3. Observasi, yaitu suatu kegiatan pengamatan terencana yang dilakukan dilapangan untuk mendeteksi masalah yang terjadi dalam proses produksi
RSS rubber smoke sheet.
4.10. Pengolahan Data
Teknik pengolahan data menggunakan Data Envelopment Analysis yaitu model BCC Banker, Charnes dan Cooper, dan Taguchi. Berikut merupakan
langkah-langkah yang digunakan dalam pengolahan data pada metode data envelopment analysis :
Gambar 4.2. Blok Diagram Pengolahan Data dengan Metode DEA
Pemilihan Variabel Produk
Pengelompokkan Variabel ke dalam kategori variabel input dan variabel output dan penentuan variabel produk
Pembuatan model DEA berdasarkan Asumsai CRS maksimisasi output atau asumsi VRS maksimisasi output
Perhitungan Model DEA dengan software LINDO
DMU Efisien DMU InEfisien
Pemilihan Asumsi CRS dan VRS berdasarkan Nilai Efisiensi
Tahap Analisis Data Penentuan DMU Decision Making Unit
Universitas Sumatera Utara
1. Melakukan penentuan DMU Decission making Unit. 2. Pemilihan variabel produktivitas.
3. Pengelompokkan variabel dan penentuan nilai variabel produktivitas. Variabel produktivitas tersebut dikelompokkan kedalam dua kategori yaitu
variabel input dan variabel output. 4. Pembuatan model DEA
Mengidentifikasi model dilakukan berdasarkan spesifikasi model dan sifat dari inpu dan output data. Model yang sesuai dengan permasalahan yang
ada ditentukan dengan model CRS Contstant Return to Scale dan VRS Variable Return to Scale.
5. Perhitungan Model DEA Perhitungan efisiensi relatif dengan asumsi CRS Constant return to
Scale dan VRS Variable Return to Scale dilakukan dengan menggunakan bantuan program LINDO.
6. Penentuan DMU yang efisien dan yang tidak efisien. Hasil perhitungan dapat diketahui DMU mana yang efisien dan yang tidak
efisien.
Universitas Sumatera Utara
Berikut ini merupakan blok diagram langkah – langkah yang digunakan dalam pengolahan data untuk metode Taguchi :
Gambar 4.3. Blok Diagram Pengolahan Data dengan Metode Taguchi
1. Tahap Persiapan Tahap persiapan dilakukan dengan tahap sebagai berikut:
a. Penentuan Jumlah Level Penelitian jumlah level digunakan untuk ketelitian hasil eksperimen
dimana semakin banyak level yang diteliti maka hasil eksperimen akan leboih teliti karrena data yang diperoleh lebih banyak.
Tahap Persiapan
– Penentuan Variabel Tak Bebas – Identifikasi Faktor-Faktor
– Penentuan Jumlah Level – Perhitungan Derajat Kebebasan
– Pemilihan Matriks Orthogonal – Penentuan Kolom Untuk Faktor dan
Interaksi Kedalam Matriks Orthogonal
Tahap Pelaksanaan
Tahap Analisis
– Perhitungan Efek Faktor Utama – Perhitungan dengan Signal Noise To
Ratio – Perhitungan Varians
– Pooling Up Faktor
Tahap Interprestasi hasil
– Perhitungan Persen Kontribusi – Perhitungan Interval Kepercayaan
Universitas Sumatera Utara
b. Perhitungan Derajad Kebebasan Perhitungan derajad kebebasan dilakuakn untuk menghitung jumlah
minimum eksperimen yang harus dilakukan untuk menyelidiki faktor yang diamati.
c. Pemilihan matriks orthogonal yang sesuai tergantung dari nilai factor dan interaksi yang diharapkan dan nilai level dari tiap-tiap faktor. Penentuan
ini akan mempengaruhi total jumlah derajad kebebasab yang berguna untuk menentukan jenis matriks orthogonal yang dipilih.
d. Penempatan Kolom untuk Faktor dan Interaksi ke dalam Mtriks Orthogonal
Untuk memudahkan di kolom mana diletakkan interaksi factor setiap matriks orthogonal yang dinyatakan dalam bentuk grafik dan tebel
triangular untuk masing-masing matriks orthogonal. 2. Tahap Pelaksanaan
Tahap pelaksanaan meliputi: a. Penentuan Jumlah Replikasi
Penentuan jumlah repliksi dilakukan untuk memperoleh ketelitian yang lebih tinggi dengan tujuan untuk menambah ketelitian data eksperimen,
mengurangi tingkat kesalahan dan memperoleh harga taksiran kesalahan eksperimen sehingga memungkinkan diadakannya uji signifikan hasil
eksperimen.
Universitas Sumatera Utara
b. Randomisasi Randomisasi dilakukan untuk menjadikan uji signifikan menjadi valid
dengan menghilangkan sifat bias. 3. Tahap Analisis
Untuk menganalisis hasil yang diperoleh dari tahap pelaksanaan maka dilakukan hal-hal berikut:
a. Analisis Varians Analisis varians digunakan untuk membantu mengidentifikasi kontribusi
faktor sehingga akurasi perkiraan model dapat ditentukan. Uji hipotesa F dilakukan untuk membuktikan adanya perbedaan perlakuan dan pengaruh
faktor dal eksperimen dengan cara membandingkan variansi yang disebabkan masing-masing faktor dan variansi error dengan
membandingkan nilai F
sumber
dengan nilai F
tabel
pada harga α tertentu. b. Rasio SN
Rasio SN digunakan untuk memilih faktor-faktor yang memiliki kontribusi pada pengurangan variasi suatu respon dan untuk mengetahui
level faktor yang berpengaruh pada eksperimen. c. Strategi Pooling Up
Strategi pooling up dirancang untuk mengestimasi variansi error pada analisis varians, sehingga estimasi yang dihasilkan akan lebih baik karena
strategi ini akan mengakumulasi beberapa variansi erroe dari beberapa faktor yang kurang berarti.
Universitas Sumatera Utara
4.11. Analisis Pemecahan Masalah