada pembuatan asam kawak (Winarno, Wirakartakusumah 1981). Menurut Santosa (1985), pH sari buah asam jawa berkisar antara 2.81-3.42 dengan rata-rata 3.05. Kunyit dan jahe memiliki pH mendekati netral, sehingga penambahan jumlah ekstrak jahe dan ekstrak kunyit yang semakin banyak akan meningkatkan nilai pH. Nilai pH formula yang diukur tergantung banyaknya ekstrak asam jawa yang ditambahkan dalam formula. Semakin banyak jumlah ekstrak asam jawa yang ditambahkan, semakin rendah nilai pH-nya. Nilai pH berkaitan dengan umur simpan karena mempengaruhi penilaian organoleptik dan kandungan mikroorganisme produk. Produk yang memiliki nilai pH rendah (pH asam) biasanya tidak mengandung bakteri, tetapi dapat mengandung kapang dan khamir. Nilai pH medium sangat mempengaruhi jenis mikroorganisme yang tumbuh. Mikroorganisme yang umumnya tumbuh pada kisaran pH 3-6 adalah kapang dan khamir (Fardiaz 1989). Selain mempengaruhi umur simpan bahan pangan, pH juga dapat mempengaruhi sifat fisik bahan pangan seperti warna. Warna kunyit dan jahe sangat dipengaruhi oleh pH. Warna kuning yang cerah diperoleh pada pH asam (Farrel 1990). Sedangkan pH yang terlalu rendah akan menyebabkan warna ekstrak jahe menjadi merah muda, sehingga memberikan kesan bahwa minuman yang dibuat bukan berasal dari jahe (Sugani 1981). Berdasarkan analisis yang dilakukan, model polinomial dari respon pH adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang telah direduksi (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih kecil dari 0.05 (F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.3052) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon a dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon a secara berturut-turut adalah 0.8647 dan 0.9154 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon a tercakup ke dalam model sebesar 86.47% dan 91.54%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon a adalah 14.721 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (14.721) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon a adalah sebagai berikut: 43 a = 0.5488A + 0.0438B + (1.0194 x10-3)C + 0.0176AB + 0.0290AC + 0.0168BC – (3.6726 x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai a juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai a akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak jahe, serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat meningkatkan nilai a walaupun tidak signifikan. Nilai a akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan nilai a sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (0.5488), diikuti dengan penambahan ekstrak asam jawa (0.0438), peningkatan interaksi antara ekstrak kunyit dan ekstrak jahe (0.0290), peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (0.0168), serta penambahan ekstrak jahe (1.0946 x10-3). Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat meningkatkan nilai a walaupun tidak signifikan. Grafik kenormalan internally studentized residual untuk respon a dapat dilihat pada Gambar 22. Grafik contour plot untuk respon a dapat dilihat pada Gambar 23, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 24. Design-Expert® Software a Normal Plot of Residuals Color points by value of a: 19.073 99 N o rm a l % P ro b a b ility -1.150 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 22. Grafik kenormalan internally studentized residuals respon a Berdasarkan Gambar 22 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon a menyebar normal. 44 Data-data respon a yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon a. Grafik countour plot pada Gambar 23 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon a. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon a. Warna biru menunjukkan nilai respon L terendah, yaitu -1.150. Warna merah menunjukkan respon a tertinggi, yaitu 19.073. Garisgaris yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon a yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 24. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon a yang rendah sedangkan area yang tinggi menunjukkan nilai respon a yang tinggi. A: Kunyit 30 Design-Expert® Software 2 a Design Points 19.073 -1.15 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 14.471 11.583 0 2 0 8.695 3 3 5.807 2.919 2.919 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 23. Grafik countour plot hasil uji respon a 45 Design-Expert® Software a 19.073 -1.15 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 20.000 14.500 a 9.000 3.500 -2.000 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 24. Grafik tiga dimensi hasil uji respon a c. Analisis Respon b Notasi b menyatakan warna kromatik campuran biru-kuning dengan nilai + (positif) dari 0 sampai +70 untuk warna kuning dan nilai –b (negatif) dari 0 sampai -80 untuk warna biru. Hasil pengukuran respon b berkisar antara 16.673 hingga 50.913. Nilai b terendah yaitu 16.673 berasal dari formula 7 yang hanya mengandung ekstrak asam jawa, sedangkan nilai b tertinggi sebesar 50.913 berasal dari formula 3 yang mengandung semua ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) secara seimbang. Nilai rata-rata (mean) dari respon b adalah 35.85 dengan standar deviasi sebesar 4.53. Nilai b yang dihasilkan sangat dipengaruhi oleh warna komponen yang digunakan dalam setiap formula. Nilai b yang didapatkan sangat dipengaruhi oleh jumlah ekstrak kunyit dan ekstrak jahe yang ditambahkan. Peningkatan ekstrak kunyit dan ekstrak jahe yang ditambahkan cenderung menyebabkan peningkatan nilai b yang didapatkan. Peningkatan nilai b disebabkan karena warna ekstrak kunyit (kuning kemerahan) dan ekstrak jahe (putih kekuningan) yang menyebabkan warna formula minuman yang dibuat menjadi semakin mendekati warna merah. Sedangkan penambahan ekstrak asam jawa ke dalam formula minuman cenderung menurunkan nilai b yang terukur. Hal ini disebabkan karena penambahan ekstrak asam jawa yang berwarna agak coklat kemerahan mengurangi intensitas warna kuning yang dihasilkan oleh ekstrak kunyit dan ekstrak jahe yang terkandung dalam formula minuman. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari b adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.0879) yang menunjukkan bahwa Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon b dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon b secara berturut-turut adalah 0.7524 dan 0.8324 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon b tercakup ke dalam model sebesar 75.24% dan 83.24%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon b adalah 11.194 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (11.194) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon b adalah sebagai berikut: b = 1.1008A + 0.6178B + 1.0049C + 0.0894AB + 0.0182AC – (1.5408 x10-3)BC + 0.0123ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai b juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai b akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak asam jawa, serta interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Interaksi antara ekstrak kunyit dan ekstrak jahe juga dapat meningkatkan nilai b walaupun tidak signifikan. Peningkatan nilai b sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (1.1008), diikuti dengan penambahan ekstrak jahe (1.0049), penambahan ekstrak asam jawa (0.6178), peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (0.0894), serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (0.0123). Nilai b akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Tetapi penurunan nilai respon b yang terjadi tidak signifikan. Grafik kenormalan internally studentized residual untuk respon b dapat dilihat pada Gambar 25. Grafik contour plot untuk respon b dapat dilihat pada Gambar 26, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 27. 47 Design-Expert® Software b Normal Plot of Residuals Color points by value of b: 50.913 99 N o rm a l % P ro b a b ility 16.673 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 25. Grafik kenormalan internally studentized residuals respon b Berdasarkan Gambar 25 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon b menyebar normal. Data-data respon b yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon b. Grafik countour plot pada Gambar 26 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon b. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon b. Warna biru menunjukkan nilai respon b terendah, yaitu 16.673. Warna merah menunjukkan respon b tertinggi, yaitu 50.913. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon b yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 27. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon b yang rendah sedangkan area yang tinggi menunjukkan nilai respon b yang tinggi. 48 A: Kunyit 30 Design-Expert® Software 2 b Design Points 50.913 35.224 16.673 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 3 3 46.351 0 40.787 35.224 24.096 2 29.660 2 30 B: Asam 2 0 30 C: Jahe Gambar 26. Grafik countour plot hasil uji respon b Design-Expert® Software b 50.913 16.673 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 52.000 43.000 b 34.000 25.000 16.000 C (30) B (0) A (30) A (0) C (0) B (30) Gambar 27. Grafik tiga dimensi hasil uji respon b d. Analisis Respon ˚Hue ˚Hue menunjukkan kisaran warna sampel yang didapatkan dari hasil perhitungan nilai a dan nilai b. Hubungan antara ˚Hue dengan warna formula minuman yang diukur dapat dilihat pada Tabel 9. Hasil pengukuran respon ˚Hue berkisar antara 58.979 hingga 92.247. Nilai ˚Hue terendah yaitu 58.979 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai ˚Hue tertinggi sebesar 92.247 berasal dari formula 1 yang hanya mengandung ekstrak jahe. Nilai rata-rata (mean) dari respon ˚Hue adalah 77.35 dengan standar deviasi sebesar 3.60. 49 Tabel 9. Hubungan ˚Hue dengan warna formula minuman yang diukur ˚Hue Warna Sampel 18˚ - 54˚ 54˚ - 90˚ 90˚ - 1β6˚ red (R) yellow red (YR) yellow (Y) Nilai ˚Hue yang dihasilkan sangat dipengaruhi oleh warna komponen yang digunakan dalam setiap formula. Nilai ˚Hue yang didapatkan pada formula minuman yang diukur menunjukkan warna yellow red (YR) sampai dengan yellow (Y). Perbedaan intensitas warna yellow red (YR) dan yellow (Y) dipengaruhi oleh komposisi ekstrak rempah yang dicampurkan di dalam formula minuman. Penambahan ekstrak kunyit ke dalam formula minuman cenderung menurunkan nilai ˚Hue yang didapatkan. Sedangkan penambahan ekstrak asam jawa dan ekstrak jahe ke dalam formula minuman cenderung meningkatkan nilai ˚Hue yang didapatkan. Peningkatan ˚Hue ini terjadi karena penambahan ekstrak asam jawa dan ekstrak jahe yang lebih mendekati warna kuning akan menurunkan intensitas warna merah yang berasal dari ekstrak kunyit yang ditambahkan ke dalam formula minuman. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari ˚Hue adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.2323) yang menunjukkan bahwa Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data ˚Hue dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon ˚Hue secara berturut-turut adalah 0.7187 dan 0.8438 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon ˚Hue tercakup ke dalam model sebesar 75.24% dan 83.24%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon ˚Hue adalah 11.588 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (11.588) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon ˚Hue adalah sebagai berikut: 50 ˚Hue = β.1297A + 2.8946B + 2.9964C – (6.8785x10-4)AB – 0.0425AC – 0.0406BC + (8.3807x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai ˚Hue juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai ˚Hue akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, serta interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Peningkatan nilai ˚Hue sangat dipengaruhi oleh penambahan ekstrak jahe karena nilai konstanta dari komponen ini paling besar (2.9964), diikuti dengan penambahan ekstrak asam jawa (2.8946), penambahan ekstrak kunyit (2.1297), serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (8.3807 x10-3). Nilai ˚Hue akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe serta interaksi antara ekstrak kunyit dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat menurunkan ˚Hue walaupun tidak signifikan. Penurunan nilai ˚Hue sangat dipengaruhi oleh peningkatan interaksi antara ekstrak kunyit dan ekstrak jahe karena nilai konstantanya paling besar (0.0425) dan diikuti dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (0.0406). Grafik kenormalan internally studentized residual untuk respon ˚Hue dapat dilihat pada Gambar 28. Grafik contour plot untuk respon ˚Hue dapat dilihat pada Gambar 29, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 30. Design-Expert® Software Hue Normal Plot of Residuals Color points by value of Hue: 92.247 99 N o rm a l % P ro b a b ility 58.979 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 28. Grafik kenormalan internally studentized residuals respon ˚Hue Berdasarkan Gambar 28 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon ˚Hue menyebar normal. Data-data respon ˚Hue yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon ˚Hue. 51 Grafik countour plot pada Gambar 29 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon ˚Hue. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon ˚Hue. Warna biru menunjukkan nilai respon ˚Hue terendah, yaitu 58.9787. Warna merah menunjukkan respon ˚Hue tertinggi, yaitu 92.2474. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon ˚Hue yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 30. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon ˚Hue yang rendah sedangkan area yang tinggi menunjukkan nilai respon ˚Hue yang tinggi. A: Kunyit 30 Design-Expert® Software 2 Hue Design Points 92.247 58.979 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 67.413 71.908 2 0 76.404 0 3 3 80.900 80.900 2 85.396 85.396 2 30 B: Asam 2 0 30 C: Jahe Gambar 29. Grafik countour plot hasil uji respon ˚Hue Design-Expert® Software Hue 92.247 58.979 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 93.000 84.250 Hue 75.500 C (30) 66.750 A (0) B (0) 58.000 B (30) C (0) A (30) Gambar 30. Grafik tiga dimensi hasil uji respon ˚Hue 52 5. Analisis Respon Organoleptik Dalam industri pangan, kepuasan konsumen merupakan target utama yang harus dipenuhi apabila produsen ingin mendapatkan keuntungan. Kepuasan konsumen akan tercapai jika produsen mampu menyediakan produk dengan mutu terbaik (Krisnayunita 2002). Salah satu cara untuk mendapatkan produk dengan mutu yang baik dapat dilakukan dengan uji organoleptik. Penilaian konsumen terhadap suatu produk pangan meliputi beberapa atribut penilaian sensori, yaitu atribut penampakan produk, aroma, tekstur, warna dan rasa. Penilaian organoleptik banyak digunakan unruk menilai mutu komoditas pertanian dan makanan. Penilaian organoleptik disukai karena dapat dilaksanakan dengan cepat dan langsung (Soekarto 1985). Respon organoleptik didapatkan melalui uji rating hedonik menggunakan 70 panelis dengan skala kategori tujuh poin. a. Analisis Respon Organoleptik Warna Warna merupakan parameter pertama yang terlihat oleh konsumen, sehingga parameter ini dapat menjadi acuan pertama yang digunakan konsumen dalam menilai mutu suatu produk pangan. Apabila suatu produk pangan kurang menarik, konsumen mungkin tidak berminat lagi untuk menilai parameter kesukaan lainnya (Francis 1977). Hasil uji respon organoleptik warna berkisar antara 3.13 hingga 5.3. Nilai uji organoleptik warna terendah yaitu 3.13 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai uji organoleptik warna tertinggi sebesar 5.3 berasal dari formula 2 yang mengandung campuran dari ketiga ekstrak rempah yang digunakan (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Nilai rata-rata (mean) dari respon organoleptik warna adalah 4.05 dengan standar deviasi sebesar 0.32. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari respon organoleptik warna adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (0.0002). Selain itu, dapat diketahui secara terpisah (linear mixture) bahwa komponen A (ekstrak kunyit), komponen B (ekstrak asam jawa), dan komponen C (ekstrak jahe) tidak memberikan pengaruh yang nyata terhadap respon organoleptik warna yang dapat dilihat dari nilai p “prob>F” yang lebih besar dari 0.05 (0.2131). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi komponen AB (ekstrak kunyit dan ekstrak asam jawa) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) memberikan pengaruh yang nyata terhadap respon organoleptik warna. Sedangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan BC (ekstrak asam jawa dan ekstrak jahe) tidak memberikan pengaruh yang nyata terhadap respon organoleptik warna. Lack of fit F-value adalah sebesar 3.35 dengan nilai p “Prob>F” sebesar 0.0868 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik warna dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik warna secara berturut-turut adalah 0.6597 dan 0.8010 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik warna tercakup ke dalam model sebesar 65.97% dan 80.10%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya 53 lebih kecil dari 0.2. Adequate precision untuk respon organoleptik warna adalah 8.712 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (8.712) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon organoleptik warna adalah sebagai berikut: Organoleptik Warna = 0.1168A + 0.1214B + 0.1226C + (5.8426 x10-3)AB – (8.3992 x10-4)AC – (1.3706 x10-3)BC + (1.1240 x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik warna juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik warna seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan (konstanta bernilai positif) walaupun peningkatan respon yang dihasilkan tidak signifikan. Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, serta ekstrak jahe juga akan meningkatkan respon organoleptik warna secara signifikan. Peningkatan respon organoleptik warna sangat dipengaruhi oleh peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (5.8426 x10-3) karena nilai konstanta dari komponen ini paling besar dan diikuti dengan peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (1.1240 x10-3). Respon organoleptik warna akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif, walaupun pengaruhnya terhadap respon organoleptik warna tidak signifikan. Grafik kenormalan internally studentized residual untuk respon organoleptik warna dapat dilihat pada Gambar 31. Grafik contour plot untuk respon organoleptik warna dapat dilihat pada Gambar 32, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 33. Berdasarkan Gambar 31 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik warna menyebar normal. Data-data respon organoleptik warna yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik warna. 54 Design-Expert® Software Organoleptik Warna Normal Plot of Residuals Color points by value of Organoleptik Warna: 5.30 99 N o rm a l % P ro b a b ility 3.13 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 31. Grafik kenormalan internally studentized residuals respon organoleptik warna A: Kunyit 30 Design-Expert® Software 2 Organoleptik Warna Design Points 5.3 3.13 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 0 3 3 4.62 4.30 3.98 4.93 3.67 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 32. Grafik countour plot respon organoleptik warna Warna-warna yang berbeda pada grafik contour plot pada Gambar 32 menunjukkan nilai respon organoleptik warna. Warna biru menunjukkan nilai respon organoleptik warna terendah, yaitu 3.13. Warna merah menunjukkan respon organoleptik warna tertinggi, yaitu 5.3. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik warna yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 33. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik warna yang 55 rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik warna yang tinggi. Design-Expert® Software Organoleptik Warna 5.3 3.13 5.40 O rganoleptik W arna X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 4.83 4.25 3.68 3.10 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 33. Grafik tiga dimensi hasil uji respon organoleptik warna b. Analisis Respon Organoleptik Bau Bau dari adalah salah satu parameter yang ikut menentukan kelezatan dari suatu bahan pangan. Bau dapat dikaitkan dengan keberadaan senyawa yang dapat menimbulkan kesan makanan tertentu dengan hanya dicium saja. Senyawa tersebut disebut sebagai senyawa penyumbang bau-rasa (Mann 1997). Hasil uji respon organoleptik bau berkisar antara 3.29 hingga 4.73. Nilai uji organoleptik bau terendah yaitu 3.29 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai uji organoleptik bau tertinggi sebesar 4.73 berasal dari formula 6 yang hanya mengandung campuran dari ekstrak asam jawa dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik bau adalah 4.06 dengan standar deviasi sebesar 0.45. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0 ®, model polinomial dari respon organoleptik bau adalah mean. Hasil analisis ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa lack of fit dari model yang dihasilkan (mean) tidak signifikan. Hal ini ditunjukkan dengan nilai lack of fit lebih besar dari 0.05 (0.1621) dan F-value sebesar 2.28. Lack of fit dari respon organoleptik bau tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik bau dengan model. Nilai predicted R-squared yang dihasilkan bernilai negatif, yaitu -0.1211. Nilai predicted R-squared yang negatif menunjukkan bahwa overall mean memberikan prediksi 56 lebih baik bagi respon organoleptik bau. Model yang dihasilkan untuk respon organoleptik bau hanya dibuat berdasarkan nilai mean sehingga didapatkan persamaan sebagai berikut: Organoleptik Bau = 4.0561 Grafik kenormalan internally studentized residual untuk respon organoleptik bau dapat dilihat pada Gambar 34. Grafik contour plot untuk respon organoleptik bau dapat dilihat pada Gambar 35, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 36. Design-Expert® Software Organoleptik Bau Normal Plot of Residuals Color points by value of Organoleptik Bau: 4.73 99 N o rm a l % P ro b a b ility 3.29 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 34. Grafik kenormalan internally studentized residuals respon organoleptik bau Berdasarkan Gambar 34 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik bau menyebar normal. Data-data respon organoleptik bau yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik bau. Grafik countour plot pada Gambar 35 menggambarkan bagaimana kombinasi antar komponen tidak saling mempengaruhi dengan nilai respon organoleptik bau. Warna yang terlihat sama pada seluruh area grafik countour plot yang menunjukkan bahwa nilai respon yang terukur sama tingginya pada semua kombinasi antar komponen yang diukur. Hal ini disebabkan karena model polinomial yang terpilih adalah mean sehingga nilai respon organoleptik bau dianggap sama pada setiap kombinasi. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 36. Pada bentuk grafik tiga dimensi untuk respon organoleptik bau juga terlihat nilai respon yang datar pada setiap kombinasi antar komponen yang diukur. Hal ini juga disebabkan model polinomial yang dihasilkan (mean) yang menyebabkan nilai respon organoleptik bau dianggap tidak berbeda nyata pada setiap kombinasi antar komponen. 57 A: Kunyit 30 Design-Expert® Software 2 Organoleptik Bau Design Points 4.73 3.29 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 0 3 3 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 35. Grafik countour plot hasil uji respon organoleptik bau Design-Expert® Software Organoleptik Bau 4.73 3.29 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe O rganoleptik B au 4.90 4.48 4.05 3.63 3.20 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 36. Grafik tiga dimensi hasil uji respon organoleptik bau c. Analisis Respon Organoleptik Rasa Rasa merupakan persepsi dari sel pengecap yang meliputi rasa asin, manis, asam, dan pahit yang diakibatkan oleh bahan yang terlarut dalam mulut (Meilgaard et al. 1999). Menurut Nasution (1980), rasa dapat dinilai dengan adanya tanggapan rangsangan kimiawi oleh indra pencicip (lidah). Rasa merupakan atribut sensori yang tidak dapat dilepaskan dari keseluruhan citarasa produk pangan. Rasa memegang peranan sangat 58 penting dalam penerimaan konsumen terhadap produk tersebut. Rasa dimasukkan sebagai respon karena perubahan komposisi ekstrak rempah sangat berpengaruh terhadap rasa formula minuman yang dihasilkan. Hasil uji respon organoleptik rasa berkisar antara 2.66 hingga 4.44. Nilai uji organoleptik rasa terendah yaitu 2.66 berasal dari formula 1 yang hanya mengandung ekstrak jahe, sedangkan nilai uji organoleptik rasa tertinggi sebesar 4.44 berasal dari formula 10 yang mengandung campuran dari ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik rasa adalah 3.85 dengan standar deviasi sebesar 0.19. Berdasarkan analisis yang dilakukan, model polinomial dari respon organoleptik rasa adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen ABC yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Selain itu, interaksi komponen AB(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang dihasilkan (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” yang lebih kecil dari 0.05 (0.0057). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi antar komponen AB (ekstrak kunyit dan ekstrak asam jawa), AC (ekstrak kunyit dan ekstrak jahe), serta BC (ekstrak asam jawa dan ekstrak jahe) juga memberikan pengaruh yang nyata terhadap respon organoleptik rasa. Selain itu, interaksi komponen BC(B-C) yang merupakan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya juga turut memberikan pengaruh yang nyata terhadap respon organoleptik rasa. Lack of fit F-value adalah sebesar 0.1γ dengan nilai p “Prob>F” sebesar 0.9672 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik rasa dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik rasa secara berturut-turut adalah 0.7392 dan 0.8658 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik rasa tercakup ke dalam model sebesar 73.92% dan 86.58%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon organoleptik rasa adalah 13.329 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (13.329) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon organoleptik rasa adalah sebagai berikut: 59 Organoleptik Rasa = 0.1220A + 0.1276B + 0.0920C + (2.4319 x10-3)AB + (2.6675 x10-3)AC + (3.1790 x10-3)BC + (2.0148 x10-4)AC(A-C) – (6.4001 x10-4)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik rasa juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik rasa seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Respon organoleptik rasa juga akan meningkat seiring peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa, ekstrak kunyit dan ekstrak jahe, serta ekstrak asam jawa dan ekstrak jahe. Peningkatan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya juga dapat meningkatkan nilai respon organoleptik rasa walaupun tidak signifikan. Respon organoleptik rasa akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon organoleptik rasa sangat dipengaruhi oleh peningkatan penambahan ekstrak asam jawa karena nilai konstanta dari komponen ini paling besar (0.1276), diikuti dengan penambahan ekstrak kunyit (0,1220), penambahan ekstrak jahe (0.0920), peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (3.1790 x10-3), interaksi antara ekstrak kunyit dan ekstrak jahe (2.6675 x10-3), serta peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (2.4319 x10-3),. Grafik kenormalan internally studentized residual untuk respon organoleptik rasa dapat dilihat pada Gambar 37. Grafik contour plot untuk respon organoleptik rasa dapat dilihat pada Gambar 38, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 39. Design-Expert® Software Organoleptik Rasa Normal Plot of Residuals Color points by value of Organoleptik Rasa: 4.44 99 N o rm a l % P ro b a b ility 2.66 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 37. Grafik kenormalan internally studentized residuals respon organoleptik rasa 60 Berdasarkan Gambar 37 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik rasa menyebar normal. Data-data respon organoleptik rasa yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik rasa. Warna-warna yang berbeda pada grafik contour plot pada Gambar 38 menunjukkan nilai respon organoleptik rasa. Warna biru menunjukkan nilai respon organoleptik rasa terendah, yaitu 2.66. Warna merah menunjukkan respon organoleptik rasa tertinggi, yaitu 4.44. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik rasa yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 39. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik rasa yang rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik rasa yang tinggi. A: Kunyit 30 Design-Expert® Software 2 Organoleptik Rasa Design Points 4.44 3.80 2.66 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 4.26 04.26 3.80 0 3 3 4.26 3.80 3.34 3.34 2.88 4.72 2.88 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 38. Grafik countour plot hasil uji respon organoleptik rasa 61 Design-Expert® Software Organoleptik Rasa 4.44 2.66 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe O rganoleptik Rasa 5.20 4.43 3.65 2.88 2.10 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 39. Grafik tiga dimensi hasil uji respon organoleptik rasa d. Analisis Respon Organoleptik Keseluruhan (Overall) Hasil uji respon organoleptik keseluruhan berkisar antara 3.07 hingga 4.57. Nilai uji organoleptik keseluruhan terendah yaitu 3.07 berasal dari formula 1 yang hanya mengandung ekstrak jahe, sedangkan nilai uji organoleptik keseluruhan tertinggi sebesar 4.57 berasal dari formula 10 yang mengandung campuran dari ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik keseluruhan adalah 3.90 dengan standar deviasi sebesar 0.26. Berdasarkan analisis yang dilakukan, model polinomial dari respon organoleptik keseluruhan adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted Rsquared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Selain itu, interaksi komponen AB(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya serta interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang dihasilkan (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (0.0010). Selain itu, dapat diketahui secara terpisah (linear mixture) bahwa komponen A (ekstrak kunyit), komponen B (ekstrak asam jawa), dan komponen C (ekstrak jahe) memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan yang dapat dilihat dari nilai p “prob>F” yang lebih kecil dari 0.05 (0.0222). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi antar komponen AB (ekstrak kunyit dan ekstrak asam jawa) dan BC (ekstrak asam jawa dan ekstrak jahe) juga memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan. Selain itu, interaksi antar komponen 62 BC(B-C) yang merupakan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya juga turut memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan. Lack of fit F-value adalah sebesar 0.80 dengan nilai p “Prob>F” sebesar 0.6033 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik keseluruhan dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik keseluruhan secara berturut-turut adalah 0.4625 dan 0.6984 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik keseluruhan tercakup ke dalam model sebesar 46.25% dan 69.84%. Nilai predicted R-squared yang dihasilkan tidak terlalu dekat dengan nilai adjusted R-Squared seperti yang normalnya diharapkan karena selisih keduanya melebihi dari 0.2 (0.2359). Hal ini dapat disebabkan karena permasalahan pada data. Persamaan polinomial reduced cubic yang digunakan sudah memaksimumkan nilai predicted R-squared dan adjusted Rsquared sehingga reduksi model lebih lanjut akan menurunkan nilai-nilai tersebut. Adequate precision untuk respon organoleptik keseluruhan adalah 9.709 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (9.709) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan belum memenuhi seluruh syarat sebagai model yang baik sehingga prediksi yang diberikan tidak terlalu baik. Persamaan polinomial untuk respon organoleptik keseluruhan adalah sebagai berikut: Organoleptik Keseluruhan = 0.1245A + 0.1289B + 0.1049C + (3.6027 x10-3)AB + (2.7186 x10-3)BC – (4.8396 x10-4)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik keseluruhan juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik keseluruhan seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan (konstanta bernilai positif). Respon organoleptik keseluruhan juga akan meningkat seiring peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Respon organoleptik keseluruhan akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon organoleptik keseluruhan sangat dipengaruhi oleh peningkatan penambahan ekstrak asam jawa karena nilai konstanta dari komponen ini paling besar (0.1289), diikuti dengan peningkatan penambahan ekstrak jahe (0,1249), penambahan ekstrak kunyit (0.1045), peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (3.6027 x10-3), serta peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (2.7186 x10-3). 63 Grafik kenormalan internally studentized residual untuk respon organoleptik keseluruhan dapat dilihat pada Gambar 40. Grafik contour plot untuk respon organoleptik keseluruhan dapat dilihat pada Gambar 41, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 42. Design-Expert® Software Organoleptik Keseluruhan/Overall Normal Plot of Residuals Color points by value of Organoleptik Keseluruhan/Overall: 4.57 99 N o rm a l % P ro b a b ility 3.07 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 Gambar 40. Grafik kenormalan internally studentized residuals respon organoleptik keseluruhan Berdasarkan Gambar 40 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik keseluruhan menyebar normal. Data-data respon organoleptik keseluruhan yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik keseluruhan. Warna-warna yang berbeda pada grafik contour plot pada Gambar 41 menunjukkan nilai respon organoleptik keseluruhan. Warna biru menunjukkan nilai respon organoleptik keseluruhan terendah, yaitu 3.07. Warna merah menunjukkan respon organoleptik keseluruhan tertinggi, yaitu 4.57. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik keseluruhan yang sama. 64 Gambar 41. Grafik countour plot hasil uji respon organoleptik keseluruhan Gambar 42. Grafik tiga dimensi hasil uji respon organoleptik keseluruhan Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 42. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik keseluruhan yang rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik keseluruhan yang tinggi. D. OPTIMASI FORMULA DENGAN PROGRAM DESIGN EXPERT 7.0® Proses optimasi dilakukan untuk mendapatkan suatu formula dengan respon-respon yang optimal. Respon yang paling optimal diperoleh jika nilai desirability mendekati satu. Setiap komponen yang dioptimasi diberikan pembobotan kepentingan untuk mencapai tujuan yang 65 diinginkan. Pembobotan kepentingan ini dinamakan importance yang dapat dipilih mulai dari 1 (+) hingga 5 (+++++) tergantung kepentingan variabel respon yang bersangkutan. Semakin banyak tanda positif yang diberikan menunjukkan tingkat kepentingan variabel respon yang semakin tinggi. Berikut ini komponen yang dioptimasi, nilai target, batas, dan importance pada tahapan optimasi formula dengan menggunakan program Design Expert 7.0® yang ditunjukkan pada Tabel 10. Tabel 10. Komponen dan respon yang dioptimasi, target, batas, dan importance pada tahapan optimasi formula ........................................................................................................ Nama komponen/respon Ekstrak kunyit Ekstrak asam jawa Ekstrak jahe Kapasitas antioksidan pH TPT Analisis warna L a b ˚Hue Organoleptik warna bau rasa overall Goal in range in range in range maximize in range in range in range in range in range in range target – 4.5 target – 4.5 target – 4.4 target – 4.5 Batas bawah 0 0 0 0.0843 3.03 13.8 41.82 -1.15 16.673 58.979 3.13 3.29 2.66 3.07 Batas atas 30 30 30 0.1775 5.96 16.2 63.697 19.073 50.913 92.247 5.3 4.73 4.44 4.57 Importance 3 (+++) 3 (+++) 3 (+++) 5 (+++++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) Respon kapasitas antioksidan dengan range 0.0843-0.1775mgAEq/ml dioptimalkan dengan goal maximize dan importance 5 (+++++). Hal ini dikarenakan kapasitas antioksidan adalah sifat fungsional yang penting dari suatu produk pangan fungsional, sehingga diharapkan memiliki nilai yang tinggi dalam formula minuman yang dihasilkan. Selain itu, kandungan antioksidan yang tinggi adalah karakteristik yang khas dari rempah-rempah. Oleh karena itu kapasitas antioksidan adalah respon yang sebaiknya diperhatikan dalam formulasinya menjadi formula minuman. Respon organoleptik warna dengan range 3.13-5.30 dioptimalkan dengan target 4.5. Menurut Meilgaard (1999), warna merupakan salah satu atribut penampilan pada suatu produk yang sering kali menentukan tingkat penerimaan konsumen terhadap produk secara lengkap. Oleh karena itu, warna menjadi atribut yang sangat penting dalam formulasi suatu produk. Nilai yang tinggi pada atribut warna menunjukkan tingkat kesukaan konsumen yang tinggi terhadap formula yang diujikan. Karena pengaruhnya yang besar terhadap penerimaan konsumen, respon organoleptik warna diharapkan memiliki nilai yang tinggi. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik bau dengan range 3.29-4.73 dioptimalkan dengan target 4.5 dan importance 3 (+++). Bau adalah salah satu penentu kelezatan bahan pangan (De Mann 1997). Kelezatan bahan pangan sangat berpengaruh terhadap penerimaan konsumen. Oleh karena itu, 66 bau menjadi salah satu faktor penentu yang penting dalam formulasi produk. Respon bau yang dinilai secara uji rating hedonik ini diharapkan mendapatkan penerimaan yang baik. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik rasa dengan range 2.66-4.44 dioptimalkan dengan target 4.4 dan importance 3 (+++). Menurut Wirakartakusumah et al. (1992), rasa menempati urutan kedua sebagai faktor terpenting yang dipilih oleh responden (30%), sehingga respon rasa yang dinilai secara uji rating hedonik ini juga menjadi penting nilainya. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.4 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik rasa tidak dapat ditargetkan menjadi 4.5 seperti respon organoleptik lainnya karena nilai maksimumnya dalam pengukuran respon yang telah dilakukan adalah 4.44. Respon organoleptik keseluruhan/overall dengan range 3.07-4.57 dioptimalkan dengan target 4.5 dan importance 3 (+++). Respon keseluruhan menunjukkan penerimaan konsumen terhadap seluruh atribut sensori produk. Respon ini memberi gambaran umum mengenai penerimaan formula yang dihasilkan sehingga diharapkan mendapatkan nilai yang tinggi. Dalam uji rating hedonik, respon keseluruhan dengan nilai yang tinggi yang menunjukkan tingginya penerimaan konsumen terhadap seluruh atribut formula yang dihasilkan. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon pH dengan range 3.03-5.96 dioptimalkan dengan target respon in range dan importance 3 (+++). Respon TPT dengan range 13.8-16.2 dioptimalkan dengan target respon in range dan importance 3 (+++). Respon L hasil pengukuran warna dengan range 41.820-63.697 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon a hasil pengukuran warna dengan range (-1.15)-19.073 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon b hasil pengukuran warna dengan range 16.673-50.913 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon ˚Hue hasil analisis warna dengan range 58.979-92.247 dioptimalkan dengan target respon in range dan importance 3 (+++). Hal ini dilakukan karena pH, TPT, dan hasil analisis warna (nilai L, a, b dan ˚Hue) dilakukan dengan menggunakan instrument (obyektif). Respon-respon ini diukur untuk memperkirakan karakteristik formula yang dihasilkan dan menjaga agar formula yang dihasilkan tidak menyimpang dari karakteristik formula yang diinginkan. Dari tahap optimasi yang dilakukan, program Design Expert 7.0® memberikan empat solusi formula optimum yang dapat dilihat pada Lampiran 25. Solusi formula optimum ini didapatkan dari hasil running program Design Expert 7.0® terhadap 30 formula yang kemungkinan akan memberikan hasil yang optimum (Lampiran 24). Dari 30 formula tersebut, dipilih formula-formula yang memberikan nilai desirability tinggi yang kemudian akan direkomendasikan oleh program Design Expert 7.0® sebagai solusi formula optimum. Nilai target optimasi yang dapat dicapai dikenal dengan istilah nilai desirability yang ditunjukkan dengan nilai 0 – 1. Semakin tinggi nilai desirability menunjukkan semakin tingginya kesesuaian formula minuman untuk mencapai formula optimal dengan variabel respon yang dikehendaki. Formula 1 memiliki nilai desirability sebesar 0.913, formula 2 sebesar 0.897, formula 3 sebesar 0.848, dan formula 4 sebesar 0.784. 67 Dari keempat solusi formula optimum yang dihasilkan dari proses optimasi, formula 1 memiliki nilai desirability tertinggi sehingga direkomendasikan oleh program Design Expert 7.0® (selected). Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Berdasarkan rekomendasi yang diberikan, formula 1 akan dilanjutkan ke tahap verifikasi karena memiliki nilai desirability paling tinggi. Nilai desirability yang dihasilkan sangat dipengaruhi oleh kompleksitas komponen, kisaran yang digunakan dalam komponen, jumlah komponen dan respon, serta target yang ingin dicapai dalam memperoleh formula optimum. Kompleksitas jumlah komponen dapat terlihat pada persyaratan jumlah bahan baku yang dianggap penting dan berpengaruh terhadap produk untuk menentukan formulasi. Jumlah masing-masing bahan baku ditentukan dalam selang yang berbeda-beda yang akan berpengaruh terhadap nilai desirability. Semakin lebar selang, maka penentuan formula optimum dengan desirability yang tinggi akan semakin sulit. Jumlah komponen dan respon juga turut mempengaruhi nilai desirability formula optimum. Semakin banyak jumlah komponen dan respon, semakin sulit untuk mencapai keadaan optimum sehingga nilai desirability yang dihasilkan kemungkinan rendah. Nilai masing-masing respon berbeda targetnya satu sama lain sesuai dengan keinginan formulator. Nilai importance yang besar (+++ hingga +++++) menunjukkan adanya keinginan yang tinggi untuk mencapai produk optimal yang ideal (sesuai target optimasi). Semakin besar tingkat kepentingan (importance) dari suatu respon atau komponen, maka semakin sulit untuk memperoleh formula optimum dengan nilai desirability yang tinggi (Wulandhari 2007). Solusi formula terpilih, yaitu formula 1 memiliki komposisi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v). Formula ini diprediksikan akan memiliki kapasitas antioksidan sebesar 0.1643mgAEq/ml, pH sebesar γ.βγ, TPT sebesar 14.9˚Hue, nilai L sebesar 47.515, nilai a sebesar 11.γβ6, nilai b sebesar 45.698, nilai ˚Hue sebesar 77.416, serta hasil uji rating hedonik sebesar 4.96 untuk atribut warna, 4.06 untuk atribut bau, 4.21 untuk atribut rasa, dan 4.50 untuk atribut keseluruhan/overall. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Grafik countour plot dari solusi formula 1 dapat dilihat pada Gambar 43 dan grafik tiga dimensinya dapat dilihat pada Gambar 44. Countour plot disajikan dengan menggunakan model prediksi untuk nilai respon kapasitas antioksidan, pH, TPT, hasil analisis warna (nilai L, a, b, dan ˚Hue), dan hasil uji rating hedonik (warna, bau, rasa, dan overall). Garis-garis yang terdiri atas titik-titik pada grafik countour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan nilai desirability tertentu yang sama. Titik prediksi pada Gambar 43 menunjukkan kombinasi ekstrak kunyit sebesar 5.0%(v/v). ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Grafik tiga dimensi pada Gambar 44 menunjukkan proyeksi dari countour plot. Area yang rendah pada grafik tiga dimensi menunjukkan nilai desirability yang rendah, sedangkan area yang tinggi menunjukkan nilai desirability yang tinggi. 68 A: Kunyit 30 Design-Expert® Software 2 Desirability Design Points 1 0.151 0.151 0 0.151 0.151 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.151 0.151 0.754 0.603 0.603 0.151 0.603 0.301 0.301 0.151 2 0.452 0.452 0.151 0 0.452 0 0.452 0.151 0.151 0.301 3 3 0.754 0.754 0.754 Prediction 0.913 0.452 0.151 0.301 0.452 0.301 0.603 0.301 0.151 0.754 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 43. Grafik countour plot nilai desirability formula 1 Design-Expert® Software Desirability 1 0 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.920 Desirability 0.690 0.460 0.230 0.000 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 44. Grafik tiga dimensi nilai desirability formula 1 E. VERIFIKASI SOLUSI FORMULA OPTIMUM Setelah dilakukan tahap optimasi formula dengan menggunakan program Design Expert 7.0®, dilakukan tahap verifikasi. Tahap verifikasi bertujuan untuk melakukan pembuktian terhadap prediksi dari nilai respon solusi formula optimum yang diberikan oleh program Design Expert 7.0®. Dari tahapan verifikasi, akan didapatkan nilai respon aktual yang kemudian akan dibandingkan dengan prediksi respon yang dihasilkan oleh program Design Expert 7.0®. 69 Selain prediksi nilai respon dari setiap solusi formula optimum yang diberikan, program Design Expert 7.0® juga memberikan confident interval dan prediction interval untuk setiap nilai prediksi respon pada taraf signifikansi 5%. Confident interval adalah rentang yang menunjukkan ekspektasi rata-rata hasil pengukuran berikutnya pada taraf signifikansi tertentu, dalam hal ini 5%. Prediction interval adalah rentang yang menunjukkan ekspektasi hasil pengukuran respon berikutnya dengan kondisi sama pada taraf signifikansi tertentu, dalam hal ini 5%. Hasil verifikasi yang dilakukan beserta prediksi dari setiap respon dapat dilihat pada Tabel 12. Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk solusi formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan tidak sama persis dengan prediksi yang diberikan oleh program Design Expert 7.0® walaupun perbedaannya tidak besar. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Warna formula 1 yang diverifikasi dan warna yang diprediksikan oleh program Design Expert 7.0® dapat dilihat pada color chart yang ditentukan berdasarkan nilai a dan b dari formula tersebut (Lampiran 35). Perbedaan yang terjadi antara hasil prediksi dengan respon aktual yang diperoleh dapat disebabkan karena perbedaan bahan baku yang didapatkan pada saat verifikasi dengan saat pengukuran respon yang dilakukan di awal penelitian. Walaupun telah diusahakan untuk membeli dari tempat yang sama dan menggunakan bahan baku dengan mutu yang sama dengan sebelumnya, kemungkinan perbedaan bahan baku yang didapatkan masih sangat besar. Bahan baku segar seperti kunyit, asam, dan jahe sangat dipengaruhi oleh kondisi penanaman dan waktu panen yang dilakukan. Penanganan dan penyimpanan pasca panen sebelum sampai ke tangan konsumen juga dapat mempengaruhi bahan. Faktor-faktor eksternal tersebut sangat sulit dikendalikan oleh pembeli sehingga perbedaan dapat terjadi walaupun tidak jauh dari prediksi yang didapatkan. Hal ini masih dapat diterima mengingat hasil verifikasi yang didapatkan adalah nilai respon sampel, sedangkan prediksi yang diberikan oleh program Design Expert 7.0® adalah perkiraan dari nilai respon populasi. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.27 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.20˚Brix. 70 Tabel 11. Prediksi dan hasil verifikasi nilai respon solusi formula optimum hasil optimasi dengan program Design Expert 7.0® Respon 95% PI low 95% PI high Prediksi Hasil Verifikasi 0.1767 0.1741 0.1700 0.1800 0.1600 0.1900 3.28 14.9 52.129 6.016 41.554 81.511 4.50 3.58 15.20 51.129 8.261 40.562 78.489 4.40 3.06 14.570 49.920 4.220 37.000 77.890 4.18 3.50 15.27 54.340 7.820 46.110 85.130 4.82 2.85 13.39 46.810 1.680 30.600 72.800 3.72 3.71 16.45 57.440 10.350 52.510 90.220 5.28 Bau 4.06 4.20 3.83 4.28 3.09 5.03 Rasa 4.40 4.10 4.17 4.63 3.92 4.88 Keseluruhan 4.44 4.27 4.14 4.74 3.80 5.09 Kapasitas Antioksidan (mgAEq/ml) pH TPT (˚Brix) L Analisis a Warna b ˚Hue (˚) Warna Sensori Formula 1 95% CI 95% CI low high 71 V. SIMPULAN DAN SARAN A. SIMPULAN Dari hasil optimasi dengan menggunakan program Design Expert 7.0® didapatkan empat solusi formula minuman optimum. Formula 1 menggunakan kombinasi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Formula 2 menggunakan kombinasi ekstrak kunyit sebesar 7.5%(v/v), ekstrak asam jawa sebesar 6.1%(v/v), dan ekstrak jahe sebesar 16.4%(v/v) yang menghasilkan nilai desirability sebesar 0.897. Formula 3 menggunakan kombinasi ekstrak kunyit sebesar 22.3%(v/v), ekstrak asam jawa sebesar 7.7%(v/v), dan tanpa menggunakan ekstrak jahe yang menghasilkan nilai desirability sebesar 0.848. Formula 4 juga tidak menggunakan ekstrak jahe dan hanya menggunakan kombinasi ekstrak kunyit sebesar 8.8%(v/v) serta ekstrak asam jawa sebesar 21.2%(v/v) yang menghasilkan nilai desirability sebesar 0.784. Dari keempat solusi formula optimum, formula 1 memiliki nilai desirability paling tinggi. Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Oleh karena itu, akan dilakukan verifikasi terhadap formula 1 untuk mendapatkan hasil aktual dari respon-respon yang telah diprediksikan. Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.27 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.20˚Brix. 72 B. SARAN Saran yang dapat diberikan penulis untuk penelitian selanjutnya antara lain pengujian efek antioksidan formula minuman terpilih ini terhadap fungsi tubuh secara in vivo agar dapat diketahui secara pasti efeknya pada jaringan yang hidup. Penelitian terhadap efek sinergisme antioksidan dari bahan yang digunakan dapat dilakukan untuk mempelajari mekanismenya. Peningkatan mutu organoleptik formula minuman ini juga perlu untuk dilakukan, misalnya dengan menggunakan berbagai jenis pemanis yang berbeda serta penggunaan flavor yang sesuai untuk memperbaiki karakteristik sensori formula minuman yang dihasilkan. Saat dikembangkan menjadi produk minuman komersial, sebaiknya dilakukan pengujian-pengujian terhadap produk berdasarkan SNI (Standar Nasional Indonesia) yang sesuai. Pengemasan untuk minuman yang dihasilkan juga dapat dilakukan untuk mempersiapkan formula minuman terpilih ini menjadi produk yang siap jual. Pengujian untuk mengetahui shelf life dari formula minuman yang dihasilkan juga dapat dilakukan untuk menentukan masa kadaluarsa produk yang dikembangkan dari formula minuman ini. Penelitian mengenai kestabilan produk selama penyimpanan juga perlu dilakukan untuk mendapatkan produk ready to drink (RTD) dengan kualitas yang baik. Dalam hal ini dapat dikembangkan proses ekstraksi yang lebih baik dan penggunaan bahan tambahan pangan yang dapat menunjang kualitas produk sampai ke tangan konsumen. 73 DAFTAR PUSTAKA Adawiyah DR, Waysima. 2009. Buku Ajar Evaluasi Sensori Produk Pangan. ed ke-1. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor, Bogor. Andarwulan N, Sutrisno K. 1992. Kimia Vitamin. Jakarta: Rajawali Press. Andarwulan N, Fardiaz D, Wijaya CH, Apriyantono A. 1995. Isolasi dan karakterisasi antioksidan dari jinten (Cuminum cyminum Linn.). Prosiding pada Widyakarya Nasional Khasiat Makanan Tradisional, Kantor Menteri Negara Urusan Pangan RI. [Anonim]. 1970. Tropical Legumes, Resources for The Future. Washington DC: National Academy of Science. [Anonim]. 2006. Design-expert 7 user’s guide. [e-book] http://stat-ease.com/. [21 Januari 2011]. [AOAC] Association of Official Analytical Chemists. 1995. Official Methods of Analysis. 16th ed. Arlington: AOAC. Arpah M. 2001. Penentuan Kadaluarsa Produk Pangan. Bogor: Pusat Studi Pangan dan Gizi, Institut Pertanian Bogor. Block G, Langseth L. 1994. Antioxidant vitamin and disease prevention. Food Technology 48 (7). Broek A. 1993. Functional food: The Japanese approach. International Food Ingredients 1:49. Caragay AB. 1992. Cancer preventive food and ingredients. Food Technology 46: 65-68. Chan MM, Fong D. 1994. Anti-inflammatory and cancer-preventive immunomodulation trough diet: Effect of curcumin on T-lymphocytes. Food Phytochemicals for Cancer Prevention: Teas, Spices, and Herbs 2:222-230. Cornell JA. 1990. Experiments with Mixtures: Designs, Models, and The Analysis of Mixture Data. 2nd ed. New York: John Wiley&Sons. Darwis ABD, Indo M, Hasiyah S. 1991. Tumbuhan Obat Famili Zingiberaceae. Bogor: Pusat Penelitian dan Pengembangan Tanaman Industri. De Mann JM. 1989. Principle of Food Chemistry. Westport: The AVI Publishing Company Inc. Dugan LR. 1983. Natural antioxidant. In: Simic, Karel (ed). Development in Food Colours I. London: Applied Science Publishing, Ltd. Fardiaz D. 1997. Makanan fungsional dan pengembangannya melalui makanan tradisional. Prosiding pada Seminar Nasional Teknologi Pangan, Denpasar, Bali, 16 – 17 Juli. 74 Fardiaz S. 1989. Mikrobiologi Pangan : Penuntun Praktek Laboratorium. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Faridah DN, Kusnandar F, Herawati D, Kusumaningrum HD, Wulandari N, Indrasti D. 2009. Penuntun Praktikum Analisis Pangan. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Farrel KT. 1990. Spices, Condiments, and Seasonings. Westport: The AVI Publishing Company Inc. Finch BF, Kunert KJ. 1985. Vitamin C and E: an antioxidant system against herbicide-induced lipid peroxidation in higher plants. Journal of Agriculture and Food Chemistry 33: 574-577. Francis FJ. 1977. Colour and appearance as dominating sensory properties of foods. In: Birch GG, Brennan JG, Parker KJ (eds). Sensory Properties of Foods. London: Applied Science Publishers. Ghiselli A, Sefafini M, Maini G, Azzini E, Ferro-lozzi A. 1995. A fluoroscens-based method for measuring total plasma antioxidant capability. Free Radical and Medicine 18(1):29-36. Goldberg I. 1994. Functional Food, Designer Food, Pharma Food, Neutraceuticals. New York: Champman&Hall. Gordon MH. 1990. The mechanism of antioxidant activity in vitro. In: Hudson, B.J.F. (ed). Food Antioxidants. London: Elseviere Applied Science. Grosch W, Belizt HD. 1999. Food Chemistry. Heidelberg: Spring-Verlag. Gutteridge JMC. 1995. Lipid peroxidation and antioxidant as biomarkers of tissue damages. Clinical Chemistry 41(12): 1819-1824. Halliwell B, Aeschbach R, Lolinger J, Auroma OI. 1995. Free radical antioxidant in human disease. Food Chemistry Toxicology 33:601. Halliwell B, Gutteridge JMC. 1991. Role of free radical and catalytic logam ions in human disease. Methods in Enzymology 186: 1-83. Harris JR. 1990. Blood Cell Biochemistry : Erythroid Cell. New York: Plenum Publishing. Hutching JB. 1999. Food Color and Appearance. 2nd ed. Gaitersburg: Aspen Publishing Inc. Jusuf E. 1980. Analisis Kandungan Kurkumin pada Rimpang Beberapa Jenis Kurkuma dari Jawa [skripsi]. Jakarta: Fakultas Biologi Universitas Nasional. Kikuzaki H. 2000. Ginger for drug and spice purpose. In: Mazza, G., Oomah, B.D. Herbs, Botanicals, and Teas. Pennsylvania: Technomic Publishing, Co., Inc. Kikuzaki H, Nakatani N. 1993. Antioxidant effects of some ginger constituents. Journal of Food Science 58: 1407. 75 Kochhar SP, Rossell JB. 1990. Detection, estimation and evaluation of antioxidant in food system. In: Hudson, B.J.F. (ed). Food Antioxidants. New York: Elseviere Applied Science. Koswara S. 1995. Jahe dan Hasil Olahannya. Jakarta: Pustaka Sinar Harapan. Krinsky I. 1992. Mechanism of Action of Biological Antioxidants. Boston: The Society for Experimental Biology and Medicine. Langseth I. 1995. Oxidants, Antioxidants and Disease Prevention. Washington DC: ILSI Press. Krishnamurthy MN, Padma Bai R, Natarajan CP, Kuppuswamy S. 1976. Control content of turmeric varieties and studies of its processing. Journal of Food Science and Technology (India) 12:1214 Krisnayunita P. 2002. Formulasi, Karakterisasi Kimia, dan Uji Aktivitas Antioksidan Produk Minuman Fungsional Tradisional Sari Asam Jawa (Tamarindus Indica L.) dan Sari Temulawak (Curcuma xanthorrhiza Roxb.) [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Larson RA. 1988. The antioxidant of higher plants. Phytochemistry 27: 969-978. Lee CY, Huang MT, Ho CT. Phenolic compounds in food and their effects on health II. ACS Symposium Series 202nd. National Meeting of The American Chemical Society, August 25th – 30th 1991, New York. Leong LP, Shui G. 2002. An investigation of antioxidant capacity of fruits in Singapore markets. Journal of Food Chemistry 76:69-75. Lewis WH, Elvin MPF. 1997. Medical Botany, Plants Affecting Man’s Health. New York: John Willey&Sons. Lolinger J. 1991. The use of antioxidant in foods. In: Arouma, O.I., Halliwell, B. (eds). Free Radical and Food Adhves. London: Taylor and Francis. Ma’arif MS, Machfud, Sukron M. 1989. Teknik Optimasi Rekayasa Proses Pangan. Bogor: PAU Pangan dan Gizi, Institut Pertanian Bogor. Meilgaard M, Civilla GV, Carr BT. 1999. Sensory Evaluation Techniques. 3rd ed. Washington DC: CRC Press. Molyneux P. 2004. The use of the stable free radical diphenylpicryl-hydrazyl (DPPH) for estimating antioxidant activity. Songklanakarin Journal of Science and Technology 26(2):211-219. Muchtadi TR, Sugiyono. 1992. Ilmu Pengetahuan Bahan Pangan. Bogor: PAU Pangan dan Gizi, Institut Pertanian Bogor. Nabet FB. 1996. Zat gizi antioksidan penangkal senyawa radikal pangan dalam sistem biologis. Prosiding dalam Seminar Senyawa Radikal dan Sistem Pangan, Kerjasama PSPG-IPB dan Kedutaan Besar Prancis. 76 Nagy S, Shaw PE. 1980. Tropical and Sub-Tropical Fruits, Composition, Properties, and Uses. Westport: The AVI Publishing Co. Inc. Nakatani N, Inatani R. 1981. Structure of rosmanol, a new antioxidant from rosemary (Rosmainus officinalis L.). Agricultural and Biological Chemistry 45: 2385. Nasution A. 1980. Metode Penelitian Citarasa. Bogor: Departemen Ilmu Keluarga dan Konsumen, Fakultas Pertanian, Institut Pertanian Bogor. Nielsen SS. Food Analysis. 3rd ed. New York: Kluwer Academic. Paimin FB, Murhananto. 1991. Budidaya Pengolahan dan Perdagangan Jahe. Jakarta: Penebar Swadaya. Pratt DE. 1992. Natural antioxidants from plant material. In: Huang MT, Ho CT, Lee CY (Eds.). Phenolic Compounds in Food and Their Effects on Health II : Antioxidants and Cancer Prevention. Washington DC: American Chemical Society. Pratt DE, Hudson BJF. Natural antioxidant not exploited commercially. In: Hudson, B.J.F. (ed). Food Antioxidants. New York: Elseviere Applied Science. Purseglove JW, Brown EG, Green CL, Robbins SRJ. 1981. Spices Vol 2. New York: Longman Inc. Rismunandar. 1988. Rempah-Rempah Komoditi Ekspor Indonesia. Bandung: Sinar Baru. Rukmana R. 1995. Kencur. Jakarta: Kanisius. Sastroamidjojo S. 1997. Obat Rakyat Indonesia. Jakarta: Dian Rakyat. Santosa HH. 1994. Jahe Gajah. Jakarta: Kanisius. Schuler P. 1990. Natural antioxidant exploited commercially. In: Hudson, B.J.F. (ed). Food Antioxidants. London: Elseviere Applied Science. Sies H, Stahl W, Sundquist AR. 1994. Antioxidant Functions of Vitamin : Vitamin E, Vitamin C, Beta-carotene, and Other Carotenoids. New York: New York Academy of Science. Slamet Y. 2005. Formulasi Minuman Fungsional untuk Kelompok Gizi Khusus dari Kecambah Kacang Hijau dan Sari Jahe [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Soekarto ST. 1985. Penilaian Organoleptik untuk Industri Pangan dan Hasil Pertanian. Jakarta: Bhratara Karya Aksara. Soestina V, Hidayat E. 1977. Pohon Asam (Tamarindus Indica Linn.). Buletin Kebun Raya 3. Somaatmadja D. 1985. Rempah-Rempah Indonesia. Bogor: Departemen Perindustrian. Balai Besar Penelitian dan Pengembangan Industri Hasil Pertanian. 77 Srinivasan KR. 1953. Chromatographic study of the curcuminoids in Curcuma longa. Journal of Pharmacy and Pharmacology 5:448-457. Sugani S. 1981. Mempelajari Pembuatan Minuman Sari Jahe dan Pengaruh terhadap Mutunya Selama Penyimpanan [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Tilaar M, Wong LW, Ranti AS, Suryaningsih, Handra H, Maily. 2010. The Green Science of Jamu: Pendekatan Pragmatik untuk Kecantikan dan Kesehatan. Jakarta: Dian Rakyat. Toda S, Miyase T, Arichi H, Tanizawa H, Takino Y. 1985. Natural antioxidants: Antioxidative components isolated from rhizome of Curcuma longa L. Chemical and Pharmaceutical Bulletin 33:1725-1728. Vankar PS, Tiwari V, Shanker R, Srivastava J. 2006. Change in antioxidant activity of spicesturmeric and ginger on heat treatment. Journal of Environmental, Agricultural and Food Chemistry 5(2): 1313-1317. Winarno FG. 1997. Kimia Pangan dan Gizi. Jakarta: Gramedia. Winarno FG, Wirakartakusumah MA. 1981. Fisiologi Lepas Panen. Jakarta: Sastra Hudaya. Wirakartakusumah MA, Abdullah K, Syarif AM. 1992. Sifat Fisik Bahan Pangan. Bogor: Pusat Antar Universitas Pangan dan Gizi, Institut Pertanian Bogor. Wulandhari NWT. 2007. Optimasi Formulasi Sosis Berbahan Baku Surimi Ikan Patin (Pangasius pangasius) dengan Penambahan Karagenan (Euchema sp.) dan Susu Skim untuk Meningkatkan Mutu Sosis [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Yusuf RR. 2002. Formulasi, Karakterisasi Kimia, dan Uji Aktivitas Antioksidan Produk Minuman Fungsional Tradisional Sari Jahe (Zingiber officinale Rosc.) dan Sari Sereh Dapur (Cymbopogon flexuosus) [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. 78 LAMPIRAN 79 Lampiran 1a. Rekapitulasi data pengukuran kapasitas antioksidan standar asam askorbat Konsentrasi asam askorbat A standar A blanko Rata-rata A blanko A standar (mg/ml) 1a 1b 2a 2b 0 1.025 1.020 1.018 1.023 1.0215 0.0103 0.782 0.776 0.773 0.786 0.7793 0.2526 0.512 0.508 0.501 0.504 0.5063 0.5256 0.15 0.271 0.267 0.270 0.275 0.2708 0.7611 0.2 0.062 0.064 0.061 0.069 0.0640 0.9678 0.05 1.0318 0.1 Lampiran 1b. Kurva standar kapasitas antioksidan asam askorbat Kurva Standar Asam Askorbat 1,2000 y = 4,847x + 0,018 R² = 0,997 Ablanko-Astandar 1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 0 0,05 0,1 0,15 0,2 0,25 Konsentrasi asam askorbat (mg/ml) 80 Lampiran 1c. Rekapitulasi data uji kapasitas antioksidan formula minuman Sampel A blanko A Sampel AEAC Rata-rata A blanko A sampel (mgAEq/ml) 1a 1b 2a 2b 1 0.444 0.456 0.440 0.442 0.4455 0.5863 0.1172 2 0.235 0.232 0.210 0.212 0.2223 0.8096 0.1633 3 0.289 0.294 0.196 0.198 0.2443 0.7876 0.1588 4 0.202 0.200 0.226 0.228 0.2140 0.8178 0.1650 5 0.430 0.444 0.404 0.402 0.4200 0.6118 0.1225 6 0.281 0.293 0.308 0.315 0.2993 0.7326 0.1474 7 0.588 0.596 0.622 0.614 0.6050 0.4268 0.0843 8 0.155 0.150 0.154 0.155 0.1535 0.8783 0.1775 0.335 0.335 0.384 0.386 0.3600 0.6718 0.1349 10 9 0.168 0.167 0.150 0.147 0.1580 0.8738 0.1766 11 0.442 0.444 0.462 0.464 0.4530 0.5788 0.1157 12 0.416 0.410 0.406 0.404 0.4090 0.6228 0.1248 13 0.568 0.572 0.576 0.580 0.5740 0.4578 0.0907 14 0.420 0.426 0.424 0.420 0.4225 0.6093 0.1220 15 0.220 0.224 0.211 0.213 0.2170 0.8148 0.1644 16 0.210 0.211 0.223 0.222 0.2165 0.8153 0.1645 17 0.209 0.207 0.195 0.204 0.2038 0.8281 0.1671 18 0.392 0.386 0.392 0.382 0.3880 0.6438 0.1291 1.0318 81 Lampiran 2. Rekapitulasi data pengukuran pH formula minuman Ulangan Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Rata-rata 1 2 5.61 3.79 3.44 3.42 3.16 3.25 3.04 3.72 5.43 3.46 5.61 5.94 3.05 5.94 3.76 3.27 3.27 5.45 5.62 3.78 3.43 3.40 3.15 3.25 3.03 3.69 5.45 3.42 5.62 5.97 3.00 5.95 3.77 3.25 3.26 5.46 5.615 3.785 3.435 3.410 3.155 3.250 3.035 3.705 5.440 3.440 5.615 5.955 3.025 5.945 3.765 3.260 3.265 5.455 Lampiran 3. Rekapitulasi data pengukuran TPT formula minuman Sampel TPT 1 2 14.1 14.5 3 4 5 6 15.0 14.8 15.8 15.4 7 8 9 10 11 12 16.2 14.8 15.0 14.9 14.1 14.2 13 14 15 16 17 18 16.2 14.2 13.8 15.2 15.4 15.0 82 Lampiran 4. Rekapitulasi data nilai L formula minuman L Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 59.62 52.02 53.34 53.02 49.24 56.15 63.64 53.07 42.46 47.87 56.63 45.21 59.97 41.87 50.98 49.23 51.37 42.62 59.59 52 53.33 53.01 49.26 52.18 63.65 53.05 42.45 47.86 56.62 45.14 60.01 41.82 50.97 49.24 51.38 42.61 59.57 51.97 53.33 53.01 49.25 56.28 63.8 53.01 42.44 47.87 56.61 45.13 60.05 41.77 50.96 49.23 51.39 42.59 59.5933 51.9967 53.3333 53.0133 49.2500 54.8700 63.6967 53.0433 42.4500 47.8667 56.6200 45.1600 60.0100 41.8200 50.9700 49.2333 51.3800 42.6067 83 Lampiran 5. Rekapitulasi data nilai a formula minuman a Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata -1.17 13.33 7.94 8.00 9.26 3.26 0.25 4.61 19.08 9.55 1.75 15.61 1.16 14.87 14.38 13.15 5.18 15.25 -1.16 13.30 7.95 8.00 9.22 3.26 0.26 4.63 19.08 9.57 1.75 15.62 1.16 14.87 14.40 13.20 5.17 15.19 -1.12 13.33 7.97 8.00 9.15 3.26 0.25 4.60 19.06 9.58 1.75 15.62 1.16 14.90 14.36 13.13 5.16 15.16 -1.1500 13.3200 7.9533 8.0000 9.2100 3.2600 0.2533 4.6133 19.0733 9.5667 1.7500 15.6167 1.1600 14.8800 14.3800 13.1600 5.1700 15.2000 84 Lampiran 6. Rekapitulasi data nilai b formula minuman b Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 29.31 48.69 50.91 49.83 43.97 21.32 16.65 47.23 31.76 41.9 29.1 38.05 19.86 31.9 45.24 43.43 23.83 33.02 29.31 48.7 50.93 49.72 43.97 21.27 16.66 47.23 31.72 41.85 29.08 38.07 19.85 31.73 45.21 43.42 23.82 32.84 29.29 48.71 50.9 49.68 43.93 21.25 16.71 47.13 31.67 41.82 29.09 37.97 19.82 31.62 45.14 43.4 23.84 32.68 29.3033 48.7000 50.9133 49.7433 43.9567 21.2800 16.6733 47.1967 31.7167 41.8567 29.0900 38.0300 19.8433 31.7500 45.1967 43.4167 23.8300 32.8467 85 Lampiran 7. Rekapitulasi data nilai ˚Hue formula minuman ˚Hue Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 228.7000 74.9083 81.1355 80.8792 78.1074 81.3064 89.1398 84.4252 59.0044 77.1603 86.5585 67.6941 86.6572 65.0077 72.3666 73.1544 77.7362 65.2106 254.7250 74.7250 81.1279 80.8594 78.1573 81.2862 89.1059 84.4011 58.9725 77.1194 86.5562 67.6918 86.6555 64.8902 72.3326 73.0903 77.7542 65.1773 92.1898 74.6951 81.1008 80.8522 78.2343 81.2782 89.1428 84.4254 58.9592 77.0975 86.5573 67.6388 86.6505 64.7692 72.3530 73.1676 77.7871 65.1138 191.8716 74.7761 81.1214 80.8636 78.1663 81.2903 89.1295 84.4172 58.9787 77.1257 86.5573 67.6749 86.6544 64.8890 72.3507 73.1374 77.7592 65.1672 86 Lampiran 8. Scoresheet uji rating hedonik formula minuman Uji Rating Hedonik Produk : Minuman Fungsional Tradisional Nama : Tanggal : Petunjuk Di hadapan anda terdapat 18 contoh minuman fungsional tradisional. Nilailah kesukaan anda terhadap warna, bau, rasa, dan overall masing-masing contoh dengan menuliskan angka yang menunjukkan tingkat kesukaan anda. Arti dari nilai-nilai yang diberikan adalah sebagai berikut : 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = biasa saja / netral 5 = agak suka 6 = suka 7 = sangat suka Nilailah kesukaan anda terhadap contoh dengan urutan dimulai dari baris contoh yang paling depan (paling dekat dengan anda) dengan urutan dari kiri ke kanan, dilanjutkan ke baris ke dua dengan urutan dari kiri ke kanan, dan seterusnya sampai selesai dengan urutan yang sama. Anda tidak diperkenankan untuk membandingkan sampel satu sama lain. Cara mencicip sampel adalah dengan mengaduk sampel terlebih dahulu dengan sendok contoh yang disediakan, lalu ambil dengan sendok tersebut kemudian ciciplah dengan sendok pencicip yang disediakan (setiap panelis mendapatkan satu sendok pencicip). Setiap akan melanjutkan ke contoh berikutnya, netralkan dulu indera anda dengan air yang disediakan dan dengan menjauhkan hidung dari contoh. Kode contoh Warna Bau Rasa Overall Komentar : ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ……………………………………………………………….................... - TERIMA KASIH - 87 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 2 3 1 4 4 3 2 2 1 6 6 6 6 5 6 6 5 2 5 5 5 5 6 6 4 6 4 5 6 5 5 4 6 6 4 6 4 5 4 5 6 4 6 6 4 6 5 3 4 2 2 2 1 2 3 2 3 4 2 3 2 3 3 2 3 2 2 4 3 4 5 1 2 5 3 6 2 5 5 2 3 4 1 2 3 3 3 5 5 5 6 4 2 6 4 5 5 3 6 3 4 2 2 2 2 2 4 4 2 2 1 3 1 4 3 3 3 3 5 2 4 5 3 2 4 2 4 2 4 3 2 3 2 3 4 4 1 3 3 5 3 4 2 5 4 5 2 2 7 2 4 3 5 6 5 5 2 4 6 3 5 4 2 2 4 2 2 2 3 1 1 6 1 3 4 3 1 5 5 11 12 2 4 5 5 6 5 6 4 5 3 2 5 2 6 5 3 3 2 6 5 3 5 2 3 3 5 5 3 5 3 5 5 2 3 5 2 13 14 2 6 6 6 6 3 5 3 5 3 1 3 1 3 4 2 3 4 5 3 3 4 3 2 2 6 4 2 6 2 6 6 2 6 5 2 15 16 4 6 6 2 5 3 6 2 4 2 5 5 4 4 5 2 6 2 6 2 6 6 6 2 4 5 6 2 6 2 6 2 4 6 5 2 17 18 19 20 21 22 23 6 4 6 2 2 6 5 4 4 5 5 6 5 7 5 6 6 6 4 5 5 4 6 6 5 6 5 5 5 4 5 5 7 4 3 5 4 7 2 2 5 6 4 4 4 3 2 3 6 5 3 6 4 6 3 6 3 2 1 2 4 3 2 4 4 6 6 6 3 5 5 4 6 3 2 5 6 4 3 2 3 5 3 2 4 3 6 2 6 3 6 4 4 3 3 1 3 1 6 2 3 5 3 4 6 6 6 3 5 4 4 5 4 4 6 2 2 3 5 4 4 6 3 5 3 2 88 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 4 2 2 2 5 4 5 5 4 7 5 7 4 6 6 6 4 5 3 4 4 6 6 6 6 6 5 5 4 4 6 7 6 7 3 6 5 5 4 5 5 7 5 6 6 6 3 5 3 2 2 1 4 3 2 3 4 5 2 2 1 5 6 3 2 2 3 5 2 4 5 6 6 6 6 6 5 5 3 6 2 4 4 1 3 4 4 3 3 4 6 6 6 5 6 6 5 3 5 2 2 2 4 2 4 4 4 5 3 6 3 5 4 2 2 6 4 3 4 4 1 5 6 4 6 5 4 5 5 2 5 1 4 3 2 6 5 3 3 4 6 5 6 6 4 3 6 4 5 2 5 5 6 5 5 6 5 3 2 7 1 4 4 3 3 3 4 5 3 4 3 5 6 4 5 6 5 2 4 34 35 6 4 6 6 6 5 5 5 4 4 3 6 3 6 4 4 5 3 4 4 4 3 3 2 3 6 4 3 4 2 4 4 3 5 4 2 36 37 2 6 3 3 3 4 3 4 6 4 3 2 3 2 5 5 1 1 5 4 2 5 3 2 2 4 2 2 4 5 4 4 3 4 3 2 38 39 5 6 4 6 5 7 4 7 6 7 4 5 6 5 4 7 4 6 5 7 5 7 4 6 6 6 2 6 4 7 4 6 4 6 2 5 40 41 42 43 44 45 46 3 5 3 5 5 3 6 6 4 7 3 6 6 6 5 5 5 3 6 5 7 3 3 5 3 6 4 7 3 2 4 5 6 4 7 1 3 3 4 3 2 5 2 2 5 6 2 3 5 2 2 6 2 5 2 7 2 1 4 3 2 3 6 2 2 7 2 6 4 7 2 3 5 5 2 2 6 5 3 6 1 4 3 6 2 1 3 2 2 5 6 3 1 2 3 3 3 6 4 2 6 2 5 4 7 2 2 6 6 6 3 6 3 2 3 4 2 4 6 2 1 5 4 3 6 5 89 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 2 6 5 5 6 2 2 5 3 6 4 2 4 2 3 4 5 1 48 49 50 51 4 4 3 1 5 6 6 5 6 4 5 6 6 4 3 4 6 4 3 4 2 3 1 2 2 3 2 3 5 3 2 5 2 3 2 5 6 4 2 6 2 2 2 2 4 3 5 5 2 4 2 4 3 4 3 3 5 4 4 7 6 5 2 6 2 4 3 3 3 4 2 5 52 53 54 55 4 4 2 5 6 6 6 7 5 4 4 5 6 4 6 5 4 4 7 3 5 3 2 6 4 3 2 6 5 3 6 6 6 3 3 3 6 4 6 5 6 2 3 6 6 3 5 2 4 4 6 6 6 4 3 3 6 4 5 6 6 5 4 5 4 4 2 5 5 4 5 1 56 57 2 3 6 7 6 5 7 5 6 4 3 3 3 5 6 6 2 4 5 7 2 5 1 6 4 3 3 3 4 6 5 6 3 3 3 5 58 59 5 3 3 6 3 5 3 4 5 4 4 2 6 3 2 1 2 3 2 4 5 2 1 3 2 5 4 4 2 4 6 3 4 4 4 6 60 61 3 5 6 4 6 5 6 4 6 6 2 4 2 6 6 4 3 4 5 5 2 5 4 4 2 6 4 2 4 4 5 4 2 4 3 2 62 63 5 4 3 5 3 6 3 6 5 6 4 2 6 2 2 5 2 2 2 6 5 3 2 4 2 2 3 3 2 5 6 6 4 2 4 3 64 65 2 5 5 7 6 5 6 5 5 3 2 6 2 6 5 6 3 3 6 5 2 6 2 2 3 6 5 1 5 6 5 5 2 5 5 1 66 67 3 6 6 6 5 7 4 7 4 7 2 5 3 5 2 7 3 6 4 7 2 6 3 6 5 6 3 6 4 7 3 6 4 6 6 5 68 3 7 5 5 4 3 5 6 4 7 5 6 3 2 6 6 3 5 90 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 69 70 5 3 3 6 3 6 3 6 5 6 4 2 6 2 3 6 2 3 2 5 5 2 2 3 2 2 3 4 2 5 6 5 4 2 4 3 Jumlah Rata-rata 260 3.71 371 5.30 355 5.07 341 4.87 334 4.77 221 3.16 243 3.47 306 4.37 219 3.13 335 4.79 254 3.63 239 3.41 269 3.84 224 3.20 307 4.39 326 4.66 248 3.54 255 3.64 91 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 2 4 6 3 6 3 4 4 2 1 4 6 4 5 6 5 6 3 2 5 4 5 4 5 4 4 6 5 2 5 4 5 5 5 4 4 5 3 2 4 3 3 5 4 3 4 3 3 3 4 4 4 7 5 6 5 4 6 2 4 5 2 6 6 2 3 2 4 7 5 3 3 3 5 4 4 5 4 3 4 2 6 6 1 3 3 6 2 3 4 4 6 4 5 3 4 5 5 3 5 4 2 3 2 3 2 4 2 2 5 2 1 5 2 4 3 6 2 2 4 4 3 7 6 5 4 2 6 2 6 2 1 6 3 3 4 4 1 3 4 3 2 5 2 4 4 4 2 3 6 4 2 7 6 5 5 5 4 7 6 4 7 5 2 4 4 5 2 3 4 2 4 6 1 3 4 4 2 4 5 11 12 5 5 6 4 6 3 6 6 4 3 3 5 2 3 5 3 4 3 6 5 3 4 3 4 2 5 5 3 3 5 5 3 5 5 5 2 13 14 6 6 2 6 2 3 2 6 2 3 5 6 2 2 6 3 2 3 4 6 2 5 4 6 2 2 4 2 2 6 2 6 4 3 2 6 15 16 7 6 4 4 3 4 5 4 2 4 5 6 2 3 4 3 4 2 3 2 5 2 4 2 3 4 5 1 3 3 3 3 5 6 5 1 17 18 19 20 21 22 23 6 5 6 2 6 6 3 7 1 2 6 3 5 6 6 1 6 6 4 4 2 7 3 6 5 6 4 4 7 5 2 4 2 4 4 3 3 6 2 7 5 4 2 6 4 5 6 1 6 2 2 6 3 6 2 6 6 3 1 3 4 2 3 5 2 6 3 6 4 4 4 4 6 2 5 3 5 4 3 2 2 6 3 4 3 2 6 5 5 1 6 4 3 6 3 6 2 4 6 2 3 6 6 3 6 7 6 3 4 6 4 5 4 2 6 3 5 5 5 4 1 6 3 5 2 6 92 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 3 3 6 4 2 7 2 7 4 6 1 3 5 2 2 3 2 6 25 26 27 28 3 2 5 3 4 6 3 3 4 6 2 4 4 6 4 5 3 2 4 6 4 1 4 6 1 2 3 6 4 3 3 3 2 3 4 2 4 4 4 5 4 2 4 3 3 6 3 2 2 1 3 5 3 2 4 2 4 6 3 3 6 2 4 5 4 5 3 4 4 5 3 3 29 30 31 32 6 6 6 5 4 5 3 2 4 5 4 3 2 5 4 3 3 3 4 3 5 4 6 5 5 3 3 5 3 4 4 5 3 4 3 2 5 5 5 3 4 3 4 3 4 5 4 3 6 4 3 5 4 5 4 3 5 3 5 4 3 5 4 3 6 4 5 5 5 5 4 2 33 34 35 36 3 6 3 2 3 4 2 4 4 6 4 4 3 5 4 4 2 4 4 3 2 4 4 6 2 3 5 2 4 2 3 5 2 4 2 2 3 4 3 5 2 3 3 2 2 4 2 2 5 3 5 3 2 3 4 2 2 4 2 3 2 4 2 3 4 3 4 5 3 3 2 1 37 38 39 40 4 4 4 2 4 4 5 3 3 4 5 4 3 5 5 6 2 3 4 3 3 4 5 2 1 5 4 2 2 4 5 3 2 3 5 3 4 5 5 5 3 5 5 3 3 4 5 5 4 6 6 1 2 2 5 4 5 3 5 2 5 4 7 4 4 4 6 3 3 2 5 4 41 42 43 44 6 5 5 6 2 7 4 3 2 6 3 5 3 6 4 6 2 3 2 5 5 5 6 4 2 3 5 2 5 5 5 4 1 3 2 2 5 7 4 3 4 5 5 4 2 6 2 4 3 3 3 5 2 5 4 3 2 6 3 4 2 7 4 5 5 4 4 4 1 5 3 3 45 46 6 4 4 5 4 5 5 5 5 4 7 5 6 5 3 5 6 5 4 5 3 5 5 5 7 6 6 5 5 5 7 6 5 6 6 5 93 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 48 49 50 51 52 53 54 55 56 4 6 3 2 1 7 3 6 3 3 6 6 5 3 5 4 5 3 6 3 5 4 4 4 5 3 4 4 2 4 5 4 4 6 4 5 4 6 4 5 3 3 4 3 4 2 4 2 4 6 4 6 5 2 4 5 5 7 4 6 1 2 3 2 5 2 3 6 6 6 3 4 4 3 4 4 4 6 6 3 6 2 3 3 2 4 3 4 3 2 6 3 4 5 5 3 4 6 4 5 1 3 2 2 5 5 2 5 5 3 2 4 3 5 4 4 3 6 4 2 3 5 4 1 6 3 4 5 6 5 1 3 4 4 4 5 4 6 4 2 2 4 4 3 6 4 4 6 6 5 1 5 5 4 6 3 5 6 5 5 7 4 4 3 4 5 4 5 5 4 4 3 4 4 5 5 4 5 6 3 57 58 5 5 7 4 6 3 6 4 3 2 5 6 3 5 5 5 3 2 7 4 5 4 6 2 3 3 5 4 6 3 7 4 4 4 5 3 59 60 6 4 4 6 4 6 5 5 5 3 7 4 6 2 3 5 6 6 4 5 3 5 5 6 7 2 6 4 5 3 7 5 5 5 6 4 61 62 4 5 4 4 4 3 5 4 3 2 4 6 5 5 4 5 3 2 5 4 5 4 4 2 6 3 2 4 3 3 4 4 4 4 2 3 63 64 65 66 67 68 6 5 3 6 4 5 6 6 6 4 5 7 4 6 2 4 5 6 4 6 4 5 5 6 3 4 4 5 4 3 6 3 4 7 5 5 2 2 6 6 4 3 4 5 6 3 5 5 2 4 3 6 5 3 3 6 4 4 5 7 3 3 5 3 5 5 4 3 4 5 5 6 5 2 6 7 6 3 3 5 4 6 5 5 4 3 6 5 5 6 5 5 5 7 6 7 4 5 5 5 6 4 3 5 6 6 5 5 94 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 5 4 3 4 2 6 5 5 2 4 4 2 3 4 3 4 4 3 70 4 6 6 5 3 4 2 5 6 5 4 6 2 4 4 5 5 4 Jumlah Rata-rata 308 4.40 308 4.40 292 4.17 321 4.59 238 3.40 331 4.73 255 3.64 286 4.09 230 3.29 315 4.50 250 3.57 259 3.70 285 4.07 255 3.64 278 3.97 325 4.64 306 4.37 269 3.84 95 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 1 3 1 2 1 3 2 1 3 3 4 5 6 6 4 5 4 5 4 3 4 6 3 6 3 5 3 1 6 3 3 6 6 2 4 5 3 3 2 4 2 7 3 3 5 3 3 2 3 3 2 5 2 2 6 6 5 1 6 4 2 6 3 2 7 3 2 5 2 4 1 4 5 2 3 6 2 2 4 2 4 6 1 2 4 4 2 3 4 4 5 6 4 3 4 5 2 1 5 3 2 2 2 2 2 4 2 2 2 2 3 4 3 5 3 4 3 2 3 4 6 6 3 2 6 3 4 1 7 2 5 7 2 4 4 3 1 2 3 3 3 3 3 5 4 3 2 5 5 3 3 6 4 6 5 5 3 4 3 3 6 3 4 3 4 6 1 2 5 1 5 5 2 4 4 4 1 3 2 11 12 1 2 3 2 3 4 7 2 2 5 2 2 2 6 5 2 2 2 7 3 2 2 2 3 2 6 6 1 5 1 3 3 3 3 6 2 13 14 5 2 2 2 2 2 2 3 1 3 6 3 1 2 5 6 5 6 6 6 1 3 4 2 2 2 3 2 2 2 3 3 4 6 5 5 15 16 2 6 6 4 6 5 6 5 3 5 6 5 3 4 4 2 7 1 6 2 3 5 3 3 3 4 5 2 4 3 3 3 6 4 5 3 17 18 19 20 21 22 23 6 2 6 1 2 1 3 7 5 5 3 3 5 7 7 6 3 4 5 6 2 7 6 5 5 5 4 3 7 6 3 3 2 2 3 6 2 6 1 3 2 2 2 6 3 5 2 2 5 3 3 5 2 5 2 7 5 3 2 2 3 3 2 6 6 6 6 3 4 5 3 2 7 3 2 2 2 5 3 2 3 4 3 4 3 6 3 3 5 3 6 7 7 6 1 5 3 5 7 1 2 4 6 4 7 6 5 4 7 5 4 6 3 3 6 3 2 4 5 6 2 6 3 6 5 5 96 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 1 1 1 2 3 5 3 5 2 6 5 5 4 5 2 4 3 3 4 7 6 2 4 5 2 5 3 2 3 4 4 3 3 5 1 5 4 2 3 2 2 2 3 6 2 3 2 2 1 6 4 1 2 6 2 3 5 5 2 3 1 2 2 7 2 3 4 3 2 7 6 6 3 2 2 5 4 5 4 4 5 6 3 2 3 4 4 2 1 5 6 1 5 3 1 6 5 5 3 2 2 1 2 1 3 3 2 2 1 3 4 2 2 1 3 5 4 2 3 4 2 1 3 7 3 5 3 5 5 3 6 1 5 2 2 5 4 3 2 3 3 7 3 2 3 3 5 3 4 2 3 1 4 3 5 5 3 2 2 2 5 2 4 3 6 5 4 5 4 6 6 1 5 2 3 4 3 1 3 34 35 6 3 5 3 6 5 5 5 3 5 2 6 3 5 3 3 3 2 5 4 3 3 3 4 3 5 4 4 5 3 4 4 2 5 6 3 36 37 2 1 3 5 4 3 3 4 2 1 6 1 2 1 4 6 2 1 4 2 1 2 1 2 3 2 1 1 4 4 3 4 5 2 2 4 38 39 2 5 5 5 4 5 4 5 3 4 5 6 5 6 4 6 3 5 5 5 3 5 4 5 5 5 3 4 3 6 3 5 4 6 3 5 40 41 42 43 44 45 46 4 1 2 4 2 3 5 6 2 5 2 3 5 5 5 2 6 2 6 6 5 4 1 5 3 6 6 5 2 1 3 4 2 7 4 2 3 4 6 3 5 6 2 5 3 6 2 6 7 7 6 7 5 3 4 6 7 1 4 3 2 6 5 3 2 6 4 3 6 5 2 4 5 6 3 2 5 7 2 5 4 5 4 5 2 4 2 3 3 6 5 7 2 5 6 4 7 4 5 4 7 3 5 4 6 4 2 5 6 6 6 5 3 3 4 4 4 4 6 2 3 4 3 4 5 5 97 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 48 49 50 1 2 1 4 4 6 4 6 4 6 3 5 3 3 4 4 2 1 5 2 2 2 6 2 1 2 7 2 2 2 3 7 4 2 4 7 5 3 4 3 2 3 2 2 3 5 3 7 6 2 6 2 5 4 4 7 2 5 4 5 1 6 5 4 6 3 4 4 5 4 4 2 51 52 3 2 4 6 6 6 3 6 4 3 6 6 2 3 4 4 2 7 5 6 2 3 3 3 7 3 4 5 5 5 4 4 5 6 2 5 53 54 1 2 4 3 3 5 4 5 5 2 6 3 7 2 3 5 4 4 4 3 2 3 4 2 6 5 4 5 4 6 5 5 4 2 4 6 55 56 57 58 3 2 2 4 7 5 5 2 2 5 6 2 3 5 6 3 2 6 3 4 2 6 4 6 5 7 2 6 7 2 7 5 2 2 4 3 5 3 6 4 2 2 5 6 4 2 5 4 6 7 2 3 5 4 5 6 7 4 5 3 6 4 4 6 5 3 4 4 5 2 4 2 59 60 61 62 3 3 2 4 5 5 5 2 6 5 4 2 6 5 4 3 7 3 3 4 5 6 5 6 6 3 5 6 4 6 4 5 6 4 3 3 6 5 5 4 3 4 3 6 4 4 4 4 6 3 5 3 7 3 3 6 4 4 3 3 6 5 3 6 3 6 4 4 5 4 3 2 63 64 65 66 2 1 3 3 6 3 7 5 6 3 2 6 2 7 3 6 1 2 1 7 2 2 2 5 2 2 5 6 2 5 7 4 2 3 2 6 3 7 5 6 2 2 2 2 5 2 4 5 3 2 6 6 4 6 5 7 5 5 7 3 6 2 6 6 3 3 5 3 4 6 5 5 67 68 5 2 5 5 5 6 5 5 4 3 6 4 6 3 6 7 5 4 5 6 5 5 5 4 5 2 4 5 6 5 5 4 6 4 5 4 98 Lampiran 11. Rekapitulasi data uji rating hedonik formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 4 2 2 3 4 6 6 5 3 4 6 4 3 6 3 6 4 2 70 3 5 5 5 3 6 3 6 4 5 4 4 3 3 4 5 6 4 Jumlah Rata-rata 186 2.66 306 4.37 298 4.26 290 4.14 227 3.24 281 4.01 260 3.71 304 4.34 243 3.47 311 4.44 201 2.87 247 3.53 278 3.97 288 4.11 286 4.09 298 4.26 282 4.03 267 3.81 99 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 2 3 2 2 2 3 1 2 2 4 5 4 5 6 5 5 4 2 5 4 5 5 4 5 3 5 3 2 6 4 3 5 6 4 4 5 3 3 2 4 2 6 3 3 4 3 3 2 4 3 2 4 2 3 5 5 6 2 5 4 2 6 3 2 6 2 2 6 2 4 2 2 5 3 4 6 2 2 4 2 5 5 1 2 4 4 2 3 4 5 6 5 4 4 4 5 2 2 5 3 2 2 2 3 2 4 2 2 2 2 2 4 2 4 3 4 2 3 4 4 6 6 3 3 6 3 5 1 7 2 3 5 2 3 4 3 1 2 3 4 2 4 2 4 4 3 2 6 6 3 2 5 5 5 6 5 3 5 5 4 6 4 3 4 4 5 2 2 5 1 3 6 1 5 4 4 1 3 3 11 12 1 2 3 3 4 3 6 3 3 5 2 4 2 5 5 2 3 2 6 3 2 3 2 3 2 5 5 2 4 2 4 3 3 3 5 2 13 14 6 4 2 4 2 3 2 3 2 3 5 4 2 2 5 5 4 5 6 6 2 5 4 3 2 2 4 2 2 2 3 4 4 5 5 5 15 16 3 6 6 3 6 4 7 4 3 4 6 5 3 4 5 2 6 1 6 2 4 5 4 2 4 4 6 2 5 3 5 3 7 5 6 2 17 18 19 20 21 22 23 6 3 6 1 2 3 3 7 3 4 4 3 5 7 7 4 4 5 4 5 2 7 5 5 5 5 4 3 7 6 3 3 2 2 3 5 3 6 1 3 3 3 2 6 4 5 2 2 6 5 3 6 3 4 2 7 6 3 1 2 4 3 3 6 4 6 6 5 4 5 4 2 6 3 3 3 4 4 3 2 3 4 3 3 3 3 5 3 5 3 6 6 5 5 2 5 3 4 6 1 3 5 6 4 7 6 6 3 6 5 4 5 3 2 6 3 4 3 5 5 2 6 3 6 5 5 100 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 2 2 2 2 3 5 4 5 3 3 5 6 4 5 2 5 3 3 4 6 5 4 4 5 3 5 3 3 4 5 5 4 3 6 2 5 4 3 3 3 2 4 4 6 2 3 3 3 2 5 4 1 2 6 3 4 5 5 2 3 1 2 3 6 2 3 3 5 2 7 5 6 4 4 3 5 5 5 4 6 4 6 3 2 3 4 3 2 2 4 6 2 5 3 3 6 5 5 3 2 2 1 2 2 3 3 3 3 2 3 4 2 2 1 3 5 4 3 3 6 2 1 3 6 5 5 3 5 5 4 5 1 4 2 2 5 4 3 2 3 4 6 3 2 4 3 5 3 4 3 4 1 4 4 5 5 3 2 2 3 4 2 4 3 6 4 4 5 4 6 6 1 4 3 4 5 4 1 3 34 35 6 3 5 2 6 5 5 5 4 4 3 5 3 6 3 3 4 2 4 4 3 3 4 3 3 5 4 4 4 2 4 4 3 5 5 3 36 37 2 2 3 5 4 3 3 4 3 2 5 2 2 1 5 6 2 1 5 2 1 2 2 2 3 4 2 1 4 4 3 5 5 3 2 4 38 39 4 5 4 6 4 6 4 6 3 5 4 6 5 5 4 6 3 5 5 6 4 5 4 5 5 6 3 5 3 6 3 6 4 6 3 5 40 41 42 43 44 45 46 3 2 3 5 3 3 5 5 3 4 3 4 4 6 4 2 7 2 6 5 6 4 2 5 3 6 5 6 3 1 4 4 3 6 5 2 2 4 6 3 4 6 2 4 3 6 2 6 6 4 5 7 4 3 2 6 4 1 3 2 2 5 5 3 2 6 4 4 5 6 2 4 4 5 3 2 5 6 2 5 3 4 4 5 2 4 3 3 3 6 6 5 2 4 5 4 5 5 4 3 7 3 4 4 6 3 2 6 6 5 5 6 3 3 4 4 4 4 6 3 2 4 3 5 6 5 101 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 2 5 5 3 2 2 1 2 5 6 2 2 6 3 2 1 6 3 48 49 50 51 2 2 3 2 6 5 5 5 5 3 4 6 4 4 4 3 2 4 3 4 3 5 2 5 2 6 2 2 3 4 4 4 2 4 4 2 4 4 3 5 3 2 2 2 4 3 6 4 3 6 2 7 4 4 5 4 5 4 4 5 5 6 3 5 4 4 3 5 5 4 3 3 52 53 54 55 3 2 2 3 6 5 3 7 6 3 4 2 7 4 5 3 3 4 2 2 6 5 3 3 3 6 3 6 5 4 4 7 6 4 4 3 6 4 5 5 4 2 3 4 4 4 2 3 4 6 5 6 6 4 5 4 5 4 6 7 5 6 5 5 7 4 4 5 6 4 6 5 56 57 2 3 5 4 5 7 6 5 6 4 6 4 6 2 4 7 2 3 3 6 2 4 2 5 6 3 4 4 4 7 4 6 3 4 3 4 58 59 5 3 3 4 2 5 3 5 4 6 6 4 6 6 4 2 2 5 4 5 5 2 3 4 3 6 5 5 3 4 6 5 4 4 3 6 60 61 3 4 5 4 5 4 5 4 3 3 5 4 2 5 6 4 4 3 5 5 4 4 5 4 3 5 3 3 3 3 5 3 5 4 4 3 62 63 5 2 3 6 2 5 3 4 4 2 6 3 6 2 4 3 2 2 4 4 5 3 3 4 3 3 5 3 2 4 6 5 4 4 3 5 64 65 1 3 3 7 4 2 6 3 3 2 2 3 2 6 5 7 3 3 6 5 2 4 2 3 2 6 5 4 4 7 4 5 3 5 5 5 66 67 3 5 4 6 5 6 5 6 6 5 4 6 6 5 2 6 5 5 5 6 2 5 4 5 6 6 5 5 4 6 5 6 4 6 6 5 68 3 4 7 5 4 4 2 7 3 6 4 5 3 4 7 6 4 4 102 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 5 3 2 3 4 6 6 4 2 4 5 3 3 5 2 6 4 3 70 3 5 5 5 3 5 2 6 4 5 4 4 3 3 4 5 5 4 Jumlah Rata-rata 215 3.07 306 4.37 301 4.30 301 4.30 244 3.49 278 3.97 256 3.66 302 4.31 231 3.30 320 4.57 215 3.07 237 3.39 291 4.16 262 3.74 284 4.06 310 4.43 290 4.14 277 3.96 103 Lampiran 13. ANOVA dan persamaan antioksidan polinomial Response 1 Kapasitas Antioksidan ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.013 5 2.672E-003 59.30 Linear Mixture 1.442E-003 2 7.212E-004 16.01 AB 4.638E-003 1 4.638E-003 102.93 BC 5.202E-003 1 5.202E-003 115.47 BC(B-C) 1.644E-003 1 1.644E-003 36.48 Residual 5.407E-004 12 4.506E-005 Lack of Fit 2.370E-004 6 3.950E-005 0.78 Pure Error 3.037E-004 6 5.061E-005 Cor Total 0.014 17 Std. Dev. Mean C.V. % PRESS 6.712E-003 0.14 4.78 1.228E-003 respon p-value Prob > F < 0.0001 0.0004 < 0.0001 < 0.0001 < 0.0001 0.6144 R-Squared Adj R-Squared Pred R-Squared Adeq Precision kapasitas significant not significant 0.9611 0.9449 0.9116 23.440 Final Equation in Terms of Actual Components: Kapasitas Antioksidan = +4.46398E-003 * Kunyit +2.88805E-003 * Asam +3.87501E-003 * Jahe +2.73282E-004 * Kunyit * Asam +2.54567E-004 * Asam * Jahe -2.03162E-005 * Asam * Jahe * (Asam-Jahe) 104 Lampiran 14. ANOVA dan persamaan polinomial respon pH Response 2 pH ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 21.87 8 2.73 103.47 Linear Mixture 14.48 2 7.24 274.11 AB 0.92 1 0.92 34.94 AC 0.23 1 0.23 8.56 BC 1.60 1 1.60 60.44 ABC 0.50 1 0.50 18.88 AB(A-B) 0.38 1 0.38 14.51 BC(B-C) 0.26 1 0.26 9.90 Residual 0.24 9 0.026 Lack of Fit 0.24 3 0.079 430.32 Pure Error 1.100E-003 6 1.833E-004 Cor Total 22.11 17 p-value Prob > F < 0.0001 < 0.0001 0.0002 0.0169 < 0.0001 0.0019 0.0042 0.0118 Std. Dev. Mean C.V. % PRESS 0.9892 0.9797 0.8527 25.326 0.16 4.14 3.92 3.26 R-Squared Adj R-Squared Pred R-Squared Adeq Precision < 0.0001 significant significant Final Equation in Terms of Actual Components: pH +0.18088 +0.10031 +0.18658 -4.68404E-003 +1.81439E-003 -4.84354E-003 -5.99257E-004 -2.41945E-004 +2.83842E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe * Kunyit * Asam * (Kunyit-Asam) * Asam * Jahe * (Asam-Jahe) 105 Lampiran 15. ANOVA dan persamaan polinomial respon TPT Response 3 Tpt ANOVA for Mixture Mean Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.000 0 Residual 8.45 17 0.50 Lack of Fit 8.45 11 0.77 921.39 Pure Error 5.000E-003 6 8.333E-004 Cor Total 8.45 17 Std. Dev. Mean C.V. % PRESS 0.71 14.92 4.72 9.47 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 significant 0.0000 0.0000 -0.1211 Final Equation in Terms of Actual Components: Tpt +14.92222 = 106 Lampiran 16. ANOVA dan persamaan polinomial respon nilai L Response 4 L ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 604.07 7 86.30 18.34 Linear Mixture 396.77 2 198.39 42.17 AB 10.75 1 10.75 2.28 AC 57.95 1 57.95 12.32 BC 64.51 1 64.51 13.71 ABC 35.98 1 35.98 7.65 AB(A-B) 91.52 1 91.52 19.45 Residual 47.04 10 4.70 Lack of Fit 10.91 4 2.73 0.45 Pure Error 36.14 6 6.02 Cor Total 651.11 17 Std. Dev. Mean C.V. % PRESS 2.17 51.50 4.21 154.45 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.1616 0.0056 0.0041 0.0199 0.0013 0.7685 significant not significant 0.9277 0.8772 0.7628 13.411 Final Equation in Terms of Actual Components: L = +1.41249 +2.05888 +1.93959 -0.015534 -0.028945 -0.030780 +5.05276E-003 +3.38911E-003 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe * Kunyit * Asam * (Kunyit-Asam) 107 Lampiran 17. ANOVA dan persamaan polinomial respon nilai a Response 5 a ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 608.40 6 101.40 31.64 Linear Mixture 535.02 2 267.51 83.47 AB 14.45 1 14.45 4.51 AC 58.39 1 58.39 18.22 BC 19.18 1 19.18 5.99 ABC 19.50 1 19.50 6.09 Residual 35.25 11 3.20 Lack of Fit 19.81 5 3.96 1.54 Pure Error 15.44 6 2.57 Cor Total 643.65 17 Std. Dev. Mean C.V. % PRESS 1.79 8.63 20.73 87.10 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.0572 0.0013 0.0324 0.0313 0.3052 significant not significant 0.9452 0.9154 0.8647 14.721 Final Equation in Terms of Actual Components: a +0.54883 +0.043832 +1.01935E-003 +0.017568 +0.029019 +0.016780 -3.67258E-003 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 108 Lampiran 18. ANOVA dan persamaan polinomial respon nilai b Response 6 b ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 1851.88 6 308.65 15.07 Linear Mixture 410.85 2 205.42 10.03 AB 374.55 1 374.55 18.29 AC 22.97 1 22.97 1.12 BC 0.16 1 0.16 7.895E-003 ABC 218.07 1 218.07 10.65 Residual 225.31 11 20.48 Lack of Fit 165.56 5 33.11 3.32 Pure Error 59.75 6 9.96 Cor Total 2077.19 17 Std. Dev. Mean C.V. % PRESS 4.53 35.85 12.62 514.37 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 0.0033 0.0013 0.3123 0.9308 0.0076 0.0879 significant not significant 0.8915 0.8324 0.7524 11.194 Final Equation in Terms of Actual Components: b = +1.10081 +0.61776 +1.00490 +0.089427 +0.018203 -1.54077E-003 +0.012281 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 109 Lampiran 19. ANOVA dan persamaan polinomial respon nilai ˚Hue Response 7 Hue ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 1266.71 6 211.12 16.31 Linear Mixture 1032.93 2 516.47 39.90 AB 0.022 1 0.022 1.712E-003 AC 125.08 1 125.08 9.66 BC 112.16 1 112.16 8.66 ABC 101.55 1 101.55 7.84 Residual 142.40 11 12.95 Lack of Fit 86.90 5 17.38 1.88 Pure Error 55.50 6 9.25 Cor Total 1409.11 17 Std. Dev. Mean C.V. % PRESS 3.60 77.35 4.65 396.35 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.9677 0.0100 0.0134 0.0173 0.2323 significant not significant 0.8989 0.8438 0.7187 11.588 Final Equation in Terms of Actual Components: Hue = +2.12969 +2.89456 +2.99638 -6.87851E-004 -0.042474 -0.040577 +8.38069E-003 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 110 Lampiran 20. ANOVA dan persamaan polinomial respon organoleptik warna Response 8 Organoleptik Warna ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 7.67 6 1.28 12.40 Linear Mixture 0.37 2 0.18 1.79 AB 1.60 1 1.60 15.51 AC 0.049 1 0.049 0.47 BC 0.13 1 0.13 1.24 ABC 1.83 1 1.83 17.73 Residual 1.13 11 0.10 Lack of Fit 0.83 5 0.17 3.35 Pure Error 0.30 6 0.050 Cor Total 8.80 17 p-value Prob > F 0.0002 0.2131 0.0023 0.5051 0.2889 0.0015 Std. Dev. Mean C.V. % PRESS 0.8712 0.8010 0.6597 8.712 0.32 4.05 7.92 3.00 R-Squared Adj R-Squared Pred R-Squared Adeq Precision 0.0868 significant not significant Final Equation in Terms of Actual Components: Organoleptik Warna = +0.11683 * Kunyit +0.12138 * Asam +0.12259 * Jahe +5.84256E-003 * Kunyit * Asam -8.39915E-004 * Kunyit * Jahe -1.37057E-003 * Asam * Jahe +1.12403E-003 * Kunyit * Asam * Jahe 111 Lampiran 21. ANOVA dan persamaan polinomial respon organoleptik bau Response 9 Organoleptik Bau ANOVA for Mixture Mean Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.000 0 Residual 3.41 17 0.20 Lack of Fit 2.75 11 0.25 2.28 Pure Error 0.66 6 0.11 Cor Total 3.41 17 Std. Dev. Mean C.V. % PRESS 0.45 4.06 11.04 3.82 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F 0.1621 not significant 0.0000 0.0000 -0.1211 Final Equation in Terms of Actual Components: Organoleptik Bau +4.05611 = 112 Lampiran 22. ANOVA dan persamaan polinomial respon organoleptik rasa Response 10 Organoleptik Rasa ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 4.14 7 0.59 16.67 Linear Mixture 0.91 2 0.45 12.83 AB 0.37 1 0.37 10.30 AC 0.60 1 0.60 16.95 BC 0.81 1 0.81 22.70 AC(A-C) 0.12 1 0.12 3.47 BC(B-C) 1.22 1 1.22 34.53 Residual 0.35 10 0.035 Lack of Fit 0.028 4 6.918E-003 0.13 Pure Error 0.33 6 0.055 Cor Total 4.49 17 p-value Prob > F < 0.0001 0.0017 0.0093 0.0021 0.0008 0.0921 0.0002 Std. Dev. Mean C.V. % PRESS 0.9211 0.8658 0.7392 13.329 0.19 3.85 4.89 1.17 R-Squared Adj R-Squared Pred R-Squared Adeq Precision 0.9672 significant not significant Final Equation in Terms of Actual Components: Organoleptik Rasa +0.12200 +0.12764 +0.091988 +2.43190E-003 +2.66753E-003 +3.17896E-003 +2.01478E-004 -6.40005E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Jahe * (Kunyit-Jahe) * Asam * Jahe * (Asam-Jahe) 113 Lampiran 23. ANOVA, dan persamaan polinomial respon organoleptik keseluruhan Response 11 Organoleptik Keseluruhan/Overall ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F p-value Source Squares df Square Value Prob > F Model 3.03 5 0.61 8.87 0.0010 Linear Mixture 0.73 2 0.36 5.32 0.0222 AB 0.81 1 0.81 11.81 0.0049 BC 0.59 1 0.59 8.69 0.0122 BC(B-C) 0.93 1 0.93 13.67 0.0031 Residual 0.82 12 0.068 Lack of Fit 0.36 6 0.061 0.80 0.6033 Pure Error 0.45 6 0.076 Cor Total 3.85 17 Std. Dev. Mean C.V. % PRESS 0.26 3.90 6.69 2.07 R-Squared Adj R-Squared Pred R-Squared Adeq Precision significant not significant 0.7871 0.6984 0.4625 9.709 Final Equation in Terms of Actual Components: Organoleptik Keseluruhan/Overall +0.12454 +0.12887 +0.10491 +3.60270E-003 +2.71864E-003 -4.83959E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Asam * Jahe * Asam * Jahe * (Asam-Jahe) 114 Lampiran 24. Rekapitulasi data running formula untuk mendapatkan formula optimum Kunyit 13.386 19.642 8.887 0.983 9.787 14.456 2.368 1.604 19.841 4.252 11.985 4.241 7.355 11.965 1.687 10.082 15.483 26.295 7.835 13.267 8.613 1.005 1.542 11.609 6.626 6.790 22.788 12.931 9.775 12.018 Asam 2.268 0.311 6.926 12.106 1.066 8.066 13.979 6.668 8.709 11.734 3.970 4.775 0.080 9.559 7.332 12.682 11.029 1.789 18.245 4.418 3.639 15.042 9.954 15.761 9.483 11.643 7.193 0.817 10.076 16.159 Jahe 14.346 10.047 14.188 16.911 19.147 7.478 13.653 21.728 1.450 14.014 14.045 20.984 22.565 8.476 20.981 7.237 3.488 1.916 3.921 12.314 17.749 13.952 18.504 2.630 13.891 11.567 0.019 16.252 10.150 1.823 Lampiran 25. Solusi formula optimum yang dihasilkan dalam tahapan optimasi Solusi Proporsi (%(v/v)) Desirability Kunyit Asam Jahe 1 5.0 9.9 15.1 0.913 2 7.5 6.1 16.4 0.897 3 22.3 7.7 0.0 0.848 4 8.8 21.2 0.0 0.784 115 Lampiran 26a. Rekapitulasi data pengukuran kapasitas antioksidan standar asam askorbat pada tahap verifikasi solusi formula optimum Konsentrasi asam askorbat A standar A blanko Rata-rata A blanko A standar (mg/ml) 1a 1b 2a 2b 0 1.015 1.018 0.990 1.022 1.0113 0.0413 0.723 0.719 0.727 0.724 0.7233 0.3293 0.448 0.458 0.451 0.462 0.4548 0.5978 0.15 0.211 0.217 0.215 0.209 0.2130 0.8395 0.2 0.017 0.021 0.019 0.020 0.0193 1.0333 0.05 1.0525 0.1 Lampiran 26b. Kurva standar kapasitas antioksidan asam askorbat pada tahap verifikasi solusi formula optimum Kurva Standar Asam Askorbat A blanko - A standar 1,2000 y = 4,988x + 0,069 R² = 0,994 1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 0 0,05 0,1 0,15 0,2 0,25 Konsentrasi asam askorbat (mg/ml) Lampiran 26c. Rekapitulasi data hasil pengukuran kapasitas antioksidan verifikasi formula optimum Ulangan A blanko 1a 1b 2a A Sampel 0.117 1.0525 2b Rata-rata Ablanko - A sampel AEAC (mgAEq/ml) 0.121 0.114 0.109 0.115 0.9373 0.1741 116 Lampiran 27. Rekapitulasi data hasil pengukuran pH verifikasi formula optimum Ulangan pH sampel 1 2 3.59 3.56 Rata-rata 3.58 Lampiran 28. Rekapitulasi data hasil pengukuran TPT verifikasi formula optimum Ulangan TPT sampel 1 2 15.1 15.2 Rata-rata 15.2 Lampiran 29. Rekapitulasi data hasil pengukuran nilai L verifikasi formula optimum Ulangan L 1 2 3 51.131 51.129 51.128 Rata-rata 51.129 Lampiran 30. Rekapitulasi data hasil pengukuran nilai a verifikasi formula optimum Ulangan a 1 2 3 8.263 8.261 8.260 Rata-rata 8.261 117 Lampiran 31. Rekapitulasi data hasil pengukuran nilai b verifikasi formula optimum Ulangan b 1 40.564 2 3 40.563 40.560 Rata-rata 40.562 Lampiran 32. Rekapitulasi data nilai ˚Hue verifikasi formula optimum Ulangan ˚Hue 1 2 78.486 78.489 3 78.489 Rata-rata 78.489 118 Lampiran 33. Scoresheet uji rating hedonik verifikasi formula optimum Uji Rating Hedonik Produk : Minuman Fungsional Tradisional Nama : Tanggal : Petunjuk Di hadapan anda terdapat 1 contoh minuman fungsional tradisional. Nilailah kesukaan anda terhadap warna, bau, rasa, dan overall dari contoh tersebut dengan menuliskan angka yang menunjukkan tingkat kesukaan anda. Arti dari nilai-nilai yang diberikan adalah sebagai berikut : 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = biasa saja / netral 5 = agak suka 6 = suka 7 = sangat suka Nilailah kesukaan anda terhadap contoh. Cara mencicip sampel adalah dengan mengaduk sampel terlebih dahulu dengan sendok contoh yang disediakan, lalu ambil dengan sendok tersebut kemudian ciciplah dengan sendok pencicip yang disediakan (setiap panelis mendapatkan satu sendok pencicip). Sebelum melakukan penilaian, netralkan dulu indera anda dengan air yang disediakan dan dengan menjauhkan hidung dari contoh. Kode contoh Warna Bau Rasa Overall Komentar : ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ……………………………………………………………….................... - TERIMA KASIH - 119 Lampiran 34. Rekapitulasi data uji rating hedonik verifikasi formula optimum Skor Panelis Warna Bau Rasa Keseluruhan 1 2 3 4 5 6 2 2 5 3 2 3 4 4 4 4 1 5 3 4 5 2 4 4 4 6 7 8 9 10 11 5 5 4 5 4 6 4 5 5 2 3 5 2 5 6 3 3 5 3 5 6 4 3 4 12 13 14 15 16 17 4 3 5 3 7 5 4 5 4 4 4 4 3 4 3 5 6 3 4 4 4 4 5 3 18 19 20 21 22 23 3 5 6 3 5 3 5 4 5 5 5 4 5 3 5 4 4 5 4 4 6 4 5 4 24 25 26 27 5 4 7 3 4 4 5 4 4 3 6 4 5 4 6 4 28 29 30 5 4 5 5 4 6 5 5 5 5 4 5 Jumlah Rata-rata 132 4.40 126 4.20 123 4.10 128 4.27 120 Lampiran 35. Color chart verifikasi formula optimum Fig. 7: L *a*b* color chart (hue and chroma) Yellow +b* 60 Prediksi Formula 1 Hasil Verifikasi Formula 1 Chroma= V a2+b2 -60 -b* Blue 121 OPTIMASI FORMULA MINUMAN FUNGSIONAL BERBASIS KUNYIT (Curcuma domestica Val.), ASAM JAWA (Tamarindus indica Linn.), DAN JAHE (Zingiber officinale var. Amarum) DENGAN METODE DESAIN CAMPURAN (MIXTURE DESIGN) SKRIPSI ELIANA SUSILO F24070127 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011 OPTIMIZATION OF FUNCTIONAL BEVERAGE FORMULA BASED ON TURMERIC (Curcuma domestica Val.), TAMARIND (Tamarindus indica Linn.), AND GINGER (Zingiber officinale var. Amarum) WITH MIXTURE DESIGN METHOD Eliana Susilo, Rizal Syarief, Budi Nurtama Department of Food Science and Technology, Faculty of Agricultural Technology, Bogor Agricultural University, IPB Darmaga Campus, PO BOX 220, Bogor, West Java, Indonesia Phone +62 877 70378792, E-mail: eliana.susilo@yahoo.com ABSTRACT Turmeric, tamarind, and ginger have been widely used as Indonesian traditional beverage called “jamu”. “Jamu” is known for its functional characteristics, such as high antioxidant capacity. This beneficial factor makes “jamu” potential to be developed as a functional beverage. This study showed the optimization of functional beverage formula based on turmeric, tamarind, and ginger. The objective of this study is to discover an optimum functional beverage formula with high antioxidant capacity and good sensory qualities (colour, aroma, taste, and overall). The method used in the optimization of the formula was mixture design method. Design Expert (DX) 7.0® software was used as a tool in the optimization. The result reveals the optimum formula is a mixture with 5.0%(v/v) turmeric extract, 9.9%(v/v) tamarind extract, 15.1%(v/v) ginger extract, 40%(v/v) sugar solution, and 30%(v/v) water. The formula had antioxidant capacity of 0.1741mgAEq/ml. The sensory scores obtained for the formula are 4.40 for colour, 4.20 for aroma, 4.10 for taste, and 4.27 for overall (scale 1-7). The colour of the formula is yellow with ˚Hue of 68.5922˚ (L=47.0433, a=13.4500, b=34.3067). The formula has pH value of 3.60 and total soluted solid value of 14.90˚Brix. Keywords : functional beverage, optimization, and mixture design ii Eliana Susilo. F24070127. Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design). Di bawah bimbingan Rizal Syarief dan Budi Nurtama. 2011. RINGKASAN Indonesia memiliki kekayaan hayati yang sangat besar, di antaranya adalah tanaman obat dan rempah. Beberapa dari rempah-rempah yang sudah lama dikenal di Indonesia adalah kunyit, asam, dan jahe. Ketiga rempah tersebut sudah sejak lama digunakan, baik sebagai bumbu masakan maupun sebagai minuman fungsional (jamu). Sayangnya pembuatan minuman fungsional umumnya lebih mengutamakan kualitas sensori dan mengenyampingkan sifat fungsionalnya. Penelitian ini bertujuan untuk menentukan formula optimum minuman fungsional berbahan dasar kunyit, asam jawa, dan jahe yang dapat memberikan aktivitas antioksidan yang optimal serta dapat diterima secara sensori oleh konsumen. Penelitian ini dibagi menjadi beberapa tahap, yaitu (1) pembuatan rancangan formula dan respon, (2) pengukuran respon, (3) analisis respon, (4) optimasi formula, dan (5) verifikasi solusi formula optimum. Dari penelitian yang dilakukan, didapatkan formula minuman terpilih yang diharapkan dapat memberikan aktivitas antioksidan yang optimum dan dapat diterima secara sensori oleh konsumen. Pembuatan rancangan formula respon dilakukan dengan metode mixture design D-optimal. Rancangan formula yang dibuat kemudian digunakan untuk mendapatkan respon yang telah ditentukan, yaitu kapasitas antioksidan, pH, TPT, warna (nilai L, a , b, dan ˚Hue), serta hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall). Dari hasil analisis respon, diperoleh persamaan polinomial reduced cubic untuk respon kapasitas antioksidan, pH, L, organoleptik rasa, dan organoleptik keseluruhan, special cubic untuk respon a, b, ˚Hue, dan organoleptik warna, serta mean untuk respon TPT dan organoleptik bau. Persamaan-persamaan polinomial tersebut kemudian digunakan dalam tahap optimasi dengan memaksimalkan respon kapasitas antioksidan dan organoleptik (warna, bau, rasa, dan overall). Dari hasil optimasi dengan menggunakan program Design Expert 7.0® didapatkan empat solusi formula minuman optimum. Formula 1 menggunakan kombinasi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Formula 2 menggunakan kombinasi ekstrak kunyit sebesar 7.5%(v/v), ekstrak asam jawa sebesar 6.1%(v/v), dan ekstrak jahe sebesar 16.4%(v/v) yang menghasilkan nilai desirability sebesar 0.897. Formula 3 menggunakan kombinasi ekstrak kunyit sebesar 22.3%(v/v), ekstrak asam jawa sebesar 7.7%(v/v), dan tanpa menggunakan ekstrak jahe yang menghasilkan nilai desirability sebesar 0.848. Formula 4 juga tidak menggunakan ekstrak jahe dan hanya menggunakan kombinasi ekstrak kunyit sebesar 8.8%(v/v) serta ekstrak asam jawa sebesar 21.2%(v/v) yang menghasilkan nilai desirability sebesar 0.784. Dari keempat solusi formula optimum, formula 1 memiliki nilai desirability paling tinggi. Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Oleh karena itu, akan dilakukan verifikasi terhadap formula 1 untuk mendapatkan hasil aktual dari respon-respon yang telah diprediksikan. iii Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.β7 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.β0˚Brix. iv I. PENDAHULUAN A. LATAR BELAKANG Dewasa ini, terutama di negara maju, tampak kecenderungan konsumen dalam mengonsumsi makanan untuk mempertimbangkan pengaruh makanan yang dikonsumsi terhadap kesehatan tubuhnya disamping kelezatan dan nilai gizi produk tersebut (Goldberg 1994). Semakin banyaknya konsumen yang sadar akan kesehatan dan maraknya gaya hidup sehat menempatkan fungsi pangan tidak lagi terbatas hanya dua tetapi menjadi tiga macam. Pangan selain berfungsi untuk mensuplai kebutuhan gizi dan kelezatan dengan cita rasanya, pangan juga berfungsi untuk menjaga kesehatan dan kebugaran tubuh. Bahkan bila dimungkinkan dapat menyembuhkan atau menghilangkan efek negatif dari penyakit tertentu. Kenyataan ini menuntut suatu bahan tidak lagi sekedar bergizi dan lezat tetapi juga dapat bersifat fungsional. Fenomena pangan fungsional melahirkan paradigma baru dalam modifikasi berbagai produk olahan pangan yang memberikan sifat fungsional. Tujuan pengembangan pangan fungsional antara lain untuk memperbaiki fungsi-fungsi fisiologi agar dapat melindungi tubuh dari penyakit, khususnya penyakit degeneratif seperti atherosklerosis, katarak, kanker, autoimun, dan penuaan dini. Indonesia memiliki kekayaan hayati yang sangat besar, di antaranya adalah tanaman obat dan rempah. Terdapat sekitar 30,000 jenis tumbuhan di Indonesia dan 7,000 di antaranya berkhasiat sebagai obat. Sekitar 90% tumbuhan obat di Asia tumbuh di Indonesia (Sastroamidjojo 1997). Dengan berlimpahnya tanaman obat dan rempah di Indonesia, peluang untuk mengeksplorasi manfaat tanaman tersebut menjadi sangat besar. Penggunaan tanaman obat dan rempah-rempah sudah sangat terkenal di seluruh dunia, di Negara Asia dan Afrika, bahkan Eropa, pemanfaatan tanaman obat dan rempah sebagai bahan baku dalam pengobatan dan atau perawatan kesehatan (Tilaar et al. 2010). Di Indonesia sendiri, masyarakat juga banyak menggunakan tanaman untuk pengobatan dan perawatan kesehatan, salah satunya dikonsumsi sebagai minuman fungsional tradisional yang disebut jamu. Sayangnya, kehebatan tanaman obat yang dialami oleh masyarakat luas hanya diceritakan secara turun temurun dari generasi ke generasi. Tidak ada dokumentasi yang baik untuk menyimpan informasi ini untuk dimanfaatkan oleh generasi penerus berikutnya (Tilaar et al. 2010). Hal ini menyebabkan sulitnya mencari bukti-bukti ilmiah mengenai khasiat tanaman obat. Beberapa dari rempah-rempah yang sudah lama dikenal di Indonesia adalah kunyit, asam, dan jahe. Ketiga rempah tersebut sudah sejak lama digunakan, baik sebagai bumbu masakan maupun sebagai minuman fungsional (jamu). Minuman fungsional kunyit, asam, dan jahe telah lama dikenal dan dikonsumsi oleh masyarakat Indonesia. Jamu telah diwariskan secara turun temurun dari generasi ke generasi sejak ratusan tahun yang lalu (Tilaar et al. 2010). Sayangnya pembuatan minuman fungsional umumnya lebih mengutamakan kualitas sensori dan mengesampingkan sifat fungsionalnya. Menurut Sastroamidjojo (1997), kunyit mempunyai khasiat sebagai penghilang gatal, antipasmodikum, obat gingivitis (radang gusi), obat radang selaput mata, obat sesak napas, obat sakit perut, dan sebagai astrigentia serta analgetika (penghilang rasa nyeri). Selain itu, kunyit juga mempunyai aktivitas antioksidan yang cukup tinggi yang terutama disebabkan oleh senyawa kurkumin. Asam jawa merupakan sejenis bumbu tradisional yang kaya akan zinc dan kandungan Ltartaric acid yang menurunkan resiko terbentuknya batu Kristal dalam saluran kemih (Winarno 1 1997). Asam jawa juga dapat digunakan sebagai obat disentri, demam, lepra, radang mata, infeksi oral, penyakit pernapasan, dan luka-luka (Lewis dan Elvin 1977). Jahe memiliki rasa hangat sehingga sering digunakan dalam pembuatan minuman. Manfaat jahe dalam bidang pengobatan tradisional antara lain dipercaya sebagai obat pencahar, penguat lambung, penghangat badan, obat masuk angin, mengobati batuk, bronchitis, asma, influenza, kembung, penambah nafsu makan, dan mengobati penyakit jantung (Darwis et al. 1991). Selain itu, gingerol yang merupakan senyawa aktif dari jahe memiliki aktivitas antioksidan yang lebih tinggi dari α-tokoferol. Dengan berbagai manfaat tersebut serta kandungan antioksidannya yang tinggi, kunyit, asam jawa, dan jahe sangat berpotensi untuk dikembangkan sebagai minuman fungsional. Oleh karena itu, dalam penelitian ini akan dilakukan optimasi minuman fungsional tradisional berbahan dasar kunyit, asam jawa, dan jahe sehingga didapatkan formula yang memiliki kapasitas antoksidan yang optimum dan dapat diterima secara sensori. B. TUJUAN PENELITIAN Penelitian ini bertujuan untuk menentukan formula optimum minuman fungsional berbahan dasar kunyit, asam jawa, dan jahe yang memiliki kapasitas antioksidan yang optimum serta dapat diterima secara sensori oleh konsumen. C. MANFAAT PENELITIAN Manfaat dari penelitian ini adalah didapatkannya formula optimum minuman fungsional berbahan dasar ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe sehingga didapatkan formula dasar minuman fungsional yang memiliki kapasitas antioksidan yang tinggi serta dapat diterima secara sensori oleh konsumen. Dengan formula optimum yang didapatkan dalam penelitian ini, proses formulasi untuk pengembangan produk akan menjadi lebih sederhana dan membutuhkan lebih sedikit biaya. 2 II. TINJAUAN PUSTAKA A. ANTIOKSIDAN Menurut Halliwell dan Gutteridge (1991), antioksidan adalah zat yang dalam konsentrasi kecil dapat mencegah atau memperlambat oksidasi radikal bebas. Dalam konsentrasi yang lebih rendah dari zat yang mudah teroksidasi, antioksidan mampu memperlambat atau menghambat oksidasi zat tersebut (Halliwell et al. 1995). Sebaliknya, antioksidan dalam konsentrasi tinggi dapat bersifat sebagai prooksidan atau meningkatkan oksidasi (Schuler 1990). Menurut Gordon (1990), antioksidan dibagi menjadi dua kelompok, yaitu antioksidan primer yang dapat bereaksi dengan radikal bebas membentuk produk yang lebih stabil, dan antioksidan sekunder atau antioksidan pelindung yang berperan dalam mereduksi kecepatan rantai inisiasi melalui berbagai macam mekanisme dan berperan dalam memperlambat laju autooksidasi lemak dengan cara mengikat ion logam, memecah hidroperoksida menjadi spesies non radikal, menyerap radiasi ultraviolet, dan menginaktifkan oksigen singlet. Berdasarkan interaksinya terdapat dua jenis antioksidan, yaitu antioksidan enzim dan non enzim. Contoh antioksidan enzim adalah enzim superoksida dismutase (SOD) yang berperan dalam mengkatalisis pemusnahan radikal bebas dalam sel dengan cara dekomposisi anion superoksida menjadi hydrogen peroksida dan oksigen, enzim katalase, selenium glutation peroksidase (Se-GSH-Px), dan fosfolipid hidroperoksida glutation peroksidase (PLOOH-GSHPx). Menurut Block dan Langseth (1994), contoh antioksidan non enzim adalah α-tokoferol (vitamin E), -karoten (vitamin A), dan asam askorbat (vitamin C). Selain itu, yang termasuk antioksidan non gizi adalah protein pengikat logam, protein yang mengandung heme atau yang mengikat heme, asam urat, bilirubin, dan co-enzim Q (Krinsky 1992). Nabet (1996) mengklasifikasikan sistem pertahanan fisiologis terhadap senyawa radikal bebas ke dalam dua kelompok besar, yaitu sistem pertahanan preventif dan sistem pertahanan melalui pemutusan rantai reaksi radikal. 1. Sistem Pertahanan Preventif dalam Cairan Ekstraseluler Protein plasma bersifat dapat mengkelat logam seperti Cu2+ atau Fe3+ sekaligus menghambat reaksi Fenton dan pembentukan radikal yang sangat toksik seperti *OH, LOO*, dan LO* (Nabet 1996). Selanjutnya jenis senyawa yang berperan dalam penangkalan radikal bebas pada cairan ekstraseluler dapat dilihat pada Tabel 1. 2. Sistem Pertahanan Preventif dalam Cairan Intraseluler Menurut Harris (1990), sel darah merah mempunyai pertahanan antioksidan, penangkap radikal bebas, dan sistem enzimatis yang baik untuk mempertahankan sel pada kondisi normal. Enzim yang berperan dalam sel darah merah adalah glutation peroksidase yang mengandung selenium, superoksida dismutase, katalase, dan sitokrom oksidase (Gutteridge 1995). 3. Sistem Pertahanan melalui Pemutusan Reaksi Radikal Senyawa yang berperan dalam sistem ini adalah vitamin E, vitamin C, karotenoid, riboflavin, dan asam lipoat (Nabet 1996). Dalam membran seluler, vitamin E mereduksi radikal bebas lipida. Akan tetapi, vitamin E kemudian menjadi bersifat radikal yang kurang reaktif. Setelah itu, vitamin E radikal (tokoferil) akan mengalami regenerasi dengan adanya 3 glutation atau vitamin C (Sies et al. 1994). Vitamin C juga berperan sebagai pertahanan pertama terhadap radikal oksigen dalam plasma dan sel karena menangkap secara efektif O 2* dan 1O2 dan berperan dalam perlindungan DNA (Nabet 1996). Tabel 1. Senyawa yang berperan dalam penangkalan radikal bebas secara ekstraseluler Jenis Senyawa Mekanisme Penangkalan Albumin Mengkelat Cu dan Fe Seruloplasmin - mendegradasi O2* - mengoksidasi Fe2+ menjadi Fe3+ Transferin Mengikat Fe3+ Asam urat - membentuk kompleks tidak aktif bersama Fe dan Cu - menangkap *OH secara langsung Penangkal senyawa-senyawa radikal endogen Melatonin Bilirubin - menangkap senyawa-senyawa radikal oksigen - melindungi lipoprotein plasma Menyelamatkan glutation Sistein Sumber : Gutteridge (1995) Menurut Langseth (1995), di dalam cairan intraseluler terdapat enzim yang berpartisipasi dalam pendegradasian senyawa-senyawa ROS intraseluler. Enzim-enzim itu adalah superoksida dismutase (SOD), katalase, dan glutation peroksidase. Fungsi enzim-enzim tersebut dapat dilihat pada Gambar 1. Gambar 1. Sistem pertahanan antioksidan secara enzimatik (Langseth 1995) Menurut Ghiselli et al. (1995), antioksidan plasma dibagi menjadi dua, yaitu antioksidan primer dan antioksidan sekunder. Antioksidan primer meliputi seruloplasmin dan transferin yang berfungsi mereduksi kecepatan inisiasi peroksidasi lipid dengan mengikat ion Fe2+. Antioksidan sekunder meliputi α-tokoferol, -karoten, dan asam askorbat. α-tokoferol berfungsi dalam mereduksi rantai propagasi, -karoten berfungsi menetralkan singlet oksigen, dan asam askorbat berfungsi dalam menetralkan radikal oksigen dan meregenerasi antioksidan teroksidasi seperti αtokoferol. Menurut Kochhar dan Rossell (1990), sebagian besar antioksidan yang ditemukan pada vitamin E, vitamin C, dan karotenoid adalah komponen fenolik dan polifenolik. Sebagaimana umumnya senyawa fenolik dapat menangkap radikal bebas. Senyawa fenol dapat berfungsi sebagai antioksidan primer karena mampu menghentikan reaksi rantai radikal bebas pada oksidasi lipid. 4 B. ANTIOKSIDAN ALAMI Antioksidan alami belum dapat didefinisikan secara spesifik. Terdapat banyak jenis produk yang dapat membentuk antioksidan alami, seperti komponen yang ditemukan di dalam makanan yang berasal dari kedelai yang difermentasikan seperti tempe (Lolinger 1991). Menurut Pratt dan Hudson (1990), antioksidan alami dalam makanan dapat berasal dari (a) senyawa endogenous dari satu atau lebih komponen makanan, (b) substansi yang terbentuk dari hasil reaksi selama pengolahan, dan (c) bahan tambahan makanan yang diisolasi dari sumber alami. Sebagian besar antioksidan alami berasal dari tanaman. Beberapa sumber umum antioksidan alami berasal dari tanaman. Beberapa sumber umum antioksidan alami dari tanaman adalah alga, serealia, produk kokoa, sitrus, tanaman bumbu dan rempah, legume, biji-bijian berminyak, ekstrak tanaman, protein hidrolisat, resin, lada, bawang merah dan bawang putih, dan zaitun. Pada saat ini, sebagian besar penelitian tentang antioksidan alami terfokus pada tiga antioksidan utama, yaitu α-tokoferol (vitamin E), vitamin C, dan karotenoid sebagai sumber antioksidan alami. Menurut Andarwulan dan Sutrisno (1992), vitamin E merupakan istilah umum untuk sejumlah senyawa tokol dan trienol, dimana senyawa yang paling aktif adalah α-tokoferol. Vitamin E kadang-kadang juga disebut sebagai vitamin antioksidan, anti enchephalomalasia, faktor anti sterilitas, vitamin reproduksi, sterilamin, vitamin kesuburan, dan faktor X. Menurut Dugan (1980) yang dikutip oleh Andarwulan et al. (1995), komponen antioksidan di alam mempunyai struktur kimia yang berbeda-beda, umumnya sebagai asam amino, asam askorbat, karotenoid, asam sinamat, flavonoid, melanoidin, asam organik tertentu, zat pereduksi, peptide, fosfatida, polifenol, tannin, dan tokoferol. Senyawa antioksidan alami digolongkan sebagai komponen fenolis, protein, komponen nitrogen, karotenoid, dan komponen lain seperti vitamin C, keton, dan glikosida (Larson 1988). Asam askorbat, asam isoaskorbat, dan ester derivatnya seperti askorbit palmitat digunakan dalam beberapa makanan sebagai antioksidan. Peptida yang terdapat secara alami juga memiliki sifat antioksidan. Demikian juga dengan produk hasil reaksi Maillard dapat berfungsi sebagai antioksidan alami (Lolinger 1991). Antioksidan alami dapat berfungsi dengan satu atau lebih cara seperti (a) sebagai senyawa pereduksi, (b) sebagai penangkap radikal bebas, (c) pengkelat logam prooksidan, dan (d) quencher dari bentuk singlet oksigen. Senyawa-senyawa ini umumnya dari kelompok fenolik atau polifenolik dari sumber tanaman. Antioksidan alami yang paling umum adalah flavonoid (flavonol, isoflavon, flavon, katekin, dan flavonol), derivat asam sinamat, kumarin, tokoferol, dan asam organic polifungsional (Pratt, Hudson 1990). Menurut Winarno (1997), antioksidan alami antara lain tokoferol, lesitin, fosfatida, sesamol, gosipol, dan asam askorbat. Antioksidan alami yang paling banyak ditemukan dalam minyak nabati adalah tokoferol yang mempunyai keaktifan vitamin E dan terdapat dalam bentuk α, , , dan δ tokoferol. Tokoferol ini mempunyai banyak ikatan rangkap yang mudah dioksidasi sehingga akan melindungi lemak dari oksidasi. Menurut Finch dan Kunert (1985), asam askorbat dan tokoferol secara bersama-sama memberi sifat antioksidan yang sangat baik (sinergis). Tokoferol berfungsi sebagai antioksidan primer yang bereaksi dengan radikal lemak membentuk senyawa lipida non radikal dan radikal tokoferol (tokoferil). Asam askorbat akan mereduksi radikal tokoferol sehingga terbentuk tokoferol kembali, dan asam askorbat sendiri akan teroksidasi menjadi dehidro asam askorbat yang dapat direduksi kembali menjadi asam askorbat dengan cepat. 5 C. REMPAH-REMPAH SEBAGAI SUMBER ANTIOKSIDAN ALAMI Kata rempah-rempah (spices) diturunkan dari bahasa latin yaitu species aromatacea yang berarti buah-buahan bumi. Kata ini kemudian disingkat menjadi species yang berarti komoditi dengan nilai special. Menurut penulis-penulis klasik, rempah-rempah diklasifikasikan menjadi empat kategori (Farrel 1990), yaitu : 1. Spesies aromata, rempah-rempah yang digunakan sebagai parfum seperti kapulaga, kayu manis, dan sweet marjoram. 2. Spesies thumiamata, rempah-rempah yang digunakan untuk dupa/kemenyan seperti thyme, kayu manis, dan rosemary. 3. Spesies condimenta, rempah-rempah yang digunakan untuk pengawetan, seperti kayu manis, jinten, adas, cengkeh, dan sweet marjoram. 4. Spesies theriaca, rempah-rempah yang digunakan untuk menetralkan racun seperti adas, ketumbar, bawang putih, dan oregano. Menurut Somaatmadja (1985), rempah-rempah adalah bahan asal tumbuhan yang biasa dicampurkan ke dalam berbagai makanan untuk member aroma/flavor dan membangkitkan selera makan. Beberapa rempah selain memberikan aroma yang khas pada makanan, juga memberikan manfaat kepada pemakainya (berpengaruh positif terhadap kesehatan) dan memberi sifat-sifat pengawetan. Tidak kurang dari 30 jenis rempah-rempah dan tumbuh-tumbuhan bumbu menunjukkan aktivitas antioksidan, terutama senyawa fenolik dari berbagai rempah-rempah telah diidentifikasikan (Kochhar dan Rossell 1990). Senyawa aktif pada beberapa rempahrempah dapat dilihat pada Tabel 2. Tabel 2. Senyawa aktif di dalam beberapa rempah-rempah Rempah-rempah Senyawa aktif Referensi Adas Aneton, fensin, α-pinen, champen, d-αfilandren, dipenten, metal kalvikol, phidroksil fenil aseton Farrel (1990) Bawang merah Allin, allisin Farrel (1990) Bawang putih Dialilsulfida, dialil trisulfida, alil propil sulfida, sejumlah kecil dietil sulfida, dialil polisulfida, allinin, allisin Farrel (1990) Cabe merah Cengkeh Kunyit Jahe Jinten Asam askorbat, bioflavonoid, karotenoid, kapsantin Eugenol Kurkumin, zingiberen, bisabolen, turmeron, seskuifilandren, germakron Gingerol, shogaol, diarilheptanoid, terpenoid (zingiberen, kurkumin, bisabolen), gingerdiol Kulminaldehid, mentadienal Farrel (1990) Farrel (1990) Kikuzaki (2000) Kikuzaki (2000) Andarwulan et al. (1995) 6 Beberapa rempah-rempah yang termasuk famili labiates (oregano, sage, rosemary, dan thyme) diketahui mengandung komponen aktif antioksidan, dan berdasarkan hasil uji unsurnya yaitu diterpen, karnosol, rosmanol pada rosemary dan sage menunjukkan adanya aktivitas antioksidan. Menurut Nakatani dan Inatani (1981), aktivitas antioksidan dari rosmanol lebih efektif daripada karnosol, tokoferol (antioksidan alami), dan antioksidan sintetik (BHA dan BHT). Asam rosmarinat, karnosol, dan karnosil termasuk antioksidan tipe fenolik dengan sifat antioksidan yang sangat bagus (Lolinger 1991). Tanaman rempah dan bumbu yang memiliki kemampuan pencegahan kanker telah diidentifikasikan antara lain family labiates (oregano, sage, rosemary, thyme), Allium sp. (bawang putih, bawang merah, lokio), Zingiberaceae (kunyit dan jahe), Umbellifereae (adas, jinten, seledri, ketumbar), dan akar licorice (Caragay 1992). D. KUNYIT (Curcuma domestica Val.) Kunyit merupakan tanaman daerah tropis dan banyak terdapat di India, RRC (Republik Rakyat Cina), Indonesia, Kepulauan Solomon (Lautan Teduh), Haiti, dan Jamaica (Rismunandar 1988). Kunyit adalah umbi pohon yang termasuk ke dalam famili Zingiberaceae yang berwarna kuning oranye dan sangat beraroma. Menurut Purseglove et al. (1981), saat pemanenan rimpang kunyit yang paling baik adalah saat tanaman kunyit sudah berumur 9 bulan, ketika batang dan daunnya sudah mulai mengering. Rimpang kunyit yang tua dan disimpan lebih lama warnanya lebih baik dibandingkan dengan rimpang muda, daya tahannya juga lebih lama dan kuat (Darwis et al. 1991). Warna kunyit sangat dipengaruhi oleh pH. Warna kuning yang cerah diperoleh pada pH asam. Gambar 2 menunjukkan bentuk kunyit segar, kunyit yang telah dikupas, dan bubuk kunyit. Gambar 2. Kunyit segar, kunyit yang telah dikupas, dan bubuk kunyit 7 Rimpang kunyit rasanya agak pahit dan getir dengan bau yang khas. Rimpang kunyit yang tua mengandung beberapa komponen kimia, diantaranya minyak atsiri, pati, zat pahit, resin, protein, selulosa, dan beberapa mineral lain (Rukmana 1994). Komponen utama kunyit adalah pati yang berkisar antara 40 – 50% berat kering. Kandungan kimia pada rimpang kunyit berbedabeda tergantung daerah pertumbuhan serta kondisi pra panen dan pasca panen (Purseglove et al. 1981). Kunyit mengandung 5% minyak esensial yang terdiri dari turmeron, borneol, sineol, phellandrene, kurkumin, dan zingeron (Farrel 1990). Menurut Farrel (1990), komposisi kimiawi rimpang kunyit sebagian besar berupa karbohidrat dan dapat dilihat pada Tabel 3. Sedangkan kandungan minyak atsiri kunyit sekitar 3 – 5 % yang terdiri dari α-pelandren (1%), d-sabinen (0.6%), cineol (1%), borneol (0.5%), zingiberen (25%), tumeron (58%), seskuiterpen alkohol (5.8%) , dan α- serta -atlanton. (Krishnamurthy et al. 1976). Menurut Purseglove et al. (1981), ekstrak pigmen kunyit terdiri atas campuran analoganalog dimana kurkumin (Gambar 3) merupakan pigmen terbanyak. Dua pigmen yang menyertai kurkumin adalah diesmetoksikurkumin dan bis-desmetoksikurkumin. Ketiga komponen tersebut ditemukan dalam bentuk trans-trans ketoenol. Struktur pigmen kurkumin dapat dilihat pada Gambar 3. Gambar 3. Struktur pigmen kurkumin (Purseglove et al. 1981) Kunyit sejak dahulu digunakan sebagai perwarna tekstil, tetapi sekarang banyak digunakan sebagai pewarna makanan karena warnanya yang kuning oranye. Warna ini disebabkan oleh senyawa kurkumin, juga monodesmetoksikurkumin dan bisdesmetoksikurkumin dimana rimpang segar kunyit mengandung ketiga senyawa ini sebesar 0.8% (Srinivasan 1953). Berdasarkan penelitian Jusuf (1980), diperoleh gambaran bahwa kandungan kurkumin kunyit dari Jawa adalah 0.63-0.76%(b/b). Selain memberikan warna kuning oranye, kurkumin juga memberikan rasa pedas yang lembut pada rempah (Purseglove et al. 1981). Semua rempah dan ekstraknya harus disimpan dalam wadah yang tertutup rapat, disimpan di tempat yang gelap dan pada suhu β0˚C atau kurang dengan kelembaban relatif (RH) sebesar 50%. Selain itu, pigmen pada kunyit (kurkumin) sangat sensitif terhadap cahaya sehingga mudah berubah warna (Farrell 1990). Kunyit memiliki aktivitas antioksidan yang cukup tinggi dan senyawa kurkumin merupakan komponen utama yang menyebabkan aktivitas antioksidan tersebut. kurkumin juga merupakan antioksidan biologis untuk hemolisis dan peroksidasi lemak pada eritrosit tikus yang diinduksi dengan hidrogen peroksida (Toda et al. 1988). 8 Tabel 3. Komposisi kimia rimpang kunyit per 100 gram (BB) bahan yang dapat dimakan Komponen Komposisi Energi (kal) 1480.0 Air (g) Karbohidrat (g) Protein (g) Lemak (g) Serat (g) Abu (g) 11.4 64.9 7.8 9.9 6.7 6.0 Kalsium (mg) Fosfor (mg) Besi (mg) Vitamin B (mg) Vitamin C (mg) Minyak atsiri (%) 182.0 268.0 41.0 5.0 26.0 3.0 Kurkumin (%) Sumber: Farrel (1990) 3.0 Menurut Rukmana (1995), manfaat kunyit adalah (a) bumbu dalam berbagai masakan, (b) bahan pembuat ramuan untuk mengobati berbagai jenis penyakit pada manusia (sakit perut, masuk angin, malaria, dan lain-lain) dan pada hewan percobaan (anti diare, anti hepatotoksik, anti oedema, menurunkan kadar kolesterol, dan lain-lain), serta (c) bahan baku industri jamu dan kosmetika. Sedangkan menurut Sastroamidjojo (1997), kunyit berkhasiat sebagai penghilang gatal, antipasmodikum, astringetia, analgetika, serta obat gingivitis (radang gusi), radang selaput mata, sesak napas, dan sakit perut. E. ASAM JAWA (Tamarindus indica Linn.) Tanaman asam jawa termasuk ke dalam family Leguminose dimana buahnya berbentuk polong. Gambar 4 menunjukkan buah asam jawa segar. Karakteristik yang paling menonjol dari buah asam jawa adalah kandungan asamnya yang paling tinggi di antara buah lainnya. Total keasamannya antara 12.3 – 23.8% yang dinyatakan sebagai asam tartarat. Hampir setengah dari asam tartarat berada dalam bentuk terikat terutama sebagai kalium bitartarat dan sebagian kecil lainnya sebagai bitartarat. Asam lain yang terdapat dalam buah asam jawa adalah asam malat dan asam askorbat (Nagy, Shaw 1980). Menurut Soetisna dan Hidayat (1977), daging buah asam jawa mengandung rata-rata 5.27% kalium bitartarat, 6.63% asam tartarat, dan 2.20% asam sitrat. Gambar 4. Buah asam jawa segar 9 Daging buah asam jawa mengandung 30 – 40% gula (Anonim 1979). Buah asam jawa juga mengandung fosfor dan kalsium yang paling tinggi di antara buah-buah lain. Selain itu, asam jawa juga merupakan sumber zat besi, riboflavin, thiamin, dan niasin yang baik. Sebaliknya, kandungan vitamin A dan vitamin C asam jawa sangat rendah. Ada 61 komponen volatil yang berhasil diidentifikasi dari buah asam jawa dan yang paling berperan dalam aroma asam jawa adalah 2-asetil furan, furfural, dan 5-metil furfural (Nagy, Shaw 1980). Kandungan air buah asam jawa paling rendah, tetapi kandungan protein, karohidrat, dan mineralnya paling tinggi di antara buah-buah lainnya dan dapat dilihat pada Tabel 4. Kandungan TPT (Total Padatan Terlarut) daging buah asam jawa adalah 54.0 – 69.9˚Brix (Nagy, Shaw 1980). Dengan cara analisa kromatografi kertas, Kalyankar et al. (1952) di dalam Nagy, Shaw (1980) menyatakan bahwa asam-asam organik yang terkandung dalam buah asam jawa adalah asam malat dan asam tartarat dengan konsentrasi masing-masing adalah 1.37 mg/ml dan 10.63 mg/ml. Jenis asam organik lainnya dalam buah asam jawa adalah asam oksalat. Tabel 4. Komposisi kimia asam jawa per 100 gram (bb) bahan yang dapat dimakan Komponen Komposisi Energi (kal) Air (g) Karbohidrat (g) 239.00 31.34 62.50 Protein (g) Lemak (g) 2.80 0.60 Serat (g) Abu (g) 3.00 2.10 Kalsium (mg) Fosfor (mg) 74.00 113.00 Besi (mg) 0.60 Vitamin A (SI) 30.00 Vitamin B (mg) 0.34 Vitamin C (mg) 2.00 Sumber: Direktorat Gizi, Departemen Kesehatan (1976) Daging buah asam jawa mudah rusak, sehingga untuk meningkatkan daya simpannya, buah asam jawa secara tradisional sering diolah menjadi asam kawak, yaitu dengan cara memisahkan kulit dan serat-serat dari daging buah asam jawa kemudian daging buah tersebut dipadatkan dan dikemas. Asam kawak ini dapat digunakan sama seperti buah asam segar. Asam jawa juga digunakan dalam obat-obatan tradisional. Daging buah asam jawa dinyatakan mempunyai daya sebagai obat pencuci perut (Nagy, Shaw 1980). Asam jawa juga dapat digunakan sebagai obat disentri, demam, lepra, radang mata, infeksi oral, penyakit pernapasan, dan luka-luka (Lewis, Elvin 1977). Minuman obat yang terbuat dari asam jawa terbukti mempunyai efek yang baik terhadap penyakit demam di India. Asam jawa juga kaya akan Zinc dan L-tartaric acid yang mengurangi resiko terbentuknya batu kristal dalam saluran kemih (Winarno 1997). 10 F. JAHE (Zingiber officinale) Tanaman jahe terdiri dari akar, batang, daun, dan bunga. Bagian jahe yang banyak digunakan manusia adalah rimpangnya. Rimpang jahe merupakan batang yang tumbuh di dalam tanah dan dipanen setelah berumur 9-11 bulan. Rimpang jahe bercabang-cabang, berwarna kuning tua pada bagian luar dan kuning muda pada bagian dalam, berserat, serta berbau harum. Bentuknya tidak beraturan dan kulitnya mudah dikelupas (Koswara 1995). Waktu pemanenan jahe tergantung pada tujuan penggunaannya. Jahe yang digunakan sebagai bahan baku permen, manisan, dan selai dipanen pada saat berumur 3-4 bulan agar tidak terlalu keras (Farrel 1985). Jahe yang akan digunakan sebagai bumbu atau untuk diekstrak minyak atsiri dan oleoresinnya dipanen setelah tua karena kandungan minyak atsiri dan oleoresinnya lebih tinggi, yaitu setelah berumur 8-10 bulan (Purseglove et al. 1981). Berdasarkan ukuran, bentuk, dan warna rimpang dikenal tiga jenis jahe, yaitu jahe putih besar, jahe putih kecil, dan jahe merah. Jahe putih besar biasanya disebut jahe gajah atau badak. Jenis jahe ini memiliki rimpang yang besar dan gemuk, potongan melintangnya berwarna putihkekuningan, kandungan serat rendah, aroma kurang tajam, dan rasa kurang pedas. Jahe gajah biasanya dikonsumsi saat berumur muda maupun tua sebagai jahe segar atau jahe olahan. Jahe putih kecil memiliki potongan melintang berwarna putih-kekuningan, aroma agak tajam dan rasanya pedas. Jahe merah memiliki ukuran kecil, warna rimpangnya jingga muda hingga mera, aromanya sangat tajam dan rasanya sangat pedas. Jenis jahe putih kecil dan jahe merah mempunyai kandungan serat yang lebih tinggi dibandingkan jahe gajah. Kedua jenis jahe ini cocok untuk ramuan obat-obatan atau untuk diekstrak oleoresin dan minyak atsirinya (Santosa 1994). Gambar 5. Jahe putih kecil Rimpang jahe mengandung air, pati, minyak atsiri, oleoresin, serat kasar, dan abu. Jumlah masing-masing komponen tersebut berbeda-beda tergantung tempat tumbuhnya, kondisi lingkungan, dan umur panen. Hal ini juga dipengaruhi oleh iklim, curah hujan, varietas jahe, keadaan tanah, dan faktor-faktor lain (Koswara 1995). Komposisi rimpang jahe selanjutnya dapat mengalami perubahan selama penanganan pasca panen dan selama penyimpanan (Purseglove et al. 1981). Rimpang jahe berbau harum dan berasa pedas. Komposisi rimpang jahe menentukan tinggi rendahnya nilai aroma dan rasa pedas jahe. Banyak hal yang mempengaruhi komposisi kimia rimpang jahe, di antaranya adalah jenis jahe, tanah tempat tumbuhnya, umur panen, penanganan dan pemeliharaan tanaman, perlakuan pra panen, pemanenan, dan penanganan pasca panen. Komposisi kimia jahe segar dan kering disajikan pada Tabel 5. Komponen terbesar penyusun jahe segar adalah air, sedangkan pada jahe kering komponen terbesarnya adalah karbohidrat, terutama pati (Purseglove et al. 1981). Dua komponen utama yang terdapat pada jahe adalah minyak atsiri dan oleoresin. Minyak atsiri jahe 11 merupakan komponen pemberi aroma yang khas, sedangkan oleoresin merupakan komponen pemberi rasa pedas dan pahit. Rimpang jahe mengandung minyak atsiri 0.25 – 3.3% yang terdiri dari zingiberene, curcumene, dan philandren. Selain itu, rimpang jahe mengandung oleoresin 4.3 – 6.0% yang terdiri dari gingerols serta shogaols yang menimbulkan rasa pedas (Rismunandar 1988). Tabel 5. Komposisi kimia jahe segar per 100 gram (bb) dan jahe kering per 100 gram (bk) Jumlah Komponen Energi (kJ) Protein (g) Lemak (g) Karbohidrat (g) Kalsium (mg) Fosfor (g) Jahe Segar 184.00 1.50 1.00 10.10 21.00 39.00 Jahe Kering 1424.00 9.10 6.00 70.80 116.00 148.00 Besi (mg) Vitamin A (SI) Thiamin (mg) Niasin (mg) Vitamin C (mg) Serat kasar (g) 4.30 30.00 0.02 0.80 4.00 7.53 12.00 147.00 * 5.00 * 5.90 3.70 * 6.00 57.00 * 4.80 184.00 32.00 1342.00 5.00 Total abu (g) Magnesium (g) Natrium (mg) Kalium (mg) Seng (mg) Sumber: Koswara (1995) * data tidak tersedia Menurut Grosch dan Belizt (1999) seperti yang dikutip oleh Slamet (2005), jahe memiliki kandungan senyawa aktif yang mampu berfungsi sebagai pemberi rasa pedas dan antioksidan. Kandungan senyawa aktif yang terkandung di dalam jahe sebagian besar adalah gingerol (Gambar 6) yang selama penyimpanan dapat terdehidrasi menjadi shogaol (Gambar 7) yang memiliki rasa pedas lebih rendah dari gingerol. Shogaol dapat mengalami reaksi pemecahan retroaldol dan terbentuk senyawa zingerone dan heksanal. Pada konsentrasi tertentu, heksanal dapat mengurangi aroma jahe. Komponen bioaktif oleoresin yang merupakan komponen non volatil rimpang jahe yaitu gingerol, shogaol, dan zingerone memiliki aktivitas antioksidan yang tinggi. Semua senyawa gingerol memiliki aktivitas antioksidan yang lebih tinggi dari α-tokoferol. Semakin panjang rantai samping, semakin tinggi aktivitas antioksidan senyawa tersebut. Demikian pula halnya dengan shogaol. Penambahan senyawa gingerol konsentrasi rendah (50 µM) sudah cukup untuk memperlambat oksidasi asam linoleat. Aktivitas antioksidan senyawa gingerol dimulai pada konsentrasi 50 – 200 µM. Pada konsentrasi 50 µM, aktivitas antioksidan (6)-gingerol lebih kecil dari (6)-shogaol dan (6)-gingerdiol (Kikuzaki, Nakatani 1993). 12 Gambar 6. Struktur kimia gingerol (Purseglove et al. 1981) Gambar 7. Struktur kimia shogaol (Purseglove et al. 1981) Gambar 8. Reaksi shogaol menjadi zingerone (Purseglove et al. 1981) Ekstrak jahe mempunyai daya antioksidan yang dapat dimanfaatkan untuk mengawetkan minyak dan lemak. Menurut Lee et al. (1992), ekstrak jahe dapat menghambat waktu terjadinya oksidasi lipida dari 20 detik menjadi 10 menit. Komponen tersebut cukup stabil terhadap pemanasan. Aktivitas antioksidan pada jahe masih dua pertiganya setelah pemanasan pada suhu 100˚C. Efektivitas antioksidan pada jahe meningkat terus hingga pH 7 dalam konsentrasi rendah. Pada pH basa, faktor protektifnya turun atau meningkat tergantung jumlah ekstrak yang ditambahkan. Distribusi komponen antioksidan pada rimpang jahe merata. 13 Komponen yang terkandung dalam rimpang jahe sangat banyak kegunaannya, terutama sebagai bumbu masak, pemberi aroma dan rasa pada makanan dan minuman, serta digunakan dalam industri farmasi, parfum, kosmetika, dan sebagainya (Paimin, Murhananto 1991). Enzim protease pada rimpang jahe menyebabkan jahe ini dapat dimanfaatkan untuk melunakkan daging sebelum dimasak (Muchtadi, Sugiyono 1992). Di Indonesia, jahe banyak digunakan sebagai bahan pembuat jamu. Jahe muda dimakan sebagai lalap, acar, dan manisan (basah dan kering). Dalam bentuk tepung dan oleoresinnya, jahe digunakan untuk memberikan aroma (flavoring agent) dalam industri makanan seperti dalam pembuatan permen, biskuit, kue, dan lain-lain (Koswara 1995). Manfaat jahe dalam bidang pengobatan tradisional antara lain sebagai penguat lambung, penghangat badan, serta obat pencahar (laxative), masuk angin, batuk, bronchitis, asma, dan penyakit jantung (Darwis et al. 1991). Selain itu, jahe juga dipercaya dapat menambah nafsu makan, memperbaiki pencernaan, mengobati luka, serta mengatasi influenza, diare, rheumatik, kembung, dan cacingan (Paimin, Murhananto 1991). G. MINUMAN FUNGSIONAL TRADISIONAL Menurut Winarno (1997), makanan atau minuman yang pekat dengan tradisi setempat di mana kita dilahirkan dan dibesarkan disebut makanan atau minuman tradisional. Konsep mengenai makanan atau minuman yang berhubungan dengan kesehatan dan pencegahan penyakit bukan merupakan hal yang baru. Konsep pangan fungsional menurut Goldberg (1994) adalah : a. Merupakan pangan (bukan kapsul, tablet, ataupun serbuk) b. Dapat dikonsumsi sebagai bagian dari makanan sehari-hari c. Mempunyai fungsi tertentu ketika dikonsumsi, memperlancar dan membantu metabolism tubuh seperti meningkatkan imunitas, kesegaran tubuh, dan lain-lain. Makanan fungsional atau food for specified health use menurut Broek (1993) adalah makanan atau minuman yang berdasarkan pengetahuan tentang hubungan antara makanan dan minuman atau komponen makanan dan minuman dengan kesehatan diharapkan mempunyai khasiat tertentu. Karena dalam bentuk minuman, minuman fungsional harus mempunyai karakteristik sebagai minuman yang memberikan kekhasan sensori, baik dari segi warna dan cita rasa, mengandung gizi, dan mempunyai fungsi fisiologis tertentu dalam tubuh. Fungsi-fungsi fisiologis yang dimiliki oleh minuman fungsional antara lain adalah menjaga daya tahan tubuh, mempertahankan kondisi fisik, mencegah proses penuaan, dan mencegah penyakit yang berkaitan dengan pengaruh minuman. Hal ini berimplikasi pada bentuk minuman fungsional tersebut. Walaupun mengandung senyawa yang berkhasiat bagi kesehatan, minuman fungsional tidak berbentuk kapsul, tablet, atau bubuk yang berasal dari senyawa alami, tetapi berbentuk cairan/minuman sehingga bisa dikonsumsi sebagai minuman sehari-hari. Di Indonesia, salah satu minuman fungsional yang terdapat di Indonesia adalah dalam bentuk minuman tradisional (jamu). Menurut SNI (1996), minuman tradisional merupakan minuman ringan yang terbuat dari bahan dasar tradisional seperti rempah-rempah. Beberapa minuman tradisional yang dikenal di Indonesia adalah minuman beras kencur, minuman temulawak, minuman kunyit, minuman asam jawa, dan minuman jahe (Fardiaz 1997). 14 H. MIXTURE EXPERIMENT Proses optimasi adalah suatu pendekatan normatif untuk mengidentifikasikan penyelesaian terbaik dalam pengambilan keputusan suatu permasalahan. Melalui optimasi, permasalahan akan diselesaikan untuk mendapatkan hasil yang terbaik sesuai dengan batasan yang diberikan. Optimasi bertujuan meminimumkan usaha yang diperlukan atau biaya operasional dan memaksimumkan hasil yang diinginkan. Jika usaha yang diperlukan atau hasil yang diharapkan dapat dinyatakan sebagai fungsi dari sebuah keputusan, maka optimasi dapat didefinisikan sebagai proses pencapaian kondisi maksimum atau minimum dari fungsi tersebut. Optimasi pada salah satu atau seluruh aspek produk adalah tujuan dalam pengembangan produk. Hasil evaluasi sensori sering digunakan dalam menentukan apakah produk yang optimum telah dikembangkan dengan benar (Ma’arif et al. 1989). Metode mixture experiment seringkali diterapkan dalam mengoptimasi formula suatu produk. Mixture experiment merupakan kumpulan dari teknik matematika dan statistika yang berguna untuk permodelan dan analisa masalah suatu respon yang dipengaruhi oleh beberapa variabel dan tujuannya adalah mengoptimalkan respon tersebut. Respon yang digunakan dalam Mixture experiment adalah fungsi dari proporsi perbedaan komponen atau bahan dalam suatu formula (Cornell 1990). Rancangan mixture experiment terdapat di dalam peranti lunak (software) program Design Expert 7.0® dan dinamakan dengan mixture design. Design Expert 7.0® merupakan peranti lunak yang menyediakan rancangan percobaan (design of experiment) untuk melakukan optimasi rancangan produk dan proses (Anonim 2006). Menurut Anonim (2006), program komputer ini memberikan beberapa rancangan statistik yang digunakan di dalam proses optimasi seperti : a. Factorial designs, digunakan untuk mengidentifikasi faktor vital yang mempengaruhi proses dan pembuatan produk di dalam percobaan sehingga dapat memberikan peningkatan. b. Response surface methods, digunakan untuk menentukan proses yang paling optimal sehingga diperoleh hasil yang paling optimum. c. Mixture design techniques, digunakan untuk menentukan formula yang optimal di dalam formulasi produk. d. Combined designs (combine process variables, mixture components, and categorical factors), digunakan untuk penentuan optimasi proses dan formulasi di dalam pembuatan produk. Rancangan mixture design ini berfungsi menentukan formula optimum yang diinginkan formulator. Untuk mencapai kondisi tersebut harus ditentukan respon atau parameter produk yang menjadi ciri penting sehingga dapat meningkatkan mutu produk. Respon yang dipilih ini menjadi input data yang selanjutnya diproses oleh rancangan mixture design melalui optimasi dari setiap respon sehingga diperoleh gambaran dan kondisi proses yang optimal (Wulandhari 2007). Menurut Cornell (1990), mixture experiment terdiri dari enam tahap, yaitu menentukan tujuan percobaan, memilih komponen-komponen dari campuran, mengidentifikasi variabel respon yang akan dihitung, membuat model yang sesuai untuk mengolah data dari respon, dan memilih desain percobaan yang sesuai. Mixture experiment digunakan untuk menentukan dan secara simultan menyelesaikan persamaan multivariasi. Persamaan tersebut dapat ditampilkan secara grafik sebagai respon yang dapat digunakan dalam menggambarkan bagaimana variabel uji mempengaruhi respon, menentukan hubungan antar variabel uji, dan menentukan bagaimana kombinasi seluruh variabel uji mempengaruhi respon. Menurut Cornell (1990), persamaan polinomial mixture experiment memiliki berbagai macam orde, antara lain mean, linear, quadratic, dan cubic. Model persamaan polinomial yang 15 sering digunakan adalah model polinomial orde linear dan quadratic. Model orde linear dengan dua variabel uji digambarkan pada persamaan (1), sedangkan model orde quadratic digambarkan dengan persamaan (2). Y = b0 + b1X1 + b2X2 Y = b0 + b1X1 + b2X2 + b11X12 + b22X22 + b12X1X2 (1) (2) Persamaan tersebut dapat ditampilkan dalam sebuah contour plot berupa grafik dua dimensi (2-D) dan tiga dimensi (3-D) yang dapat menggambarkan bagaimana variabel uji mempengaruhi respon. Persamaan model polinomial dengan orde linear seringkali memberikan deskripsi bentuk geometri (3-D) yang kurang memadai. Oleh karena itu, penggunaan model polinomial dengan orde quadratic lebih dianjurkan dalam formulasi (Cornell 1990). Dalam penentuan model, modifikasi terhadap model dapat memberikan hasil yang lebih baik. Modifikasi model dilakukan dengan cara menghilangkan menghilangkan komponen atau hubungan antar komponen yang tidak diinginkan (reduksi model). Komponen yang dihilangkan adalah komponen yang dianggap tidak signifikan secara statistik terhadap respon. Untuk menentukan signifikansi model, ditentukan nilai αout yang menjadi pembatas. Jika komponen dianggap tidak signifikan berdasarkan nilai αout yang telah ditentukan, maka komponen tersebut akan dihilangkan dari model. Reduksi model dapat dilakukan dengan bebagai cara. Tiga tipe reduksi model yang paling mendasar yaitu: a. Step-wise regression: kombinasi dari forward dan backward regressions. Komponen ditambahkan, dihilangkan, atau diganti dalam setiap langkah reduksi model. b. Backward elimination: komponen dihilangkan dalam setiap langkah reduksi model. c. Forward selection: komponen ditambahkan dalam setiap langkah reduksi model. Metode backward elimination dianggap sebagai pilihan yang terbaik dalam melakukan reduksi model algoritma karena semua komponen dalam model akan diberikan kesempatan untuk diikutkan di dalam model. Metode step-wise dan forward selection dilakukan dengan menggunakan model inti minimal sehingga beberapa komponen tidak pernah diikutkan dalam model. Penggabungan beberapa ingridien atau bahan baku untuk menghasilkan suatu produk pangan yang dapat dinikmati, dimana hasil akhir dari produk tersebut dipengaruhi oleh presentasi atau proporsi relatif masing-masing ingridien yang ada di dalam formulasi. Penggabungan beberapa ingridien di dalam mixture experiment bertujuan untuk melihat apakah pencampuran dua komponen atau lebih tersebut dapat menghasilkan produk akhir dengan sifat yang lebih diinginkan dibandingkan dengan penggunaan ingridien tunggalnya dalam menghasilkan produk yang sama (Cornell 1990). Terdapat relasi fungsional antar komponen penyusun dengan perubahan proporsi relatif ingridien tersebut sehingga dapat menghasilkan produk dengan respon yang berbeda. Kombinasi ingridien yang dipilih adalah kombinasi yang menghasilkan produk dengan respon yang maksimal sesuai dengan yang diharapkan oleh perancang. Penggunaan mixture experiment dalam merancang percobaan untuk memperoleh kombinasi yang optimal ini mampu menjawab permasalahan jika dilihat dari segi waktu (mengurangi jumlah trial and error) dan biaya (Cornell 1990). 16 III. METODOLOGI PENELITIAN A. BAHAN DAN ALAT Bahan baku yang digunakan adalah rimpang kunyit, asam jawa tanpa biji cap Cabe, dan rimpang jahe yang dibeli di Pasar Induk Tangerang, air minum dalam kemasan (AMDK) “Aqua”, dan gula pasir “Gulaku” (sukrosa). Bahan-bahan yang digunakan dalam analisis antara lain aluminium foil, air destilata, buffer pH 4 dan pH 7, metanol proanalysis, DPPH (1,1diphenyl-2-picrylhydrazyl), dan asam askorbat. Alat-alat yang digunakan dalam pembuatan ekstrak bahan adalah neraca, sendok makan, blender, kain saring, baskom, sarung tangan plastik, dan botol. Alat-alat yang digunakan dalam analisis adalah refraktometer, neraca analitik, tabung reaksi, pipet volumetrik, pipet tetes, kuvet, botol semprot, labu takar, gelas piala, gelas ukur, spektrofotometer UV-Vis, pH-meter, dan Chromameter Minolta CR-310. B. METODE PENELITIAN Penelitian ini dibagi menjadi tiga tahap, yaitu: (1) persiapan bahan baku, (2) pembuatan rancangan formulasi dan respon dengan program Design Expert 7.0®, (3) pembuatan formula minuman, (4) analisis kimia, fisik, dan organoleptik, (5) analisis respon, (6) optimasi formula, dan (7) verifikasi formula optimum. Garis besar penelitian ini dapat dilihat pada Gambar 9. 1. Persiapan Bahan Baku a. Ekstraksi Kunyit Rimpang kunyit yang akan digunakan dibersihkan dari kotoran, dikupas, dicuci bersih, dan ditiriskan. Rimpang kunyit kemudian dipotong kecil-kecil dan dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan kunyit dan air sebesar 1:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan pati yang masih tertinggal di dalam filtrat. Ekstrak kunyit kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak kunyit kemudian disimpan di dalam refrigerator sampai akan digunakan. b. Ekstraksi Asam Jawa Asam jawa dipisahkan dari bijinya yang masih tertinggal. Asam jawa yang sudah bersih dari biji dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan asam jawa dan air sebesar 4:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Ekstrak kemudian disimpan di dalam botol yang tertutup rapat dan disimpan di dalam refrigerator. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan 17 pati yang masih tertinggal di dalam filtrat. Ekstrak asam jawa kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak asam jawa kemudian disimpan di dalam refrigerator sampai akan digunakan. c. Ekstraksi Jahe Jahe yang akan digunakan dibersihkan dari kotoran yang menempel dengan cara disikat dan dicuci dengan air mengalir. Kemudian jahe ditiriskan dan dikupas. Jahe yang sudah dikupas kemudian dipotong kecil-kecil dan dihancurkan dengan blender sambil ditambahkan AMDK dengan perbandingan jahe dan air sebesar 1:1 (b/b). Ekstraksi dengan menggunakan blender menghasilkan bubur encer yang selanjutnya disaring menggunakan kain saring hingga diperoleh ampas dan filtrat. Filtrat yang didapatkan kemudian didekantasi di dalam botol yang diletakkan di dalam refrigerator selama semalam. Proses dekantasi dimaksudkan untuk memisahkan pati yang masih tertinggal di dalam filtrat. Ekstrak jahe kemudian dikeluarkan dari dalam botol dengan menggunakan selang dan pati yang mengendap dibuang. Ekstrak yang didapatkan kemudian disimpan di dalam botol air mineral yang telah dilapisi aluminium foil dan ditutup rapat. Ekstrak jahe kemudian disimpan di dalam refrigerator sampai akan digunakan. d. Pembuatan Larutan Stok Gula Larutan stok gula dibuat dengan cara melarutkan gula pasir (sukrosa) di dalam AMDK dengan perbandingan gula dan air sebesar 1:1 (b/b). Total padatan terlarut (TPT) larutan stok gula dibuat sebesar 39 – 40˚Brix 2. Pembuatan Rancangan Formula dan Respon dengan Program Design Expert 7.0® Setelah didapatkan ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) serta larutan stok gula yang akan digunakan dalam pembuatan formula minuman, penelitian dilanjutkan dengan tahapan pembuatan rancangan formula dan respon dengan menggunakan peranti lunak Design Expert 7.0® tahun 2005. Rancangan metode yang digunakan pada program ini adalah mixture design dengan rancangan D-optimal design. Rancangan ini digunakan oleh formulator untuk mendapatkan formula optimum dari berbagai kombinasi bahan. Tahap ini diawali dengan penetapan komponen bahan baku yang digunakan sebagai variabel tetap dan variabel berubah. Variabel tetap tidak dimasukkan ke dalam pengaturan rancangan pada program. Hal ini dikarenakan variabel tetap nilainya tidak berubah pada setiap formula. Variabel tetap adalah komponen bahan baku yang diasumsikan tidak akan mempengaruhi respon yang akan didapatkan dari setiap formula. Dalam penelitian ini, komponen bahan baku yang termasuk ke dalam variabel tetap adalah air sebesar 30%(v/v) dan larutan stok gula sebesar 40%(v/v). Sedangkan variabel berubah akan dimasukkan ke dalam pengaturan rancangan formula karena nilainya yang berubah-ubah pada setiap formula. 18 Variabel berubah adalah komponen bahan baku yang diasumsikan akan memberikan pengaruh terhadap respon yang dihasilkan pada masing-masing formula minuman. Oleh karena itu, nilai variabel berubah akan berbeda-beda pada setiap formula untuk melihat pengaruh perubahan komposisinya terhadap respon yang dihasilkan. Dalam penelitian ini, komponen bahan baku yang termasuk ke dalam variabel berubah adalah ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Penentuan variabel berubah kemudian diikuti dengan penentuan kisaran minimum dan maksimum dari penggunaan ekstrak kunyit, asam jawa, dan jahe, yaitu 0-30%(v/v) dengan total maksimum ketiganya adalah 30%(v/v). Batas-batas ini akan menjadi input dalam pengaturan rancangan formula oleh program Design Expert 7.0® dengan rancangan Doptimal design untuk mencari rancangan formula dari komponen-komponen yang dicampurkan sehingga dihasilkan output berupa rancangan formula minuman. Setelah dilakukan penentuan komponen formula, dilakukan penentuan variabel respon yang diinginkan. Menurut Wulandhari (2007), penentuan respon dilakukan berdasarkan karakteristik yang akan berubah akibat perubahan proporsi relatif dari komponenkomponennya. Respon yang digunakan dalam penelitian ini adalah respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Respon-respon yang dipilih menggambarkan mutu formula minuman yang dihasilkan. Dengan mengoptimalkan responrespon yang dipilih, diharapkan formula minuman yang dihasilkan akan memiliki mutu yang optimum. 3. Pembuatan Formula Minuman Formula minuman dibuat dengan mencampurkan ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, AMDK, dan larutan stok gula dengan formula yang telah didapatkan dari program Design Expert 7.0®. Kemudian seluruh formula minuman yang dibuat diukur responnya dengan melakukan analisis kimia, fisik, dan organoleptik yang telah ditentukan. 19 Kunyit Asam Jawa Jahe Ekstraksi Ekstraksi Ekstraksi Ekstrak Kunyit Ekstrak Asam Jawa Ekstrak Jahe Pembuatan Rancangan Formula dan Penentuan Respon Pembuatan Formula Minuman Uji Kapasitas Antioksidan Pengukuran pH Pengukuran TPT Analisis Warna Uji Rating Hedonik Analisis Respon Optimasi Formula Solusi Formula Optimum Verifikasi Formula Minuman Terpilih Gambar 9. Rancangan diagram alir penelitian 20 4. Analisis Kimia, Fisik, dan Organoleptik Seluruh formula minuman yang telah dibuat kemudian diukur responnya dengan melakukan analisis kimia, fisik, dan organoleptik yang terdiri dari (1) analisis kapasitas antioksidan, (2) pengukuran nilai pH, (3) pengukuran nilai TPT, (4) analisis warna, dan (5) uji rating hedonik. Hasil pengukuran dan perhitungan dari keseluruhan respon kemudian akan dimasukkan ke dalam program Design Expert 7.0® untuk selanjutnya dianalisis. a. Kapasitas Antioksidan (Leong, Shui 2002) Analisis kapasitas antioksidan yang dilakukan dalam penelitian ini menggunakan metode spektrofotometri, yaitu metode reduksi DPPH (2,2-difenil-1-pikrilhidrazil). Larutan-larutan yang dibutuhkan adalah larutan DPPH 1 mM dalam metanol proanalysis, metanol, larutan standar asam askorbat, dan sampel. Analisis kapasitas antioksidan terdiri atas dua tahap, yaitu 1) pembuatan kurva standar asam askorbat dan 2) penentuan kapasitas antioksidan sampel. 1) Pembuatan Kurva Standar Asam Askorbat Seri larutan standar asam askorbat dibuat dengan konsentrasi 0 ppm, 50 ppm, 100 ppm, 200 ppm, dan 500 ppm. Larutan blanko dibuat dengan mencampurkan 8 ml metanol dengan 2 ml larutan DPPH. Larutan standar dibuat dengan mencampurkan 7 ml metanol dan 2 ml larutan DPPH dengan 1 ml standar asam askorbat pada masingmasing konsentrasi. Larutan didiamkan pada suhu ruang selama 30 menit untuk selanjutnya diukur absorbansinya (A) menggunakan spektrofotometer UV-Vis pada panjang gelombang 520 nm. Pengukuran dilakukan secara duplo dengan dua kali ulangan. Selanjutnya dibuat kurva standar asam askorbat dengan memplotkan hubungan antara konsentrasi asam askorbat dan (A blanko – A sampel). 2) Penentuan Kapasitas Antioksidan Sampel Larutan blanko dibuat dengan mencampurkan 8 ml metanol dengan 2 ml larutan DPPH. Larutan sampel dibuat dengan mencampurkan 7 ml metanol dan 2 ml larutan DPPH dengan 1 ml sampel. Larutan didiamkan pada suhu ruang selama 30 menit untuk selanjutnya diukur absorbansinya (A) menggunakan spektrofotometer UV-Vis pada panjang gelombang 520 nm. Pengukuran dilakukan secara duplo dengan dua kali ulangan. Selanjutnya diperoleh nilai (A blanko – A sampel) yang akan disubstitusikan pada persamaan kurva standar asam askorbat untuk menentukan AEAC (Ascorbic Acid Equivalent Antioxidant Capacity). Nilai yang diperoleh menunjukkan jumlah mg asam askorbat yang ekivalen dengan 1 ml sampel. b. Nilai pH (Faridah et al. 2009) Sebelum dilakukan pengukuran, pH-meter dinyalakan dan distabilkan terlebih dahulu selama 10 menit. Selanjutnya pH-meter dikalibrasi dengan menggunakan larutan buffer pH 4 dan pH 7. Elektroda dibilas dengan air destilata dan dikeringkan dengan kertas tissue. Sebanyak 20 ml sampel dimasukkan ke dalam gelas piala 100 ml. Elektroda pH-meter dibilas dengan air destilata, dikeringkan, dan dicelupkan ke dalam sampel. Angka yang tertera pada layar menunjukkan nilai pH formula minuman. Sealanjutnya, elektroda kembali dibilas dengan air destilata, dikeringkan, dan dapat digunakan kembali 21 untuk pengukuran pH sampel. Pengukuran sampel dilakukan dengan dua kali ulangan untuk setiap sampelnya. c. Nilai TPT (AOAC 1995) Total padatan terlarut diukur dengan menggunakan alat refraktometer. Filtrat sampel diteteskan di atas prisma refraktometer yang sudah distabilkan lalu dilakukan pembacaan. Sebelum dan setelah digunakan, prisma refraktometer dibersihkan dengan alkohol. Total padatan terlarut dinyatakan dalam ˚Brix. d. Analisis Warna (Hutching 1999) Analisis warna dilakukan dengan menggunakan alat Chromameter Minolta CR310. Sebelum dilakukan pengukuran nilai L, a, dan b perlu dilakukan kalibrasi terlebih dahulu terhadap alat dengan menggunakan pelat standar warna putih (L=97.51; a=5.35; b=-3.37). setelah proses kalibrasi selesai, dilanjutkan dengan pengukuran warna sampel. Pengukuran dilakukan dengan tiga kali ulangan untuk masing-masing sampel. Sistem warna yang digunakan adalah sistem Lab. Sampel diletakkan pada tempat yang tersedia, kemudian tombol start ditekan dan akan diperoleh nilai L, a, dan b dari sampel. Hasil pengukuran dikonversi ke dalam sistem Hunter dengan L menyatakan parameter kecerahan dari hitam (0) sampai putih (100). Notasi a menyatakan warna kromatik campuran merah-hijau dengan nilai + a (positif) dari 0 sampai +100 untuk warna merah dan nilai – a (negatif) dari 0 sampai -80 untuk warna hijau. Notasi b menyatakan warna kromatik campuran biru-kuning dengan nilai + (positif) dari 0 sampai +70 untuk warna kuning dan nilai –b (negatif) dari 0 sampai -80 untuk warna biru. Sedangkan L menyatakan kecerahan warna. Semakin tinggi kecerahan warna, semakin tinggi nilai L. Selanjutnya dari nilai a dan b dapat dihitung ˚Hue yang menunjukkan kisaran warna sampel. Hubungan antara ˚Hue dan warna sampel dapat dilihat pada Tabel 6. Nilai ˚Hue dapat dihitung dengan persamaan : ˚Hue = tan-1 ܾ (3) ܽ Tabel 6. Hubungan ˚Hue dengan warna sampel ˚Hue Warna Sampel 18˚ - 54˚ 54˚ - 90˚ red (R) yellow red (YR) 90˚ - 1β6˚ 1β6˚ - 16β˚ yellow (Y) yellow green (YG) 16β˚ - 198˚ 198˚ - βγ4˚ green (G) blue green (BG) βγ4˚ - β70˚ β70˚ - γ06˚ γ06˚ - γ4β˚ γ4β˚ - 18˚ blue (B) blue purple (BP) purple (P) red purple (RP) 22 e. Uji Rating Hedonik Uji rating digunakan bila uji sensori bertujuan menentukan dalam cara bagaimana suatu atribut sensori tertentu bervariasi di antara sejumlah contoh. Pada uji rating hedonik, panelis diminta untuk menilai atribut sensori tertentu produk (rasa, warna, dan aroma) dan keseluruhan sifat sensori produk berdasarkan tingkat kesukaannya (Adawiyah, Waysima 2009). Skala pengukuran yang digunakan dapat berupa skala kategori atau skala garis. Persyaratan jumlah minimum panelis untuk uji rating hedonik menurut American Srandard Testing Material (ASTM) adalah 70 panelis tidak terlatih, sedangkan menurut Meilgaard et al. (1999), persyaratan jumlah minimum panelis untuk uji rating hedonik adalah 30 panelis tidak terlatih. Dalam penelitian ini, sampel yang digunakan adalah seluruh formula yang dihasilkan dari tahapan perancangan formula dengan program Design Expert 7.0®. Panelis tidak terlatih yang digunakan adalah sebanyak 70 orang. Taraf signifikansi yang digunakan adalah 5%. Uji dilakukan terhadap 4 atribut sensori sampel, yaitu warna, rasa, bau, dan overall. Dalam penelitian ini, uji rating hedonik yang dilakukan menggunakan skala kategori 7 poin dengan deskripsi sebagai berikut: 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = netral 5 = agak suka 6 = suka 7 = sangat suka 5. Analisis Respon Setelah dilakukan pengukuran respon dari setiap formula, dilakukan input data hasil pengukuran tersebut dalam program Design Expert 7.0®. Hasil intput data dari masingmasing respon dari seluruh formula selanjutnya akan dianalisa oleh program Design Expert 7.0®. Pada tahapan analisis respon ini, program Design Expert 7.0® memberikan model polinomial yang sesuai dengan hasil pengukuran setiap respon. Respon-respon yang dianalisis antara lain kapasitas antioksidan, nilai pH, nilai TPT, hasil analisis warna (nilai L, a, b, dan ˚Hue), serta skor hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall). Program Design Expert 7.0® memberikan empat pilihan model polinomial untuk setiap respon, yaitu mean, linear, quadratic, dan cubic. Model polinomial merupakan output dari proses analisis respon formula minuman dengan rancangan D-optimal design. Terdapat tiga tahap untuk mendapatkan persamaan polinomial, yaitu berdasarkan sequential model sum of squares [Tipe I], lack of fit tests, dan model summary statistics. Kemudian partial sum of squares [Tipe III] akan memilih ordo tertinggi persamaan polinomial dari satu variabel respon yang analisis ragamnya masih memberikan hasil yang berbeda nyata. Lack of fit tests akan memilih ordo persamaan polinomial tertinggi yang memberikan hasil tidak berbeda nyata dilihat dari segi penyimpangan responnya. Model summary statistics akan memilih ordo persamaan polinomial yang memberikan nilai “Adjusted R-squared” dan “Predicted Rsquared” maksimum. 23 Berdasarkan tahap tersebut, peranti lunak Design Expert 7.0® menentukan ordo persamaan polinomial tertinggi untuk setiap variabel responnya. Suatu variabel respon dapat dikatakan berbeda nyata atau signifikan pada taraf signifikansi 5% apabila nilai p “prob>f” hasil analisis ragam lebih kecil dari 0.05. Variabel respon yang hasil analisis ragamnya berbeda nyata dapat digunakan sebagai model prediksi karena variabel uji memberikan pengaruh yang signifikan terhadap respon formula minuman tersebut. Selanjutnya, model yang dianggap paling sesuai tersebut akan ditampilkan di dalam sebuah contour-plot berupa grafik dua dimensi (2-D) atau tiga dimensi (3-D). Selain itu, program Design Expert 7.0® juga memberikan grafik plot kenormalan residual (normal plot residual) yang mengindikasikan apakah residual (selisih atau perbedaan antara respon aktual dengan yang diprediksikan untuk setiap respon) mengikuti garis kenormalan (garis lurus). 6. Optimasi Formula Hasil analisis dari setiap respon kemudian digunakan untuk melakukan optimasi formula dengan program Design Expert 7.0®. Proses optimasi dilakukan untuk mendapatkan suatu formula yang menghasilkan respon yang optimal sesuai target optimasi yang diinginkan. Nilai target optimasi yang dapat dicapai dikenal dengan istilah nilai desirability yang ditunjukkan dengan nilai 0 – 1. Semakin tinggi nilai desirability menunjukkan semakin tingginya kesesuaian formula minuman yang didapatkan untuk mencapai formula optimal dengan variabel respon yang dikehendaki. Pada tahap optimasi, komponen dioptimasi sesuai dengan target yang diinginkan. Untuk ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe ditargetkan untuk berada di dalam range (in range), yaitu antara 0-30%(v/v) dari volume total formula minuman. Nilai pH, nilai TPT, dan hasil analisis warna (nilai L, a, b, dan dan ˚Hue) juga ditargetkan untuk berada dalam range semula agar hasil yang didapatkan tidak menyimpang. Sedangkan variabel kapasitas antioksidan dan hasil uji rating hedonik (warna, bau, rasa, dan keseluruhan/overall) ditargetkan untuk menjadi setinggi mungkin. Dalam menentukan target optimasi seperti pada variabel kapasitas antioksidan dan hasil uji rating hedonik dilakukan pembobotan kepentingan untuk tujuan yang diinginkan. Pembobotan ini dinamakan importance yang dapat dipilih mulai dari 1 (+) hingga 5 (+++++) tergantung kepentingan variabel respon yang bersangkutan. Semakin tanda positif yang diberikan menunjukkan tingkat kepentingan variabel respon yang semakin tinggi. Berdasarkan target optimasi yang telah ditentukan, program Design Expert 7.0® akan memberikan solusi formula minuman optimum yang kemudian akan dilanjutkan ke tahapan verifikasi untuk memastikan kebenaran formula dan persamaan yang didapatkan. Solusi formula optimum yang diberikan juga dilengkapi dengan prediksi nilai setiap respon sehingga dapat dilihat kesesuaiannya pada tahapan verifikasi. 7. Verifikasi Setelah program Design Expert 7.0® memberikan solusi formula optimum, selanjutnya dilakukan pembuatan formula yang direkomendasikan tersebut. Hal ini dilakukan untuk memperoleh nilai aktual setiap respon dari formula yang direkomendasikan. Pengujian yang dilakukan untuk melihat kesesuaian respon aktual dan prediksi nilai respon yang didapatkan disebut dengan verifikasi. Uji yang dilakukan dalam tahapan verifikasi adalah uji kapasitas antioksidan, pengukuran nilai pH dan TPT, analisis warna (nilai L, a, b, dan ˚Hue), serta uji 24 rating hedonik terhadap empat atribut sampel (warna, bau, rasa, dan keseluruhan/overall). Prosedur uji yang dilakukan pada tahap verifikasi sama dengan prosedur yang dilakukan pada tahap analisis kimia, fisik, dan organoleptik. Tetapi pada tahap verifikasi, jumlah panelis tidak terlatih yang digunakan adalah 30 orang. 25 IV. HASIL DAN PEMBAHASAN A. RANCANGAN FORMULA DAN RESPON Design Expert 7.0® merupakan peranti lunak (software) yang menyediakan rancangan percobaan (design of experiment) untuk melakukan optimasi terhadap rancangan produk dan proses (Anonim 2005). Dalam penelitian ini, peranti lunak Design Expert 7.0® digunakan sebagai alat utama untuk mendapatkan kombinasi optimal dari proporsi relatif masing-masing ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) terhadap total ekstrak rempah. Rancangan percobaan yang digunakan dalam penelitian ini adalah mixture design dengan rancangan D-optimal design. D-optimal design dapat digunakan untuk dua hingga dua puluh empat komponen pada suatu formula, dimana komponen dapat memiliki kisaran yang berbeda-beda. Rancangan ini digunakan di dalam penelitian untuk melihat pengaruh perubahan kombinasi komponen untuk memperoleh respon tertentu sehingga dapat diperoleh suatu formula yang optimal. Tahap awal dari rancangan formula dengan program Design Expert 7.0® adalah penetapan komponen bahan baku yang digunakan sebagai variabel tetap dan variabel berubah, serta total komposisi bahan baku tersebut di dalam produk. Faktor perlakuan berupa komponen bahan baku yang berubah dalam penelitian ini adalah jumlah ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe dengan total ketiganya sebesar 30%(v/v). Bahan-bahan penyusun formula minuman lainnya seperti air dan larutan stok gula diasumsikan sebagai variabel tetap, yaitu komponen yang tidak berubah komposisinya dalam pembuatan produk. Proporsi bahan-bahan tersebut adalah larutan stok gula yang digunakan sebesar 40%(v/v) dan air sebesar 30%(v/v), sehingga total proporsi kedua bahan yang termasuk variabel tetap tersebut di dalam formula minuman adalah 70%(v/v). Penentuan komponen bahan yang digunakan sebagai variabel tetap dan variabel berubah kemudian diikuti dengan penentuan kisaran minimum dan maksimum dari ekstrak rempah. Dalam penelitian ini, batasan yang digunakan adalah 0-30%(v/v). Penentuan batasan minimum 0%(v/v) ditujukan agar terdapat formula minuman yang tidak mengandung satu atau lebih ekstrak rempah agar dapat terlihat perbedaan respon antara formula minuman yang mengandung ekstrak rempah tertentu dengan formula minuman yang tidak mengandung ekstrak rempah tersebut. Penentuan batasan maksimum 30%(v/v) ditujukan agar terdapat formula minuman yang hanya mengandung satu jenis ekstrak rempah saja sehingga dapat dilihat responnya secara individual. Batasan kisaran minimum dan maksimum tersebut kemudian dijadikan sebagai input dalam tahap perancangan formula dalam program Design Expert 7.0® untuk mencari rancangan formula dari komponen-komponen yang dicampurkan. Rancangan formula yang dihasilkan oleh program Design Expert 7.0® rancangan dengan enam formula untuk model points, lima formula sebagai poin perkiraan penyimpangan (to estimate lack of fit), lima formula untuk pengulangan, dan dua formula sebagai titik tengah (additional center point) sehingga total formula yang akan diukur variabel responnya satu per satu adalah sebanyak delapan belas formula. Rancangan formula yang dihasilkan dapat dilihat pada Tabel 7. Setelah dilakukan rancangan formula, kemudian dilakukan penentuan respon. Penentuan respon dilakukan berdasarkan karakteristik yang akan berubah akibat perubahan proporsi relatif dari komponen-komponennya. Respon yang digunakan dalam penelitian ini adalah respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Pemilihan 26 respon tersebut didasarkan pada parameter mutu yang digunakan dalam penelitian-penelitian sebelumnya untuk menentukan kualitas mutu minuman. Respon-respon tersebut dipilih agar dapat diperoleh formula minuman dengan kualitas yang optimum. Tabel 7. Rancangan formula dari program Design Expert 7.0® Proporsi (% v/v) Formula 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Air Gula Kunyit Asam Jawa Jahe 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 0.0 19.9 10.0 10.0 5.1 0.0 0.0 5.0 30.0 10.0 0.0 15.0 0.0 15.0 24.9 15.0 0.0 30.0 0.0 5.0 9.9 10.0 19.9 15.0 30.0 5.1 0.0 10.0 0.0 0.0 30.0 0.0 5.1 15.0 15.0 0.0 30.0 5.1 10.1 10.0 5.0 15.0 0.0 19.9 0.0 10.0 30.0 15.0 0.0 15.0 0.0 0.0 15.0 0.0 B. HASIL PENGUKURAN RESPON FORMULA MINUMAN Berdasarkan rancangan formula yang dihasilkan dibuat model formula minuman untuk setiap formula. Selanjutnya dilakukan pengukuran dan perhitungan terhadap respon, antara lain respon obyektif berupa kapasitas antioksidan, pH, TPT, dan warna (L, a, b, dan ˚Hue) serta respon subyektif hasil uji rating hedonik berupa warna, bau, rasa, dan keseluruhan/overall. Hasil pengukuran dan perhitungan respon dari setiap formula dapat dilihat pada Tabel 8. Hasil pengukuran setiap respon ini akan menjadi input data pada program Design Expert 7.0® yang selanjutnya akan dianalisis dalam tahapan analisis respon. 27 Tabel 8. Hasil keseluruhan pengukuran dan perhitungan respon total seluruh formula Kapasitas Antioksidan Warna Air Proporsi (%) Asam Jawa Gula Kunyit Jahe (mgAEq/ml) 1 30.0 40.0 0.0 0.0 30.0 0.1172 5.62 2 3 4 5 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 19.9 10.0 10.0 5.1 5.0 9.9 10.0 19.9 5.1 10.1 10.0 5.0 0.1633 0.1588 0.1650 0.1225 6 7 8 9 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 0.0 0.0 5.0 30.0 15.0 30.0 5.1 0.0 15.0 0.0 19.9 0.0 10 11 12 13 14 15 16 17 18 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 10.0 0.0 15.0 0.0 15.0 24.9 15.0 0.0 30.0 10.0 0.0 0.0 30.0 0.0 5.1 15.0 15.0 0.0 10.0 30.0 15.0 0.0 15.0 0.0 0.0 15.0 0.0 Formula pH Sensori TPT L a b ˚Hue Warna Bau Rasa Keseluruhan 14.1 59.593 -1.150 29.303 92.247 3.71 4.40 2.66 3.07 3.79 3.44 3.41 3.16 14.5 15.0 14.8 15.8 51.997 53.333 53.013 49.250 13.320 7.953 8.000 9.210 48.700 50.913 49.743 43.957 74.776 81.121 80.864 78.166 5.30 5.07 4.87 4.77 4.40 4.17 4.59 3.40 4.37 4.26 4.14 3.24 4.37 4.30 4.30 3.49 0.1474 0.0843 0.1775 0.1349 3.25 3.04 3.71 5.44 15.4 16.2 14.8 15.0 54.870 63.697 53.043 42.450 3.260 0.253 4.613 19.073 21.280 16.673 47.197 31.717 81.290 89.130 84.417 58.979 3.16 3.47 4.37 3.13 4.73 3.64 4.09 3.29 4.01 3.71 4.34 3.47 3.97 3.66 4.31 3.30 0.1766 0.1157 0.1248 0.0907 0.1220 0.1644 0.1645 0.1671 0.1291 3.44 5.62 5.96 3.03 5.95 3.77 3.26 3.27 5.46 14.9 14.1 14.2 16.2 14.2 13.8 15.2 15.4 15.0 47.867 56.620 45.160 60.010 41.820 50.970 49.233 51.380 42.607 9.567 1.750 15.617 1.160 14.880 14.380 13.160 5.170 15.200 41.857 29.090 38.030 19.843 31.750 45.197 43.417 23.830 32.847 77.126 86.557 67.675 86.654 64.889 72.351 73.137 77.759 65.167 4.79 3.63 3.41 3.84 3.20 4.39 4.66 3.54 3.64 4.50 3.57 3.70 4.07 3.64 3.97 4.64 4.37 3.84 4.44 2.87 3.53 3.97 4.11 4.09 4.26 4.03 3.81 4.57 3.07 3.39 4.16 3.74 4.06 4.43 4.14 3.96 28 C. ANALISIS RESPON DENGAN PROGRAM DESIGN EXPERT 7.0® Hasil pengukuran dan perhitungan masing-masing respon dari setiap formula minuman selanjutnya dijadikan sebagai input data di dalam program Design Expert 7.0®. Hasil input data dari masing-masing respon formula tersebut selanjutnya dianalisa oleh program Design Expert 7.0® yang dinamakan sebagai tahap analisis respon. Pada tahap analisis respon, program Design Expert 7.0® memberikan beberapa model polinomial yang disesuaikan dengan hasil pengukuran setiap respon. Program Design Expert 7.0® memberikan empat pilihan model polinomial untuk setiap respon, yaitu mean, linear, quadratic, dan cubic. Model polinomial merupakan output dari proses analisis respon formula minuman dengan rancangan D-optimal design. Program Design Expert 7.0® akan merekomendasikan salah satu model yang paling sesuai untuk setiap respon. Model yang paling sesuai dengan respon akan ditampilkan pada fit summary. Program Design Expert 7.0® memberikan fasilitas analisis ragam (ANOVA) untuk menunjukkan signifikansi dari model yang direkomendasikan. Selanjutnya, model yang direkomendasikan tersebut ditampilkan di dalam suatu contour plot, yang berupa gambar dan grafik dua dimensi (2-D) atau tiga dimensi (3-D). Model yang baik adalah model yang signifikan terhadap respon, memberikan lack of fit yang tidak signifikan, memiliki nilai predicted R-squared dan adjusted R-squared yang saling mendukung, serta memberikan nilai adequate precision lebih dari 4. Model yang baik akan memberikan prediksi yang baik bagi rata-rata keluaran yang dihasilkan. Pada tahap analisis respon, program Design Expert 7.0® juga memberikan fasilitas plot kenormalan residual (normal plot residual) yang mengindikasikan apakah residual (selisih antara respon aktual dengan nilai respon yang diprediksikan) mengikuti garis kenormalan (garis lurus). Titik-titik data yang semakin mendekati garis kenormalan menunjukkan titik-titik data yang menyebar normal yang berarti hasil aktual akan mendekati hasil yang diprediksikan oleh program Design Expert 7.0®. Pada plot kenormalan residual terdapat nilai internally studentized residual pada sumbu x, yaitu besarnya standar deviasi yang memisahkan nilai respon aktual dengan yang diprediksikan dan nilai normal % probability, yaitu persentase kemungkinan data hasil respon menyebar normal (Cornell 1999). 1. Analisis Respon Kapasitas Antioksidan Senyawa fitokimia dalam tanaman telah diketahui memiliki aktivitas antioksidan, tetapi keberadaan masing-masing komponen tersebut dalam jaringan tanaman relatif sulit untuk diukur secara terpisah (Pratt 1992). Oleh karena itu, beberapa metode telah dikembangkan dalam beberapa tahun terakhir untuk menghitung total aktivitas antioksidan sampel. Metode penangkapan senyawa radikal bebas stabil DPPH dipilih karena metode ini dapat mengukur kapasitas antioksidan semua jenis substrat dalam sampel, baik substrat yang bersifat hidrofilik maupun lipofilik sehingga diharapkan dapat menghasilkan hasil pengukuran yang lebih baik dibandingkan metode pengukuran aktivitas antioksidan lainnya (Vankar et al. 2002). Pengukuran kapasitas antioksidan dalam penelitian ini dilakukan dengan metode penangkapan radikal bebas stabil DPPH. DPPH adalah suatu radikal bebas stabil yang dapat bereaksi dengan radikal lain membentuk suatu senyawa yang stabil. Selain itu, DPPH juga dapat bereaksi dengan atom hidrogen yang berasal dari suatu antioksidan membentuk DPPH tereduksi (DPP Hidrazin) yang stabil (Molyneux 2004). Pengujian kapasitas antioksidan 29 dengan menggunakan DPPH tidak spesifik menguji suatu komponen antioksidan, tetapi digunakan untuk pengukuran kapasitas antioksidan total dalam bahan pangan. Pengukuran kapasitas antioksidan dengan metode DPPH menggunakan prinsip spektrofotometri. Senyawa DPPH (dalam metanol) yang berwarna ungu tua (deep violet) dapat terdeteksi pada panjang gelombang sinar tampak sekitar 520nm. Menurut Molyneux (2004), suatu senyawa dapat dikatakan memiliki aktivitas antioksidan apabila senyawa tersebut mampu mendonorkan atom hidrogennya untuk berikatan dengan DPPH membentuk DPP Hidrazin, ditandai dengan semakin hilangnya warna ungu (menjadi kuning pucat). Asam askorbat digunakan sebagai standar pengukuran kapasitas antioksidan dalam penelitian ini. Kemampuan asam askorbat dalam berbagai konsentrasi untuk menangkap radikal bebas stabil DPPH dipetakan dalam kurva standar asam askorbat. Persamaan regresi yang didapatkan dari kurva standar tersebut kemudian digunakan untuk mengetahui kapasitas antioksidan sampel (formula minuman) yang disetarakan dengan kapasitas antioksidan asam askorbat (donor atom hidrogen) dalam menangkap radikal bebas stabil DPPH. Kapasitas antioksidan formula minuman yang diukur dinyatakan dalam AEAC (Ascorbic Acid Equivalent Antioxidant Capacity) dengan satuan mgAEq/ml. Nilai yang diperoleh menunjukkan jumlah μg asam askorbat yang ekivalen dengan 1 ml sampel. Hasil uji respon kapasitas antioksidan berkisar antara 0.0843mgAEq/ml hingga 0.1775mgAEq/ml. Nilai kapasitas antioksidan terendah yaitu 0.0843mgAEq/ml berasal dari formula 7 yang hanya mengandung ekstrak asam jawa, sedangkan nilai kapasitas antioksidan tertinggi sebesar 0.1775mgAEq/ml berasal dari formula 8 yang mengandung campuran dari ketiga ekstrak rempah yang digunakan (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Nilai rata-rata (mean) dari respon kapasitas antioksidan adalah 0.14mgAEq/ml dengan standar deviasi sebesar (6.7120x10-3)mgAEq/ml. Kapasitas antioksidan yang dihasilkan sangat dipengaruhi oleh kandungan senyawa aktif dari ekstrak rempah yang digunakan. Kunyit memiliki aktivitas antioksidan yang cukup tinggi dan senyawa kurkumin merupakan komponen utama yang menyebabkan aktivitas antioksidan tersebut (Chang, Fong 1994). Asam jawa banyak mengandung asam tartarat, asam malat, asam oksalat, dan asam askorbat. Aktivitas antioksidan asam jawa diduga berasal dari asam askorbat. Sebagian besar kandungan asam pada asam jawa adalah asam tartarat. Sebaliknya, kandungan asam askorbat pada asam jawa sangat rendah sehingga kapasitas antioksidan asam jawa pun rendah (Nagy, Shaw 1980). Jahe banyak mengandung zat antioksidan alami seperti gingerol dan zingeron (Nabet 1996). Aktivitas antioksidan dari (6)gingerol, (6)-shogaol, san (6)-gingerdiol yang terkandung dalam jahe dinyatakan lebih tinggi daripada α-tocopherol (Kikuzaki, Nakatani 1993). Berdasarkan analisis yang dilakukan, model polinomial dari kapasitas antioksidan adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Selain kedua interaksi antar komponen tersebut, interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya serta AB(A-B) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). 30 Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang telah direduksi (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.6144) yang menunjukkan bahwa Lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon kapasitas antioksidan dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon kapasitas antioksidan secara berturut-turut adalah 0.9116 dan 0.9449 yang menunjukkan bahwa datadata yang diprediksikan dan data-data aktual untuk respon kapasitas antioksidan tercakup ke dalam model sebesar 91.16% dan 94.49%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon kapasitas antioksidan adalah 23.440 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (23.440) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon kapasitas antioksidan adalah sebagai berikut: (4.4640x10-3)A + (2.8881x10-3)B + (3.8750x10-3)C + (2.7328x10-4)AB + (2.5457x10-4)BC – (2.0316x10-5)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Kapasitas Antioksidan = Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), kapasitas antioksidan juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Respon kapasitas antioksidan akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak asam jawa, serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Respon kapasitas antioksidan akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisih keduanya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon kapasitas antioksidan sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (4.4640x10-3), diikuti dengan penambahan ekstrak jahe (3.8750x10-3), penambahan ekstrak asam jawa (2.8881x10-3), 31 interaksi ekstrak kunyit dan asam jawa (2.7328x10-4), serta interaksi ekstrak asam jawa dan ekstrak jahe (2.5457x10-4). Grafik kenormalan internally studentized residual untuk respon kapasitas antioksidan dapat dilihat pada Gambar 10. Grafik contour plot untuk respon kapasitas antioksidan dapat dilihat pada Gambar 11, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 12. Berdasarkan Gambar 10 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon kapasitas antioksidan menyebar normal. Data-data respon kapasitas antioksidan yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon kapasitas antioksidan. Design-Expert® Software Kapasitas Antioksidan Normal Plot of Residuals Color points by value of Kapasitas Antioksidan: 0.1775 99 N o rm a l % P ro b a b ility 0.0843 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 Gambar 10. Grafik kenormalan internally studentized residuals respon kapasitas antioksidan A: Kunyit 30 Design-Expert® Software 2 Kapasitas Antioksidan Design Points 0.1775 0.0843 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.1368 2 0 0 0.1590 0.1590 3 3 0.1368 0.1811 0.1147 0.0925 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 11. Grafik countour plot hasil uji respon kapasitas antioksidan 32 Grafik countour plot pada Gambar 11 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon kapasitas antioksidan. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon kapasitas antioksidan. Warna biru menunjukkan nilai respon kapasitas antioksidan terendah, yaitu 0.0843mgAEq/ml. Warna merah menunjukkan respon kapasitas antioksidan tertinggi, yaitu 0.1775mgAEq/ml. Garisgaris yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon kapasitas antioksidan yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 12. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon kapasitas antioksidan yang rendah sedangkan area yang tinggi menunjukkan nilai respon kapasitas antioksidan yang tinggi. Design-Expert® Software Kapasitas Antioksidan 0.1775 0.0843 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe K apasitas A ntioks idan 0.2100 0.1750 0.1400 0.1050 0.0700 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 12. Grafik tiga dimensi hasil uji respon kapasitas antioksidan 2. Analisis Respon pH Derajat keasaman yang digunakan untuk menyatakan tingkat keasaman dan kebasaan yang dimiliki suatu larutan sering diungkapkan dengan nilai pH. Nilai pH menunjukkan konsentrasi ion H+ (hidrogen) yang terlarut di dalam suatu larutan. Tingkat keasaman produk pangan ditentukan oleh nilai pH. Nilai pH dari suatu produk pangan merupakan salah satu faktor penting yang menentukan tingkat ketahanan terhadap pertumbuhan mikroorganisme pembusuk selama pengolahan, distribusi, dan penyimpanan. Semakin besar konsentrasi ion hidrogen terlarut di dalam suatu produk pangan maka semakin tinggi tingkat keasamannya (nilai pH semakin rendah) dan sebaliknya. Hasil pengukuran respon pH berkisar antara 3.03 hingga 5.96. Nilai pH terendah yaitu 3.03 berasal dari formula 13 yang hanya mengandung ekstrak asam jawa, sedangkan nilai pH 33 tertinggi sebesar 5.96 berasal dari formula 12 yang hanya mengandung ekstrak kunyit dan jahe. Nilai rata-rata (mean) dari respon pH adalah 4.14 dengan standar deviasi sebesar 0.16. Komponen yang paling berperan dalam nilai pH adalah asam jawa. Daging buah asam jawa mengandung berbagai jenis asam yang diduga dapat melepaskan ion H+. Konsentrasi asam-asam ini dipengaruhi oleh tingkat kematangan buah asam jawa yang digunakan pada pembuatan asam kawak (Winarno, Wirakartakusumah 1981). Menurut Santosa (1985), pH sari buah asam jawa berkisar antara 2.81-3.42 dengan rata-rata 3.05. Kunyit dan jahe memiliki pH mendekati netral, sehingga penambahan jumlah ekstrak jahe dan ekstrak kunyit yang semakin banyak akan meningkatkan nilai pH. Nilai pH formula yang diukur tergantung banyaknya ekstrak asam jawa yang ditambahkan dalam formula. Semakin banyak jumlah ekstrak asam jawa yang ditambahkan, semakin rendah nilai pH-nya. Nilai pH berkaitan dengan umur simpan karena mempengaruhi penilaian organoleptik dan kandungan mikroorganisme produk. Produk yang memiliki nilai pH rendah (pH asam) biasanya tidak mengandung bakteri, tetapi dapat mengandung kapang dan khamir. Nilai pH medium sangat mempengaruhi jenis mikroorganisme yang tumbuh. Mikroorganisme yang umumnya tumbuh pada kisaran pH 3-6 adalah kapang dan khamir (Fardiaz 1989). Selain mempengaruhi umur simpan bahan pangan, pH juga dapat mempengaruhi sifat fisik bahan pangan seperti warna. Warna kunyit dan jahe sangat dipengaruhi oleh pH. Warna kuning yang cerah diperoleh pada pH asam (Farrel 1990). Sedangkan pH yang terlalu rendah akan menyebabkan warna ekstrak jahe menjadi merah muda, sehingga memberikan kesan bahwa minuman yang dibuat bukan berasal dari jahe (Sugani 1981). Berdasarkan analisis yang dilakukan, model polinomial dari respon pH adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang telah direduksi (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih kecil dari 0.05 (F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.3052) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon a dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon a secara berturut-turut adalah 0.8647 dan 0.9154 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon a tercakup ke dalam model sebesar 86.47% dan 91.54%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon a adalah 14.721 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (14.721) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon a adalah sebagai berikut: 43 a = 0.5488A + 0.0438B + (1.0194 x10-3)C + 0.0176AB + 0.0290AC + 0.0168BC – (3.6726 x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai a juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai a akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak jahe, serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat meningkatkan nilai a walaupun tidak signifikan. Nilai a akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan nilai a sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (0.5488), diikuti dengan penambahan ekstrak asam jawa (0.0438), peningkatan interaksi antara ekstrak kunyit dan ekstrak jahe (0.0290), peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (0.0168), serta penambahan ekstrak jahe (1.0946 x10-3). Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat meningkatkan nilai a walaupun tidak signifikan. Grafik kenormalan internally studentized residual untuk respon a dapat dilihat pada Gambar 22. Grafik contour plot untuk respon a dapat dilihat pada Gambar 23, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 24. Design-Expert® Software a Normal Plot of Residuals Color points by value of a: 19.073 99 N o rm a l % P ro b a b ility -1.150 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 22. Grafik kenormalan internally studentized residuals respon a Berdasarkan Gambar 22 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon a menyebar normal. 44 Data-data respon a yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon a. Grafik countour plot pada Gambar 23 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon a. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon a. Warna biru menunjukkan nilai respon L terendah, yaitu -1.150. Warna merah menunjukkan respon a tertinggi, yaitu 19.073. Garisgaris yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon a yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 24. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon a yang rendah sedangkan area yang tinggi menunjukkan nilai respon a yang tinggi. A: Kunyit 30 Design-Expert® Software 2 a Design Points 19.073 -1.15 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 14.471 11.583 0 2 0 8.695 3 3 5.807 2.919 2.919 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 23. Grafik countour plot hasil uji respon a 45 Design-Expert® Software a 19.073 -1.15 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 20.000 14.500 a 9.000 3.500 -2.000 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 24. Grafik tiga dimensi hasil uji respon a c. Analisis Respon b Notasi b menyatakan warna kromatik campuran biru-kuning dengan nilai + (positif) dari 0 sampai +70 untuk warna kuning dan nilai –b (negatif) dari 0 sampai -80 untuk warna biru. Hasil pengukuran respon b berkisar antara 16.673 hingga 50.913. Nilai b terendah yaitu 16.673 berasal dari formula 7 yang hanya mengandung ekstrak asam jawa, sedangkan nilai b tertinggi sebesar 50.913 berasal dari formula 3 yang mengandung semua ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) secara seimbang. Nilai rata-rata (mean) dari respon b adalah 35.85 dengan standar deviasi sebesar 4.53. Nilai b yang dihasilkan sangat dipengaruhi oleh warna komponen yang digunakan dalam setiap formula. Nilai b yang didapatkan sangat dipengaruhi oleh jumlah ekstrak kunyit dan ekstrak jahe yang ditambahkan. Peningkatan ekstrak kunyit dan ekstrak jahe yang ditambahkan cenderung menyebabkan peningkatan nilai b yang didapatkan. Peningkatan nilai b disebabkan karena warna ekstrak kunyit (kuning kemerahan) dan ekstrak jahe (putih kekuningan) yang menyebabkan warna formula minuman yang dibuat menjadi semakin mendekati warna merah. Sedangkan penambahan ekstrak asam jawa ke dalam formula minuman cenderung menurunkan nilai b yang terukur. Hal ini disebabkan karena penambahan ekstrak asam jawa yang berwarna agak coklat kemerahan mengurangi intensitas warna kuning yang dihasilkan oleh ekstrak kunyit dan ekstrak jahe yang terkandung dalam formula minuman. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari b adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.0879) yang menunjukkan bahwa Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon b dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon b secara berturut-turut adalah 0.7524 dan 0.8324 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon b tercakup ke dalam model sebesar 75.24% dan 83.24%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon b adalah 11.194 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (11.194) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon b adalah sebagai berikut: b = 1.1008A + 0.6178B + 1.0049C + 0.0894AB + 0.0182AC – (1.5408 x10-3)BC + 0.0123ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai b juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai b akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, interaksi antara ekstrak kunyit dan ekstrak asam jawa, serta interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Interaksi antara ekstrak kunyit dan ekstrak jahe juga dapat meningkatkan nilai b walaupun tidak signifikan. Peningkatan nilai b sangat dipengaruhi oleh penambahan ekstrak kunyit karena nilai konstanta dari komponen ini paling besar (1.1008), diikuti dengan penambahan ekstrak jahe (1.0049), penambahan ekstrak asam jawa (0.6178), peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (0.0894), serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (0.0123). Nilai b akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Tetapi penurunan nilai respon b yang terjadi tidak signifikan. Grafik kenormalan internally studentized residual untuk respon b dapat dilihat pada Gambar 25. Grafik contour plot untuk respon b dapat dilihat pada Gambar 26, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 27. 47 Design-Expert® Software b Normal Plot of Residuals Color points by value of b: 50.913 99 N o rm a l % P ro b a b ility 16.673 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 25. Grafik kenormalan internally studentized residuals respon b Berdasarkan Gambar 25 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon b menyebar normal. Data-data respon b yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon b. Grafik countour plot pada Gambar 26 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon b. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon b. Warna biru menunjukkan nilai respon b terendah, yaitu 16.673. Warna merah menunjukkan respon b tertinggi, yaitu 50.913. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon b yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 27. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon b yang rendah sedangkan area yang tinggi menunjukkan nilai respon b yang tinggi. 48 A: Kunyit 30 Design-Expert® Software 2 b Design Points 50.913 35.224 16.673 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 3 3 46.351 0 40.787 35.224 24.096 2 29.660 2 30 B: Asam 2 0 30 C: Jahe Gambar 26. Grafik countour plot hasil uji respon b Design-Expert® Software b 50.913 16.673 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 52.000 43.000 b 34.000 25.000 16.000 C (30) B (0) A (30) A (0) C (0) B (30) Gambar 27. Grafik tiga dimensi hasil uji respon b d. Analisis Respon ˚Hue ˚Hue menunjukkan kisaran warna sampel yang didapatkan dari hasil perhitungan nilai a dan nilai b. Hubungan antara ˚Hue dengan warna formula minuman yang diukur dapat dilihat pada Tabel 9. Hasil pengukuran respon ˚Hue berkisar antara 58.979 hingga 92.247. Nilai ˚Hue terendah yaitu 58.979 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai ˚Hue tertinggi sebesar 92.247 berasal dari formula 1 yang hanya mengandung ekstrak jahe. Nilai rata-rata (mean) dari respon ˚Hue adalah 77.35 dengan standar deviasi sebesar 3.60. 49 Tabel 9. Hubungan ˚Hue dengan warna formula minuman yang diukur ˚Hue Warna Sampel 18˚ - 54˚ 54˚ - 90˚ 90˚ - 1β6˚ red (R) yellow red (YR) yellow (Y) Nilai ˚Hue yang dihasilkan sangat dipengaruhi oleh warna komponen yang digunakan dalam setiap formula. Nilai ˚Hue yang didapatkan pada formula minuman yang diukur menunjukkan warna yellow red (YR) sampai dengan yellow (Y). Perbedaan intensitas warna yellow red (YR) dan yellow (Y) dipengaruhi oleh komposisi ekstrak rempah yang dicampurkan di dalam formula minuman. Penambahan ekstrak kunyit ke dalam formula minuman cenderung menurunkan nilai ˚Hue yang didapatkan. Sedangkan penambahan ekstrak asam jawa dan ekstrak jahe ke dalam formula minuman cenderung meningkatkan nilai ˚Hue yang didapatkan. Peningkatan ˚Hue ini terjadi karena penambahan ekstrak asam jawa dan ekstrak jahe yang lebih mendekati warna kuning akan menurunkan intensitas warna merah yang berasal dari ekstrak kunyit yang ditambahkan ke dalam formula minuman. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari ˚Hue adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” lebih besar dari 0.05 (0.2323) yang menunjukkan bahwa Lack of Fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data ˚Hue dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon ˚Hue secara berturut-turut adalah 0.7187 dan 0.8438 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon ˚Hue tercakup ke dalam model sebesar 75.24% dan 83.24%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon ˚Hue adalah 11.588 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (11.588) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon ˚Hue adalah sebagai berikut: 50 ˚Hue = β.1297A + 2.8946B + 2.9964C – (6.8785x10-4)AB – 0.0425AC – 0.0406BC + (8.3807x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), nilai ˚Hue juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Nilai ˚Hue akan meningkat seiring peningkatan jumlah ekstrak kunyit, ekstrak asam jawa, ekstrak jahe, serta interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Peningkatan nilai ˚Hue sangat dipengaruhi oleh penambahan ekstrak jahe karena nilai konstanta dari komponen ini paling besar (2.9964), diikuti dengan penambahan ekstrak asam jawa (2.8946), penambahan ekstrak kunyit (2.1297), serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (8.3807 x10-3). Nilai ˚Hue akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe serta interaksi antara ekstrak kunyit dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa juga dapat menurunkan ˚Hue walaupun tidak signifikan. Penurunan nilai ˚Hue sangat dipengaruhi oleh peningkatan interaksi antara ekstrak kunyit dan ekstrak jahe karena nilai konstantanya paling besar (0.0425) dan diikuti dengan peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (0.0406). Grafik kenormalan internally studentized residual untuk respon ˚Hue dapat dilihat pada Gambar 28. Grafik contour plot untuk respon ˚Hue dapat dilihat pada Gambar 29, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 30. Design-Expert® Software Hue Normal Plot of Residuals Color points by value of Hue: 92.247 99 N o rm a l % P ro b a b ility 58.979 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 28. Grafik kenormalan internally studentized residuals respon ˚Hue Berdasarkan Gambar 28 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon ˚Hue menyebar normal. Data-data respon ˚Hue yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon ˚Hue. 51 Grafik countour plot pada Gambar 29 menggambarkan bagaimana kombinasi antar komponen saling mempengaruhi nilai respon ˚Hue. Warna-warna yang berbeda pada grafik contour plot menunjukkan nilai respon ˚Hue. Warna biru menunjukkan nilai respon ˚Hue terendah, yaitu 58.9787. Warna merah menunjukkan respon ˚Hue tertinggi, yaitu 92.2474. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon ˚Hue yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 30. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon ˚Hue yang rendah sedangkan area yang tinggi menunjukkan nilai respon ˚Hue yang tinggi. A: Kunyit 30 Design-Expert® Software 2 Hue Design Points 92.247 58.979 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 67.413 71.908 2 0 76.404 0 3 3 80.900 80.900 2 85.396 85.396 2 30 B: Asam 2 0 30 C: Jahe Gambar 29. Grafik countour plot hasil uji respon ˚Hue Design-Expert® Software Hue 92.247 58.979 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 93.000 84.250 Hue 75.500 C (30) 66.750 A (0) B (0) 58.000 B (30) C (0) A (30) Gambar 30. Grafik tiga dimensi hasil uji respon ˚Hue 52 5. Analisis Respon Organoleptik Dalam industri pangan, kepuasan konsumen merupakan target utama yang harus dipenuhi apabila produsen ingin mendapatkan keuntungan. Kepuasan konsumen akan tercapai jika produsen mampu menyediakan produk dengan mutu terbaik (Krisnayunita 2002). Salah satu cara untuk mendapatkan produk dengan mutu yang baik dapat dilakukan dengan uji organoleptik. Penilaian konsumen terhadap suatu produk pangan meliputi beberapa atribut penilaian sensori, yaitu atribut penampakan produk, aroma, tekstur, warna dan rasa. Penilaian organoleptik banyak digunakan unruk menilai mutu komoditas pertanian dan makanan. Penilaian organoleptik disukai karena dapat dilaksanakan dengan cepat dan langsung (Soekarto 1985). Respon organoleptik didapatkan melalui uji rating hedonik menggunakan 70 panelis dengan skala kategori tujuh poin. a. Analisis Respon Organoleptik Warna Warna merupakan parameter pertama yang terlihat oleh konsumen, sehingga parameter ini dapat menjadi acuan pertama yang digunakan konsumen dalam menilai mutu suatu produk pangan. Apabila suatu produk pangan kurang menarik, konsumen mungkin tidak berminat lagi untuk menilai parameter kesukaan lainnya (Francis 1977). Hasil uji respon organoleptik warna berkisar antara 3.13 hingga 5.3. Nilai uji organoleptik warna terendah yaitu 3.13 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai uji organoleptik warna tertinggi sebesar 5.3 berasal dari formula 2 yang mengandung campuran dari ketiga ekstrak rempah yang digunakan (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Nilai rata-rata (mean) dari respon organoleptik warna adalah 4.05 dengan standar deviasi sebesar 0.32. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0®, model polinomial dari respon organoleptik warna adalah special cubic. Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang direkomendasikan (special cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (0.0002). Selain itu, dapat diketahui secara terpisah (linear mixture) bahwa komponen A (ekstrak kunyit), komponen B (ekstrak asam jawa), dan komponen C (ekstrak jahe) tidak memberikan pengaruh yang nyata terhadap respon organoleptik warna yang dapat dilihat dari nilai p “prob>F” yang lebih besar dari 0.05 (0.2131). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi komponen AB (ekstrak kunyit dan ekstrak asam jawa) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe) memberikan pengaruh yang nyata terhadap respon organoleptik warna. Sedangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan BC (ekstrak asam jawa dan ekstrak jahe) tidak memberikan pengaruh yang nyata terhadap respon organoleptik warna. Lack of fit F-value adalah sebesar 3.35 dengan nilai p “Prob>F” sebesar 0.0868 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik warna dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik warna secara berturut-turut adalah 0.6597 dan 0.8010 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik warna tercakup ke dalam model sebesar 65.97% dan 80.10%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya 53 lebih kecil dari 0.2. Adequate precision untuk respon organoleptik warna adalah 8.712 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (8.712) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon organoleptik warna adalah sebagai berikut: Organoleptik Warna = 0.1168A + 0.1214B + 0.1226C + (5.8426 x10-3)AB – (8.3992 x10-4)AC – (1.3706 x10-3)BC + (1.1240 x10-3)ABC Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik warna juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik warna seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan (konstanta bernilai positif) walaupun peningkatan respon yang dihasilkan tidak signifikan. Peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, serta ekstrak jahe juga akan meningkatkan respon organoleptik warna secara signifikan. Peningkatan respon organoleptik warna sangat dipengaruhi oleh peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (5.8426 x10-3) karena nilai konstanta dari komponen ini paling besar dan diikuti dengan peningkatan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe (1.1240 x10-3). Respon organoleptik warna akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Hal ini ditunjukkan dengan konstanta yang bernilai negatif, walaupun pengaruhnya terhadap respon organoleptik warna tidak signifikan. Grafik kenormalan internally studentized residual untuk respon organoleptik warna dapat dilihat pada Gambar 31. Grafik contour plot untuk respon organoleptik warna dapat dilihat pada Gambar 32, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 33. Berdasarkan Gambar 31 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik warna menyebar normal. Data-data respon organoleptik warna yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik warna. 54 Design-Expert® Software Organoleptik Warna Normal Plot of Residuals Color points by value of Organoleptik Warna: 5.30 99 N o rm a l % P ro b a b ility 3.13 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 31. Grafik kenormalan internally studentized residuals respon organoleptik warna A: Kunyit 30 Design-Expert® Software 2 Organoleptik Warna Design Points 5.3 3.13 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 0 3 3 4.62 4.30 3.98 4.93 3.67 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 32. Grafik countour plot respon organoleptik warna Warna-warna yang berbeda pada grafik contour plot pada Gambar 32 menunjukkan nilai respon organoleptik warna. Warna biru menunjukkan nilai respon organoleptik warna terendah, yaitu 3.13. Warna merah menunjukkan respon organoleptik warna tertinggi, yaitu 5.3. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik warna yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 33. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik warna yang 55 rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik warna yang tinggi. Design-Expert® Software Organoleptik Warna 5.3 3.13 5.40 O rganoleptik W arna X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 4.83 4.25 3.68 3.10 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 33. Grafik tiga dimensi hasil uji respon organoleptik warna b. Analisis Respon Organoleptik Bau Bau dari adalah salah satu parameter yang ikut menentukan kelezatan dari suatu bahan pangan. Bau dapat dikaitkan dengan keberadaan senyawa yang dapat menimbulkan kesan makanan tertentu dengan hanya dicium saja. Senyawa tersebut disebut sebagai senyawa penyumbang bau-rasa (Mann 1997). Hasil uji respon organoleptik bau berkisar antara 3.29 hingga 4.73. Nilai uji organoleptik bau terendah yaitu 3.29 berasal dari formula 9 yang hanya mengandung ekstrak kunyit, sedangkan nilai uji organoleptik bau tertinggi sebesar 4.73 berasal dari formula 6 yang hanya mengandung campuran dari ekstrak asam jawa dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik bau adalah 4.06 dengan standar deviasi sebesar 0.45. Berdasarkan analisis yang dilakukan oleh program Design Expert 7.0 ®, model polinomial dari respon organoleptik bau adalah mean. Hasil analisis ragam (ANOVA) pada taraf signifikansi 5% menunjukkan bahwa lack of fit dari model yang dihasilkan (mean) tidak signifikan. Hal ini ditunjukkan dengan nilai lack of fit lebih besar dari 0.05 (0.1621) dan F-value sebesar 2.28. Lack of fit dari respon organoleptik bau tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik bau dengan model. Nilai predicted R-squared yang dihasilkan bernilai negatif, yaitu -0.1211. Nilai predicted R-squared yang negatif menunjukkan bahwa overall mean memberikan prediksi 56 lebih baik bagi respon organoleptik bau. Model yang dihasilkan untuk respon organoleptik bau hanya dibuat berdasarkan nilai mean sehingga didapatkan persamaan sebagai berikut: Organoleptik Bau = 4.0561 Grafik kenormalan internally studentized residual untuk respon organoleptik bau dapat dilihat pada Gambar 34. Grafik contour plot untuk respon organoleptik bau dapat dilihat pada Gambar 35, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 36. Design-Expert® Software Organoleptik Bau Normal Plot of Residuals Color points by value of Organoleptik Bau: 4.73 99 N o rm a l % P ro b a b ility 3.29 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 Gambar 34. Grafik kenormalan internally studentized residuals respon organoleptik bau Berdasarkan Gambar 34 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik bau menyebar normal. Data-data respon organoleptik bau yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik bau. Grafik countour plot pada Gambar 35 menggambarkan bagaimana kombinasi antar komponen tidak saling mempengaruhi dengan nilai respon organoleptik bau. Warna yang terlihat sama pada seluruh area grafik countour plot yang menunjukkan bahwa nilai respon yang terukur sama tingginya pada semua kombinasi antar komponen yang diukur. Hal ini disebabkan karena model polinomial yang terpilih adalah mean sehingga nilai respon organoleptik bau dianggap sama pada setiap kombinasi. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 36. Pada bentuk grafik tiga dimensi untuk respon organoleptik bau juga terlihat nilai respon yang datar pada setiap kombinasi antar komponen yang diukur. Hal ini juga disebabkan model polinomial yang dihasilkan (mean) yang menyebabkan nilai respon organoleptik bau dianggap tidak berbeda nyata pada setiap kombinasi antar komponen. 57 A: Kunyit 30 Design-Expert® Software 2 Organoleptik Bau Design Points 4.73 3.29 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 0 0 3 3 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 35. Grafik countour plot hasil uji respon organoleptik bau Design-Expert® Software Organoleptik Bau 4.73 3.29 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe O rganoleptik B au 4.90 4.48 4.05 3.63 3.20 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 36. Grafik tiga dimensi hasil uji respon organoleptik bau c. Analisis Respon Organoleptik Rasa Rasa merupakan persepsi dari sel pengecap yang meliputi rasa asin, manis, asam, dan pahit yang diakibatkan oleh bahan yang terlarut dalam mulut (Meilgaard et al. 1999). Menurut Nasution (1980), rasa dapat dinilai dengan adanya tanggapan rangsangan kimiawi oleh indra pencicip (lidah). Rasa merupakan atribut sensori yang tidak dapat dilepaskan dari keseluruhan citarasa produk pangan. Rasa memegang peranan sangat 58 penting dalam penerimaan konsumen terhadap produk tersebut. Rasa dimasukkan sebagai respon karena perubahan komposisi ekstrak rempah sangat berpengaruh terhadap rasa formula minuman yang dihasilkan. Hasil uji respon organoleptik rasa berkisar antara 2.66 hingga 4.44. Nilai uji organoleptik rasa terendah yaitu 2.66 berasal dari formula 1 yang hanya mengandung ekstrak jahe, sedangkan nilai uji organoleptik rasa tertinggi sebesar 4.44 berasal dari formula 10 yang mengandung campuran dari ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik rasa adalah 3.85 dengan standar deviasi sebesar 0.19. Berdasarkan analisis yang dilakukan, model polinomial dari respon organoleptik rasa adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted R-squared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen ABC yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe. Selain itu, interaksi komponen AB(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang dihasilkan (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (F” yang lebih kecil dari 0.05 (0.0057). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi antar komponen AB (ekstrak kunyit dan ekstrak asam jawa), AC (ekstrak kunyit dan ekstrak jahe), serta BC (ekstrak asam jawa dan ekstrak jahe) juga memberikan pengaruh yang nyata terhadap respon organoleptik rasa. Selain itu, interaksi komponen BC(B-C) yang merupakan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya juga turut memberikan pengaruh yang nyata terhadap respon organoleptik rasa. Lack of fit F-value adalah sebesar 0.1γ dengan nilai p “Prob>F” sebesar 0.9672 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai lack of fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai lack of fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik rasa dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik rasa secara berturut-turut adalah 0.7392 dan 0.8658 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik rasa tercakup ke dalam model sebesar 73.92% dan 86.58%. Nilai predicted R-squared yang dihasilkan mendukung nilai adjusted R-Squared yang dihasilkan karena selisih keduanya lebih kecil dari 0.2. Adequate precision untuk respon organoleptik rasa adalah 13.329 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (13.329) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan memenuhi syarat sebagai model yang baik sehingga diharapkan dapat memberikan prediksi yang baik. Persamaan polinomial untuk respon organoleptik rasa adalah sebagai berikut: 59 Organoleptik Rasa = 0.1220A + 0.1276B + 0.0920C + (2.4319 x10-3)AB + (2.6675 x10-3)AC + (3.1790 x10-3)BC + (2.0148 x10-4)AC(A-C) – (6.4001 x10-4)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik rasa juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik rasa seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan. Hal ini ditunjukkan dengan konstanta yang bernilai positif. Respon organoleptik rasa juga akan meningkat seiring peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa, ekstrak kunyit dan ekstrak jahe, serta ekstrak asam jawa dan ekstrak jahe. Peningkatan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya juga dapat meningkatkan nilai respon organoleptik rasa walaupun tidak signifikan. Respon organoleptik rasa akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon organoleptik rasa sangat dipengaruhi oleh peningkatan penambahan ekstrak asam jawa karena nilai konstanta dari komponen ini paling besar (0.1276), diikuti dengan penambahan ekstrak kunyit (0,1220), penambahan ekstrak jahe (0.0920), peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (3.1790 x10-3), interaksi antara ekstrak kunyit dan ekstrak jahe (2.6675 x10-3), serta peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (2.4319 x10-3),. Grafik kenormalan internally studentized residual untuk respon organoleptik rasa dapat dilihat pada Gambar 37. Grafik contour plot untuk respon organoleptik rasa dapat dilihat pada Gambar 38, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 39. Design-Expert® Software Organoleptik Rasa Normal Plot of Residuals Color points by value of Organoleptik Rasa: 4.44 99 N o rm a l % P ro b a b ility 2.66 95 90 80 70 50 30 20 10 5 1 -2.00 -1.00 0.00 1.00 2.00 3.00 Gambar 37. Grafik kenormalan internally studentized residuals respon organoleptik rasa 60 Berdasarkan Gambar 37 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik rasa menyebar normal. Data-data respon organoleptik rasa yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik rasa. Warna-warna yang berbeda pada grafik contour plot pada Gambar 38 menunjukkan nilai respon organoleptik rasa. Warna biru menunjukkan nilai respon organoleptik rasa terendah, yaitu 2.66. Warna merah menunjukkan respon organoleptik rasa tertinggi, yaitu 4.44. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik rasa yang sama. Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 39. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik rasa yang rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik rasa yang tinggi. A: Kunyit 30 Design-Expert® Software 2 Organoleptik Rasa Design Points 4.44 3.80 2.66 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 2 4.26 04.26 3.80 0 3 3 4.26 3.80 3.34 3.34 2.88 4.72 2.88 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 38. Grafik countour plot hasil uji respon organoleptik rasa 61 Design-Expert® Software Organoleptik Rasa 4.44 2.66 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe O rganoleptik Rasa 5.20 4.43 3.65 2.88 2.10 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 39. Grafik tiga dimensi hasil uji respon organoleptik rasa d. Analisis Respon Organoleptik Keseluruhan (Overall) Hasil uji respon organoleptik keseluruhan berkisar antara 3.07 hingga 4.57. Nilai uji organoleptik keseluruhan terendah yaitu 3.07 berasal dari formula 1 yang hanya mengandung ekstrak jahe, sedangkan nilai uji organoleptik keseluruhan tertinggi sebesar 4.57 berasal dari formula 10 yang mengandung campuran dari ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe secara seimbang. Nilai rata-rata (mean) dari respon organoleptik keseluruhan adalah 3.90 dengan standar deviasi sebesar 0.26. Berdasarkan analisis yang dilakukan, model polinomial dari respon organoleptik keseluruhan adalah reduced cubic. Model polinomial yang direkomendasikan oleh program Design Expert 7.0® adalah cubic, tetapi model ini memberikan nilai predicted Rsquared yang negatif, sehingga dilakukan reduksi model dengan cara backward elimination. Reduksi model yang dilakukan menghilangkan interaksi komponen AC (ekstrak kunyit dan ekstrak jahe) dan ABC (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe). Selain itu, interaksi komponen AB(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak asam jawa, dan selisihnya serta interaksi komponen AC(A-C) yang merupakan interaksi antara ekstrak kunyit, ekstrak jahe, dan selisihnya juga tidak diikutkan dalam model karena dianggap tidak signifikan (tidak memenuhi αout=0.1000). Hasil analisis ragam (ANOVA) menunjukkan bahwa model yang dihasilkan (reduced cubic) signifikan dengan nilai p “prob>F” lebih kecil dari 0.05 (0.0010). Selain itu, dapat diketahui secara terpisah (linear mixture) bahwa komponen A (ekstrak kunyit), komponen B (ekstrak asam jawa), dan komponen C (ekstrak jahe) memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan yang dapat dilihat dari nilai p “prob>F” yang lebih kecil dari 0.05 (0.0222). Selain komponen-komponennya secara terpisah, dapat dilihat bahwa interaksi antar komponen AB (ekstrak kunyit dan ekstrak asam jawa) dan BC (ekstrak asam jawa dan ekstrak jahe) juga memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan. Selain itu, interaksi antar komponen 62 BC(B-C) yang merupakan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya juga turut memberikan pengaruh yang nyata terhadap respon organoleptik keseluruhan. Lack of fit F-value adalah sebesar 0.80 dengan nilai p “Prob>F” sebesar 0.6033 (lebih besar dari 0.05) yang menunjukkan bahwa lack of fit tidak signifikan relatif terhadap pure error. Nilai Lack of Fit yang tidak signifikan adalah syarat untuk model yang baik. Nilai Lack of Fit yang tidak signifikan ini menunjukkan adanya kesesuaian data respon organoleptik keseluruhan dengan model. Besarnya nilai predicted R-squared dan adjusted R-squared untuk respon organoleptik keseluruhan secara berturut-turut adalah 0.4625 dan 0.6984 yang menunjukkan bahwa data-data yang diprediksikan dan data-data aktual untuk respon organoleptik keseluruhan tercakup ke dalam model sebesar 46.25% dan 69.84%. Nilai predicted R-squared yang dihasilkan tidak terlalu dekat dengan nilai adjusted R-Squared seperti yang normalnya diharapkan karena selisih keduanya melebihi dari 0.2 (0.2359). Hal ini dapat disebabkan karena permasalahan pada data. Persamaan polinomial reduced cubic yang digunakan sudah memaksimumkan nilai predicted R-squared dan adjusted Rsquared sehingga reduksi model lebih lanjut akan menurunkan nilai-nilai tersebut. Adequate precision untuk respon organoleptik keseluruhan adalah 9.709 yang menunjukkan besarnya sinyal terhadap noise ratio. Nilai adequate precision yang lebih besar dari 4 (9.709) mengindikasikan sinyal yang memadai sehingga model ini dapat digunakan sebagai pedoman design space. Berdasarkan analisis yang telah dilakukan, model yang dihasilkan belum memenuhi seluruh syarat sebagai model yang baik sehingga prediksi yang diberikan tidak terlalu baik. Persamaan polinomial untuk respon organoleptik keseluruhan adalah sebagai berikut: Organoleptik Keseluruhan = 0.1245A + 0.1289B + 0.1049C + (3.6027 x10-3)AB + (2.7186 x10-3)BC – (4.8396 x10-4)BC(B-C) Keterangan: A = ekstrak kunyit B = ekstrak asam jawa C = ekstrak jahe Berdasarkan persamaan tersebut terlihat bahwa selain dipengaruhi oleh tiga komponen ekstrak rempah (ekstrak kunyit, ekstrak asam jawa, dan ekstrak jahe), respon organoleptik keseluruhan juga dipengaruhi oleh interaksi di antara ketiga komponen tersebut. Dari persamaan tersebut terlihat bahwa setiap komponen ekstrak rempah secara terpisah meningkatkan nilai respon organoleptik keseluruhan seiring dengan peningkatan jumlah ekstrak rempah yang ditambahkan (konstanta bernilai positif). Respon organoleptik keseluruhan juga akan meningkat seiring peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa serta interaksi antara ekstrak asam jawa dan ekstrak jahe. Respon organoleptik keseluruhan akan mengalami penurunan seiring dengan peningkatan interaksi antara ekstrak asam jawa, ekstrak jahe, dan selisihnya. Hal ini ditunjukkan dengan konstanta yang bernilai negatif. Peningkatan respon organoleptik keseluruhan sangat dipengaruhi oleh peningkatan penambahan ekstrak asam jawa karena nilai konstanta dari komponen ini paling besar (0.1289), diikuti dengan peningkatan penambahan ekstrak jahe (0,1249), penambahan ekstrak kunyit (0.1045), peningkatan interaksi antara ekstrak kunyit dan ekstrak asam jawa (3.6027 x10-3), serta peningkatan interaksi antara ekstrak asam jawa dan ekstrak jahe (2.7186 x10-3). 63 Grafik kenormalan internally studentized residual untuk respon organoleptik keseluruhan dapat dilihat pada Gambar 40. Grafik contour plot untuk respon organoleptik keseluruhan dapat dilihat pada Gambar 41, sedangkan grafik tiga dimensinya dapat dilihat pada Gambar 42. Design-Expert® Software Organoleptik Keseluruhan/Overall Normal Plot of Residuals Color points by value of Organoleptik Keseluruhan/Overall: 4.57 99 N o rm a l % P ro b a b ility 3.07 95 90 80 70 50 30 20 10 5 1 -3.00 -2.00 -1.00 0.00 1.00 2.00 Gambar 40. Grafik kenormalan internally studentized residuals respon organoleptik keseluruhan Berdasarkan Gambar 40 terlihat bahwa titik-titik berada dekat di sepanjang garis normal, sehingga dapat dikatakan bahwa data-data untuk respon organoleptik keseluruhan menyebar normal. Data-data respon organoleptik keseluruhan yang menyebar normal menunjukkan adanya pemenuhan model terhadap asumsi dari ANOVA pada respon organoleptik keseluruhan. Warna-warna yang berbeda pada grafik contour plot pada Gambar 41 menunjukkan nilai respon organoleptik keseluruhan. Warna biru menunjukkan nilai respon organoleptik keseluruhan terendah, yaitu 3.07. Warna merah menunjukkan respon organoleptik keseluruhan tertinggi, yaitu 4.57. Garis-garis yang terdiri atas titik-titik pada grafik contour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan respon organoleptik keseluruhan yang sama. 64 Gambar 41. Grafik countour plot hasil uji respon organoleptik keseluruhan Gambar 42. Grafik tiga dimensi hasil uji respon organoleptik keseluruhan Bentuk permukaan dari hubungan interaksi antar komponen ini dapat dilihat lebih jelas pada grafik tiga dimensi yang ditunjukkan pada Gambar 42. Perbedaan ketinggian permukaan menunjukkan nilai respon yang berbeda-beda pada setiap kombinasi antar komponen formula. Area yang rendah menunjukkan nilai respon organoleptik keseluruhan yang rendah sedangkan area yang tinggi menunjukkan nilai respon organoleptik keseluruhan yang tinggi. D. OPTIMASI FORMULA DENGAN PROGRAM DESIGN EXPERT 7.0® Proses optimasi dilakukan untuk mendapatkan suatu formula dengan respon-respon yang optimal. Respon yang paling optimal diperoleh jika nilai desirability mendekati satu. Setiap komponen yang dioptimasi diberikan pembobotan kepentingan untuk mencapai tujuan yang 65 diinginkan. Pembobotan kepentingan ini dinamakan importance yang dapat dipilih mulai dari 1 (+) hingga 5 (+++++) tergantung kepentingan variabel respon yang bersangkutan. Semakin banyak tanda positif yang diberikan menunjukkan tingkat kepentingan variabel respon yang semakin tinggi. Berikut ini komponen yang dioptimasi, nilai target, batas, dan importance pada tahapan optimasi formula dengan menggunakan program Design Expert 7.0® yang ditunjukkan pada Tabel 10. Tabel 10. Komponen dan respon yang dioptimasi, target, batas, dan importance pada tahapan optimasi formula ........................................................................................................ Nama komponen/respon Ekstrak kunyit Ekstrak asam jawa Ekstrak jahe Kapasitas antioksidan pH TPT Analisis warna L a b ˚Hue Organoleptik warna bau rasa overall Goal in range in range in range maximize in range in range in range in range in range in range target – 4.5 target – 4.5 target – 4.4 target – 4.5 Batas bawah 0 0 0 0.0843 3.03 13.8 41.82 -1.15 16.673 58.979 3.13 3.29 2.66 3.07 Batas atas 30 30 30 0.1775 5.96 16.2 63.697 19.073 50.913 92.247 5.3 4.73 4.44 4.57 Importance 3 (+++) 3 (+++) 3 (+++) 5 (+++++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) 3 (+++) Respon kapasitas antioksidan dengan range 0.0843-0.1775mgAEq/ml dioptimalkan dengan goal maximize dan importance 5 (+++++). Hal ini dikarenakan kapasitas antioksidan adalah sifat fungsional yang penting dari suatu produk pangan fungsional, sehingga diharapkan memiliki nilai yang tinggi dalam formula minuman yang dihasilkan. Selain itu, kandungan antioksidan yang tinggi adalah karakteristik yang khas dari rempah-rempah. Oleh karena itu kapasitas antioksidan adalah respon yang sebaiknya diperhatikan dalam formulasinya menjadi formula minuman. Respon organoleptik warna dengan range 3.13-5.30 dioptimalkan dengan target 4.5. Menurut Meilgaard (1999), warna merupakan salah satu atribut penampilan pada suatu produk yang sering kali menentukan tingkat penerimaan konsumen terhadap produk secara lengkap. Oleh karena itu, warna menjadi atribut yang sangat penting dalam formulasi suatu produk. Nilai yang tinggi pada atribut warna menunjukkan tingkat kesukaan konsumen yang tinggi terhadap formula yang diujikan. Karena pengaruhnya yang besar terhadap penerimaan konsumen, respon organoleptik warna diharapkan memiliki nilai yang tinggi. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik bau dengan range 3.29-4.73 dioptimalkan dengan target 4.5 dan importance 3 (+++). Bau adalah salah satu penentu kelezatan bahan pangan (De Mann 1997). Kelezatan bahan pangan sangat berpengaruh terhadap penerimaan konsumen. Oleh karena itu, 66 bau menjadi salah satu faktor penentu yang penting dalam formulasi produk. Respon bau yang dinilai secara uji rating hedonik ini diharapkan mendapatkan penerimaan yang baik. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik rasa dengan range 2.66-4.44 dioptimalkan dengan target 4.4 dan importance 3 (+++). Menurut Wirakartakusumah et al. (1992), rasa menempati urutan kedua sebagai faktor terpenting yang dipilih oleh responden (30%), sehingga respon rasa yang dinilai secara uji rating hedonik ini juga menjadi penting nilainya. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.4 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon organoleptik rasa tidak dapat ditargetkan menjadi 4.5 seperti respon organoleptik lainnya karena nilai maksimumnya dalam pengukuran respon yang telah dilakukan adalah 4.44. Respon organoleptik keseluruhan/overall dengan range 3.07-4.57 dioptimalkan dengan target 4.5 dan importance 3 (+++). Respon keseluruhan menunjukkan penerimaan konsumen terhadap seluruh atribut sensori produk. Respon ini memberi gambaran umum mengenai penerimaan formula yang dihasilkan sehingga diharapkan mendapatkan nilai yang tinggi. Dalam uji rating hedonik, respon keseluruhan dengan nilai yang tinggi yang menunjukkan tingginya penerimaan konsumen terhadap seluruh atribut formula yang dihasilkan. Target yang dibuat disesuaikan dengan range yang didapatkan pada pengukuran respon yang telah dilakukan sebelumnya. Target dibuat 4.5 (antara biasa hingga agak suka) agar tidak terlalu memberatkan proses optimasi tetapi tetap dapat diterima secara organoleptik. Respon pH dengan range 3.03-5.96 dioptimalkan dengan target respon in range dan importance 3 (+++). Respon TPT dengan range 13.8-16.2 dioptimalkan dengan target respon in range dan importance 3 (+++). Respon L hasil pengukuran warna dengan range 41.820-63.697 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon a hasil pengukuran warna dengan range (-1.15)-19.073 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon b hasil pengukuran warna dengan range 16.673-50.913 dioptimalkan dengan target respon in range dan importance 3 (+++).Respon ˚Hue hasil analisis warna dengan range 58.979-92.247 dioptimalkan dengan target respon in range dan importance 3 (+++). Hal ini dilakukan karena pH, TPT, dan hasil analisis warna (nilai L, a, b dan ˚Hue) dilakukan dengan menggunakan instrument (obyektif). Respon-respon ini diukur untuk memperkirakan karakteristik formula yang dihasilkan dan menjaga agar formula yang dihasilkan tidak menyimpang dari karakteristik formula yang diinginkan. Dari tahap optimasi yang dilakukan, program Design Expert 7.0® memberikan empat solusi formula optimum yang dapat dilihat pada Lampiran 25. Solusi formula optimum ini didapatkan dari hasil running program Design Expert 7.0® terhadap 30 formula yang kemungkinan akan memberikan hasil yang optimum (Lampiran 24). Dari 30 formula tersebut, dipilih formula-formula yang memberikan nilai desirability tinggi yang kemudian akan direkomendasikan oleh program Design Expert 7.0® sebagai solusi formula optimum. Nilai target optimasi yang dapat dicapai dikenal dengan istilah nilai desirability yang ditunjukkan dengan nilai 0 – 1. Semakin tinggi nilai desirability menunjukkan semakin tingginya kesesuaian formula minuman untuk mencapai formula optimal dengan variabel respon yang dikehendaki. Formula 1 memiliki nilai desirability sebesar 0.913, formula 2 sebesar 0.897, formula 3 sebesar 0.848, dan formula 4 sebesar 0.784. 67 Dari keempat solusi formula optimum yang dihasilkan dari proses optimasi, formula 1 memiliki nilai desirability tertinggi sehingga direkomendasikan oleh program Design Expert 7.0® (selected). Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Berdasarkan rekomendasi yang diberikan, formula 1 akan dilanjutkan ke tahap verifikasi karena memiliki nilai desirability paling tinggi. Nilai desirability yang dihasilkan sangat dipengaruhi oleh kompleksitas komponen, kisaran yang digunakan dalam komponen, jumlah komponen dan respon, serta target yang ingin dicapai dalam memperoleh formula optimum. Kompleksitas jumlah komponen dapat terlihat pada persyaratan jumlah bahan baku yang dianggap penting dan berpengaruh terhadap produk untuk menentukan formulasi. Jumlah masing-masing bahan baku ditentukan dalam selang yang berbeda-beda yang akan berpengaruh terhadap nilai desirability. Semakin lebar selang, maka penentuan formula optimum dengan desirability yang tinggi akan semakin sulit. Jumlah komponen dan respon juga turut mempengaruhi nilai desirability formula optimum. Semakin banyak jumlah komponen dan respon, semakin sulit untuk mencapai keadaan optimum sehingga nilai desirability yang dihasilkan kemungkinan rendah. Nilai masing-masing respon berbeda targetnya satu sama lain sesuai dengan keinginan formulator. Nilai importance yang besar (+++ hingga +++++) menunjukkan adanya keinginan yang tinggi untuk mencapai produk optimal yang ideal (sesuai target optimasi). Semakin besar tingkat kepentingan (importance) dari suatu respon atau komponen, maka semakin sulit untuk memperoleh formula optimum dengan nilai desirability yang tinggi (Wulandhari 2007). Solusi formula terpilih, yaitu formula 1 memiliki komposisi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v). Formula ini diprediksikan akan memiliki kapasitas antioksidan sebesar 0.1643mgAEq/ml, pH sebesar γ.βγ, TPT sebesar 14.9˚Hue, nilai L sebesar 47.515, nilai a sebesar 11.γβ6, nilai b sebesar 45.698, nilai ˚Hue sebesar 77.416, serta hasil uji rating hedonik sebesar 4.96 untuk atribut warna, 4.06 untuk atribut bau, 4.21 untuk atribut rasa, dan 4.50 untuk atribut keseluruhan/overall. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Grafik countour plot dari solusi formula 1 dapat dilihat pada Gambar 43 dan grafik tiga dimensinya dapat dilihat pada Gambar 44. Countour plot disajikan dengan menggunakan model prediksi untuk nilai respon kapasitas antioksidan, pH, TPT, hasil analisis warna (nilai L, a, b, dan ˚Hue), dan hasil uji rating hedonik (warna, bau, rasa, dan overall). Garis-garis yang terdiri atas titik-titik pada grafik countour plot menunjukkan kombinasi dari ketiga komponen dengan jumlah berbeda yang menghasilkan nilai desirability tertentu yang sama. Titik prediksi pada Gambar 43 menunjukkan kombinasi ekstrak kunyit sebesar 5.0%(v/v). ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Grafik tiga dimensi pada Gambar 44 menunjukkan proyeksi dari countour plot. Area yang rendah pada grafik tiga dimensi menunjukkan nilai desirability yang rendah, sedangkan area yang tinggi menunjukkan nilai desirability yang tinggi. 68 A: Kunyit 30 Design-Expert® Software 2 Desirability Design Points 1 0.151 0.151 0 0.151 0.151 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.151 0.151 0.754 0.603 0.603 0.151 0.603 0.301 0.301 0.151 2 0.452 0.452 0.151 0 0.452 0 0.452 0.151 0.151 0.301 3 3 0.754 0.754 0.754 Prediction 0.913 0.452 0.151 0.301 0.452 0.301 0.603 0.301 0.151 0.754 2 2 30 B: Asam 2 0 30 C: Jahe Gambar 43. Grafik countour plot nilai desirability formula 1 Design-Expert® Software Desirability 1 0 X1 = A: Kunyit X2 = B: Asam X3 = C: Jahe 0.920 Desirability 0.690 0.460 0.230 0.000 A (30) B (0) C (30) C (0) A (0) B (30) Gambar 44. Grafik tiga dimensi nilai desirability formula 1 E. VERIFIKASI SOLUSI FORMULA OPTIMUM Setelah dilakukan tahap optimasi formula dengan menggunakan program Design Expert 7.0®, dilakukan tahap verifikasi. Tahap verifikasi bertujuan untuk melakukan pembuktian terhadap prediksi dari nilai respon solusi formula optimum yang diberikan oleh program Design Expert 7.0®. Dari tahapan verifikasi, akan didapatkan nilai respon aktual yang kemudian akan dibandingkan dengan prediksi respon yang dihasilkan oleh program Design Expert 7.0®. 69 Selain prediksi nilai respon dari setiap solusi formula optimum yang diberikan, program Design Expert 7.0® juga memberikan confident interval dan prediction interval untuk setiap nilai prediksi respon pada taraf signifikansi 5%. Confident interval adalah rentang yang menunjukkan ekspektasi rata-rata hasil pengukuran berikutnya pada taraf signifikansi tertentu, dalam hal ini 5%. Prediction interval adalah rentang yang menunjukkan ekspektasi hasil pengukuran respon berikutnya dengan kondisi sama pada taraf signifikansi tertentu, dalam hal ini 5%. Hasil verifikasi yang dilakukan beserta prediksi dari setiap respon dapat dilihat pada Tabel 12. Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk solusi formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan tidak sama persis dengan prediksi yang diberikan oleh program Design Expert 7.0® walaupun perbedaannya tidak besar. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Warna formula 1 yang diverifikasi dan warna yang diprediksikan oleh program Design Expert 7.0® dapat dilihat pada color chart yang ditentukan berdasarkan nilai a dan b dari formula tersebut (Lampiran 35). Perbedaan yang terjadi antara hasil prediksi dengan respon aktual yang diperoleh dapat disebabkan karena perbedaan bahan baku yang didapatkan pada saat verifikasi dengan saat pengukuran respon yang dilakukan di awal penelitian. Walaupun telah diusahakan untuk membeli dari tempat yang sama dan menggunakan bahan baku dengan mutu yang sama dengan sebelumnya, kemungkinan perbedaan bahan baku yang didapatkan masih sangat besar. Bahan baku segar seperti kunyit, asam, dan jahe sangat dipengaruhi oleh kondisi penanaman dan waktu panen yang dilakukan. Penanganan dan penyimpanan pasca panen sebelum sampai ke tangan konsumen juga dapat mempengaruhi bahan. Faktor-faktor eksternal tersebut sangat sulit dikendalikan oleh pembeli sehingga perbedaan dapat terjadi walaupun tidak jauh dari prediksi yang didapatkan. Hal ini masih dapat diterima mengingat hasil verifikasi yang didapatkan adalah nilai respon sampel, sedangkan prediksi yang diberikan oleh program Design Expert 7.0® adalah perkiraan dari nilai respon populasi. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.27 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.20˚Brix. 70 Tabel 11. Prediksi dan hasil verifikasi nilai respon solusi formula optimum hasil optimasi dengan program Design Expert 7.0® Respon 95% PI low 95% PI high Prediksi Hasil Verifikasi 0.1767 0.1741 0.1700 0.1800 0.1600 0.1900 3.28 14.9 52.129 6.016 41.554 81.511 4.50 3.58 15.20 51.129 8.261 40.562 78.489 4.40 3.06 14.570 49.920 4.220 37.000 77.890 4.18 3.50 15.27 54.340 7.820 46.110 85.130 4.82 2.85 13.39 46.810 1.680 30.600 72.800 3.72 3.71 16.45 57.440 10.350 52.510 90.220 5.28 Bau 4.06 4.20 3.83 4.28 3.09 5.03 Rasa 4.40 4.10 4.17 4.63 3.92 4.88 Keseluruhan 4.44 4.27 4.14 4.74 3.80 5.09 Kapasitas Antioksidan (mgAEq/ml) pH TPT (˚Brix) L Analisis a Warna b ˚Hue (˚) Warna Sensori Formula 1 95% CI 95% CI low high 71 V. SIMPULAN DAN SARAN A. SIMPULAN Dari hasil optimasi dengan menggunakan program Design Expert 7.0® didapatkan empat solusi formula minuman optimum. Formula 1 menggunakan kombinasi ekstrak kunyit sebesar 5.0%(v/v), ekstrak asam jawa sebesar 9.9%(v/v), dan ekstrak jahe sebesar 15.1%(v/v) yang menghasilkan nilai desirability sebesar 0.913. Formula 2 menggunakan kombinasi ekstrak kunyit sebesar 7.5%(v/v), ekstrak asam jawa sebesar 6.1%(v/v), dan ekstrak jahe sebesar 16.4%(v/v) yang menghasilkan nilai desirability sebesar 0.897. Formula 3 menggunakan kombinasi ekstrak kunyit sebesar 22.3%(v/v), ekstrak asam jawa sebesar 7.7%(v/v), dan tanpa menggunakan ekstrak jahe yang menghasilkan nilai desirability sebesar 0.848. Formula 4 juga tidak menggunakan ekstrak jahe dan hanya menggunakan kombinasi ekstrak kunyit sebesar 8.8%(v/v) serta ekstrak asam jawa sebesar 21.2%(v/v) yang menghasilkan nilai desirability sebesar 0.784. Dari keempat solusi formula optimum, formula 1 memiliki nilai desirability paling tinggi. Hal ini menunjukkan bahwa menurut hasil optimasi yang telah dilakukan, formula 1 paling memenuhi target optimasi yang diinginkan. Fomula 1 memiliki nilai desirability sebesar 0.913 yang artinya formula 1 akan menghasilkan produk yang memiliki karakteristik yang sesuai dengan target optimasi sebesar 91.30%. Oleh karena itu, akan dilakukan verifikasi terhadap formula 1 untuk mendapatkan hasil aktual dari respon-respon yang telah diprediksikan. Dari hasil perbandingan data hasil verifikasi dengan prediksi yang dibuat oleh program Design Expert 7.0®, didapatkan bahwa prediksi dari persamaan untuk formula 1 masih sesuai dengan hasil uji yang didapatkan. Respon kapasitas antioksidan, TPT, L, b, ˚Hue, organoleptik warna, organoleptik bau, dan organoleptik keseluruhan masih memenuhi 95% Confident Interval, sedangkan respon pH, a, dan organoleptik rasa masih memenuhi 95% Prediction Interval yang telah diprediksikan oleh program Design Expert 7.0®. Hasil verifikasi yang didapatkan masih memenuhi 95% Confident Interval dan 95% Prediction Interval yang telah diprediksikan. Oleh karena itu, persamaan yang didapatkan dianggap masih cukup baik untuk menentukan formula optimum dan respon yang didapatkan. Berdasarkan hasil verifikasi yang dilakukan, formula 1 memiliki kapasitas antioksidan sebesar 0.1741mgAEq/ml. Nilai uji rating hedonik dari formula 1 adalah 4.40 untuk warna, 4.20 untuk bau, 4.10 untuk rasa, dan 4.27 untuk keseluruhan. Formula 1 memiliki nilai ˚Hue sebesar 78.489˚ yang menunjukkan warna kuning dengan nilai L sebesar 51.129, nilai a sebesar 8.261, dan nilai b sebesar 40.562. Formula 1 termasuk kategori pangan berasam tinggi dengan nilai pH 3.58 dan nilai TPT sebesar 15.20˚Brix. 72 B. SARAN Saran yang dapat diberikan penulis untuk penelitian selanjutnya antara lain pengujian efek antioksidan formula minuman terpilih ini terhadap fungsi tubuh secara in vivo agar dapat diketahui secara pasti efeknya pada jaringan yang hidup. Penelitian terhadap efek sinergisme antioksidan dari bahan yang digunakan dapat dilakukan untuk mempelajari mekanismenya. Peningkatan mutu organoleptik formula minuman ini juga perlu untuk dilakukan, misalnya dengan menggunakan berbagai jenis pemanis yang berbeda serta penggunaan flavor yang sesuai untuk memperbaiki karakteristik sensori formula minuman yang dihasilkan. Saat dikembangkan menjadi produk minuman komersial, sebaiknya dilakukan pengujian-pengujian terhadap produk berdasarkan SNI (Standar Nasional Indonesia) yang sesuai. Pengemasan untuk minuman yang dihasilkan juga dapat dilakukan untuk mempersiapkan formula minuman terpilih ini menjadi produk yang siap jual. Pengujian untuk mengetahui shelf life dari formula minuman yang dihasilkan juga dapat dilakukan untuk menentukan masa kadaluarsa produk yang dikembangkan dari formula minuman ini. Penelitian mengenai kestabilan produk selama penyimpanan juga perlu dilakukan untuk mendapatkan produk ready to drink (RTD) dengan kualitas yang baik. Dalam hal ini dapat dikembangkan proses ekstraksi yang lebih baik dan penggunaan bahan tambahan pangan yang dapat menunjang kualitas produk sampai ke tangan konsumen. 73 DAFTAR PUSTAKA Adawiyah DR, Waysima. 2009. Buku Ajar Evaluasi Sensori Produk Pangan. ed ke-1. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor, Bogor. Andarwulan N, Sutrisno K. 1992. Kimia Vitamin. Jakarta: Rajawali Press. Andarwulan N, Fardiaz D, Wijaya CH, Apriyantono A. 1995. Isolasi dan karakterisasi antioksidan dari jinten (Cuminum cyminum Linn.). Prosiding pada Widyakarya Nasional Khasiat Makanan Tradisional, Kantor Menteri Negara Urusan Pangan RI. [Anonim]. 1970. Tropical Legumes, Resources for The Future. Washington DC: National Academy of Science. [Anonim]. 2006. Design-expert 7 user’s guide. [e-book] http://stat-ease.com/. [21 Januari 2011]. [AOAC] Association of Official Analytical Chemists. 1995. Official Methods of Analysis. 16th ed. Arlington: AOAC. Arpah M. 2001. Penentuan Kadaluarsa Produk Pangan. Bogor: Pusat Studi Pangan dan Gizi, Institut Pertanian Bogor. Block G, Langseth L. 1994. Antioxidant vitamin and disease prevention. Food Technology 48 (7). Broek A. 1993. Functional food: The Japanese approach. International Food Ingredients 1:49. Caragay AB. 1992. Cancer preventive food and ingredients. Food Technology 46: 65-68. Chan MM, Fong D. 1994. Anti-inflammatory and cancer-preventive immunomodulation trough diet: Effect of curcumin on T-lymphocytes. Food Phytochemicals for Cancer Prevention: Teas, Spices, and Herbs 2:222-230. Cornell JA. 1990. Experiments with Mixtures: Designs, Models, and The Analysis of Mixture Data. 2nd ed. New York: John Wiley&Sons. Darwis ABD, Indo M, Hasiyah S. 1991. Tumbuhan Obat Famili Zingiberaceae. Bogor: Pusat Penelitian dan Pengembangan Tanaman Industri. De Mann JM. 1989. Principle of Food Chemistry. Westport: The AVI Publishing Company Inc. Dugan LR. 1983. Natural antioxidant. In: Simic, Karel (ed). Development in Food Colours I. London: Applied Science Publishing, Ltd. Fardiaz D. 1997. Makanan fungsional dan pengembangannya melalui makanan tradisional. Prosiding pada Seminar Nasional Teknologi Pangan, Denpasar, Bali, 16 – 17 Juli. 74 Fardiaz S. 1989. Mikrobiologi Pangan : Penuntun Praktek Laboratorium. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Faridah DN, Kusnandar F, Herawati D, Kusumaningrum HD, Wulandari N, Indrasti D. 2009. Penuntun Praktikum Analisis Pangan. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Farrel KT. 1990. Spices, Condiments, and Seasonings. Westport: The AVI Publishing Company Inc. Finch BF, Kunert KJ. 1985. Vitamin C and E: an antioxidant system against herbicide-induced lipid peroxidation in higher plants. Journal of Agriculture and Food Chemistry 33: 574-577. Francis FJ. 1977. Colour and appearance as dominating sensory properties of foods. In: Birch GG, Brennan JG, Parker KJ (eds). Sensory Properties of Foods. London: Applied Science Publishers. Ghiselli A, Sefafini M, Maini G, Azzini E, Ferro-lozzi A. 1995. A fluoroscens-based method for measuring total plasma antioxidant capability. Free Radical and Medicine 18(1):29-36. Goldberg I. 1994. Functional Food, Designer Food, Pharma Food, Neutraceuticals. New York: Champman&Hall. Gordon MH. 1990. The mechanism of antioxidant activity in vitro. In: Hudson, B.J.F. (ed). Food Antioxidants. London: Elseviere Applied Science. Grosch W, Belizt HD. 1999. Food Chemistry. Heidelberg: Spring-Verlag. Gutteridge JMC. 1995. Lipid peroxidation and antioxidant as biomarkers of tissue damages. Clinical Chemistry 41(12): 1819-1824. Halliwell B, Aeschbach R, Lolinger J, Auroma OI. 1995. Free radical antioxidant in human disease. Food Chemistry Toxicology 33:601. Halliwell B, Gutteridge JMC. 1991. Role of free radical and catalytic logam ions in human disease. Methods in Enzymology 186: 1-83. Harris JR. 1990. Blood Cell Biochemistry : Erythroid Cell. New York: Plenum Publishing. Hutching JB. 1999. Food Color and Appearance. 2nd ed. Gaitersburg: Aspen Publishing Inc. Jusuf E. 1980. Analisis Kandungan Kurkumin pada Rimpang Beberapa Jenis Kurkuma dari Jawa [skripsi]. Jakarta: Fakultas Biologi Universitas Nasional. Kikuzaki H. 2000. Ginger for drug and spice purpose. In: Mazza, G., Oomah, B.D. Herbs, Botanicals, and Teas. Pennsylvania: Technomic Publishing, Co., Inc. Kikuzaki H, Nakatani N. 1993. Antioxidant effects of some ginger constituents. Journal of Food Science 58: 1407. 75 Kochhar SP, Rossell JB. 1990. Detection, estimation and evaluation of antioxidant in food system. In: Hudson, B.J.F. (ed). Food Antioxidants. New York: Elseviere Applied Science. Koswara S. 1995. Jahe dan Hasil Olahannya. Jakarta: Pustaka Sinar Harapan. Krinsky I. 1992. Mechanism of Action of Biological Antioxidants. Boston: The Society for Experimental Biology and Medicine. Langseth I. 1995. Oxidants, Antioxidants and Disease Prevention. Washington DC: ILSI Press. Krishnamurthy MN, Padma Bai R, Natarajan CP, Kuppuswamy S. 1976. Control content of turmeric varieties and studies of its processing. Journal of Food Science and Technology (India) 12:1214 Krisnayunita P. 2002. Formulasi, Karakterisasi Kimia, dan Uji Aktivitas Antioksidan Produk Minuman Fungsional Tradisional Sari Asam Jawa (Tamarindus Indica L.) dan Sari Temulawak (Curcuma xanthorrhiza Roxb.) [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Larson RA. 1988. The antioxidant of higher plants. Phytochemistry 27: 969-978. Lee CY, Huang MT, Ho CT. Phenolic compounds in food and their effects on health II. ACS Symposium Series 202nd. National Meeting of The American Chemical Society, August 25th – 30th 1991, New York. Leong LP, Shui G. 2002. An investigation of antioxidant capacity of fruits in Singapore markets. Journal of Food Chemistry 76:69-75. Lewis WH, Elvin MPF. 1997. Medical Botany, Plants Affecting Man’s Health. New York: John Willey&Sons. Lolinger J. 1991. The use of antioxidant in foods. In: Arouma, O.I., Halliwell, B. (eds). Free Radical and Food Adhves. London: Taylor and Francis. Ma’arif MS, Machfud, Sukron M. 1989. Teknik Optimasi Rekayasa Proses Pangan. Bogor: PAU Pangan dan Gizi, Institut Pertanian Bogor. Meilgaard M, Civilla GV, Carr BT. 1999. Sensory Evaluation Techniques. 3rd ed. Washington DC: CRC Press. Molyneux P. 2004. The use of the stable free radical diphenylpicryl-hydrazyl (DPPH) for estimating antioxidant activity. Songklanakarin Journal of Science and Technology 26(2):211-219. Muchtadi TR, Sugiyono. 1992. Ilmu Pengetahuan Bahan Pangan. Bogor: PAU Pangan dan Gizi, Institut Pertanian Bogor. Nabet FB. 1996. Zat gizi antioksidan penangkal senyawa radikal pangan dalam sistem biologis. Prosiding dalam Seminar Senyawa Radikal dan Sistem Pangan, Kerjasama PSPG-IPB dan Kedutaan Besar Prancis. 76 Nagy S, Shaw PE. 1980. Tropical and Sub-Tropical Fruits, Composition, Properties, and Uses. Westport: The AVI Publishing Co. Inc. Nakatani N, Inatani R. 1981. Structure of rosmanol, a new antioxidant from rosemary (Rosmainus officinalis L.). Agricultural and Biological Chemistry 45: 2385. Nasution A. 1980. Metode Penelitian Citarasa. Bogor: Departemen Ilmu Keluarga dan Konsumen, Fakultas Pertanian, Institut Pertanian Bogor. Nielsen SS. Food Analysis. 3rd ed. New York: Kluwer Academic. Paimin FB, Murhananto. 1991. Budidaya Pengolahan dan Perdagangan Jahe. Jakarta: Penebar Swadaya. Pratt DE. 1992. Natural antioxidants from plant material. In: Huang MT, Ho CT, Lee CY (Eds.). Phenolic Compounds in Food and Their Effects on Health II : Antioxidants and Cancer Prevention. Washington DC: American Chemical Society. Pratt DE, Hudson BJF. Natural antioxidant not exploited commercially. In: Hudson, B.J.F. (ed). Food Antioxidants. New York: Elseviere Applied Science. Purseglove JW, Brown EG, Green CL, Robbins SRJ. 1981. Spices Vol 2. New York: Longman Inc. Rismunandar. 1988. Rempah-Rempah Komoditi Ekspor Indonesia. Bandung: Sinar Baru. Rukmana R. 1995. Kencur. Jakarta: Kanisius. Sastroamidjojo S. 1997. Obat Rakyat Indonesia. Jakarta: Dian Rakyat. Santosa HH. 1994. Jahe Gajah. Jakarta: Kanisius. Schuler P. 1990. Natural antioxidant exploited commercially. In: Hudson, B.J.F. (ed). Food Antioxidants. London: Elseviere Applied Science. Sies H, Stahl W, Sundquist AR. 1994. Antioxidant Functions of Vitamin : Vitamin E, Vitamin C, Beta-carotene, and Other Carotenoids. New York: New York Academy of Science. Slamet Y. 2005. Formulasi Minuman Fungsional untuk Kelompok Gizi Khusus dari Kecambah Kacang Hijau dan Sari Jahe [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Soekarto ST. 1985. Penilaian Organoleptik untuk Industri Pangan dan Hasil Pertanian. Jakarta: Bhratara Karya Aksara. Soestina V, Hidayat E. 1977. Pohon Asam (Tamarindus Indica Linn.). Buletin Kebun Raya 3. Somaatmadja D. 1985. Rempah-Rempah Indonesia. Bogor: Departemen Perindustrian. Balai Besar Penelitian dan Pengembangan Industri Hasil Pertanian. 77 Srinivasan KR. 1953. Chromatographic study of the curcuminoids in Curcuma longa. Journal of Pharmacy and Pharmacology 5:448-457. Sugani S. 1981. Mempelajari Pembuatan Minuman Sari Jahe dan Pengaruh terhadap Mutunya Selama Penyimpanan [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Tilaar M, Wong LW, Ranti AS, Suryaningsih, Handra H, Maily. 2010. The Green Science of Jamu: Pendekatan Pragmatik untuk Kecantikan dan Kesehatan. Jakarta: Dian Rakyat. Toda S, Miyase T, Arichi H, Tanizawa H, Takino Y. 1985. Natural antioxidants: Antioxidative components isolated from rhizome of Curcuma longa L. Chemical and Pharmaceutical Bulletin 33:1725-1728. Vankar PS, Tiwari V, Shanker R, Srivastava J. 2006. Change in antioxidant activity of spicesturmeric and ginger on heat treatment. Journal of Environmental, Agricultural and Food Chemistry 5(2): 1313-1317. Winarno FG. 1997. Kimia Pangan dan Gizi. Jakarta: Gramedia. Winarno FG, Wirakartakusumah MA. 1981. Fisiologi Lepas Panen. Jakarta: Sastra Hudaya. Wirakartakusumah MA, Abdullah K, Syarif AM. 1992. Sifat Fisik Bahan Pangan. Bogor: Pusat Antar Universitas Pangan dan Gizi, Institut Pertanian Bogor. Wulandhari NWT. 2007. Optimasi Formulasi Sosis Berbahan Baku Surimi Ikan Patin (Pangasius pangasius) dengan Penambahan Karagenan (Euchema sp.) dan Susu Skim untuk Meningkatkan Mutu Sosis [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Yusuf RR. 2002. Formulasi, Karakterisasi Kimia, dan Uji Aktivitas Antioksidan Produk Minuman Fungsional Tradisional Sari Jahe (Zingiber officinale Rosc.) dan Sari Sereh Dapur (Cymbopogon flexuosus) [skripsi]. Bogor: Departemen Ilmu dan Teknologi Pangan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. 78 LAMPIRAN 79 Lampiran 1a. Rekapitulasi data pengukuran kapasitas antioksidan standar asam askorbat Konsentrasi asam askorbat A standar A blanko Rata-rata A blanko A standar (mg/ml) 1a 1b 2a 2b 0 1.025 1.020 1.018 1.023 1.0215 0.0103 0.782 0.776 0.773 0.786 0.7793 0.2526 0.512 0.508 0.501 0.504 0.5063 0.5256 0.15 0.271 0.267 0.270 0.275 0.2708 0.7611 0.2 0.062 0.064 0.061 0.069 0.0640 0.9678 0.05 1.0318 0.1 Lampiran 1b. Kurva standar kapasitas antioksidan asam askorbat Kurva Standar Asam Askorbat 1,2000 y = 4,847x + 0,018 R² = 0,997 Ablanko-Astandar 1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 0 0,05 0,1 0,15 0,2 0,25 Konsentrasi asam askorbat (mg/ml) 80 Lampiran 1c. Rekapitulasi data uji kapasitas antioksidan formula minuman Sampel A blanko A Sampel AEAC Rata-rata A blanko A sampel (mgAEq/ml) 1a 1b 2a 2b 1 0.444 0.456 0.440 0.442 0.4455 0.5863 0.1172 2 0.235 0.232 0.210 0.212 0.2223 0.8096 0.1633 3 0.289 0.294 0.196 0.198 0.2443 0.7876 0.1588 4 0.202 0.200 0.226 0.228 0.2140 0.8178 0.1650 5 0.430 0.444 0.404 0.402 0.4200 0.6118 0.1225 6 0.281 0.293 0.308 0.315 0.2993 0.7326 0.1474 7 0.588 0.596 0.622 0.614 0.6050 0.4268 0.0843 8 0.155 0.150 0.154 0.155 0.1535 0.8783 0.1775 0.335 0.335 0.384 0.386 0.3600 0.6718 0.1349 10 9 0.168 0.167 0.150 0.147 0.1580 0.8738 0.1766 11 0.442 0.444 0.462 0.464 0.4530 0.5788 0.1157 12 0.416 0.410 0.406 0.404 0.4090 0.6228 0.1248 13 0.568 0.572 0.576 0.580 0.5740 0.4578 0.0907 14 0.420 0.426 0.424 0.420 0.4225 0.6093 0.1220 15 0.220 0.224 0.211 0.213 0.2170 0.8148 0.1644 16 0.210 0.211 0.223 0.222 0.2165 0.8153 0.1645 17 0.209 0.207 0.195 0.204 0.2038 0.8281 0.1671 18 0.392 0.386 0.392 0.382 0.3880 0.6438 0.1291 1.0318 81 Lampiran 2. Rekapitulasi data pengukuran pH formula minuman Ulangan Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Rata-rata 1 2 5.61 3.79 3.44 3.42 3.16 3.25 3.04 3.72 5.43 3.46 5.61 5.94 3.05 5.94 3.76 3.27 3.27 5.45 5.62 3.78 3.43 3.40 3.15 3.25 3.03 3.69 5.45 3.42 5.62 5.97 3.00 5.95 3.77 3.25 3.26 5.46 5.615 3.785 3.435 3.410 3.155 3.250 3.035 3.705 5.440 3.440 5.615 5.955 3.025 5.945 3.765 3.260 3.265 5.455 Lampiran 3. Rekapitulasi data pengukuran TPT formula minuman Sampel TPT 1 2 14.1 14.5 3 4 5 6 15.0 14.8 15.8 15.4 7 8 9 10 11 12 16.2 14.8 15.0 14.9 14.1 14.2 13 14 15 16 17 18 16.2 14.2 13.8 15.2 15.4 15.0 82 Lampiran 4. Rekapitulasi data nilai L formula minuman L Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 59.62 52.02 53.34 53.02 49.24 56.15 63.64 53.07 42.46 47.87 56.63 45.21 59.97 41.87 50.98 49.23 51.37 42.62 59.59 52 53.33 53.01 49.26 52.18 63.65 53.05 42.45 47.86 56.62 45.14 60.01 41.82 50.97 49.24 51.38 42.61 59.57 51.97 53.33 53.01 49.25 56.28 63.8 53.01 42.44 47.87 56.61 45.13 60.05 41.77 50.96 49.23 51.39 42.59 59.5933 51.9967 53.3333 53.0133 49.2500 54.8700 63.6967 53.0433 42.4500 47.8667 56.6200 45.1600 60.0100 41.8200 50.9700 49.2333 51.3800 42.6067 83 Lampiran 5. Rekapitulasi data nilai a formula minuman a Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata -1.17 13.33 7.94 8.00 9.26 3.26 0.25 4.61 19.08 9.55 1.75 15.61 1.16 14.87 14.38 13.15 5.18 15.25 -1.16 13.30 7.95 8.00 9.22 3.26 0.26 4.63 19.08 9.57 1.75 15.62 1.16 14.87 14.40 13.20 5.17 15.19 -1.12 13.33 7.97 8.00 9.15 3.26 0.25 4.60 19.06 9.58 1.75 15.62 1.16 14.90 14.36 13.13 5.16 15.16 -1.1500 13.3200 7.9533 8.0000 9.2100 3.2600 0.2533 4.6133 19.0733 9.5667 1.7500 15.6167 1.1600 14.8800 14.3800 13.1600 5.1700 15.2000 84 Lampiran 6. Rekapitulasi data nilai b formula minuman b Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 29.31 48.69 50.91 49.83 43.97 21.32 16.65 47.23 31.76 41.9 29.1 38.05 19.86 31.9 45.24 43.43 23.83 33.02 29.31 48.7 50.93 49.72 43.97 21.27 16.66 47.23 31.72 41.85 29.08 38.07 19.85 31.73 45.21 43.42 23.82 32.84 29.29 48.71 50.9 49.68 43.93 21.25 16.71 47.13 31.67 41.82 29.09 37.97 19.82 31.62 45.14 43.4 23.84 32.68 29.3033 48.7000 50.9133 49.7433 43.9567 21.2800 16.6733 47.1967 31.7167 41.8567 29.0900 38.0300 19.8433 31.7500 45.1967 43.4167 23.8300 32.8467 85 Lampiran 7. Rekapitulasi data nilai ˚Hue formula minuman ˚Hue Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 U1 U2 U3 Rata-rata 228.7000 74.9083 81.1355 80.8792 78.1074 81.3064 89.1398 84.4252 59.0044 77.1603 86.5585 67.6941 86.6572 65.0077 72.3666 73.1544 77.7362 65.2106 254.7250 74.7250 81.1279 80.8594 78.1573 81.2862 89.1059 84.4011 58.9725 77.1194 86.5562 67.6918 86.6555 64.8902 72.3326 73.0903 77.7542 65.1773 92.1898 74.6951 81.1008 80.8522 78.2343 81.2782 89.1428 84.4254 58.9592 77.0975 86.5573 67.6388 86.6505 64.7692 72.3530 73.1676 77.7871 65.1138 191.8716 74.7761 81.1214 80.8636 78.1663 81.2903 89.1295 84.4172 58.9787 77.1257 86.5573 67.6749 86.6544 64.8890 72.3507 73.1374 77.7592 65.1672 86 Lampiran 8. Scoresheet uji rating hedonik formula minuman Uji Rating Hedonik Produk : Minuman Fungsional Tradisional Nama : Tanggal : Petunjuk Di hadapan anda terdapat 18 contoh minuman fungsional tradisional. Nilailah kesukaan anda terhadap warna, bau, rasa, dan overall masing-masing contoh dengan menuliskan angka yang menunjukkan tingkat kesukaan anda. Arti dari nilai-nilai yang diberikan adalah sebagai berikut : 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = biasa saja / netral 5 = agak suka 6 = suka 7 = sangat suka Nilailah kesukaan anda terhadap contoh dengan urutan dimulai dari baris contoh yang paling depan (paling dekat dengan anda) dengan urutan dari kiri ke kanan, dilanjutkan ke baris ke dua dengan urutan dari kiri ke kanan, dan seterusnya sampai selesai dengan urutan yang sama. Anda tidak diperkenankan untuk membandingkan sampel satu sama lain. Cara mencicip sampel adalah dengan mengaduk sampel terlebih dahulu dengan sendok contoh yang disediakan, lalu ambil dengan sendok tersebut kemudian ciciplah dengan sendok pencicip yang disediakan (setiap panelis mendapatkan satu sendok pencicip). Setiap akan melanjutkan ke contoh berikutnya, netralkan dulu indera anda dengan air yang disediakan dan dengan menjauhkan hidung dari contoh. Kode contoh Warna Bau Rasa Overall Komentar : ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ……………………………………………………………….................... - TERIMA KASIH - 87 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 2 3 1 4 4 3 2 2 1 6 6 6 6 5 6 6 5 2 5 5 5 5 6 6 4 6 4 5 6 5 5 4 6 6 4 6 4 5 4 5 6 4 6 6 4 6 5 3 4 2 2 2 1 2 3 2 3 4 2 3 2 3 3 2 3 2 2 4 3 4 5 1 2 5 3 6 2 5 5 2 3 4 1 2 3 3 3 5 5 5 6 4 2 6 4 5 5 3 6 3 4 2 2 2 2 2 4 4 2 2 1 3 1 4 3 3 3 3 5 2 4 5 3 2 4 2 4 2 4 3 2 3 2 3 4 4 1 3 3 5 3 4 2 5 4 5 2 2 7 2 4 3 5 6 5 5 2 4 6 3 5 4 2 2 4 2 2 2 3 1 1 6 1 3 4 3 1 5 5 11 12 2 4 5 5 6 5 6 4 5 3 2 5 2 6 5 3 3 2 6 5 3 5 2 3 3 5 5 3 5 3 5 5 2 3 5 2 13 14 2 6 6 6 6 3 5 3 5 3 1 3 1 3 4 2 3 4 5 3 3 4 3 2 2 6 4 2 6 2 6 6 2 6 5 2 15 16 4 6 6 2 5 3 6 2 4 2 5 5 4 4 5 2 6 2 6 2 6 6 6 2 4 5 6 2 6 2 6 2 4 6 5 2 17 18 19 20 21 22 23 6 4 6 2 2 6 5 4 4 5 5 6 5 7 5 6 6 6 4 5 5 4 6 6 5 6 5 5 5 4 5 5 7 4 3 5 4 7 2 2 5 6 4 4 4 3 2 3 6 5 3 6 4 6 3 6 3 2 1 2 4 3 2 4 4 6 6 6 3 5 5 4 6 3 2 5 6 4 3 2 3 5 3 2 4 3 6 2 6 3 6 4 4 3 3 1 3 1 6 2 3 5 3 4 6 6 6 3 5 4 4 5 4 4 6 2 2 3 5 4 4 6 3 5 3 2 88 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 4 2 2 2 5 4 5 5 4 7 5 7 4 6 6 6 4 5 3 4 4 6 6 6 6 6 5 5 4 4 6 7 6 7 3 6 5 5 4 5 5 7 5 6 6 6 3 5 3 2 2 1 4 3 2 3 4 5 2 2 1 5 6 3 2 2 3 5 2 4 5 6 6 6 6 6 5 5 3 6 2 4 4 1 3 4 4 3 3 4 6 6 6 5 6 6 5 3 5 2 2 2 4 2 4 4 4 5 3 6 3 5 4 2 2 6 4 3 4 4 1 5 6 4 6 5 4 5 5 2 5 1 4 3 2 6 5 3 3 4 6 5 6 6 4 3 6 4 5 2 5 5 6 5 5 6 5 3 2 7 1 4 4 3 3 3 4 5 3 4 3 5 6 4 5 6 5 2 4 34 35 6 4 6 6 6 5 5 5 4 4 3 6 3 6 4 4 5 3 4 4 4 3 3 2 3 6 4 3 4 2 4 4 3 5 4 2 36 37 2 6 3 3 3 4 3 4 6 4 3 2 3 2 5 5 1 1 5 4 2 5 3 2 2 4 2 2 4 5 4 4 3 4 3 2 38 39 5 6 4 6 5 7 4 7 6 7 4 5 6 5 4 7 4 6 5 7 5 7 4 6 6 6 2 6 4 7 4 6 4 6 2 5 40 41 42 43 44 45 46 3 5 3 5 5 3 6 6 4 7 3 6 6 6 5 5 5 3 6 5 7 3 3 5 3 6 4 7 3 2 4 5 6 4 7 1 3 3 4 3 2 5 2 2 5 6 2 3 5 2 2 6 2 5 2 7 2 1 4 3 2 3 6 2 2 7 2 6 4 7 2 3 5 5 2 2 6 5 3 6 1 4 3 6 2 1 3 2 2 5 6 3 1 2 3 3 3 6 4 2 6 2 5 4 7 2 2 6 6 6 3 6 3 2 3 4 2 4 6 2 1 5 4 3 6 5 89 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 2 6 5 5 6 2 2 5 3 6 4 2 4 2 3 4 5 1 48 49 50 51 4 4 3 1 5 6 6 5 6 4 5 6 6 4 3 4 6 4 3 4 2 3 1 2 2 3 2 3 5 3 2 5 2 3 2 5 6 4 2 6 2 2 2 2 4 3 5 5 2 4 2 4 3 4 3 3 5 4 4 7 6 5 2 6 2 4 3 3 3 4 2 5 52 53 54 55 4 4 2 5 6 6 6 7 5 4 4 5 6 4 6 5 4 4 7 3 5 3 2 6 4 3 2 6 5 3 6 6 6 3 3 3 6 4 6 5 6 2 3 6 6 3 5 2 4 4 6 6 6 4 3 3 6 4 5 6 6 5 4 5 4 4 2 5 5 4 5 1 56 57 2 3 6 7 6 5 7 5 6 4 3 3 3 5 6 6 2 4 5 7 2 5 1 6 4 3 3 3 4 6 5 6 3 3 3 5 58 59 5 3 3 6 3 5 3 4 5 4 4 2 6 3 2 1 2 3 2 4 5 2 1 3 2 5 4 4 2 4 6 3 4 4 4 6 60 61 3 5 6 4 6 5 6 4 6 6 2 4 2 6 6 4 3 4 5 5 2 5 4 4 2 6 4 2 4 4 5 4 2 4 3 2 62 63 5 4 3 5 3 6 3 6 5 6 4 2 6 2 2 5 2 2 2 6 5 3 2 4 2 2 3 3 2 5 6 6 4 2 4 3 64 65 2 5 5 7 6 5 6 5 5 3 2 6 2 6 5 6 3 3 6 5 2 6 2 2 3 6 5 1 5 6 5 5 2 5 5 1 66 67 3 6 6 6 5 7 4 7 4 7 2 5 3 5 2 7 3 6 4 7 2 6 3 6 5 6 3 6 4 7 3 6 4 6 6 5 68 3 7 5 5 4 3 5 6 4 7 5 6 3 2 6 6 3 5 90 Lampiran 9. Rekapitulasi data uji rating hedonik warna formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 69 70 5 3 3 6 3 6 3 6 5 6 4 2 6 2 3 6 2 3 2 5 5 2 2 3 2 2 3 4 2 5 6 5 4 2 4 3 Jumlah Rata-rata 260 3.71 371 5.30 355 5.07 341 4.87 334 4.77 221 3.16 243 3.47 306 4.37 219 3.13 335 4.79 254 3.63 239 3.41 269 3.84 224 3.20 307 4.39 326 4.66 248 3.54 255 3.64 91 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 2 4 6 3 6 3 4 4 2 1 4 6 4 5 6 5 6 3 2 5 4 5 4 5 4 4 6 5 2 5 4 5 5 5 4 4 5 3 2 4 3 3 5 4 3 4 3 3 3 4 4 4 7 5 6 5 4 6 2 4 5 2 6 6 2 3 2 4 7 5 3 3 3 5 4 4 5 4 3 4 2 6 6 1 3 3 6 2 3 4 4 6 4 5 3 4 5 5 3 5 4 2 3 2 3 2 4 2 2 5 2 1 5 2 4 3 6 2 2 4 4 3 7 6 5 4 2 6 2 6 2 1 6 3 3 4 4 1 3 4 3 2 5 2 4 4 4 2 3 6 4 2 7 6 5 5 5 4 7 6 4 7 5 2 4 4 5 2 3 4 2 4 6 1 3 4 4 2 4 5 11 12 5 5 6 4 6 3 6 6 4 3 3 5 2 3 5 3 4 3 6 5 3 4 3 4 2 5 5 3 3 5 5 3 5 5 5 2 13 14 6 6 2 6 2 3 2 6 2 3 5 6 2 2 6 3 2 3 4 6 2 5 4 6 2 2 4 2 2 6 2 6 4 3 2 6 15 16 7 6 4 4 3 4 5 4 2 4 5 6 2 3 4 3 4 2 3 2 5 2 4 2 3 4 5 1 3 3 3 3 5 6 5 1 17 18 19 20 21 22 23 6 5 6 2 6 6 3 7 1 2 6 3 5 6 6 1 6 6 4 4 2 7 3 6 5 6 4 4 7 5 2 4 2 4 4 3 3 6 2 7 5 4 2 6 4 5 6 1 6 2 2 6 3 6 2 6 6 3 1 3 4 2 3 5 2 6 3 6 4 4 4 4 6 2 5 3 5 4 3 2 2 6 3 4 3 2 6 5 5 1 6 4 3 6 3 6 2 4 6 2 3 6 6 3 6 7 6 3 4 6 4 5 4 2 6 3 5 5 5 4 1 6 3 5 2 6 92 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 3 3 6 4 2 7 2 7 4 6 1 3 5 2 2 3 2 6 25 26 27 28 3 2 5 3 4 6 3 3 4 6 2 4 4 6 4 5 3 2 4 6 4 1 4 6 1 2 3 6 4 3 3 3 2 3 4 2 4 4 4 5 4 2 4 3 3 6 3 2 2 1 3 5 3 2 4 2 4 6 3 3 6 2 4 5 4 5 3 4 4 5 3 3 29 30 31 32 6 6 6 5 4 5 3 2 4 5 4 3 2 5 4 3 3 3 4 3 5 4 6 5 5 3 3 5 3 4 4 5 3 4 3 2 5 5 5 3 4 3 4 3 4 5 4 3 6 4 3 5 4 5 4 3 5 3 5 4 3 5 4 3 6 4 5 5 5 5 4 2 33 34 35 36 3 6 3 2 3 4 2 4 4 6 4 4 3 5 4 4 2 4 4 3 2 4 4 6 2 3 5 2 4 2 3 5 2 4 2 2 3 4 3 5 2 3 3 2 2 4 2 2 5 3 5 3 2 3 4 2 2 4 2 3 2 4 2 3 4 3 4 5 3 3 2 1 37 38 39 40 4 4 4 2 4 4 5 3 3 4 5 4 3 5 5 6 2 3 4 3 3 4 5 2 1 5 4 2 2 4 5 3 2 3 5 3 4 5 5 5 3 5 5 3 3 4 5 5 4 6 6 1 2 2 5 4 5 3 5 2 5 4 7 4 4 4 6 3 3 2 5 4 41 42 43 44 6 5 5 6 2 7 4 3 2 6 3 5 3 6 4 6 2 3 2 5 5 5 6 4 2 3 5 2 5 5 5 4 1 3 2 2 5 7 4 3 4 5 5 4 2 6 2 4 3 3 3 5 2 5 4 3 2 6 3 4 2 7 4 5 5 4 4 4 1 5 3 3 45 46 6 4 4 5 4 5 5 5 5 4 7 5 6 5 3 5 6 5 4 5 3 5 5 5 7 6 6 5 5 5 7 6 5 6 6 5 93 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 48 49 50 51 52 53 54 55 56 4 6 3 2 1 7 3 6 3 3 6 6 5 3 5 4 5 3 6 3 5 4 4 4 5 3 4 4 2 4 5 4 4 6 4 5 4 6 4 5 3 3 4 3 4 2 4 2 4 6 4 6 5 2 4 5 5 7 4 6 1 2 3 2 5 2 3 6 6 6 3 4 4 3 4 4 4 6 6 3 6 2 3 3 2 4 3 4 3 2 6 3 4 5 5 3 4 6 4 5 1 3 2 2 5 5 2 5 5 3 2 4 3 5 4 4 3 6 4 2 3 5 4 1 6 3 4 5 6 5 1 3 4 4 4 5 4 6 4 2 2 4 4 3 6 4 4 6 6 5 1 5 5 4 6 3 5 6 5 5 7 4 4 3 4 5 4 5 5 4 4 3 4 4 5 5 4 5 6 3 57 58 5 5 7 4 6 3 6 4 3 2 5 6 3 5 5 5 3 2 7 4 5 4 6 2 3 3 5 4 6 3 7 4 4 4 5 3 59 60 6 4 4 6 4 6 5 5 5 3 7 4 6 2 3 5 6 6 4 5 3 5 5 6 7 2 6 4 5 3 7 5 5 5 6 4 61 62 4 5 4 4 4 3 5 4 3 2 4 6 5 5 4 5 3 2 5 4 5 4 4 2 6 3 2 4 3 3 4 4 4 4 2 3 63 64 65 66 67 68 6 5 3 6 4 5 6 6 6 4 5 7 4 6 2 4 5 6 4 6 4 5 5 6 3 4 4 5 4 3 6 3 4 7 5 5 2 2 6 6 4 3 4 5 6 3 5 5 2 4 3 6 5 3 3 6 4 4 5 7 3 3 5 3 5 5 4 3 4 5 5 6 5 2 6 7 6 3 3 5 4 6 5 5 4 3 6 5 5 6 5 5 5 7 6 7 4 5 5 5 6 4 3 5 6 6 5 5 94 Lampiran 10. Rekapitulasi data uji rating hedonik bau formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 5 4 3 4 2 6 5 5 2 4 4 2 3 4 3 4 4 3 70 4 6 6 5 3 4 2 5 6 5 4 6 2 4 4 5 5 4 Jumlah Rata-rata 308 4.40 308 4.40 292 4.17 321 4.59 238 3.40 331 4.73 255 3.64 286 4.09 230 3.29 315 4.50 250 3.57 259 3.70 285 4.07 255 3.64 278 3.97 325 4.64 306 4.37 269 3.84 95 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 1 3 1 2 1 3 2 1 3 3 4 5 6 6 4 5 4 5 4 3 4 6 3 6 3 5 3 1 6 3 3 6 6 2 4 5 3 3 2 4 2 7 3 3 5 3 3 2 3 3 2 5 2 2 6 6 5 1 6 4 2 6 3 2 7 3 2 5 2 4 1 4 5 2 3 6 2 2 4 2 4 6 1 2 4 4 2 3 4 4 5 6 4 3 4 5 2 1 5 3 2 2 2 2 2 4 2 2 2 2 3 4 3 5 3 4 3 2 3 4 6 6 3 2 6 3 4 1 7 2 5 7 2 4 4 3 1 2 3 3 3 3 3 5 4 3 2 5 5 3 3 6 4 6 5 5 3 4 3 3 6 3 4 3 4 6 1 2 5 1 5 5 2 4 4 4 1 3 2 11 12 1 2 3 2 3 4 7 2 2 5 2 2 2 6 5 2 2 2 7 3 2 2 2 3 2 6 6 1 5 1 3 3 3 3 6 2 13 14 5 2 2 2 2 2 2 3 1 3 6 3 1 2 5 6 5 6 6 6 1 3 4 2 2 2 3 2 2 2 3 3 4 6 5 5 15 16 2 6 6 4 6 5 6 5 3 5 6 5 3 4 4 2 7 1 6 2 3 5 3 3 3 4 5 2 4 3 3 3 6 4 5 3 17 18 19 20 21 22 23 6 2 6 1 2 1 3 7 5 5 3 3 5 7 7 6 3 4 5 6 2 7 6 5 5 5 4 3 7 6 3 3 2 2 3 6 2 6 1 3 2 2 2 6 3 5 2 2 5 3 3 5 2 5 2 7 5 3 2 2 3 3 2 6 6 6 6 3 4 5 3 2 7 3 2 2 2 5 3 2 3 4 3 4 3 6 3 3 5 3 6 7 7 6 1 5 3 5 7 1 2 4 6 4 7 6 5 4 7 5 4 6 3 3 6 3 2 4 5 6 2 6 3 6 5 5 96 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 1 1 1 2 3 5 3 5 2 6 5 5 4 5 2 4 3 3 4 7 6 2 4 5 2 5 3 2 3 4 4 3 3 5 1 5 4 2 3 2 2 2 3 6 2 3 2 2 1 6 4 1 2 6 2 3 5 5 2 3 1 2 2 7 2 3 4 3 2 7 6 6 3 2 2 5 4 5 4 4 5 6 3 2 3 4 4 2 1 5 6 1 5 3 1 6 5 5 3 2 2 1 2 1 3 3 2 2 1 3 4 2 2 1 3 5 4 2 3 4 2 1 3 7 3 5 3 5 5 3 6 1 5 2 2 5 4 3 2 3 3 7 3 2 3 3 5 3 4 2 3 1 4 3 5 5 3 2 2 2 5 2 4 3 6 5 4 5 4 6 6 1 5 2 3 4 3 1 3 34 35 6 3 5 3 6 5 5 5 3 5 2 6 3 5 3 3 3 2 5 4 3 3 3 4 3 5 4 4 5 3 4 4 2 5 6 3 36 37 2 1 3 5 4 3 3 4 2 1 6 1 2 1 4 6 2 1 4 2 1 2 1 2 3 2 1 1 4 4 3 4 5 2 2 4 38 39 2 5 5 5 4 5 4 5 3 4 5 6 5 6 4 6 3 5 5 5 3 5 4 5 5 5 3 4 3 6 3 5 4 6 3 5 40 41 42 43 44 45 46 4 1 2 4 2 3 5 6 2 5 2 3 5 5 5 2 6 2 6 6 5 4 1 5 3 6 6 5 2 1 3 4 2 7 4 2 3 4 6 3 5 6 2 5 3 6 2 6 7 7 6 7 5 3 4 6 7 1 4 3 2 6 5 3 2 6 4 3 6 5 2 4 5 6 3 2 5 7 2 5 4 5 4 5 2 4 2 3 3 6 5 7 2 5 6 4 7 4 5 4 7 3 5 4 6 4 2 5 6 6 6 5 3 3 4 4 4 4 6 2 3 4 3 4 5 5 97 Lampiran 11. Rekapitulasi data uji rating hedonik rasa formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 48 49 50 1 2 1 4 4 6 4 6 4 6 3 5 3 3 4 4 2 1 5 2 2 2 6 2 1 2 7 2 2 2 3 7 4 2 4 7 5 3 4 3 2 3 2 2 3 5 3 7 6 2 6 2 5 4 4 7 2 5 4 5 1 6 5 4 6 3 4 4 5 4 4 2 51 52 3 2 4 6 6 6 3 6 4 3 6 6 2 3 4 4 2 7 5 6 2 3 3 3 7 3 4 5 5 5 4 4 5 6 2 5 53 54 1 2 4 3 3 5 4 5 5 2 6 3 7 2 3 5 4 4 4 3 2 3 4 2 6 5 4 5 4 6 5 5 4 2 4 6 55 56 57 58 3 2 2 4 7 5 5 2 2 5 6 2 3 5 6 3 2 6 3 4 2 6 4 6 5 7 2 6 7 2 7 5 2 2 4 3 5 3 6 4 2 2 5 6 4 2 5 4 6 7 2 3 5 4 5 6 7 4 5 3 6 4 4 6 5 3 4 4 5 2 4 2 59 60 61 62 3 3 2 4 5 5 5 2 6 5 4 2 6 5 4 3 7 3 3 4 5 6 5 6 6 3 5 6 4 6 4 5 6 4 3 3 6 5 5 4 3 4 3 6 4 4 4 4 6 3 5 3 7 3 3 6 4 4 3 3 6 5 3 6 3 6 4 4 5 4 3 2 63 64 65 66 2 1 3 3 6 3 7 5 6 3 2 6 2 7 3 6 1 2 1 7 2 2 2 5 2 2 5 6 2 5 7 4 2 3 2 6 3 7 5 6 2 2 2 2 5 2 4 5 3 2 6 6 4 6 5 7 5 5 7 3 6 2 6 6 3 3 5 3 4 6 5 5 67 68 5 2 5 5 5 6 5 5 4 3 6 4 6 3 6 7 5 4 5 6 5 5 5 4 5 2 4 5 6 5 5 4 6 4 5 4 98 Lampiran 11. Rekapitulasi data uji rating hedonik formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 4 2 2 3 4 6 6 5 3 4 6 4 3 6 3 6 4 2 70 3 5 5 5 3 6 3 6 4 5 4 4 3 3 4 5 6 4 Jumlah Rata-rata 186 2.66 306 4.37 298 4.26 290 4.14 227 3.24 281 4.01 260 3.71 304 4.34 243 3.47 311 4.44 201 2.87 247 3.53 278 3.97 288 4.11 286 4.09 298 4.26 282 4.03 267 3.81 99 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 3 2 3 2 2 2 3 1 2 2 4 5 4 5 6 5 5 4 2 5 4 5 5 4 5 3 5 3 2 6 4 3 5 6 4 4 5 3 3 2 4 2 6 3 3 4 3 3 2 4 3 2 4 2 3 5 5 6 2 5 4 2 6 3 2 6 2 2 6 2 4 2 2 5 3 4 6 2 2 4 2 5 5 1 2 4 4 2 3 4 5 6 5 4 4 4 5 2 2 5 3 2 2 2 3 2 4 2 2 2 2 2 4 2 4 3 4 2 3 4 4 6 6 3 3 6 3 5 1 7 2 3 5 2 3 4 3 1 2 3 4 2 4 2 4 4 3 2 6 6 3 2 5 5 5 6 5 3 5 5 4 6 4 3 4 4 5 2 2 5 1 3 6 1 5 4 4 1 3 3 11 12 1 2 3 3 4 3 6 3 3 5 2 4 2 5 5 2 3 2 6 3 2 3 2 3 2 5 5 2 4 2 4 3 3 3 5 2 13 14 6 4 2 4 2 3 2 3 2 3 5 4 2 2 5 5 4 5 6 6 2 5 4 3 2 2 4 2 2 2 3 4 4 5 5 5 15 16 3 6 6 3 6 4 7 4 3 4 6 5 3 4 5 2 6 1 6 2 4 5 4 2 4 4 6 2 5 3 5 3 7 5 6 2 17 18 19 20 21 22 23 6 3 6 1 2 3 3 7 3 4 4 3 5 7 7 4 4 5 4 5 2 7 5 5 5 5 4 3 7 6 3 3 2 2 3 5 3 6 1 3 3 3 2 6 4 5 2 2 6 5 3 6 3 4 2 7 6 3 1 2 4 3 3 6 4 6 6 5 4 5 4 2 6 3 3 3 4 4 3 2 3 4 3 3 3 3 5 3 5 3 6 6 5 5 2 5 3 4 6 1 3 5 6 4 7 6 6 3 6 5 4 5 3 2 6 3 4 3 5 5 2 6 3 6 5 5 100 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 24 25 26 27 28 29 30 31 32 33 2 2 2 2 2 3 5 4 5 3 3 5 6 4 5 2 5 3 3 4 6 5 4 4 5 3 5 3 3 4 5 5 4 3 6 2 5 4 3 3 3 2 4 4 6 2 3 3 3 2 5 4 1 2 6 3 4 5 5 2 3 1 2 3 6 2 3 3 5 2 7 5 6 4 4 3 5 5 5 4 6 4 6 3 2 3 4 3 2 2 4 6 2 5 3 3 6 5 5 3 2 2 1 2 2 3 3 3 3 2 3 4 2 2 1 3 5 4 3 3 6 2 1 3 6 5 5 3 5 5 4 5 1 4 2 2 5 4 3 2 3 4 6 3 2 4 3 5 3 4 3 4 1 4 4 5 5 3 2 2 3 4 2 4 3 6 4 4 5 4 6 6 1 4 3 4 5 4 1 3 34 35 6 3 5 2 6 5 5 5 4 4 3 5 3 6 3 3 4 2 4 4 3 3 4 3 3 5 4 4 4 2 4 4 3 5 5 3 36 37 2 2 3 5 4 3 3 4 3 2 5 2 2 1 5 6 2 1 5 2 1 2 2 2 3 4 2 1 4 4 3 5 5 3 2 4 38 39 4 5 4 6 4 6 4 6 3 5 4 6 5 5 4 6 3 5 5 6 4 5 4 5 5 6 3 5 3 6 3 6 4 6 3 5 40 41 42 43 44 45 46 3 2 3 5 3 3 5 5 3 4 3 4 4 6 4 2 7 2 6 5 6 4 2 5 3 6 5 6 3 1 4 4 3 6 5 2 2 4 6 3 4 6 2 4 3 6 2 6 6 4 5 7 4 3 2 6 4 1 3 2 2 5 5 3 2 6 4 4 5 6 2 4 4 5 3 2 5 6 2 5 3 4 4 5 2 4 3 3 3 6 6 5 2 4 5 4 5 5 4 3 7 3 4 4 6 3 2 6 6 5 5 6 3 3 4 4 4 4 6 3 2 4 3 5 6 5 101 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 47 2 5 5 3 2 2 1 2 5 6 2 2 6 3 2 1 6 3 48 49 50 51 2 2 3 2 6 5 5 5 5 3 4 6 4 4 4 3 2 4 3 4 3 5 2 5 2 6 2 2 3 4 4 4 2 4 4 2 4 4 3 5 3 2 2 2 4 3 6 4 3 6 2 7 4 4 5 4 5 4 4 5 5 6 3 5 4 4 3 5 5 4 3 3 52 53 54 55 3 2 2 3 6 5 3 7 6 3 4 2 7 4 5 3 3 4 2 2 6 5 3 3 3 6 3 6 5 4 4 7 6 4 4 3 6 4 5 5 4 2 3 4 4 4 2 3 4 6 5 6 6 4 5 4 5 4 6 7 5 6 5 5 7 4 4 5 6 4 6 5 56 57 2 3 5 4 5 7 6 5 6 4 6 4 6 2 4 7 2 3 3 6 2 4 2 5 6 3 4 4 4 7 4 6 3 4 3 4 58 59 5 3 3 4 2 5 3 5 4 6 6 4 6 6 4 2 2 5 4 5 5 2 3 4 3 6 5 5 3 4 6 5 4 4 3 6 60 61 3 4 5 4 5 4 5 4 3 3 5 4 2 5 6 4 4 3 5 5 4 4 5 4 3 5 3 3 3 3 5 3 5 4 4 3 62 63 5 2 3 6 2 5 3 4 4 2 6 3 6 2 4 3 2 2 4 4 5 3 3 4 3 3 5 3 2 4 6 5 4 4 3 5 64 65 1 3 3 7 4 2 6 3 3 2 2 3 2 6 5 7 3 3 6 5 2 4 2 3 2 6 5 4 4 7 4 5 3 5 5 5 66 67 3 5 4 6 5 6 5 6 6 5 4 6 6 5 2 6 5 5 5 6 2 5 4 5 6 6 5 5 4 6 5 6 4 6 6 5 68 3 4 7 5 4 4 2 7 3 6 4 5 3 4 7 6 4 4 102 Lampiran 12. Rekapitulasi data uji rating hedonik keseluruhan formula minuman (lanjutan) Sampel Panelis 69 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 5 3 2 3 4 6 6 4 2 4 5 3 3 5 2 6 4 3 70 3 5 5 5 3 5 2 6 4 5 4 4 3 3 4 5 5 4 Jumlah Rata-rata 215 3.07 306 4.37 301 4.30 301 4.30 244 3.49 278 3.97 256 3.66 302 4.31 231 3.30 320 4.57 215 3.07 237 3.39 291 4.16 262 3.74 284 4.06 310 4.43 290 4.14 277 3.96 103 Lampiran 13. ANOVA dan persamaan antioksidan polinomial Response 1 Kapasitas Antioksidan ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.013 5 2.672E-003 59.30 Linear Mixture 1.442E-003 2 7.212E-004 16.01 AB 4.638E-003 1 4.638E-003 102.93 BC 5.202E-003 1 5.202E-003 115.47 BC(B-C) 1.644E-003 1 1.644E-003 36.48 Residual 5.407E-004 12 4.506E-005 Lack of Fit 2.370E-004 6 3.950E-005 0.78 Pure Error 3.037E-004 6 5.061E-005 Cor Total 0.014 17 Std. Dev. Mean C.V. % PRESS 6.712E-003 0.14 4.78 1.228E-003 respon p-value Prob > F < 0.0001 0.0004 < 0.0001 < 0.0001 < 0.0001 0.6144 R-Squared Adj R-Squared Pred R-Squared Adeq Precision kapasitas significant not significant 0.9611 0.9449 0.9116 23.440 Final Equation in Terms of Actual Components: Kapasitas Antioksidan = +4.46398E-003 * Kunyit +2.88805E-003 * Asam +3.87501E-003 * Jahe +2.73282E-004 * Kunyit * Asam +2.54567E-004 * Asam * Jahe -2.03162E-005 * Asam * Jahe * (Asam-Jahe) 104 Lampiran 14. ANOVA dan persamaan polinomial respon pH Response 2 pH ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 21.87 8 2.73 103.47 Linear Mixture 14.48 2 7.24 274.11 AB 0.92 1 0.92 34.94 AC 0.23 1 0.23 8.56 BC 1.60 1 1.60 60.44 ABC 0.50 1 0.50 18.88 AB(A-B) 0.38 1 0.38 14.51 BC(B-C) 0.26 1 0.26 9.90 Residual 0.24 9 0.026 Lack of Fit 0.24 3 0.079 430.32 Pure Error 1.100E-003 6 1.833E-004 Cor Total 22.11 17 p-value Prob > F < 0.0001 < 0.0001 0.0002 0.0169 < 0.0001 0.0019 0.0042 0.0118 Std. Dev. Mean C.V. % PRESS 0.9892 0.9797 0.8527 25.326 0.16 4.14 3.92 3.26 R-Squared Adj R-Squared Pred R-Squared Adeq Precision < 0.0001 significant significant Final Equation in Terms of Actual Components: pH +0.18088 +0.10031 +0.18658 -4.68404E-003 +1.81439E-003 -4.84354E-003 -5.99257E-004 -2.41945E-004 +2.83842E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe * Kunyit * Asam * (Kunyit-Asam) * Asam * Jahe * (Asam-Jahe) 105 Lampiran 15. ANOVA dan persamaan polinomial respon TPT Response 3 Tpt ANOVA for Mixture Mean Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.000 0 Residual 8.45 17 0.50 Lack of Fit 8.45 11 0.77 921.39 Pure Error 5.000E-003 6 8.333E-004 Cor Total 8.45 17 Std. Dev. Mean C.V. % PRESS 0.71 14.92 4.72 9.47 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 significant 0.0000 0.0000 -0.1211 Final Equation in Terms of Actual Components: Tpt +14.92222 = 106 Lampiran 16. ANOVA dan persamaan polinomial respon nilai L Response 4 L ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 604.07 7 86.30 18.34 Linear Mixture 396.77 2 198.39 42.17 AB 10.75 1 10.75 2.28 AC 57.95 1 57.95 12.32 BC 64.51 1 64.51 13.71 ABC 35.98 1 35.98 7.65 AB(A-B) 91.52 1 91.52 19.45 Residual 47.04 10 4.70 Lack of Fit 10.91 4 2.73 0.45 Pure Error 36.14 6 6.02 Cor Total 651.11 17 Std. Dev. Mean C.V. % PRESS 2.17 51.50 4.21 154.45 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.1616 0.0056 0.0041 0.0199 0.0013 0.7685 significant not significant 0.9277 0.8772 0.7628 13.411 Final Equation in Terms of Actual Components: L = +1.41249 +2.05888 +1.93959 -0.015534 -0.028945 -0.030780 +5.05276E-003 +3.38911E-003 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe * Kunyit * Asam * (Kunyit-Asam) 107 Lampiran 17. ANOVA dan persamaan polinomial respon nilai a Response 5 a ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 608.40 6 101.40 31.64 Linear Mixture 535.02 2 267.51 83.47 AB 14.45 1 14.45 4.51 AC 58.39 1 58.39 18.22 BC 19.18 1 19.18 5.99 ABC 19.50 1 19.50 6.09 Residual 35.25 11 3.20 Lack of Fit 19.81 5 3.96 1.54 Pure Error 15.44 6 2.57 Cor Total 643.65 17 Std. Dev. Mean C.V. % PRESS 1.79 8.63 20.73 87.10 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.0572 0.0013 0.0324 0.0313 0.3052 significant not significant 0.9452 0.9154 0.8647 14.721 Final Equation in Terms of Actual Components: a +0.54883 +0.043832 +1.01935E-003 +0.017568 +0.029019 +0.016780 -3.67258E-003 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 108 Lampiran 18. ANOVA dan persamaan polinomial respon nilai b Response 6 b ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 1851.88 6 308.65 15.07 Linear Mixture 410.85 2 205.42 10.03 AB 374.55 1 374.55 18.29 AC 22.97 1 22.97 1.12 BC 0.16 1 0.16 7.895E-003 ABC 218.07 1 218.07 10.65 Residual 225.31 11 20.48 Lack of Fit 165.56 5 33.11 3.32 Pure Error 59.75 6 9.96 Cor Total 2077.19 17 Std. Dev. Mean C.V. % PRESS 4.53 35.85 12.62 514.37 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 0.0033 0.0013 0.3123 0.9308 0.0076 0.0879 significant not significant 0.8915 0.8324 0.7524 11.194 Final Equation in Terms of Actual Components: b = +1.10081 +0.61776 +1.00490 +0.089427 +0.018203 -1.54077E-003 +0.012281 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 109 Lampiran 19. ANOVA dan persamaan polinomial respon nilai ˚Hue Response 7 Hue ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 1266.71 6 211.12 16.31 Linear Mixture 1032.93 2 516.47 39.90 AB 0.022 1 0.022 1.712E-003 AC 125.08 1 125.08 9.66 BC 112.16 1 112.16 8.66 ABC 101.55 1 101.55 7.84 Residual 142.40 11 12.95 Lack of Fit 86.90 5 17.38 1.88 Pure Error 55.50 6 9.25 Cor Total 1409.11 17 Std. Dev. Mean C.V. % PRESS 3.60 77.35 4.65 396.35 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F < 0.0001 < 0.0001 0.9677 0.0100 0.0134 0.0173 0.2323 significant not significant 0.8989 0.8438 0.7187 11.588 Final Equation in Terms of Actual Components: Hue = +2.12969 +2.89456 +2.99638 -6.87851E-004 -0.042474 -0.040577 +8.38069E-003 * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Asam * Jahe 110 Lampiran 20. ANOVA dan persamaan polinomial respon organoleptik warna Response 8 Organoleptik Warna ANOVA for Mixture Special Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 7.67 6 1.28 12.40 Linear Mixture 0.37 2 0.18 1.79 AB 1.60 1 1.60 15.51 AC 0.049 1 0.049 0.47 BC 0.13 1 0.13 1.24 ABC 1.83 1 1.83 17.73 Residual 1.13 11 0.10 Lack of Fit 0.83 5 0.17 3.35 Pure Error 0.30 6 0.050 Cor Total 8.80 17 p-value Prob > F 0.0002 0.2131 0.0023 0.5051 0.2889 0.0015 Std. Dev. Mean C.V. % PRESS 0.8712 0.8010 0.6597 8.712 0.32 4.05 7.92 3.00 R-Squared Adj R-Squared Pred R-Squared Adeq Precision 0.0868 significant not significant Final Equation in Terms of Actual Components: Organoleptik Warna = +0.11683 * Kunyit +0.12138 * Asam +0.12259 * Jahe +5.84256E-003 * Kunyit * Asam -8.39915E-004 * Kunyit * Jahe -1.37057E-003 * Asam * Jahe +1.12403E-003 * Kunyit * Asam * Jahe 111 Lampiran 21. ANOVA dan persamaan polinomial respon organoleptik bau Response 9 Organoleptik Bau ANOVA for Mixture Mean Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 0.000 0 Residual 3.41 17 0.20 Lack of Fit 2.75 11 0.25 2.28 Pure Error 0.66 6 0.11 Cor Total 3.41 17 Std. Dev. Mean C.V. % PRESS 0.45 4.06 11.04 3.82 R-Squared Adj R-Squared Pred R-Squared Adeq Precision p-value Prob > F 0.1621 not significant 0.0000 0.0000 -0.1211 Final Equation in Terms of Actual Components: Organoleptik Bau +4.05611 = 112 Lampiran 22. ANOVA dan persamaan polinomial respon organoleptik rasa Response 10 Organoleptik Rasa ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F Source Squares df Square Value Model 4.14 7 0.59 16.67 Linear Mixture 0.91 2 0.45 12.83 AB 0.37 1 0.37 10.30 AC 0.60 1 0.60 16.95 BC 0.81 1 0.81 22.70 AC(A-C) 0.12 1 0.12 3.47 BC(B-C) 1.22 1 1.22 34.53 Residual 0.35 10 0.035 Lack of Fit 0.028 4 6.918E-003 0.13 Pure Error 0.33 6 0.055 Cor Total 4.49 17 p-value Prob > F < 0.0001 0.0017 0.0093 0.0021 0.0008 0.0921 0.0002 Std. Dev. Mean C.V. % PRESS 0.9211 0.8658 0.7392 13.329 0.19 3.85 4.89 1.17 R-Squared Adj R-Squared Pred R-Squared Adeq Precision 0.9672 significant not significant Final Equation in Terms of Actual Components: Organoleptik Rasa +0.12200 +0.12764 +0.091988 +2.43190E-003 +2.66753E-003 +3.17896E-003 +2.01478E-004 -6.40005E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Kunyit * Jahe * Asam * Jahe * Kunyit * Jahe * (Kunyit-Jahe) * Asam * Jahe * (Asam-Jahe) 113 Lampiran 23. ANOVA, dan persamaan polinomial respon organoleptik keseluruhan Response 11 Organoleptik Keseluruhan/Overall ANOVA for Mixture Reduced Cubic Model *** Mixture Component Coding is L_Pseudo. *** Analysis of variance table [Partial sum of squares - Type III] Sum of Mean F p-value Source Squares df Square Value Prob > F Model 3.03 5 0.61 8.87 0.0010 Linear Mixture 0.73 2 0.36 5.32 0.0222 AB 0.81 1 0.81 11.81 0.0049 BC 0.59 1 0.59 8.69 0.0122 BC(B-C) 0.93 1 0.93 13.67 0.0031 Residual 0.82 12 0.068 Lack of Fit 0.36 6 0.061 0.80 0.6033 Pure Error 0.45 6 0.076 Cor Total 3.85 17 Std. Dev. Mean C.V. % PRESS 0.26 3.90 6.69 2.07 R-Squared Adj R-Squared Pred R-Squared Adeq Precision significant not significant 0.7871 0.6984 0.4625 9.709 Final Equation in Terms of Actual Components: Organoleptik Keseluruhan/Overall +0.12454 +0.12887 +0.10491 +3.60270E-003 +2.71864E-003 -4.83959E-004 = * Kunyit * Asam * Jahe * Kunyit * Asam * Asam * Jahe * Asam * Jahe * (Asam-Jahe) 114 Lampiran 24. Rekapitulasi data running formula untuk mendapatkan formula optimum Kunyit 13.386 19.642 8.887 0.983 9.787 14.456 2.368 1.604 19.841 4.252 11.985 4.241 7.355 11.965 1.687 10.082 15.483 26.295 7.835 13.267 8.613 1.005 1.542 11.609 6.626 6.790 22.788 12.931 9.775 12.018 Asam 2.268 0.311 6.926 12.106 1.066 8.066 13.979 6.668 8.709 11.734 3.970 4.775 0.080 9.559 7.332 12.682 11.029 1.789 18.245 4.418 3.639 15.042 9.954 15.761 9.483 11.643 7.193 0.817 10.076 16.159 Jahe 14.346 10.047 14.188 16.911 19.147 7.478 13.653 21.728 1.450 14.014 14.045 20.984 22.565 8.476 20.981 7.237 3.488 1.916 3.921 12.314 17.749 13.952 18.504 2.630 13.891 11.567 0.019 16.252 10.150 1.823 Lampiran 25. Solusi formula optimum yang dihasilkan dalam tahapan optimasi Solusi Proporsi (%(v/v)) Desirability Kunyit Asam Jahe 1 5.0 9.9 15.1 0.913 2 7.5 6.1 16.4 0.897 3 22.3 7.7 0.0 0.848 4 8.8 21.2 0.0 0.784 115 Lampiran 26a. Rekapitulasi data pengukuran kapasitas antioksidan standar asam askorbat pada tahap verifikasi solusi formula optimum Konsentrasi asam askorbat A standar A blanko Rata-rata A blanko A standar (mg/ml) 1a 1b 2a 2b 0 1.015 1.018 0.990 1.022 1.0113 0.0413 0.723 0.719 0.727 0.724 0.7233 0.3293 0.448 0.458 0.451 0.462 0.4548 0.5978 0.15 0.211 0.217 0.215 0.209 0.2130 0.8395 0.2 0.017 0.021 0.019 0.020 0.0193 1.0333 0.05 1.0525 0.1 Lampiran 26b. Kurva standar kapasitas antioksidan asam askorbat pada tahap verifikasi solusi formula optimum Kurva Standar Asam Askorbat A blanko - A standar 1,2000 y = 4,988x + 0,069 R² = 0,994 1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 0 0,05 0,1 0,15 0,2 0,25 Konsentrasi asam askorbat (mg/ml) Lampiran 26c. Rekapitulasi data hasil pengukuran kapasitas antioksidan verifikasi formula optimum Ulangan A blanko 1a 1b 2a A Sampel 0.117 1.0525 2b Rata-rata Ablanko - A sampel AEAC (mgAEq/ml) 0.121 0.114 0.109 0.115 0.9373 0.1741 116 Lampiran 27. Rekapitulasi data hasil pengukuran pH verifikasi formula optimum Ulangan pH sampel 1 2 3.59 3.56 Rata-rata 3.58 Lampiran 28. Rekapitulasi data hasil pengukuran TPT verifikasi formula optimum Ulangan TPT sampel 1 2 15.1 15.2 Rata-rata 15.2 Lampiran 29. Rekapitulasi data hasil pengukuran nilai L verifikasi formula optimum Ulangan L 1 2 3 51.131 51.129 51.128 Rata-rata 51.129 Lampiran 30. Rekapitulasi data hasil pengukuran nilai a verifikasi formula optimum Ulangan a 1 2 3 8.263 8.261 8.260 Rata-rata 8.261 117 Lampiran 31. Rekapitulasi data hasil pengukuran nilai b verifikasi formula optimum Ulangan b 1 40.564 2 3 40.563 40.560 Rata-rata 40.562 Lampiran 32. Rekapitulasi data nilai ˚Hue verifikasi formula optimum Ulangan ˚Hue 1 2 78.486 78.489 3 78.489 Rata-rata 78.489 118 Lampiran 33. Scoresheet uji rating hedonik verifikasi formula optimum Uji Rating Hedonik Produk : Minuman Fungsional Tradisional Nama : Tanggal : Petunjuk Di hadapan anda terdapat 1 contoh minuman fungsional tradisional. Nilailah kesukaan anda terhadap warna, bau, rasa, dan overall dari contoh tersebut dengan menuliskan angka yang menunjukkan tingkat kesukaan anda. Arti dari nilai-nilai yang diberikan adalah sebagai berikut : 1 = sangat tidak suka 2 = tidak suka 3 = agak tidak suka 4 = biasa saja / netral 5 = agak suka 6 = suka 7 = sangat suka Nilailah kesukaan anda terhadap contoh. Cara mencicip sampel adalah dengan mengaduk sampel terlebih dahulu dengan sendok contoh yang disediakan, lalu ambil dengan sendok tersebut kemudian ciciplah dengan sendok pencicip yang disediakan (setiap panelis mendapatkan satu sendok pencicip). Sebelum melakukan penilaian, netralkan dulu indera anda dengan air yang disediakan dan dengan menjauhkan hidung dari contoh. Kode contoh Warna Bau Rasa Overall Komentar : ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ………………………………………………………………………………………………………… ……………………………………………………………….................... - TERIMA KASIH - 119 Lampiran 34. Rekapitulasi data uji rating hedonik verifikasi formula optimum Skor Panelis Warna Bau Rasa Keseluruhan 1 2 3 4 5 6 2 2 5 3 2 3 4 4 4 4 1 5 3 4 5 2 4 4 4 6 7 8 9 10 11 5 5 4 5 4 6 4 5 5 2 3 5 2 5 6 3 3 5 3 5 6 4 3 4 12 13 14 15 16 17 4 3 5 3 7 5 4 5 4 4 4 4 3 4 3 5 6 3 4 4 4 4 5 3 18 19 20 21 22 23 3 5 6 3 5 3 5 4 5 5 5 4 5 3 5 4 4 5 4 4 6 4 5 4 24 25 26 27 5 4 7 3 4 4 5 4 4 3 6 4 5 4 6 4 28 29 30 5 4 5 5 4 6 5 5 5 5 4 5 Jumlah Rata-rata 132 4.40 126 4.20 123 4.10 128 4.27 120 Lampiran 35. Color chart verifikasi formula optimum Fig. 7: L *a*b* color chart (hue and chroma) Yellow +b* 60 Prediksi Formula 1 Hasil Verifikasi Formula 1 Chroma= V a2+b2 -60 -b* Blue 121
Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design). Analisis Respon a Analisis Respon Warna Analisis Respon b Analisis Respon Warna Analisis Respon ˚Hue Analisis Respon Warna Analisis Respon Kapasitas Antioksidan Analisis Respon L Analisis Respon Warna Analisis Respon Organoleptik Bau Analisis Respon Organoleptik Keseluruhan Overall Analisis Respon Organoleptik Rasa Analisis Respon Organoleptik Warna Analisis Respon pH ANALISIS RESPON DENGAN PROGRAM DESIGN EXPERT 7.0 Analisis Respon TPT ANALISIS RESPON DENGAN PROGRAM DESIGN EXPERT 7.0 ANTIOKSIDAN ALAMI TINJAUAN PUSTAKA ASAM JAWA Tamarindus indica Linn. Ekstraksi Asam Jawa Ekstraksi Jahe HASIL PENGUKURAN RESPON FORMULA MINUMAN JAHE Zingiber officinale TINJAUAN PUSTAKA Kapasitas Antioksidan Leong, Shui 2002 KUNYIT Curcuma domestica Val. MINUMAN FUNGSIONAL TRADISIONAL TINJAUAN PUSTAKA MIXTURE EXPERIMENT TINJAUAN PUSTAKA Nilai pH Faridah et al. 2009 Nilai TPT AOAC 1995 Analisis Warna Hutching 1999 OPTIMASI FORMULA DENGAN PROGRAM DESIGN EXPERT 7.0 Optimasi Formula METODE PENELITIAN Pembuatan Formula Minuman Analisis Respon Pembuatan Rancangan Formula dan Respon dengan Program Design RANCANGAN FORMULA DAN RESPON REMPAH-REMPAH SEBAGAI SUMBER ANTIOKSIDAN ALAMI SARAN SIMPULAN DAN SARAN SIMPULAN SIMPULAN DAN SARAN VERIFIKASI SOLUSI FORMULA OPTIMUM
Aktifitas terbaru
Penulis
Dokumen yang terkait
Upload teratas

Optimasi Formula Minuman Fungsional Berbasis Kunyit (Curcuma domestica Val.), Asam Jawa (Tamarindus indica Linn.), dan Jahe (Zingiber officinale var. Amarum) dengan Metode Desain Campuran (Mixture Design).

Gratis