Optimizing Shrimp Cracker Production Using Response Surface Methodology and Root Cause Analysis to Improve Quality

[ Optimasi Produksi Kerupuk Udang Menggunakan Response Surface Methodology Dan Root Cause Analysis Untuk Peningkatan Kualitas ]

Muhammad Faisal Andreyanto¹⁾, Wiwik Sulistiyowati^*2)

¹⁾Program Studi Teknik Industri, Universitas Muhammadiyah Sidoarjo, Indonesia

²⁾Program Studi Teknik Industri, Universitas Muhammadiyah Sidoarjo, Indonesia

*Email Penulis Korespondensi: wiwik@umsida.ac.id

Abstract . Moisture content is an important quality parameter in shrimp cracker production because it affects the texture, shelf life, and level of product defects. This study optimized the drying process using Response Surface Methodology (RSM) and analyzed the root causes of defects using Root Cause Analysis (RCA). RSM determines the optimal combination of temperature, time, and thickness for the best moisture content, while RCA identifies the factors causing defects. The optimization results showed the best parameters at a temperature of 70°C, a time of 60 minutes, and a thickness of 5 mm, with a moisture content of 9.00% and a desirability of 1.00. RCA revealed that mold growth was caused by raw material moisture, suboptimal storage, and lack of production supervision. Recommendations for improvement include controlling raw material moisture, optimizing drying temperature and time, and improving monitoring of the production environment.

Keywords – Shrimp Cracker; Response Surface Methodology (RSM); RCA; P roduction O ptimization

Abstrak . Kadar air merupakan parameter kualitas penting dalam produksi kerupuk udang karena memengaruhi tekstur, daya simpan, dan tingkat kecacatan produk. Penelitian ini mengoptimalkan proses pengeringan menggunakan Response Surface Methodology (RSM) dan menganalisis akar penyebab kecacatan dengan Root Cause Analysis (RCA). RSM menentukan kombinasi suhu, waktu, dan ketebalan optimal untuk kadar air terbaik, sementara RCA mengidentifikasi faktor penyebab kecacatan. Hasil optimasi menunjukkan parameter terbaik pada suhu 70°C, waktu 60 menit, dan ketebalan 5 mm, dengan kadar air 9,00% dan desirability 1,00. RCA mengungkapkan bahwa pertumbuhan jamur disebabkan oleh kelembaban bahan baku, penyimpanan yang kurang optimal, dan kurangnya pengawasan produksi. Rekomendasi perbaikan mencakup kontrol kelembaban bahan baku, optimasi suhu dan waktu pengeringan, serta peningkatan pemantauan lingkungan produksi.

Kata Kunci - Kerupuk Udang; Response Surface Methodology (RSM); RCA; Optimasi Produksi

I. Pendahuluan

Kerupuk udang adalah salah satu makanan tradisional yang digemari di pasar domestik dan internasional. Proses produksi kerupuk udang melibatkan berbagai tahapan kritis, seperti penggilingan bahan, pembentukan, pengeringan, dan pengemasan, yang masing-masing memiliki dampak signifikan terhadap kualitas akhir produk. Keberhasilan dapat ditentukan oleh kualitas makanan, faktor utama yang terdeteksi oleh indera penciuman dan dua faktor lainnya, yaitu aroma, rasa, serta sensasi di mulut, dapat dirasakan oleh sel-sel sensorik di lidah 1. PT. XYZ menghadapi tantangan serius dalam menjaga kualitas produknya. Salah satu masalah utama adalah pertumbuhan jamur pada adonan kerupuk yang terjadi sebelum proses pengeringan di oven. Kecacatan produk berupa jamur ini tidak hanya menurunkan kualitas produk, meningkatkan risiko kehilangan produksi dan potensi kehilangan penjualan pada pasar lokal. Perusahaan menetukan batas kecacatan yang optimal adalah 3-5%.

Produk cacat adalah produk yang tidak memenuhi spesifikasi yang ditetapkan. Ini juga berarti produk tersebut tidak sesuai dengan standar kualitas yang telah ditentukan. Produk cacat yang muncul selama proses produksi merujuk pada produk yang tidak dapat diterima oleh konsumen. Namun, dengan mengeluarkan biaya untuk perbaikan, produk yang tidak memenuhi standar mutu tersebut dapat diperbaiki secara ekonomis sehingga menjadi produk yang lebih baik 2.

Proses produksi kerupuk udang di PT. Krispi Industri Indonesia, memiliki beberapa jenis kecacatan produk. Pada bulan Juli, dari total produksi sebesar 2.500 kg, jumlah kecacatan mencapai 112,5 kg, setara dengan 4,5%, Pada bulan Agustus, produksi meningkat menjadi 2.800 kg dengan jumlah kecacatan sebesar 117,6 kg (4,2%), Pada bulan September, tingkat kecacatan meningkat tajam hingga 7,2% (187,2 kg dari total produksi 2.600 kg). Pertumbuhan jamur menjadi penyebab dominan kecacatan produk, diikuti oleh warna yang tidak merata dan produk yang pecah.

Penelitian ini menggunakan pendekatan Response Surface Methodology (RSM) untuk mengoptimalkan proses produksi kerupuk udang. Selain itu, penelitian ini juga menerapkan Root Cause Analysis (RCA) untuk mengidentifikasi dan menganalisis akar penyebab permasalahan dalam proses produksi, khususnya faktor-faktor yang berkontribusi terhadap kecacatan produk. Dengan kombinasi RSM dan RCA, diharapkan solusi yang dihasilkan tidak hanya bersifat optimasi proses, tetapi juga mencakup perbaikan sistematis dalam produksi untuk meningkatkan kualitas dan efisiensi.

Berbagai penelitian sebelumnya telah dikaji untuk mendukung penelitian yang akan dilakukan, termasuk di dalamnya terdapat penelitian kholisoh menemukan bahwa kondisi optimal untuk menghasilkan asap cair dari tempurung kelapa menggunakan metode dan Response Surface Methodology (RSM) menunjukkan bahwa variabel proses mempunyai pengaruh yang signifikan 3. Penelitian yang dilakukan sugiharto penerapan metode Root Cause Analysis (RCA) memberikan efek yang baik dalam mengidentifikasi dan memahami penyebab utama cacat produksi mengungkap faktor utama penyebab cacat produksi, terutama jenis cacat patah yang mencapai 88% 4. Penelitian yang dilakukan anwar menggunakan metode RSM terbukti akurat dengan tingkat keakuratan sebesar 97,76%, menunjukkan bahwa model ini dapat diandalkan untuk prediksi optimalisasi ekstraksi. Penelitian ini memberikan informasi penting dalam pengolahan modern pasak bumi untuk mendapatkan hasil ekstraksi yang lebih maksimal dan efisien 5.

Tujuan penelitian : (1) Untuk mengidentifikasi dan mengukur faktor-faktor yang berpengaruh signifikan terhadap kualitas kerupuk udang. (2) Untuk mengoptimalkan variabel respon terkait kualitas produk menggunakan pendekatan Response Surface Methodology (RSM). (3) Menyusun rekomendasi praktis untuk perusahaan dalam mengimplementasikan hasil penelitian guna meningkatkan proses produksi dan kualitas kerupuk udang.

II. Metode

Teknik pengumpulan data adalah metode yang digunakan untuk mengakumulasi informasi dalam suatu penelitian. Dalam penelitian ini, data yang digunakan mencakup data primer dan data sekunder. Pada pengumpulan data primer, peneliti melakukan observasi terhadap beberapa variabel penting seperti ketebalan kerupuk, suhu oven, dan waktu Selain itu, wawancara dilakukan dengan pihak-pihak yang relevan, termasuk kepala produksi dan manager produksi untuk mendapatkan informasi mendalam terkait proses produksi dan pengelolaan bahan. Data sekunder yang dikumpulkan mencakup informasi historis mengenai jumlah cacat produk di PT. XYZ. Dan informasi mengenai pemanfaatan bahan berjamur dari proses produksi kerupuk udang yang dapat diolah menjadi pupuk dan tepung melalui proses sterilisasi dengan suhu oven 200 ^oC selama 1 jam yang selanjutnya dilakukan spenggilingan.

1. Response Surface Methodology (RSM)

Metode Response Surface Methodology (RSM) adalah teknik optimasi empiris yang digunakan untuk menganalisis hubungan antara variabel output eksperimen dengan berbagai faktor, seperti X1, X2, X3, dan seterusnya. Metode ini umumnya diterapkan bersama desain faktorial, seperti Box-Behnken dan Central Composite Design (CCD). Tujuan utama RSM adalah mengarahkan eksperimen secara efisien menuju kondisi optimal. Setelah kondisi optimal teridentifikasi, model yang lebih kompleks, seperti model orde kedua, dapat digunakan untuk analisis lebih lanjut guna menentukan titik optimal secara lebih akurat 6.

Dalam penelitian ini, peneliti menerapkan metode Response Surface Methodology (RSM) untuk mengoptimalkan

dan mengendalikan kualitas produk kerupuk udang. Salah satu perangkat lunak yang dapat digunakan untuk pengolahan data adalah MINITAB. Keunggulan MINITAB antara lain memiliki paket analisis data yang fleksibel, dilengkapi dengan menu assistant yang memudahkan pemula dalam mempelajari proses.

mengatur nilai variabel independen atau faktor-faktor yang berpengaruh agar dapat diperoleh nilai respon yang optimal 7. Rancangan eksperimen dapat dikatakan optimal jika:

a.Uji ANOVA ini akan mengidentifikasi dua efek linier, satu efek interaksi, dan dua efek kuadratik. Parameter yang diperhatikan dalam uji ini adalah p-value, dengan kriteria pengujian: jika p-value ≤ α (0,5), maka nilai tersebut memiliki pengaruh yang signifikan 5.

b.Uji kesesuaian model (lack-of-fit) dapat dievaluasi melalui nilai lack-of-fit. Jika p-value ≤ taraf signifikansi (0,05), maka model respon dianggap tidak valid, sedangkan jika lebih besar, model dapat diterima 5.

Jika model memenuhi kriteria ini, parameter optimal dapat diuji dan diterapkan. Namun, jika tidak, langkah-langkah perbaikan seperti memperluas level variabel, rancang ulang desain eksperimen perlu dilakukan untuk meningkatkan kualitas model dan hasil eksperimen.

pemilihan variabel dilakukan dengan mempertimbangkan faktor-faktor yang berpengaruh terhadap proses produksi kerupuk udang serta kualitas produk akhir yang dihasilkan. Faktor-faktor yang digunakan dalam penelitian ini merupakan variabel independen yang mempunyai pengaruh signifikan terhadap jalannya penelitian dan hasil akhir yang diinginkan. Dalam penelitian ini terdapat tiga variabel utama yaitu suhu oven, waktu pengovenan, dan ketebalan produk serta variabel respon yaitu kadar air.

Tabel 1. Penentuan Faktor Level.

Metode yang diterapkan untuk rancangan percobaan adalah Response Surface Methodology (RSM), dengan menggunakan box-bhenken. Hasilnya bisa dilihat pada tabel 2 berikut:

Tabel 2. Perancangan Percobaan.

Berdasarkan Tabel di atas, diketahui rancangan percobaan menggunakan software MINITAB 21 dengan menggunakan box-bhenken.

1. RSM adalah untuk mengoptimalkan respon tersebut. Metode ini berfungsi sebagai alat optimasi, yaitu dengan
2. Variabel penelitian dan level faktor
3. Rancangan percobaan
4. Persamaan Regresi

RSM menggunakan persamaan regresi untuk menganalisis hubungan antara variabel independen dan respons yang diamati 8. Dengan pendekatan ini, RSM dapat memodelkan serta mengoptimalkan suatu proses melalui persamaan regresi polinomial, menggunakan model yang digunakan adalah polinomial orde dua dalam penerapkan metode RSM dan dirumuskan sebagai berikut :

1. Persamaan regresi

(1)

Sumber: 5.

Keterangan:

Y= variabel dependen

dan = variabel independen

= konstanta

= koefeisien regresi linier

= koefisien regresi kuadratik

= koefisien regresi interaksi antara faktor i dan j

e= error

5.Pengujian koefisien determinasi ()

Koefisien determinasi adalah ukuran statistik yang menggambarkan sejauh mana variabel bebas (X) mempengaruhi variabel terikat (Y). Nilai koefisien determinasi berkisar antara 0 hingga 1 (0≤≤1). Semakin mendekati 1, semakin kuat hubungan antara variabel bebas dan variabel terikat. Sebaliknya, jika mendekati 0, maka hubungan antara kedua variabel tersebut semakin lemah atau bahkan tidak ada 9. Berikut ini persamaannya:

(2)

Sumber: 9,10,11.

Keterangan:

= nilai aktual dari respon

= nilai prediksi

= mean dari nilai respon

6.Contour plotdan surface plot

Contour plot merupakan sebuah kurva yang digambarkan dalam koordinat ​, dengan respon berupa gradien. Setiap contour merepresentasikan ketinggian yang berbeda, tergantung pada nilai respon yang dihasilkan. Perbedaan ketinggian ini mencerminkan variasi dalam data atau parameter yang dipetakan 8. Surface plot menyajikan hubungan antara variabel dalam bentuk grafik tiga dimensi. Tujuan utama dari surface plot adalah membantu memvisualisasikan besarnya respon terhadap setiap perlakuan yang berbeda, yang ditampilkan melalui kelengkungan pada permukaan plot12.

7.Desirability

Fungsi desirability adalah suatu transformasi geometrik yang mengubah nilai respon menjadi rentang antara 0 hingga 1. Nilai ini mencerminkan sejauh mana respon mendekati target yang ditetapkan. Respon yang sangat dekat dengan nilai target akan memiliki nilai desirability sebesar satu. Sebaliknya, jika respon berada di luar rentang target yang telah ditentukan, maka nilai desirability-nya akan menjadi nol 13. Fungsi total desirability tersebut diberikan pada Persamaan berikut:

(3)

Sumber: 13,.

Keterangan:

= nilai desirability individu untuk setiap respon

K= jumlah respon yang dioptimasi

8.Validasi model

Validasi model dilakukan untuk memastikan bahwa hasil prediksi yang diperoleh dari metode Response Surface Methodology (RSM) sesuai dengan hasil eksperimen nyata. Dalam penelitian ini, validasi dilakukan dengan melakukan tiga kali percobaan pada kombinasi variabel suhu, waktu pengovenan, dan ketebalan kerupuk. Tingkat kadar air akhir dapat dihitung menggunakan persamaan ini.

KA = (4)

Sumber: 14.

Keterangan:

KA= kadar air bahan basah (%)

Wb= berat bahan basah (gram)

Wk= berat bahan kering (gram)

1. Root Cause Analysis (RCA)

Analisis akar penyebab atau Root Cause Analysis (RCA) adalah suatu metode investigasi yang terstruktur dengan tujuan mengidentifikasi faktor-faktor utama yang menyebabkan terjadinya suatu masalah. Dengan mengetahui akar penyebabnya, dapat diterapkan solusi yang efektif untuk mencegah masalah serupa terjadi kembali di masa depan, pada identifikasi akar permasalahan disini menggunakan fishbone diagram 15. RCA bertujuan untuk menyelidiki insiden, permasalahan, kekhawatiran, atau ketidaksesuaian yang telah teridentifikasi. Proses ini mengharuskan peneliti menemukan solusi terhadap permasalahan yang mendesak serta memahami faktor utama atau penyebab mendasar dari situasi tersebut 16.

Diagram Fishbone (tulang ikan) merupakan alat yang digunakan untuk menggambarkan suatu permasalahan beserta berbagai faktor penyebabnya. Dalam diagram ini, dampak atau akibat dari suatu masalah digambarkan pada bagian kepala ikan, sementara faktor-faktor penyebabnya disusun di sepanjang tulang ikan sesuai dengan pendekatan analisis masalah. Disebut juga sebagai diagram Cause and Effect (sebab dan akibat), karena menunjukkan keterkaitan antara penyebab dan konsekuensinya. Dalam konteks pengendalian proses statistik, diagram ini digunakan untuk mengidentifikasi faktor-faktor yang memengaruhi suatu karakteristik kualitas serta memahami bagaimana faktor-faktor tersebut berkontribusi terhadap hasil akhir .

1. Fishbone Diagram
2. 5-whys

Metode 5-whys adalah teknik paling sederhana dalam analisis akar penyebab yang terstruktur. Metode ini melibatkan serangkaian pertanyaan untuk menggali dan memahami hubungan yang mendasari suatu permasalahan. Teknik ini digunakan sebagai pendekatan dalam mengelola kesalahan, permasalahan, atau cacat, sehingga dapat membantu menemukan solusi serta mengarahkan fokus pada upaya penyelesaian masalah secara efektif 17.

Adaupun tahapan dalam penelitian yang dilakukan ditunjukan oleh diagram alir yang dapat dilihat pada gambar 1.

Gambar 1. Diagram Alir Penelitian.

Dari gambar 1 dapat dilihat bahwa penelitian ini diawali dengan studi observasi dan studi pustaka untuk memahami kondisi awal serta mencari referensi yang mendukung penelitian. Berdasarkan hasil penelitian tersebut, dilakukan pembahasan masalah dan penentuan tujuan penelitian agar penelitian memiliki fokus yang jelas. Selanjutnya dilakukan penentuan faktor dan respon. Data yang telah diperoleh membuat rancangan percobaan. Setelah itu pelaksanaan percobaan. Langkah selanjutnya pengolahan dan validasi model. Jika model yang dihasilkan belum sesuai, maka dilakukan optimasi menggunakan RSM. Hasil yang dishasilkan optimasi selanjutnya dilakukan percobaan untuk melihat perbedaan antar sesudah dan sebelum optimasi. Untuk rekomendasi perbaikan menggunakan root cause analysis untuk melihat penyebab dari berbagai faktor.

III. Hasil dan Pembahasan

Analisis jumlah produksi kerupuk udang serta jumlah kecacatan yang terjadi selama proses produksi dengan rentan waktu mulai bulan juli 2024 hingga september 2024. Data yang diperoleh mencakup jumlah yang diproduksi jumlah kecacatan, persentase kecacatan, serta jenis kecacatan yang terjadi selama proses produksi. Data ini digunakan untuk efektivitas proses produksi serta mengidentifikasi faktor-faktor yang berkontribusi terhadap kecacatan produk. Berikut ini data produksi dan kecacatan pada tabel 1.

Tabel 3. Data Produksi dan Kecacatan.

Jenis kecacatan yang diamati dalam penelitian ini meliputi pertumbuhan jamur, warna tidak merata, dan produk pecah. Untuk memahami pola dan tingkat dominasi masing-masing jenis kecacatan, digunakan diagram pareto.

Gambar 2. Diagram Pareto Tingkat Kecacatan Produk

Berdasarkan gambar 2, diagram pareto menunjukkan bahwa jenis kecacatan dengan frekuensi tertinggi adalah pertumbuhan jamur , yang mencapai 203,9 kg . Selanjutnya, kecacatan akibat warna tidak merata tercatat sebanyak 123,8 kg , dan kecacatan produk pecah sebesar 85,6 kg. Hasil analisis ini menunjukkan bahwa pertumbuhan jamur merupakan jenis kecacatan utama yang perlu mendapat prioritas dalam upaya perbaikan, mengingat kontribusinya yang paling besar terhadap total kecacatan produk.

Berdasarkan Tabel di atas , batas bawah dan batas atas untuk setiap variabel yang digunakan dalam penelitian ini adalah sebagai berikut: suhu oven memiliki rentang 65^oC hingga 75^oC , ketebalan produk berkisar antara 5 mm hingga 6 mm, dan waktu pengovenan berada dalam kisaran 50 menit hingga 60 menit. Nilai-nilai ini akan diinput ke dalam software MINITAB 21 untuk analisis dan optimasi menggunakan Response Surface Methodology (RSM).

Eksperimen yang bertujuan untuk menganalisis pengaruh suhu, durasi, dan ketebalan terhadap kadar air telah dilakukan berdasarkan kombinasi yang dirancang dalam rancangan percobaan. Dilihat pada tabel berikut ini

Tabel 4. Hasil Percobaan.

Analisis uji ANOVA dilakukan untuk memunculkan pengaruh serta interaksi antara variabel dalam proses produksi terhadap respon yang diukur. Dengan pendekatan ini, dapat diidentifikasi faktor-faktor yang memiliki dampak signifikan, baik secara individu maupun dalam kombinasi, sehingga memberikan pemahaman yang lebih mendalam.

Tabel 4. Output Analysis of Variance (ANOVA).

Berdasarkan hasil analisis ANOVA, dengan kriteria pengujian nilai p-value ≤ α (0,5), maka nilai tersebut memiliki pengaruh yang signifikan. Faktor individu seperti suhu, waktu, dan ketebalan berpengaruh signifikan

Uji lack-of-fit dilakukan untuk mengevaluasi kesesuaian model yang dihasilkan. Hipotesis yang digunakan dalam pengujian ini adalah sebagai berikut:

Dalam pengujian lack-of-fit, hipotesis nol () akan ditolak jika nilai p-value lebih kecil dari tingkat signifikansi α (0,05). Sebaliknya, jika p-value lebih besar dari α, maka hipotesis nol diterima 18. Berdasarkan data pada tabel 4, diperoleh nilai p-value untuk uji lack-of-fit sebesar 0,095. Karena nilai p-value lebih besar dari 0,05, dapat disimpulkan bahwa model tidak mengalami lack-of-fit, sehingga model yang dihasilkan dianggap sesuai.

Berdasarkan hasil analisis data menggunakan software MINITAB, diperoleh persamaan regresi yang menggambarkan hubungan antara suhu, ketebalan, dan waktu pengovenan terhadap kadar air. Persamaan ini menunjukkan sejauh mana setiap variabel berkontribusi dalam mempengaruhi kadar air pada kerupuk udang.

Y = 97,8 – 1,568 – 1,258 + 2,10 + 0,01606 + 0,01827 + 0,477 – 0,00720 – 0,0670 – 0,0561

Keterangan:

Y= Kadar air

= Suhu

= Waktu

= Ketebalan

Persamaan regresi menunjukkan bahwa suhu, waktu, dan ketebalan berpengaruh terhadap kadar air kerupuk udang, dengan ketebalan memiliki dampak paling signifikan. Hubungan kuadratik mengindikasikan adanya titik optimum, di mana pada kondisi tertentu, kadar air tidak lagi berkurang secara linear. Interaksi antarvariabel menunjukkan bahwa kombinasi suhu, waktu, dan ketebalan dapat mempercepat atau memperlambat pengurangan kadar air. Model ini dapat digunakan untuk menentukan parameter optimal dalam proses pengeringan guna mencapai kadar air yang diinginkan.

Tabel 5. Output Model Summary.

Berdasarkan Tabel 5, nilai koefisien determinasi (R-squared) sebesar 98,65% menunjukkan bahwa kadar air pada kerupuk udang dipengaruhi oleh suhu, ketebalan, dan waktu pengovenan. Sementara itu, sisanya sebesar 1,35% dipengaruhi oleh faktor lain yang tidak diamati dalam penelitian ini. Nilai koefisien determinasi berganda () berkisar antara 0 hingga 100%. Semakin mendekati 100%, semakin baik model tersebut dalam menjelaskan variasi data yang diamati 19.

Pada tahap ini, dilakukan analisis menggunakan contour plot dan surface plot untuk memahami hubungan antara variabel bebas, yaitu suhu, waktu pengovenan, dan ketebalan kerupuk udang, terhadap variabel respon berupa kadar air

Gambar 3. Grafik Contour plotOptimalisasi Suhu, Waktu, dan Ketebalan

Terhadap Kadar Air.

Pada gambar 3 analisa contour plot ini, parameter yang digunakan adalah kadar air. Analisis pertama dilakukan untuk menentukan ketebalan optimal sebesar 5 mm, menggunakan contour plot yang menghubungkan variabel waktu dan suhu, di mana rentang waktu optimal berada antara 53 - 59 menit dan suhu 69 - 74°C untuk mendapatkan kadar air <8,8%. Selanjutnya analisis dilakukan untuk memperoleh suhu optimal 70°C, menggunakan contour plot yang menghubungkan variabel ketebalan dan waktu, dengan rentang ketebalan optimal 5,4 - 6,0 mm dan waktu 54 - 60 menit untuk mendapatkan kadar air 8,2 – 8,4%. Selanjutnya analisis bertujuan untuk menentukan waktu optimal 60 menit, dengan menggunakan contour plot yang menghubungkan variabel ketebalan dan suhu, di mana jarak ketebalan optimal berada antara 5,4 - 6,0 mm dan suhu 69,5 - 75°C untuk mendapatkan kadar air 8,0 – 8,4%.

Gambar 4. Grafik Surface Plot Optimalisasi Suhu, Waktu, dan Ketebalan

Terhadap Kadar Air.

Pada gambar 4 analisa grafik surface plot yang dimana hampir semua grafik membentuk cekungan (concave) berarti bahwa pada kombinasi tertentu dari faktor-faktor yang diuji, terdapat nilai optimal yang menghasilkan kadar air (KA) terendah sebelum meningkat kembali. Pada plot hubungan waktu dan suhu, grafik menunjukan kadar air yang menurun seiring peningkatan suhu dan waktu hingga titik minimum, lalu meningkat kembali. Kombinasi optimal untuk kadar air terendah diperkirakan pada suhu 70-72°C dan waktu 55-58 menit. Selanjutnya, plot hubungan ketebalan dan waktu, kadar air menurun seiring bertambahnya waktu proses. Kombinasi ketebalan 5,2-5,8 mm dan waktu 55-60 menit menjadi pilihan ideal untuk kadar air rendah. Selanjutnya, plot hubungan ketebalan dan suhu, titik minimum kadar air terjadi pada ketebalan 5,0-5,8 mm dan suhu 65-70°C. Di luar kisaran ini, kadar air cenderung meningkat kembali.

Data hasil penelitian yang telah dikumpulkan selanjutnya dianalisis menggunakan software MINITAB untuk mendapatkan optimasi melalui metode Response Surface Methodology (RSM). Proses ini memungkinkan identifikasi pola dan hubungan antara variabel, sehingga dapat menghasilkan solusi optimal yang lebih akurat dan efisien.

Tabel 6. Optimasi Response Surface Methodology (RSM)

Kadar Air Menggunakan MINITAB.

Berdasarkan hasil optimasi menggunakan Response Surface Methodology (RSM), kondisi optimal yang diperoleh adalah suhu 70°C, waktu 60 menit, dan ketebalan 5 mm. Pada kondisi ini, kadar air (KA) yang dihasilkan adalah 9,00%, dengan nilai composite desirability mencapai 1,00, yang menunjukkan bahwa kondisi tersebut merupakan solusi optimal. Dengan nilai desirability sebesar 1 yang dimana semakin tinggi nilai desirability mendekati 1, semakin baik kemampuan program dalam menghasilkan produk yang sesuai dengan harapan secara optimal 5.

Obyek pengukuran yang digunakan dalam validasi ini adalah kadar air kerupuk udang. Dalam validasi ini, dilakukan tiga kali replikasi pada kombinasi suhu 70°C, waktu 60 menit, dan ketebalan 5 mm, dengan setiap uji coba menggunakan potongan kerupuk seberat 10 gram. Hasil pengukuran kadar air dari percobaan tersebut dibandingkan dengan hasil prediksi RSM untuk mengevaluasi kesesuaian model.

KA =

KA =

KA =

KA = 0,0916 ×100

KA = 9,16 %

Tabel 7. Hasil Percobaan untuk Konfirmasi Hasil Model RSM.

Berdasarkan tabel 7, diperoleh nilai kadar air yang memiliki kesamaan dengan hasil prediksi RSM. hal ini didukung oleh hasil uji statistik (One Sample T-Test), yang menunjukkan nilai P-value 0,597 > Sig (0,05) yang berarti bahwa Tidak ada perbedaan antara hasil optimasi prediksi menggunakan RSM dan hasil percobaan 20.

Berikut adalah analisis akar penyebab menggunakan fishbone diagram dan metode 5-whys untuk defectpertumbuhan jamur yang memiliki defect paling dominan. Pendekatan ini digunakan untuk mengolah data secara sistematis guna mengidentifikasi akar penyebab utama dari defect tersebut, sehingga dapat dilakukan tindakan perbaikan yang tepat.

Gambar 5. Fishbone Diagram.

Setelah menganalisis akar permasalahan dari setiap kejadian menggunakan fishbone diagram, langkah selanjutnya adalah menentukan faktor utama yang menyebabkan defect pertumbuhan jamur dengan menerapkan metode 5-whys analysis.

Tabel 8. 5 Whys Analysis.

1. Analisis Produksi dan Kecacatan Produk
2. Analis is Data
3. Uji ANOVA
4. Uji Lack-of-Fit
5. : tidak ada lack-of-fit dalam model.
6. : ada lack-of-fit dalam model.
7. Persamaan Regresi
8. Analisis Contour plot dan Surface Plot
9. Optimasi RSM
10. Konfirmasi Hasil Op t imasi RSM
11. RCA ( Root Cause Analysis )
12. Analisa Menggunakan 5- Whys Method
13. Rekomendasi Perbaikan

Berdasarkan hasil analisis Root Cause Analysis (RCA) yang didukung oleh fishbone diagram dan 5 whys, telah diidentifikasi faktor-faktor utama yang menjadi penyebab permasalahan. Untuk mengatasi permasalahan tersebut secara efektif, diperlukan rekomendasi perbaikan yang tepat dan berkelanjutan. 1. Faktor Material. (a)Menetapkan standar kadar air bahan baku sebelum masuk ke tahap pencampuran adonan, standar ini memastikan hanya bahan baku dengan kelembaban yang sesuai yang digunakan dalam produksi. (b) Menggunakan moisture meter untuk mengevaluasi kadar air bahan baku dan mengeringkan atau menyesuaikan formula jika melebihi standar. 2. Faktor Manusia. (a) Melatih operator produksi tentang pengukuran kadar air dan menetapkan SOP batas waktu tunggu sebelum pengeringan. (b) Meningkatkan pengawasan produksi, terutama dalam shift malam, untuk memastikan pekerja mematuhi prosedur yang telah ditetapkan. 3. Faktor Metode. (a) Mengoptimalkan waktu dan suhu pengeringan dengan metode RSM untuk menjaga kadar air aman tanpa merusak tekstur kerupuk. (b) Menstandarisasi waktu tunggu sebelum dan setelah pengeringan untuk mencegah paparan kelembaban tinggi. 4. Faktor Mesin. (a) Memasang sensor suhu pada mesin pendingin untuk memastikan kondisi optimal dan mencegah peningkatan kadar air akibat kondensasi. (b) Melakukan kalibrasi rutin dan pemeriksaan distribusi panas oven dengan alat uji termal untuk mengidentifikasi ketidakmerataan. Menambahkan kipas sirkulasi untuk memastikan panas tersebar merata dan mengurangi kelembaban produk.

1. IV. Simpulan

Berdasarkan hasil penelitian yang telah dilakukan, dapat disimpulkan bahwa:

1. Penelitian ini menunjukkan bahwa suhu oven, waktu pengeringan, dan ketebalan berpengaruh signifikan terhadap kadar air kerupuk udang, sebagaimana dibuktikan oleh analisis ANOVA
2. Metode RSM menentukan kondisi optimal pengeringan kerupuk udang pada suhu 70°C, waktu 60 menit, dan ketebalan 5 mm untuk mencapai kadar air 9,00%. Optimasi RSM sesuai dengan nilai desirability 1,00, menandakan kondisi optimal untuk kadar air rendah.
3. Berdasarkan analisis Root Cause Analysis (RCA), perbaikan yang direkomendasikan meliputi pengendalian kadar air bahan baku, optimasi suhu dan waktu pengeringan sesuai hasil RSM, peningkatan sistem pemantauan dengan sensor suhu, serta pelatihan operator produksi dan pengawasan yang lebih ketat.

Implementasi rekomendasi ini diharapkan dapat meningkatkan efisiensi produksi, mengurangi kecacatan, dan menjaga kualitas produk secara konsisten.

1. Ucapan Terima Kasih

Penelitian ini dapat terlaksana dengan baik berkat dukungan dari berbagai pihak. Oleh karena itu, ucapat terima kasih disampaikan kepada Universitas Muhammadiyah Sidoarjo serta PT. XYZ atas fasilitas dan dukungan dalam pelaksanaan penelitian ini.

Referensi

[2]M. C. Sugiono, S. Luthfianto, M. F. Wildan, Siswiyanti, Zulfa, and T. Hidayat, “Analisa Pengendalian Kualitas Mengurangi Jumlah Cacat Produk Jaket Jeans Di Home Industry NR Collection dengan Metode Seven Tools,” J. Eng., vol. 13, no. 2, pp. 73–80, 2022.

[3]S. D. Kholisoh, Z. Achmad, and F. Hadi, “Optimasi Proses Pembuatan Asap Cair dari Tempurung Kelapa Melalui Response Surface Methodology (RSM),” J. Teknol., vol. 16, no. 2, pp. 120–127, 2023.

[4]P. B. Sugiharto, E. Furqon, and O. Kustiadi, “Analisis Perbaikan Defect Pada Produk Bata Ringan Dengan Menggunakan Metode RCA (Root Cause Analysis) Pada Salah Satu Perusahaan Bata Ringan di Serang Timur,” J. Ilm. Tek. dan Manaj. Ind., vol. 3, no. 1, pp. 157–170, 2023.

[5]K. Anwar, F. Istiqamah, and S. Hadi, “Optimasi Suhu dan Waktu Ekstraksi Akar Pasak Bumi (Eurycoma longifolia jack.) Menggunakan Metode RSM (response surface methodology) dengan Pelarut Etanol 70%,” J. Pharmascience, vol. 8, no. 1, p. 53, 2021.

[6]I. R. Hidayat, A. Zuhrotun, and I. Sopyan, “Design-expert Software sebagai Alat Optimasi Formulasi Sediaan Farmasi,” Maj. Farmasetika, vol. 6, no. 1, pp. 99–120, 2021.

[7]O. Setiawan and A. T. Pradipta, “Penggunaan Metode Response Surface Methodology Box Behnken Untuk Pemodelan dan Optimasi Proses Fenton pada Pengolahan Limbah Cair Home Industri Sarung Tenun Tradisional Medangan Gresik,” vol. 20, no. 2, pp. 97–107, 2024.

[8]M. Aziz and R. Saraswati, “Optimalisasi Parameter Mesin CNC Milling 3 Axis terhadap Waktu Produksi dengan Menggunakan Response Surface Methodology,” Formosa J. Appl. Sci., vol. 1, no. 4, pp. 293–304, 2022.

[9]A. S. Anwar, F. Rachman, and D. A. Purnomo, “Analisis Pengaruh Parameter Mesin Injection Molding Terdahap Diameter Housing Bearing Roller Conveyor Dengan Metode Response Surface,” Pros. Konf. Desain Maufaktur Tek. dan Apl., vol. 8, no. 1, pp. 12–17, 2024.

[10]N. Adita Putri et al., “Optimasi Kadar Bioetanol Dari Limbah Cair Tepung Terigu Menggunakan Response Surface Method (Rsm),” Inov. Tek. Kim., vol. 8, no. 3, pp. 155–159, 2023.

[11]A. Eka, A. Juarna, T. Informatika, F. T. Industri, and U. Gunadarma, “Prediksi Pro duksi Daging Sapi Nasional dengan Meto de Regresi Linier dan Regresi Polinomial,” J. Ilm. Komputasi, vol. 20, no. 2, pp. 209–215, 2021.

[12]O. T. Telambanua, “Pengaruh Kompensasi Dan Semangat Kerja Terhadap Produktivitas Pegawai Dikantor Camat Telukdalam,” J. Ilm. Mhs. Nias Selatan, vol. 6, no. 2, pp. 338–351, 2023.

[13]E. Sulistianingsih, S. Suparti, and D. Ispriyanti, “Pemodelan Indeks Pembangunan Manusia Di Jawa Tengah Menggunakan Metode Regresi Ridge Dan Regresi Stepwise,” J. Gaussian, vol. 11, no. 3, pp. 468–477, 2023.

[14]S. A. Rozzaq and M. Arif, “Analisis Respon Surface Method (RSM) Pada Proses Coating Body Sepeda Motor Dengan Menggunakan Cat Belkote Dan Cat Danagloss,” J. Eng., vol. 1, no. 1, pp. 36–47, 2023.

[15]S. Winarni and E. Supartini, “Penerapan Optimasi Multi Respon pada Teknik Penyimpanan Pepaya,” Semin. Nas. Sains dan Teknol. Univ. Muhammadiyah Jakarta 2015, vol. 1, no. 1, pp. 1–7, 2021.

[16]R. D. Purwaning and S. Sunaryo, “Optimasi Multirespon Surface pada Sifat Fisik dan Mekanik Tablet Obat dengan Metode AHP-Fuzzy TOPSIS,” J. Sains dan Seni ITS, vol. 4, no. 1, pp. 85–90, 2020.

[17]M. W. Refindo, S. Samsugi, and S. Styawati, “Teknologi Alat Pengering Biji Kopi Berbasis Embedded System,” J. Pepadun, vol. 4, no. 3, pp. 244–253, 2023.

[18]I. A. Sidikiyah, “a Analisis Defect Pada Proses Pembuatan Kayu Lapis Dengan Metode Statistical Process Control (Spc) Dan Root Cause Analysis (Rca),” JUSTI (Jurnal Sist. dan Tek. Ind., vol. 3, no. 2, p. 267, 2023.

[19]F. R. Zani and H. Supriyanto, “Analisis Perbaikan Proses Pengemasan Menggunakan Metode Root Cause Analysis Dan Failure Mode and Effect Analysis Dalam Upaya Meningkatkan Kualitas Produk Pada Cv. Xyz,” Semin. Nas. Sains dan Teknol. Terap. IX, vol. 1, no. 1, pp. 140–146, 2021.

[20]M. I. Monoarfa, Y. Hariyanto, and A. Rasyid, “Analisis Penyebab bottleneck pada Aliran Produksi briquette charcoal dengan Menggunakan Diagram fishbone di PT. Saraswati Coconut Product,” Jambura Ind. Rev., vol. 1, no. 1, pp. 15–21, 2021.

[21]R. De Fretes, “Analisis Penyebab Kerusakan Transformator Menggunakan Metode Rca (Fishbone Diagram and 5-Why Analysis) Di Pt. Pln (Persero) Kantor Pelayanan Kiandarat,” Arika, vol. 16, no. 2, pp. 117–124, 2022.

[22]A. R. N. Adzima, P. Pandiatmi, and E. D. Sulistyowati, “Optimasi Ketangguhan Impak dan Kekerasan Baja Karbon Menengah Sebagai Bahan Pisau Dapur Pada Proses Heat Treatment Menggunakan Metode Response Surface,” J. Keilmuan dan Tek. Mesin, vol. 1, no. 1, pp. 1–24, 2023.

[23]I. I. Damayanti et al., “OPTIMASI PARAMETER EDM SINKING PADA MATERIAL BAJA SKS3 MENGGUNAKAN METODE RESPONSE SURFACE,” Pros. Konf. Desain Maufaktur Tek. dan Apl., vol. 6, no. 1, pp. 236–241, 2022.

[24]A. F. Jafar, “Penerapan Metode Pembelajaran Konvensional Terhadap Hasil Belajar Fisika Peserta Didik,” Al asma J. Islam. Educ., vol. 3, no. 2, p. 190, 2021.