Tes F Strategi Pooling Up Signal To Noise Ratio SN Ratio

= N T n A i k i 2 2 1               SS e = jumlah kuadrat kesalahan = SS T - SS A SS T = jumlah kuadrat total = N T ij y k i n j 2 1 1 2           k = jumlah taraf faktor A n = jumlah pengamatan pada faktor A taraf ke-1 N = jumlah keseluruhan pengamatan = k x n T = jumlah dari semua pengamatan =   k i n j ij y A i = level ke–i faktor A A i = y i =   n j ij y 1

2.6.6 Tes F

Hasil analisis varians tidak membuktikan adanya perbedaan perlakuan dan pengaruh faktor dalam percobaan. Pembuktian ini dilakukan dengan tes hipotesa F. Pengujian hipotesa dalam suatu percobaan adalah : H = tidak ada pengaruh perlakuan sehingga: k j        ...... 2 1 . H 1 = ada pengaruh perlakuan sehingga sedikit ada satu  yang tidak sama. Apabila nilai tabel test F F  maka hipotesa H diterima berarti tidak ada pengaruh perlakuan. Namun jika nilai maka hipotesa H tabel test F F  ditolak dan berarti ada perbedaan perlakuan Ross, 1989.

2.6.7 Strategi Pooling Up

Strategi Pooling Up dirancang Taguchi untuk mengestimasi variansi error pada ANOVA sehingga estimasi yang dihasilkan akan lebih baik karena strategi ini akan mengakumulasikan beberapa variansi error dari beberapa faktor yang kurang berarti. Strategi ini menguji F efek kolom terkecil terhadap yang lebih besar berikutnya untuk melihat taraf signifikasi. Dalam hal ini jika tidak ada rasio F signifikan yang muncul maka kedua efek tersebut digabung untuk menguji kolom yang lebih besar berikutnya sampai rasio F signifikan muncul sehingga jumlah derajat bebas dari error mencapai ½ dari derajat bebas total. Strategi Pooling Up cenderung memaksimalkan jumlah kolom agar tetap signifikan. Dengan keputusan signifikan faktor–faktor tersebut akan digunakan dalam percobaan selanjutnya atau dalam desain produk atau proses. Ross,1989 :93.

2.6.8 Signal To Noise Ratio SN Ratio

Adalah suatu transformasi dari replikasi data menjadi nilai yang lain dengan cara mengukur variansi yang timbul. SN ratio dapat memperkuat beberapa replikasi menjadi suatu nilai yang bergantung pada variasi yang terjadi. Penggunaannya untuk mengetahui level faktor mana yang berpengaruh pada hasil eksperimen. SN ratio terdiri dari beberapa tipe karakteristik kualitas, yaitu: Belavendram,1995:148 1. Smaller the better s-t-b Adalah karakteristik kualitas dengan batas nilai 0 dan non negatif. Nilai semakin kecil atau mendekati nol adalah yang terbaik. Permasalahan pada karakteristik ini adalah tidak adanya factor scalling atau faktor penyesuaian lain. Maka secara sederhana kerugian diminimalkan tanpa penyesuaian. Kerugian =          n i i y n k MSD k 1 2 1  =   MSD 10 log 10          n i i y n 1 2 10 1 log 10   2 2 10 log 10 y     2. Nominal the best n-t-b Adalah karakteristik kualitas dengan nilai tidak nol dan terbatas. Nilai yang mendekati suatu nilai yang telah ditentukan adalah yang terbaik.         2 2 10 log 10       n i i y n 1 1    2 1 2 1     n i i y n   3. Larger the better l-t-b Adalah karakteristik kualitas kontinyu, non negatif dan dapat mengambil nilai dari nol sampai . Nilai targetnya tidak nol, idealnya sebesar mungkin. Permasalahan juga dikarenakan tidak adanya faktor penyesuaian.   MSD 10 log 10              n i i y n 1 2 10 1 1 log 10 kerugian = k =   MSD         n i i y n k 1 2 1 1

2.6.9 Robustness