2. Number of factor levels, jumlah level dan setting level yang dipilih
tergantung pada sejauh mana kita mengetahui proses atau produk yang akan diteliti.
3. Range of factor levels, semakin luas jarak yang digunakan dalam
eksperimen, maka kemungkinan ditemukannya efek dari faktor yang ada dalam penentuan karakteristik kualitas akan semakin baik.
4. Feasibility of factor levels, dalam pemilihan level untuk tiap faktornya perlu
mempertimbangkan apakah level yang dipilih memungkinkan atau dapat dijalankan dalam membuat kombinasi eksperimen.
2.2.4 Perancangan Eksperimen
Perancangan eksperimen adalah proses penting yang akan menentukan kesuksesan atau kegagalan eksperimen, kunci pokok yang perlu diperhatikan
adalah langkah-langkah dalam robust design berikut yang terdiri dari 8 langkah dan dikelompokkan dalam 4 kategori, yaitu:
a. Perencanaan eksperimen Langkah 1
: mendefinisikan masalah Langkah 2
: menentukan tujuan Langkah 3
: mendefinisikan karakteristik kualitas Langkah 4
: mendesain eksperimen b. Pembentukan eksperimen
Langkah 5 : membentuk eksperimen
c. Menganalisa hasil eksperimen Langkah 6
: menganalisa dan menginterpretasi hasil eksperimen Langkah 7
: meramalkan rata-rata proses d. Menguji hasil eksperimen
Langkah 8 : mengadakan eksperimen konfirmasi
Penjelasan dari langkah-langkah tersebut sebagai berikut:
Langkah 1: mendefinisikan masalah, memastikan bahwa masalah selalu satu. Ide
bagus untuk mendapatkan catatan dari proses yang berlangsung sekarang baik yang berhubungan dengan rata-rata maupun standar
deviasi atau diagram proses kontrol.
II-16
Langkah 2: menentukan tujuan, langkah yang paling penting dalam eksperimen.
Tujuan seharusnya ditentukan dengan hati-hati dan dengan tepat untuk mengurangi berbagai kemungkinan kesalahpahaman. Hal ini
seharusnya dicapai dengan menggunakan beberapa ukuran jika mungkin.
Langkah 3: mendefinisikan karakteristik kualitas, karakteristik kualitas adalah
sangat penting dalam eksperimen. Jika mungkin, karakteristik kualitas didefinisikan baik yang berhubungan dengan unit terukur
karakteristik ukuran sebagai lawan dari klasifikasi karakteristik atribut. Pokok-pokok persoalan yang dikumpulkan untuk
mendapatkan data karakteristik kualitas yang akurat dan handal meliputi unit ukuran, lingkungan yang terukur seperti suhu dan
waktu, alat yang digunakan untuk mengukur, keakuratan alat, memerlukan keakuratan yang terbaca, siapa yang mengukur dan
apakah data variabel atau data atribut.
Langkah 4: mendesain eksperimen, mengidentifikasi faktor terkendali dan
gangguan dan levelnya. Mengidentifikasi kondisi uji untuk mengevaluasi karakteristik kualitas. Faktor terkendali ditempatkan
dalam faktor terkendali array inner. Faktor gangguan ditempatkan dalam faktor gangguan array outer. Faktor-faktor ditandai sebagai
faktor gangguan harus dikontrol sampai eksperimentasi. Langkah selanjutnya yaitu mendesain matrik untuk memilih orthogonal array
yang tepat dan menentukan faktor kontrol serta memilih outer array dan menentukan faktor gangguan.
Langkah 5:
membentuk eksperimen, meneruskan matrik eksperimen dan mengumpulkan data. Ketika pengumpulan data sudah lengkap, masih
perlu lagi memasang variabel-variabel proses sebelum eksperimentasi sampai keputusan yang berhubungan tetap dalam
faktor level optimal yang dibuat.
Langkah 6: menganalisis dan menginterpretasi hasil eksperimen, analisis data
dengan menggunakan tabel respon, grafik respon dan analisis varian.
II-17
Hasil analisis mengidentifikasi level optimal untuk faktor-faktor terkendali.
Langkah 7: meramalkan rata-rata proses, setelah level optimal diidentifikasi,
kemudian memperkirakan performansi dari karakteristik kualitas dibawah level optimal dan membangun interval kepercayaan.
Merupakan langkah kritis untuk menguji apakah hasil eksperimen termasuk tambahan dengan memperhatikan faktor-faktor terkendali
yang diteliti.
Langkah 8: mengadakan eksperimen konfirmasi, mengikuti dari hasil analisis
eksperimen, perlu untuk meneruskan konfirmasi eksperimen. Eksperimen konfirmasi perlu untuk membuktikan performansi yang
diramalkan. Jika hasil eksperimen konfirmasi membuktikan performansi yang diramalkan, maka kondisi optimum dapat
diterapkan dalam proses. Jika sebaliknya, maka desain eksperimen seharusnya dievaluasi lagi dan eksperimen tambahan yang
diperlukan.
2.2.5 Orthogonal Array dan Matrik Eksperimen
