Pemilihan Kombinasi Level Faktor Optimal Pengukuran Implementasi

533 , 77 467 , 18 96 Sq S Sq D T pooled = − = − = Tabel 5.19. Tabel Hasil Pooling Parsial II Faktor Pooled Sq V Mq F-hitung Sq’ A Y 3,125 1 3,125 - - B Y 0,125 1 0,125 - - C Y 0,125 1 0,125 - - D - 18,875 1 18,875 46,262 18,467 E Y 1,125 1 1,125 - - F - 1,125 1 1,125 - - Error - 33,25 88 0,374 1 - Pooled II - 38,375 94 0,406 - 77,533 S T 96 95 96,000 Pada tabel di atas dapat diketahui bahwa faktor D dan F memiliki nilai F hitung lebih besar dari 3,960 sehingga faktor-faktor tersebut tidak perlu dipool. Dari hasil pooling parsial I dan II, dapat diketahui bahwa faktor yang paling berpengaruh terhadap karakteristik kualitas produksi TBS menjadi CPO adalah faktor D yaitu tekanan pada perebusan.

5.2.7. Pemilihan Kombinasi Level Faktor Optimal

Berdasarkan pengolahan data di atas diperoleh bahwa faktor yang berpengaruh terhadap kualitas CPO adalah tekanan pada perebusan D. Karakteristik kualitas yang digunakan adalah smaller the better maka pemilihan level faktor berdasarkan nilai level yang terkecil yaitu faktor D level 2. Universitas Sumatera Utara Untuk faktor A, B, C, E, F, G nilai level faktor terpilih dari nilai level terkecil seperti dalam pemilihan level faktor D dengan menggunakan Tabel 5.11. sehingga menghasilkan kombinasi setting optimal A 2 , B 1, C 2, D 2, E 1 , F 1 dan G 2 . Tabel 5.20. Setting Percobaan Terpilih Faktor Level Satuan Kematangan Buah A Matang - Lama Penimbunan di Loading Ramp B 1 hari Holding Time C 48 menit Tekanan pada Perebusan D 3 kgcm 2 Kecepatan Putar di Thresher E 22 rpm Tekanan Pressan F 34 bar Temperatur di unit Klarifikasi G 90 C

5.2.8. Perhitungan Prediksi Rata-rata dan Selang Kepercayaan

1. Prediksi Rata-rata

Faktor yang berpengaruh Secara signifikan terhadap kualitas produk adalah faktor D 2 . Dari setting yang ada diharapkan hasil produksi TBS menjadi CPO yang tidak sesuai dengan standar kualitas dapat ditekan seminimal mungkin sesuai target karakteristik yang ingin dicapai adalah smaller the better. Rata-rata prediksi akan dihitung dengan cara sebagai berikut: 2396 , 96 23 f f p t I I = = = − Y = fraksi kelas I = ρ I = 0,2396 250 , 12 3 D p 2 D 2 = = µ = Universitas Sumatera Utara 25 250 , 2396 , 250 , 2396 , Y Y 2 D predicted = =       − + =       − µ + = µ − −

2. Selang Kepercayaan Prediksi

Selang kepercayaan prediksi rata-rata: F 0,051,90 = 3,960 V eII = 0,408 5 , 47 1 1 95 V V V D T T eff = + = + = η 250 , predicted = µ 1844 , 5 , 47 1 408 , 960 , 3 n 1 V F Cl eff e 90 , 1 , 05 , ± =       × × =       × × = Maka, predicted predicted predicted predicted predicted Cl Cl + µ ≤ µ ≤ − µ 1844 , 250 , 250 , 1844 , 250 , + ≤ ≤ − 4344 , 250 , 0656 , ≤ ≤ Universitas Sumatera Utara

5.2.9. Pelaksanaan Eksperimen Konfirmasi

Percobaan konfirmasi dengan menggunakan kombinasi setting A 2 , B 1, C 2, D 2, E 1, F 1 dan G 2 berdasarkan penelitian dengan metode Taguchi dengan jumlah produk sebanyak 12 kali setiap pengukuran sesuai pada saat percobaan awal. Tabel 5.21. Setting Percobaan Terpilih Pengukuran Accept Reject Proporsi Cacat 1 9 3 0,250 2 10 2 0,167 3 10 2 0,167 4 9 3 0,250 5 10 2 0,167 6 10 2 0,167 7 9 3 0,250 8 10 2 0,167 Jumlah 77 19 1,585 Rata-rata 9,625 2,375 0,1981

1. Selang Kepercayaan Percobaan Konfirmasi

Selang kepercayaan pada percobaan konfirmasi: F 0,051,90 = 3,960 V eII = 0,408 250 , predicted = µ 50 , 47 1 1 95 V V V D T T eff = + = + = η 1981 , konfirmasi = µ Universitas Sumatera Utara 1844 , 5 , 47 1 408 , 960 , 3 n 1 V F Cl eff e 91 , 1 , 05 , ± =       × × =       × × = predicted konfirmasi konfirmasi predicted konfirmasi Cl Cl + µ ≤ µ ≤ − µ 1844 , 1981 , 1981 , 1844 , 1981 , + ≤ ≤ − 3825 , 1981 , 0137 , ≤ ≤

5.3. Pemecahan Masalah

Untuk pemecahan masalah akan dilakukan tahap pengukuran hasil implementasi dan uji proporsi untuk menentukan besarnya penurunan cacat.

5.3.1. Pengukuran Implementasi

Setelah tahap percobaan konfirmasi dilakukan maka dilakukan tahap implementasi dengan menggunakan kombinasi level faktor optimal yaitu: A 2 , B 1, C 2, D 2, E 1, F 1 dan G 2 untuk melihat apakah proporsi persentase cacat mengalami penurunan dalam mendukung pemilihan kombinasi faktor yang optimal tersebut. Universitas Sumatera Utara Tabel 5.22. Proporsi Cacat Implementasi No. Tanggal Frekwensi Produksi n Frekwensi Cacat n ρ Proporsi ρ UCL LCL 1 1-Maret-2012 10 1 0,100 1.1648 2 2-Maret-2012 14 2 0,143 0.8635 3 3-Maret-2012 12 2 0,167 0.8635 4 5-Maret-2012 13 2 0,154 0.8635 5 6-Maret-2012 17 2 0,118 0.8635 6 7-Maret-2012 14 2 0,143 0.8635 7 8-Maret-2012 12 1 0,083 1.1648 8 9-Maret-2012 15 2 0,133 0.8635 9 10-Maret-2012 16 3 0,188 0.7300 10 12-Maret-2012 10 1 0,100 1.1648 11 13-Maret-2012 12 2 0,167 0.8635 12 14-Maret-2012 16 2 0,125 0.8635 13 15-Maret-2012 13 2 0,154 0.8635 14 16-Maret-2012 14 2 0,143 0.8635 15 17-Maret-2012 15 2 0,133 0.8635 16 19-Maret-2012 10 1 0,100 1.1648 17 20-Maret-2012 18 3 0,167 0.7300 18 21-Maret-2012 17 2 0,118 0.8635 19 22-Maret-2012 19 2 0,105 0.8635 20 24-Maret-2012 14 2 0,143 0.8635 21 26-Maret-2012 15 2 0,133 0.8635 22 27-Maret-2012 13 2 0,154 0.8635 23 28-Maret-2012 17 3 0,176 0.7300 24 29-Maret-2012 15 2 0,133 0.8635 25 30-Maret-2012 19 2 0,105 0.8635 Jumlah 360 49 3,384 Rata-rata 14,400 1,960 0,135 Universitas Sumatera Utara

5.3.2. Peta Kendali p untuk Percobaan Implementasi