Apabila nilai F test lebih kecil nilai F
tabel
F
hitung
F
tabel
, maka hipotesa H ditolak dan berarti ada perbedaan perlakuan.
3. Strategi pooling up
Strategi pooling up dirancang untuk mengestimasi variansi error pada analisis varians.Strategi ini menguji F efek kolom terkecil terhadap yang lebih besar
berikutnya untuk melihat kesignifikannya.Strategi pooling up cenderung memaksimalkan jumlah kolom yang dipertimbangkan signifikan. Dengan
keputusan signifikan faktor-faktor tersebut akan digunakan dalam putaran percobaan selanjutnya.
4. Rasio SN
Rasio SN rasio Signal-To-Noise digunakan untuk memilih faktor-faktor yang memiliki konstribusi pada pengurangan variasi suatu respon. Rasio SN
merupakan rancangan untuk transformasi pengulangan data ke dalam suatu nilai yang merupakan ukuran variasi yang timbul Rasio SN terdiri dari
beberapa tipe karakteristik kualitas, yaitu: a.
Semakin kecil, semakin baik Adalah karakteristik kualitas dengan batas nilai 0 dan non negatif.Nilai
semakin kecil mendekati nol adalah yang diinginkan. SN = - 10 log
�
1 n
∑ Y
i 2
r i=1
�
Dimana: n = jumlah pengulangan dari suatu trial
b. Tertuju pada nilai tertentu
Karakteristik kualitas dengan nilai atau target tidak nol dan terbatas. Atau dengan kata lain nilai yang mendekati suatu nilai yang ditentukan adalah
yang terbaik. SN = - 10 log V
e
SN = - 10 log
�
V
m
- V
e
nV
e
�
c. Semakin besar, semakin baik
Karakteristik kualitas dengan rentang nilai tak terbatas dan non- negatif.Nilai semakin besar adalah semakin diinginkan.
SN = - 10 log
�
1 n
∑
1 Y
i 2
r i=1
�
3.7.4. Interprestasi Hasil Eksperimen
Dalam menganalisa hasil eksperimen dari taguchi ini menggunakan analisis varians, yaitu perhitungan jumlah kuadrat S
T
, S terhadap rata-rata S
n
, S faktor atau S error S
e
. Interpretasi dilakukan antara lain: 1.
Persen kontribusi Merupakan porsi masing-masing faktor dan interaksi faktor yang signifikan
terhadap total variansi yang diamati. Persen kontribusi adalah: ρ =
SS
A
SS
T
x 100
Jika persen kontribusi error ≤ 15 maka berarti tidak ada faktor yang
berpengaruh terabaikan.Tetapi jika ≥ 50 artinya behwa terdapat faktor yang
berpengaruh terabaikan dan error yang hadir terlalu besar. 2.
Interval kepercayaan Interval kepercayaan Convidence Interva; CI dihitung dalam tiga kondisi,
yaitu: a. Interval kepercayaan untuk level faktor CI
1
CI
1
=
�
F
α;1;Ve
MS
e
n Dimana:
F
α;1;V
e
= rasio F α
= resiko V
1
= 1 V
e
= derajad kebebasan error MS
e
= rata-rata uadrat error n
= jumlah yang diuji pada suatu kondisi tersebut b. Interval kepercayaan pada kondisi perlakuan yang diprediksi CI
2
CI
2
=
�
F
α;1;Ve
MS
e
n
eff
Dimana: n
eff
=
N 1+jumlah doff yang berhubungan dengan estimasi A
N =
jumlah data percobaan
c. Interval kepercayaan untuk memprediksi eksperimen konfirmasi CI
3
CI
3
=
�F
α;1;V
e
MS
e
��
1 n
eff
� + �
1 r
��
Dimana: r
= jumlah sampel pada percobaan konfirmasi dan r ≠ 0
V
2
= derajat kebebasan varian kesalahan pooling n
eff
= jumlah pengulangan efektif
3.7.5. Eksperimen Konfirmasi
Percobaan konfirmasi adalah percobaan yang dilakukan untuk memeriksa kesimpulan yang didapat. Tujuan percobaan konfirmasi adalah untuk memverifikasi
dugaan yang dibuat pada saat model performansi penentuan faktor dan interaksinya dan setting parameter faktor yang optimum hasil analisis hasil percobaan pada
performansi yang diharapkan. Langkah-langkah eksperimen konfirmasi adalah sebagai berikut:
1.
Merancang kondisi optimum untuk faktor dan level signifikan
2.
Membandingkan rata-rata dan variasi hasil percobaan konfirmasi dengan rata- rata dan variansi yang diharapkan
Eksperimen konfirmasi dinyatakan berhasil jika: 1.
Terjadi perbaikan dari hasil proses yag ada 2.
Hasil dari eksperimen konfirmasi dekat dengan nilai yang diprediksi
3.8. Fault Tree Analysis
11
11
Stuart,Glen. 1993. Taguchi Methods.Addison-Wesley:United State of America, hal 39-41
Fault Tree Analysis awalnya digunakan untuk mendeteksi potensi masalah keselamatan dan keandalan, Fault Tree Analysis alat yang sangat terstruktur dan
formal untuk memfasilitasi perencanaan eksperimen.Teknik pertama terdaftar melibatkan kekhawatiran pelanggan utama atau potensi masalah area.Untuk setiap
masalah atau potensi masalah, kondisi diidentifikasi yang baik bisa mengakibatkan terjadinya peristiwa masalah atauefeknya.Garis dapat ditarik dari
masing-masing penyebab masalah. Diagram potensi kejadian paling atas dan menyebar dari baris ke berbagai penyebab yang terkait dengan setiap masalah
memberikan efek bergambar pohon. Setelah diagram pohon telah dibuat, pengawasan yang lebih ketat dapat
diberikan kepada setiap penyebab atau kondisi termasuk pada pohon. Visi yang lebih jelas tentang apa tujuan spesifik harus dapat berfungsi sebagai panduan
dalam menentukan apa yang akan diukur dalam percobaan. Selain pernyataan yang lebih jelas dan lebih tepat dari tujuan atau kriteria pengukuran lebih
langsung dan bermakna, Fault Tree Analysis juga dapat membantu mengidentifikasi faktor-faktor yang harus incoporated dalam studi dan termasuk
dalam matriks eksperimen.Untuk menghilangkan kondisi atau mengurangi efeknya pada masalah utama juga membantu mengklasifikasikan sebagai faktor
kontrol atau faktor ganguan.
3.8.1. Langkah-langkah dalam Pelaksanaan Fault Tree Analysis
12
Fault Tree Analysis FTA memerlukan langkah-langkah sebagai berikut:
12
Stamatelatos, Michaell. 2002. Fault Tree Handbook with Aerospace Application. NASA: Washington D.C. hal 22-24
