<![CDATA[Penelitian ini merupakan studi awal dalam pengembangan kerangka Hibrida Taguchi–Optimasi Bayesian untuk identifikasi dan optimasi parameter proses produksi biskuit dengan tujuan meminimalkan tingkat cacat produk. Penelitian menggunakan pendekatan kuantitatif eksperimental dengan empat parameter proses, yaitu suhu pemanggangan, waktu pemanggangan, kecepatan konveyor, dan kadar air adonan. Rancangan eksperimen disusun menggunakan Orthogonal Array Taguchi L9(3⁴) dengan tingkat cacat sebagai respon berkarakteristik Smaller-the-Better. Hasil analisis Signal-to-Noise Ratio menunjukkan bahwa suhu pemanggangan merupakan faktor dengan pengaruh terbesar, diikuti kadar air adonan, waktu pemanggangan, dan kecepatan konveyor. Kombinasi level optimum berdasarkan analisis Taguchi diperoleh pada A2–B1–C2–D2. Selanjutnya, sembilan titik eksperimen digunakan sebagai initial design points untuk mengembangkan model Gaussian Process Regression (GPR) sebagai surrogate model dalam kerangka Bayesian Optimization. Hasil evaluasi menggunakan Leave-One-Out Cross-Validation menunjukkan bahwa kernel Matern 3/2 memberikan hasil terbaik dengan RMSE 0,01531, MAE 0,01293, MAPE 15,98%, dan predictive Q² sebesar −0,279. Hasil tersebut menunjukkan bahwa model GPR dari data awal masih memiliki kemampuan prediksi terbatas. Temuan ini menjadi dasar untuk pengembangan tahap berikutnya melalui penambahan eksperimen adaptif guna memperkuat model dan memperoleh kondisi optimum yang tervalidasi.]]>
