32 eksperimen yang diperoleh hanya dipengaruhi oleh faktor kontrol. Interval
harus ditentukan dengan baik, tentunya membutuhkan pengetahuan proses. Penentuan level dalam eksperimen didasarkan pada praktek saat ini yang
berkontribusi terhadap variabel respon. Pemilihan faktor didapatkan dari cause-effect diagram.
4. Pemilihan metode desain eksperimen. Pemilihan metode eksperimen mempertimbangkan ukuran sampel, replikasi, blocking atau tidak, urutan
precobaan. Waktu, biaya dan batasan lainnya juga menjadi konsiderasi yang utama dalam memilih metode tesebut.
5. Pelaksanaan eksperimen. Pengawasan merupakan hal vital selama pelaksanaan eksperimen agar dipastikan bahwa semua berjalan sesuai
perencanaan. Kesalahan prosedur eksperimen dapat merusak validitas eksperimen.
6. Analisis data secara statistik. Statistika diterapkan dalam analisis untuk menghasilkan kesimpulan yang objektif. Analisis dapat dilakukan melalui
grafik, model empiris,uji hipotesis maupun estimasi selang kepercayaan. Metode statistik yang diterapkan disesuaikan dengan jenis data dan tujuan
dari eksperimen. 7. Kesimpulan dan rekomendasi. Eksperimen harus menghasilkan kesimpulan
praktis dan tindakan rekomendasi untuk eksperimen selanjutnya.
c. Metode Taguchi
Genichi Taguchi merumuskan filosofi desain eksperimen yang mengacu pada off-line quality control. Peningkatan kualitas bergeser dari proses ke tahap desain
untuk mengurangi variabilitas produk dan biaya. Tingkat kualitas dan biaya produk dipengaruhi oleh desain produk dan proses, sehingga diperlukan
robustness. Robustness merupakan ketidaksensitifan proses atau produk terhadap gangguan dari faktor yang tidak terkendali noise factors, dan noise
factors harus dikurangi meskipun tidak dapat dihilangkan Mitra, 1998. Taguchi merumuskan 3 tahap desain, yaitu:
1. Desain sistem, yaitu menggunakan prinsip dan pengalaman untuk membuat prototipe produk yang diinginkan oleh pelanggan serta proses untuk
membuat produk tersebut. 2. Desain parameter, meliputi tahap menentukan setting optimal dari produk
dam parameter dalam proses guna meminimasi variabilitas perfomansi. Ukuran perfomansi berupa signal-to-noise ratio SN ratio digunakan untuk
33 merepresentasikan seberapa besar pengaruh faktor terkendali terhadap
karakteristik kualitas yang dihasilkan. 3. Desain toleransi, yaitu tahap menentukan toleransi sehingga nilai setting
optimal pada paramater proses tidak dapat diterima. Toleransi yang terlalu sempit mengakibatkan peningkatan biaya. Toleransi yang terlalu besar
menimbulkan variabilitas yang tinggi. Ukuran perfomansi dalam tahap desain parameter adalah SN ratio, yang
diekspresikan dalam 3 target situasi yang diinginkan: 1.
Nominal is the best, dimana nilai target ditentukan secar spesifik oleh pengguna. Contoh: kecepatan, volume, luas, tekanan dan ketinggian.
2. Smaller is the best, dimana nilai target yang diinginkan adalah semakin
mendekati nilai nol, mengindikasikan karakteristik kualitas lebih baik. Rumus untuk menghitung SN ratio terdapat pada persamaan 2.21
ߟ
ௌ்
ൌ െͳͲǤ ሺ
ଵ
σ ݕ
ଶ
ୀଵ
ሻ 2.21
3. Larger is the best, dimana nilai target yang diinginkan adalah semakin besar
atu tidak terbatas, mengindikasikan karakteristik kualitas lebih baik. Faktor yang mempengaruhi karakteristik kualitas:
1. Faktor signal N merupakan faktor yang mengubah nilai karakteristik kualitas yang akan diukur.
2. Faktor noise X adalah faktor yang tidak dapat dikendalikan sehingga menyebabkan terjadinya variabilitas produk dari karakteristik kualitas yang
diinginkan. Faktor noise harus dikurangi bahkan dieliminasi, dengan cara: melakukan perulangan terhadap masing-masing percobaan atau
memasukkan faktor noise ke dalam percobaan. 3. Faktor kontrol Z adalah faktor yang nilainya ditentukan dan dikendalikan
oleh desainer dan memiliki level tertentu. 4. Faktor
scaling R adalah faktor yang digunakan untuk mengubah rata-rata level karakteristik kualitas untuk mendapatkan relasi antara faktor signal
dengan karakteristik kualitas. Orthogonal array prinsip fractional factorial design merupakan layout desain
eksperimen Taguchi dengan menjalankan beberapa bagian dari total percobaan yang mungkin. Orthogonal array dipilih berdasarkan jumlah faktor dan level.
Orthogonal array L
4
2
3
memiliki arti terdapat jumlah percobaan sebanyak 4 kali, 2 level, dan terdapat 3 faktor. Layout desain L
4
2
3
dapat dilihat pada Tabel 2.5.
34
Tabel 2.5. Desain Taguchi L
4
2
3
Faktor 1
2 3
1 1
1 1
2 1
2 2
3
2 1
2
4 2
2 1
Penentuan orthogonal array melibatkan derajat kebebasan degree of freedom. Penentuan orthogonal array harus memenuhi persamaan 2.22.
ݒ
ைஹ௩
2.22 Persamaan degree of freedom untuk orthogonal array dapat dilihat pada
persamaan 2.23. V
OA
= jumlah eksperimen – 1 2.23
Keterangan: V
T
= degree of freedom total seluruh faktor V
OA
= degree of freedom orthogonal array Analisis dilakukan setelah mendapatkan data. Menurut Ton Su 2013, prosedur
analisis data untuk optimasi Taguchi adalah sebagai berikut: 1. Estimasi efek dari faktor kontrol
Langkah pertama dalam analisis yaitu menghitung SN ratio masing-masing percobaan sesuai target yang diinginkan. Perhitungan rata-rata SN ratio
dilakukan setelahnya dengan menggunakan persamaan 2.24. ܶത ൌ
ଵ
σ ߟ
ୀଵ
2.24 Efek pada masing-masing level faktor adalah simpangan dari rata-rata SN ratio.
Perhitungan main effect atau efek faktor A level 1 ܣҧ
ଵ
adalah rata-rata total SN ratio dari percobaan dengan setting level 1 dalam faktor A. Misalkan terdapar 4
percobaan dengan setting level 1, maka perhitungannya dapat dilihat pada persamaan 2.25.
ܣҧ
ଵ
ൌ
ଵ ସ
ሺߟ
ଵ
ߟ
ଶ
ߟ
ଷ
ߟ
ସ
ሻ 2.25
Keterangan: ߟ
= SN ratio observasi ke-i ܶത = rata-rata SN ratio total
n = jumlah observasi
35 2. ANOVA
dengan SN ratio
ANOVA merupakan sebuah metode untuk menguraikan variabilitas suatu model berdasarkan sumber variasinya Montgomery, 2009. ANOVA digunakan untuk
mengecek signifikansi pengaruh dari masing-masing faktor terhadap karakteritik kualitas. Menurut Ton Su 2013, perhitungan ANOVA SN ratio meliputi:
i. Correction Factor CF
Perhitungan CF dapat diihat pada persamaan 2.26. ܥܨ ൌ
൫σ ఎ
సభ
൯
మ
2.26 ii.
Total of sum squares SS
T
Perhitungan SS
T
dapat dilihat pada persamaan 2.27. ܵܵ
்
ൌ σ ߟ
ଶ
െ ܥܨ
ୀଵ
2.27 iii.
Sum of squares due to treatments Perhitungan SS
treatments
dapat dilihat pada persamaan 2.28. ܵܵ
௧௧௧௦
ൌ
ଵ
ሺܣ
ଵ ଶ
ܣ
ଶ ଶ
ڮ ܣ
ଶ
ሻ െ ܥܨ 2.28
iv. Sum of squares due to error Perhitungan SS
E
dapat dilihat pada persamaan 2.29. ܵܵ
ா
ൌ ܵܵ
்
െ σ ݒ
௧௧௧௦
ୀଵ
2.29 v.
Degrees of freedom Degrees of freedom untuk faktor, total dan error dapat dilihat dari persamaan
2.30 sampai 2.32. ݒ
௧௧௧௦
ൌ ݊
௧௧௧௦
െ ͳ 2.30
ݒ
்ୀ
σ ݒ
௧௧௧௦
ୀଵ
2.31 ݒ
ாୀ
ݒ
்
െ σ ݒ
௧௧௧௦
ୀଵ
2.32 vi. Mean squares
Mean squares merupakan rata-rata kuadrat yang dihitung dengan membagi SS terhadap degrees of freedom. Perhitungan mean squares untuk faktor dan error
dapat dilihat pada persamaan 2.33 dan 2.34. ܯܵ
௧௧௧௦
ൌ
ௌௌ
ೝೌೞ
௩
ೝೌೞ
2.33 ܯܵ
ா
ൌ
ௌௌ
ಶ
௩
ಶ
2.34 vii. F-ratio
F-ratio merupakan koefisien dalam distribusi F. Koefisien ini digunakan untuk menguji apakah terdapat pengaruh yang signifikan dari faktor terhadap variabel
respon atau tidak. Rumus perhitungan F-ratio terdapat pada persamaan 2.35.
36 ܨ െ ݎܽݐ݅ ൌ
ெௌ
ೝೌೞ
ெௌ
ಶ
2.35 viii. P-value untuk F-ratio
P-value digunakan untuk mengambil keputusan pada pengujian ANOVA. P-value two tail untuk F-ratio dapat dikalkulasi dengan menggunakan software Microsoft
Excel dengan persamaan 2.36. ܲ െ ݒ݈ܽݑ݁ ൌ ܨܦܫܵܶሺܨ െ ݎܽݐ݅Ǣ ݒͳǢ ݒʹሻ
2.37 FDIST merupakan fungsi excel untuk mengembalikan nilai F kedalam bentuk
probabilitas. ݒͳ merupakan degrees of freedom for the numerator dan didapatkan
dari ݒ
௧௧௧௦
. ݒʹ merupakan degrees of freedom for denominator dan
didapatkan dari ݒ
ா
. 3. Pooling
up Pooling up SN ratio dirancang oleh Taguchi untuk mengestimasi variance error
sehingga estimasi yang dihasilkan lebih baik. Pooling up dlakukan pada faktor yang tidak berkontribusi secara signifikan terhadap karakteristik kualitas. Strategi
pooling up mengubah komponen ANOVA dengan menambahkan sumber variasi dari pooled error. Output akhir dari pooling up adalah persen kontribusi yang
diberikan oleh faktor yang berpengaruh signifikan terhadap karakteristik kualitas. Perhitungan pooling up meliputi:
i. Sum of squares pooled error
SSpooled treatments merupakan jumlah dari SS masing-masing faktor yang tidak berpengaruh dan SS
E
. Perhitungannya terdapat pada persamaan 2.37. ܵܵ
ௗ
ൌ ܵܵ
ா
െ ܵܵ
ௗ௧௧௧௦
2.37 ii.
Mean squares due to pooled error Perhitungan mean squares didapatkan dari pembagian SSpooled error dengan
degrees of freedom pooled error. degrees of freedom pooled error merupakan jumlah dari degrees of freedom masing-masing faktor yang tidak berpengaruh
dan V
E.
Perhitungannya dapat dilihat pada persamaan 2.38. ܯܵ
ௗ
ൌ
ௌௌ
ೝೝೝ
௩
ೝೝೝ
2.38 iii.
Pure sum of squares Pure sum of squares dihitung untuk faktor yang berpengaruh signifikan dan error.
Rumus pure sum of squares due to treatment terdapat pada persamaan 2.39. ܵܵԢ
௧௧௧௦
ൌ ܯܵ
௧௧௧௦
െ ሺܯܵ
ௗ
ݔݒ
௧௧௧௦
ሻ 2.39
Rumus pure sum of squares due to pooled error terdapat pada persamaan 2.40. ܵܵԢ
ௗ
ൌ ܵܵ
்
െ σ ܵܵԢ
௧௧௧௦ି
ୀଵ
2.40
37 iv. Persen
kontribusi Persen kontribusi meliputi persen kontribusi faktor dan error. Persen kontribusi
error digunakan untuk menganalisis apakah terdapat faktor penting yang hilang dari eksperimen. Persen kontribusi untuk faktor dan error dihitung dengan
persamaan 2.41 dan 2.42. ܲ݁ݎݏ݁݊݇݊ݐݎܾ݅ݑݏ݅
௧௧௧௦
ൌ
ௌௌᇱ
ೝೌೞ
ௌௌ
2.41 ܲ݁ݎݏ݁݊݇݊ݐݎܾ݅ݑݏ݅
ൌ
ௌௌᇱ
ೝೝೝ
ௌௌ
2.42 4. Prediksi variabel respon
Estimasi variabel respon dapat dihitung dengan menjumlahkan rata-rata variabel respon pada level optimal kemudian dikurangi dengan rata-rata total. Contohnya,
faktor A1 dan B2 berpengaruh, maka perhitungannya dapat dilihat pada persamaa 2.43.
ݕො ൌ ܶത
ଵ
ܶത
ଶ
െ ܶത 2.43
d. Response Surface