BAB I

PENDAHULUAN

A. LATAR BELAKANG

Globalisasi merupakan faktor pendorong terjadinya persaingan di kalangan

industri dan menyebabkan setiap industri berusaha untuk memenangkan persaingan.

Salah satu cara yang dapat digunakan untuk mencapainya adalah dengan

meningkatkan kualitas pelayanan konsumen, baik dalam bentuk barang maupun jasa.

Globalisation refers to all those processes by which the people of the world are

incorporated into a single world society, global society (Martin Albrow, 1990). Jadi, ketika

masyarakat dunia tergabung ke dalam suatu masyarakat yang tunggal, hal ini akan

menghasilkan suatu persaingan di kalangan industri sebagai pelaku bisnis yang

memberikan pelayanan kepada masyarakat, baik dalam bentuk barang maupun jasa.

Persaingan yang semakin kompetitif saat sekarang ini mendorong setiap pelaku bisnis

untuk memenangkan persaingan. Salah satu cara yang dapat dilakukan untuk

mencapainya adalah dengan berfokus kepada kualitas pelayanan yang diberikan.

Quality is the totality of features and characteristics of a product or service that

bears its ability to satisfy stated or implied needs (ISO 8402-1986 standard).

Berdasarkan Business Dictionary, barang atau jasa yang berkualitas adalah barang atau

jasa yang tidak memiliki cacat, kerusakan, dan variasi yang signifikan serta harus sesuai

dengan persyaratan yang dapat memuaskan konsumen. Mengingat kondisi bisnis yang

saat ini cenderung bersifat tidak pasti dan bervariasi serta ketidakmampuan para pelaku

bisnis untuk mengolah data yang bervariasi, kepuasan konsumen menjadi suatu hal

yang sangat sulit untuk diraih (Hoerl dan Snee, 2002). Alasan itulah yang mendasari

1
 setiap perusahaan untuk fokus kepada peningkatan kualitas karena kualitas

memberikan dampak langsung kepada perusahaan berupa kepuasan konsumen.

Salah satu permasalahan dalam formulasi obat adalah menentukan komposisi

bahan penyusun dalam suatu campuran. Beberapa hal yang harus ditentukan dalam

upaya menentukan komposisi optimum adalah menentukan terlebih dahulu proporsi

suatu bahan penyusun (faktor) dan total jumlah dari seluruh faktor tersebut harus dapat

dinyatakan dalam satu kesatuan unit (Sugihartini, 2013). Oleh karena itu penulis

membahas tentang Optimasi,Simplex Lattice Design dan Factorial Design.

B. TUJUAN

Adapun tujuannya yaitu :

1. Mengetahui Pengertian Optimasi,Simplex Lattice Design dan Factorial Design

2. Mengetahui Konsep Optimasi,Simplex Lattice Design dan Factorial Design

C. MANFAAT

Adapun manfaat yang diperoleh yaitu dapat mengetahui cara menentukan komposisi

optimum simplex lattice design dan factorial design, menambah ilmu tentang

Optimasi,Simplex Lattice Design dan Factorial Design.

2
 BAB II

ISI

A. OPTIMASI

Optimasi adalah suatu pendekatan empiris yang dapat digunakan untuk memperkirakan jawaban yang

tepat sebagai suatu fungsi dari variabel-variabel yang sedang dikaji sesuai dengan respon-respon

yang dihasilkan dari rancangan percobaan yang dilakukan. Untuk mendapatkan komposisi optimum dari

sebuah formula dilakukan dengan cara :

1. Coba-coba / trial and error

Merupakan cara klasik atau tradisional untuk mendapatkan komposisi formula yang optimum.

Kreatifitas formulator sangat penting, memerlukan intuisi, keberuntungan, pengulangan dan

reoptimasi. Kelemahan : proses berjalan lambat sehingga memerlukan banyak waktu, mahal

dan sering gagal, tidak memungkinkan mencari nilai optimum sebenarnya

 Sejak lama digunakan untuk mendapatkan komposisi optimum

 Kurang efisien, mahal, time consuming, sering kali gagal

 Rentang hasil diluar yang dicobakan tidak dapat diketahui adanya

kemungkinan kombinasi yang lebih baik diluar yang dicobakan tidak diketahui

2. Teknik optimasi sistematik

Dibagi menjadi :

a. Model pendekatan Independen

Lakukan studi semua pada suatu kondisi. Ulangi dengan mengubah kondisi

satu faktor, lanjutkan sengan menggunakan semua faktor pada kondisi baru

lalu ubah satu faktor dengan kondisi kedua. Lambat, mahal dan perlu banyak

uji secara bertahap tidak dapat menganalisis interaksi antara satu faktor

dengan faktor lain. Hasil percobaan sebelumnya digunakan untuk

menetapkan/mencari kondisi percobaan berikutnya dalam upaya

3
 mendapatkan hasil/respon yang optimal. Kelemahan : banyaknya percobaan

yang harus dilakukan untuk mencapai hasil yang optimal tidak diketahui

sebelumnya, sebagian dari respon tidak terinvestigasi sehingga

kemungkinan respon sub optimal, stabilitas optimum terhadap variasi-variasi

kecil sebuah parameter respon tidak terdeteksi.

1. Hasil percobaan sebelumnya digunakan untuk menetapkan / mencari kondisi

percobaan berikutnya dalam upaya untuk mendapatkan hasil / respon yang

optimal

2. Nilai yang dicari dapat berpindah dari respon yang rendah mendekati optimum

3. Kelemahan : banyaknya percobaan yang harus dilakukan untuk mencapai hasil

yang optimal tidak diketahui sebelumnya,

4. Sebagian dari bidang respon tidak terinvestigasi sehingga kemungkinan diperoleh

sub optimal

b. Model pendekatan Dependen

Sebuah variabel tergantung (respon), pada sebuah parameter formulasi

yang dapat digambarkan sebagai fungsi dari komposisi campuran dengan

model matematika. Respon diukur berdasarkan kombinasi komposisi yang

digunakan.Jumlah percobaan yang akan dilakukan dapat diprediksi

sebelumnya. Pendekatan berbasis statistic, metodelogi untuk mencapai ilmu

pengetahuan untuk keperluan prediksi untuk suatu sistem kompleks, proses

multi variabel dengan sesedikit mungkin uji/trial Ada 3 hal penting:

- Desain percobaan

- Model matematika

- Metode untuk mendapatkan hasil yang optimal

4
B. SIMPLEX LATTICE DESIGN

1. Pengertian

Salah satu permasalahan dalam formulasi obat adalah menentukan komposisi

bahan penyusun dalam suatu campuran. Beberapa hal yang harus ditentukan dalam

upaya menentukan komposisi optimum adalah menentukan terlebih dahulu proporsi

suatu bahan penyusun (faktor) dan total jumlah dari seluruh faktor tersebut harus dapat

dinyatakan dalam satu kesatuan unit (Sugihartini, 2013).

Metode Simplex lattice design (SLD) adalah cara optimasi formula pada berbagai

perbedaan jumlah komposisi bahan. Jumlah total nilai fraksi masing-masing

komponennya adalah satu. Pengukuran respon dapat dihubungkan dengan model

matematika yang cocok untuk masing-masing desain. Ada beberapa model yaitu linier,

quadratic dan spesial cubic (Bolton, 1986).

2. Persamaan umum Simplex Lattice Design

Linier model:

Y = ß1X1+ß2X2+ ß2X3................................................................................(1)

Quadratic model:

Y=ß1X1+ß2X2+ ß3X3 ß12X1X2+ ß13X1X3+ ß23X2 X3....................................(2)

Special cubic:

Y=ß1X1+ß2X2+ß3X3 ß12X1X2+ß13X1X3+ß23X2 X3+ß123X1 X2 X3.............(3)

Keterangan:

X1 X2 X3 = Fraksi campuran komponen

ß1, ß2, ß3, ß12, ß13, ß23, ß123 = Koefisien regresi (dihitung berdasarkan respon

percobaan)

Dalam optimasi model simplex lattice design, jumlah sesungguhnya suatu

komponen dalam campuran, diterjemahkan sebagai proporsi yang merupakan

bilangan nol atau positif dan tidak boleh berupa bilangan negatif.

5
Komponen dari X1, X2, ........Xq adalah:

0≤Xi≤1............................................................................................................(4)

Dimana Xi adalah no.1 sampai q. Jumlah seluruh faktor tersebut merupakan satu

kesatuan sehingga

X1+X2+Xq+.....=1.........................................................................................(5)

Apabila dalam penelitian terdapat tiga komponen, maka akan diperoleh kurva

respon yang berupa dua dimensi berbentuk segitiga sama sisi. Proporsi setiap faktor

dapat dinyatakan berdasarkan panjang pada setiap sisinya. Ketiga komponen

dinyatakan sebagai A, B dan C. Setiap sudut menyatakan setiap komponen dimana

total komponen adalah 1. Misal pada sudut A maka hanya mengandung komponen A

dengan proporsi = 1, sedang komponen B dan C mempunyai nilai proporsi = 0, garis

AB merupakan komposisi dari 50% A dan 50% B, garis BC merupakan komposisi dari

50% B dan 50% C, sedangkan garis AC merupakan komposisi dari 50% A dan 50%

C dimana untuk pihak ketiga bernilai 0. Untuk komposisi tiga bahan ABC maka 33,3%

A, 33,3% B dan 33,3% C.

Persamaan untuk tiga komponen adalah model special cubic yang dirumuskan

sebagai berikut:

Y=ß1(A)+ß2(B)+ß3(C)+ß12(A)(B)+ß13(A)(C)+ß23(B)(C)+ß123(A)(B)(C).....(6)

Keterangan:

Y = Respon hasil percobaan

ß1 = koefisien yang didapat dari percobaan dengan A = 1 bagian (100%)

ß2 = koefisien yang didapat dari percobaan dengan B = 1 bagian (100%)

ß3 = koefisien yang didapat dari percobaan dengan C = 1 bagian (100%)

ß12 = koefisien dengan A dan B masing-masing 0,5 bagian (50%)

ß13 = koefisien dengan A dan C masing-masing 0,5 bagian (50%)

ß23 = koefisien dengan B dan C masing-masing 0,5 bagian (50%)

6
 ß123 = koefisien yang didapat dari percobaan dengan A, B dan C masing-masing

0,33 bagian (33,3%).

Koefisien regresi diperoleh dari persamaan masing-masing respon yang dikehendaki.

Berdasarkan persamaan respon tersebut didapatkan contour plot yang

menggambarkan profil respon (Armstrong dan James, 1996; Bolton, 1986).

Y = a(A) + b(B) + ab(A)(B)

Keterangan:

Y = Respon

(A)(B) = Proporsi A dan B

a,b,ab = Koefisien yang diperoleh dari hasil percobaan

3. Metode Simplex Lattice Design

Ada beberapa metode yang dapat dilakukan untuk mendapatkan optimasi formula.

Salah satunya adalah metode simplex lattice design, metode ini cocok untuk prosedur

optimasi formula dimana jumlah total dari bahan yang berbeda adalah konstan.

Pelaksaan metode simplex lattice design yaitu dengan mempersiapkan formulasi yang

bervariasi terdiri dari kombinasi bahan tambahan ( Bolton, 1997 ).

Untuk dua komponen atau faktor persamaan yang digunakan adalah :

Y = a (A) + b (B) + ab(AB)……………………(1)

Keterangan :

Y = Respon

a, b, ab = koefisien yang didapat dari percobaan

7
 (A), (B) = Fraksi komponen dengan syarat: 0≤ (A) ≤ 1, 0≤ (B) ≤ 1,( A+B)=1

Nilai koefisien a, b dan ab didapatkan dengan cara memasukkan respon yang didapat dari hasil

percobaan ke dalam persamaan diatas. Setelah didapatkan nilai a, b dan ab, maka dapat diprediksi

perhitungan dari tiap perbandingan fraksi komponen A dan B. Berdasarkan nilai-nilai respon

(Y) dari setiap perbandingan fraksi komponen A dan B tersebut dapat diketahui profil efek campuran

terhadap respondan berdasarkan profil tersebut dapat ditentukan komposisi A dan B yang dapat

memberikan respon optimum seperti yang diinginkan.

Untuk penerapan 2 komponen atau faktor perlu dilakukan 3 percobaan yaitu

percobaan yang menggunakan 100%A, 100%B dan campuran 50%A dan 50%B.

Contoh penerapan persamaan :

Misal percobaan yang menggunkan pelarut A 100% dapat melarutkan zat 25 mg/ml.

Percobaan yang menggunakan pelarut B 100% dapat melarutkan zat 35 mg/ml.

Sedangkan yang menggunakan pelarut campuran 50%A dan 50%B dapat melarutkan

zat 45 mg/ml.

Cara menghitung koefisien :

Koefisien a : dihitung dari percobaan yang menggunakan pelarut A100%, berarti (A) = 1

dan (B)=0,Y= 25 mg/ml

25 =a(A)+b(B)+ab(A)(B)

25 =a(1)+b(0)+ab(1)(0)

25=a

Jadi,a=25

8
Koefisien b : dihitung dari percobaan yang menggunakan pelarut B100%, berarti (A) = 0

dan (B)=1,Y=35mg/ml.

35=a(A)+b(B)+ab(A)(B)

35=a(0)+b(1)+ab(0)(1)

35=b

Jadi,b=35

Koefisien ab : dihitung dari percobaan yang menggunakan campuran pelarut A50% dan

B50%,berarti (A)=0,5dan (B)=0,5,Y=45mg/ml

45=a(A)+b(B)+ab(A)(B)

45=a(0,5)+b(0,5)+ab(0,5)(0,5)

45=25(0,5)+35(0,5)+ab(0,5)(0,5)

45=12,5+17,5+ab(0,25)

45=30+ab(0,25)

15=ab(0,25)

60=ab

Jadi,ab=60

Jadi persamaannya : Y=25(A)+35(B)+60(A)(B)

Dari persamaan tersebut kita dapat menentukan profil hubungan kelarutan zat dengan

campuran pelarut. Misalnya dalam campuran pelarut A 65% dan 35% maka kelarutan

zat adalah :

Y=25(A )+35(B)+60(A)(B)

Y=25(0,65)+35(0,35)+60(0,65)(0,35)

Y=16,25+12,25+13,65=42,15 mg/ml

Berdasarkan profil sifat – sifat dapat ditentukan campuran span 60 – tween 60 dengan

kadar optimum untuk digunakan sebagai surfaktan krim yang memenuhi persyaratan.

9
 Selain itu campuran optimum span 60 – tween 60 dipilih berdasarkan total respon

tertinggi. Total respon dapat dihitung dengan rumus :

Rtotal=R1+R2+R3...+Rn...............................................(2)

Dimana R1,2,3, …n adalah respon dengan masing – masing sifat krim, masing – masing

respon diberi bobot dan jumlah total bobot adalah 1. Karena satuan masing – masing

respon tidak sama, maka perlu distandarisasi penilaian respon dengan menggunakan

rumus berikut :

N=(X–Xmin)/(Xmax–Xmin)..............................................(3)

Dimana,x=respon yang didapat dari percobaan

xmin = respon minimal yang diinginkan

xmax = respon maksimal yang diinginkan

Jadi R dapat dihitung dengan mengkalikan N dengan bobot yang telah ditentukan,

perhitungan respon totalnya menjadi :

Rtotal = (bobot x Nviskositas) + (bobot x Ndaya sebar) + (bobot x Ndaya lekat)..(4)

Formula optimum terpilih dengan melihat harga respon tertinggi (Bolton, 1997).

C. FACTORIAL DESIGN

1. Pengertian

Eksperimen Faktorial (Factorial designs) adalah eksperimen yang semua level

sebuah faktor tertentu dikombinasikan (disilangkan) dengan semua level tiap

faktor lainnya yang ada di dalam eksperimen.

 Aplikasi persamaan regresi yaitu teknik untuk memberikan model hubungan antara

variabel respon dengan satu atau lebih variabel bebas

 Desain faktorial digunakan dalam percobaan untuk menentukan secara simulasi efek dari

beberapa faktordan interaksinya yang signifikan

10
 Rancangan faktorial digunakan apabila eksperimen terdiri atas dua faktor atau lebih.

Desain faktorial memungkinkan kita melakukan kombinasi antar level faktor. Pada tiap

kombinasi faktor, jumlah replikasi yang dilakukan sebanyak n. Dalam desain faktorial,

jumlah level di tiap level faktor dan atau jumlah replikasi yang dilakukan mungkin tidak

sama. Desain faktorial seperti ini sering disebut unbalanced desain faktorial.

2. Ciri-ciri Desan Rancangan Faktorial

Eksperimen faktorial mempunyai ciri-ciri khusus, diantaranya:

1. Terdiri dari beberapa faktor (perlakuan).

2. Setiap faktor terdiri dari beberapa taraf.

3. Setiap faktor diselidiki secara bersamaan.

4. Penamaan rancangan dengan cara menambahkan perkalian antara banyak taraf

faktor yang satu dengan banyak taraf faktor yang lain.

3. Jenis-jenis Desain Rancangan Faktorial

- Rancangan faktorial 2k yaitu analisis rancangan faktorial yang menyangkut k buah

faktorial (perlakuan) dengan tiap faktor hanya terdiri dari 2 buah taraf atau

ulangan. Misalnya desain eksperimen dengan 2 faktor, A dan B, yang masing-

masing terdiri atas 2 taraf maka akan ditulis sebagai rancangan faktorial 2 2. Jadi

jika 3 faktor, maka 23, dan seterusnya.

- Rancangan faktorial 3k yaitu analisis rancangan faktorial yang menyangkut k buah

faktor (perlakuan) dengan tiap faktor hanya terdiri dari 3 buah taraf atau ulangan.

Rancangan faktorial tersarang yaitu analisis dengan sifat bahwa taraf faktor yang

satu tersarang dalam faktor lain sehingga tidak akan terjadi interaksi antara 2

faktor. Karenanya jika faktor A yang bertaraf a buah dan faktor B yang bertaraf b

11
 buah membentuk suatu eksperimen tersarang, tidak akan diperoleh suku interaksi

AB dalam model matematisnya

4. Alat dan bahan yang digunakan dalam Factorial Design adalah :

- Komputer

- Software SPSS

- Data penelitian

5. Contoh Percobaan

Sebuah penelitian bertujuan untuk meneliti pengaruh pemupukan nitrogen terhadap

pertumbuhan 3 spesies pinus (A, B, dan C).dosis yang digunakan yaitu kontrol 0 kg/ha,

100 kg//ha dan 150 kg/ha. Rata-rata pertumbuhan dari berbagai plot tersaji pada tabel

berikut:

Tabel 1

1. Prosedur Kerja

Buat tabel penolong di dari tabel 1 di atas sebagai berikut:

12
 Tabel 2

2. Langkah-Langkah Komputasi

1. Entri data pada tabel 2 kedalam bentuk Data View untuk format data SPSS data

viewer:

13
 2. Klik Variable View pada pojok kiri bawah layar

3. Pada kolom Value definisikanlah masing-masing kode sebagai berikut:

Untuk Baris Spesies:

 Ketik 1 pada kolom Value, ketik Spesies A pada kolom Value Label, kemudian

klik Add

 Ketik 2 pada kolom Value, ketik Spesies B pada kolom Value Label, kemudian

klik Add

 Ketik 3 pada kolom Value, ketik Spesies C pada kolom Value Label, kemudian

klik Add

Untuk Baris Dosis

 Ketik 1 pada kolom Value, ketik Dosis 0 kg/ha pada kolom Value Label,

kemudian klik Add

14
  Ketik 2 pada kolom Value, ketik Dosis 100 kg/ha pada kolom Value Label,

kemudian klik Add

 Ketik 3 pada kolom Value, ketik Dosis 150 kg/ha pada kolom Value Label,

kemudian klik Add

Untuk Baris Blok

 Ketik 1 pada kolom Value, ketik Blok I pada kolom Value Label, kemudian klik

Add

 Ketik 2 pada kolom Value, ketik Blok II pada kolom Value Label, kemudian klik

Add

 Ketik 3 pada kolom Value, ketik Blok III pada kolom Value Label, kemudian klik

Add

4. Klik Analyze | General Linier Model | Univariate |

Pindahkan variable “Tinggi” kedapam kolom Dependent List, dan Variable “Spesies,

Dosis, Blok” ke kolom Factor

15
5. Klik Model

Maka akan tampil kotak dialog Univariate Model. Pada kolom Specify Model, pilih

Custom, kemudian sorot variable Spesies Dosis dan Blok, pindahkan satu-satu ke dan interaksi

Spesies dan dosis, maka sorot secara bersamaan Spesies dan Dosis pindahkan secara

bersamaan kolom Model . Pada Build Term(s), pilih menu Interaction setelah itu Continue

Klik Post Hoc untuk uji lanjut. Sorot variable Alat dan Metode, kemudian pindahkan ke

kolom Post Hoc Test for: Pada kolom Equal Variances Assumed pilih Duncan kemudian klik

Continue

16
6. Klik OK

Interpretasi Output SPSS

Pada kolom ini terlihat ringkasan mengenai sejumlah (N) yang dianalisis, baik pada variabel

Metode maupun Alat.

Tabel Univariat Anova, Between-Subjects Factors

Bagian ini menyajikan analisis ragam untuk menguji pengaruh metode penyimpanan dan

alat yang digunakan terhadap lama pembusukan

17
 Tabel Univariat Anova, Test of Between-Subjects Factors

Uji Signifikasi Spesies

Hipotesis

- H₀ : terdapat perbedaan yang tidak signifikan antara spesies A, B dan C

- H₁ : terdapat perbedaan yang signifikan antara spesies A, B dan C

Dasar pengambilan keputusan

- Jika Fhitung< Ftabel atau probabilitasnya > 0,05 maka H₀ diterima

- Jika Fhitung> Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak

Keputusan

Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar

5,380 dan probabilitasnya sebesar 0,015 (<0,05) sehingga H₀ ditolak. Dengan

demikian dapat disimpulkan bahwa antara spesies A, B dan C terdapat perbedaan

yang berarti (signifikan). Ada beberapa kemungkinan yang terjadi, maka untuk

mengetahui letak perbedaannya perlu untuk menguji lebih lanjut (Post Hoc Test).

18
 Homogeneous Subsets

Tabel Post Hoc Test, Spesies

Pada tabel di atas populasi-populasi yang mempunyai rata-rata sama dapat

dikelompok-kelompokkan menjadi dua subset. Dapat dilihat bahwa ketiga spesies

dikelompokkan menjadi dua subset.

- Subset 1 : Spesies B dengan nilai rata-rata

- Subset 2 : Spesies A dengan C dari keduanya spesies C direkomendasikan

karena mempunyai nilai rata-rata tertinggi.

Uji Signifikasi Dosis

Hipotesis

- H₀ : Ketiga dosis mempunyai pengaruh pertumbuhan pinus yang tidak signifkkan

- H₁ : Ketiga dosis mempunyai pengaruh pertumbuhan pinus yang signifikan

Dasar pengambilan keputusan

- Jika Fhitung< Ftabel atau probabilitasnya > 0,05 maka H₀ diterima

19
- Jika Fhitung> Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak

Keputusan

Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar

7,358 dan probabilitasnya sebesar 0,005 (<0,05) sehingga H₀ ditolak. Dengan demikian

dapat disimpulkan bahwa ketiga dosis yang digunakan memberikan perbedaan

pertumbuhan pinus yang berarti (signifikan). Ada beberapa kemungkinan yang terjadi,

maka untuk mengetahui letak perbedaannya perlu untuk menguji lebih lanjut (Post Hoc

Test).

Homogeneous Subsets

Tabel Post Hoc Test, Dosis

Pada tabel di atas populasi-populasi yang mempunyai rata-rata sama dapat

dikelompok-kelompokkan menjadi dua subset. Dapat dilihat bahwa ketiga spesies

dikelompokkan menjadi dua subset.

- Subset 1 : Dosis 100 kg/ha = Dosis 150 kg/ha, dari keduanya Dosis 150

direkomendasikan karena mempunyai nilai rata-rata tertinggi.

- Subset 2 : Dosis 0 kg/ha.

20
Uji Signifikasi Interaksi Dosis dan Spesies (Dosis*Spesiess)

Hipotesis

- H₀ : terdapat interkasi yang tidak signifikan antara dosis dan spesies

- H₁ : terdapat interkasi yang signifikan antara dosis dan spesies

Dasar pengambilan keputusan

- Jika Fhitung< Ftabel atau probabilitasnya > 0,05 maka H₀ diterima

- Jika Fhitung> Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak

Keputusan

Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar 13,103

dan probabilitasnya sebesar 0,000 (<0,05) sehingga H₀ ditolak. Dengan demikian dapat

disimpulkan bahwa dosis yang digunakan memberikan pengaruh pertumbuhan pohon

pinus yang berarti (signifikan).

21
 BAB III

PENUTUP

A. KESIMPULAN

1. Dalam industri kita memerlukan pengoptimasian produk, khusunya

dibidang farmasi dilakukan karena untuk mengatasi permasalahan dalam

formulasi obat yaitu menentukan komposisi bahan penyusun dalam suatu

campuran. Dalam pengoptimasian ini dapat dilakukan 2 cara yaitu

Simplex Lattice Design dan Factorial Design.

2. Optimasi adalah suatu pendekatan empiris yang dapat digunakan untuk

memperkirakan jawaban yang tepat sebagai suatu fungsi dari variabel-

variabel yang sedang dikaji sesuai dengan respon-respon yang dihasilkan dari

rancangan percobaan yang dilakukan

3. Metode Simplex lattice design (SLD) adalah cara optimasi formula pada

berbagai perbedaan jumlah komposisi bahan. Jumlah total nilai fraksi

masing-masing komponennya adalah satu

4. Eksperimen Faktorial (Factorial designs) adalah eksperimen yang

semua level sebuah faktor tertentu dikombinasikan (disilangkan) dengan

semua level tiap faktor lainnya yang ada di dalam eksperimen.

B. SARAN

Dalam pengoptimasian produk farmasi menggunakan metode OPTIMASI

Simplex Lattice Design dan Factorial Design harus diaplikasikan dengan teliti

agar dapat memperoleh hasil yang diharapkan karena metode ini menggunakan

rumus-rumus yang apabila terdapat kesalahan kecil akan berpengaruh pada

hasil yang diharapkan atau produk akhir.

22