proses tanpa perubahan. Perbandingan ini diperoleh dengan mengurangkan respon rata-rata kondisi acuan dari respon rata-rata kondisi acuan dari hasil rata-rata
keseluruhan siklus EVOP yang dijalankan. Kontras yang dihasilkan disebut efek perubahan mean.
3.1.6.4. Efek Perubahan Mean
Efek perubahan mean dihitung jika kondisi terbaik saat ini dimasukkan dalam setiap siklus sebagai titik acuan, dan tidak menjadi masalah bagaimana cara
titik acuan tersebut dimasukkan. Titik acuan tersebut dapat dimasukkan sebagai sebuah titik tambahan atau juga sebagai salah satu titik dalam desain faktorial.
Hanya sedikit perbedaan rumus perhitungannya Tabel 3.2
12
12
Y. Fasser D. Brettner, Op. cit., hlm. 412.
. Tujuan dari efek perubahan mean adalah untuk menyediakan sebuah ukuran biaya langsung
sementara dalam memperoleh informasi selama fase dijalankan.
3.1.6.5. Perhitungan untuk Program EVOP Dua Variabel
Program EVOP secara langsung diterapkan dilantai produksi, untuk itu perlu dibuat lembar kerja khusus yang digunakan untuk menyederhanakan
perhitungan sehingga dapat dilakukan oleh seorang karyawan meskipun ia belum pernah dilatih secara khusus dalam bidang statistik.
Tabel 3.2. Perhitungan Efek Perubahan Mean
Lokasi Titik Acuan
Bentuk Desain
Perhitungan Efek Perubahan Mean Keterangan
Termasuk dalam sudut
desain Tersedia
informasi kearah mana perubahan
harus dilakukan
Terletak pada pusat desain
Tidak tersedia informasi kearah
mana perubahan harus dilakukan
Berada diluar desain
Spesifikasi yang luas dan resiko
terjadi kerusakan kualitas sangat
kecil
Lembar kerja EVOP pada dasarnya terdiri dari 4 bagian yang masing- masing memerlukan perhitungan sendiri. Sebagai ilustrasi perhitungan pada tiap-
tiap bagian maka dimisalkan sebuah eksperimen 2
2
faktorial dengan desain EVOP Gambar 3.5
13
a. Perhitungan rata-rata
dan respon diukur dalam persentase. Proses perhitungan untuk lembar kerja EVOP sebagai berikut:
Pada bagian ini dicatat hasil yang diperoleh dari proses yang dijalankan pada kondisi operasi yang berbeda pada setiap siklus. Selain itu pada bagian ini
dilakukan penjumlahan data dari siklus sebelumnya untuk memperoleh respon rata-rata untuk setiap kondisi. Untuk contoh perhitungan dapat dilihat Tabel 3.3.
13
Y. Fasser D. Brettner, Op. cit., hlm. 457.
500
480 4
12 4
1 3
2
Scrub Time sec Temperature
C
8 490
Cycle 1 Cycle 2
Cycle 3 5
8 9
Conditions
4 7
8
2
6 10
9 1
3 5
5 4
14 11
10 3
Gambar 3.5. Layout dan Respon untuk 3 Siklus dari 1 Fase
Tabel 3.3. Contoh Perhitungan Rata-Rata
Siklus: n = 1 Fase: 1 Perhitungan Rata-rata
Kondisi Operasi 1
2 3
4
i Jumlah siklus sebelumnya
ii Jumlah rata-rata sebelumnya
iii Observasi baru
iv Selisih [ii – iii]
v Jumlah baru [i + iii]
vi Rata-rata baru
= vn]
5 5
5 4
4 4
6 6
6 3
3 3
14 14
14
Siklus: n = 2 Fase: 1 Kondisi Operasi
1 2
3 4
i Jumlah siklus sebelumnya
ii Jumlah rata-rata sebelumnya
iii Observasi baru
iv Selisih [ii – iii]
v Jumlah baru [i + iii]
vi Rata-rata baru
= vn]
5 5
8 -3
13 6,5
4 4
7 -3
11 5,5
6 6
10 -4
12 6
3 3
5 -2
8 4
14 14
11 +3
25
12,5
Siklus: n = 3 Fase: 1 Kondisi Operasi
1 2
3 4
i Jumlah siklus sebelumnya
ii Jumlah rata-rata sebelumnya
iii Observasi baru
iv Selisih [ii – iii]
v Jumlah baru [i + iii]
vi Rata-rata baru
= vn]
13 6,5
9 -2,5
22 7,33
11 5,5
8 -2,5
19 6,33
12 6
9 -3
15 8,33
8 4
5 -1
13 4,33
25 12,5
10 +2,5
35 11,67
b. Perhitungan efek
Pada bagian ini dilakukan perhitungan untuk efek utama, efek interaksi, dan efek perubahan mean berdasarkan respon rata-rata yang diperoleh dari bagian
satu. Contoh perhitungan efek, yaitu: Untuk siklus: n = 1; fase: 1
- Efek faktor temperatur =
= -4,5 -
Efek faktor scub time = = 6,5
- Efek interaksi faktor =
= -3,5 -
Efek perubahaan mean = 1,4
Untuk siklus: n = 2; fase: 1 -
Efek faktor temperatur = = -3
- Efek faktor scub time =
= 5,5 -
Efek interaksi faktor = = -1,5
- Efek perubahaan mean
= 0,8 Untuk siklus: n = 3; fase: 1
- Efek faktor temperatur =
= -2,67 -
Efek faktor scub time = = 4,67
- Efek interaksi faktor =
= -0,67 -
Efek perubahaan mean = 0,268
c. Perhitungan standar deviasi
Pada bagian ini dilakukan perkiraan standar deviasi dari batas error yang diinginkan berdasarkan hasil yang diperoleh dari bagian 1. Contoh perhitungan
standar deviasi, yaitu: Untuk siklus: n = 1; fase: 1
- Estimasi S
sebelumnya = -
Jumlah S sebelumnya = -
Rata-rata S sebelumnya = -
Range dari iv = -
S baru = Range x f
k,n
= -
Jumlah S baru = -
Rata-rata S baru = jumlah S baru n-1 Untuk siklus: n = 2; fase: 1
- Estimasi S
sebelumnya = -
Jumlah S sebelumnya = -
Rata-rata S sebelumnya = -
Range dari iv = 7,0 -
S baru = Range x f
k,n
= 7,0 x 0,3 = 2,1 -
Jumlah S baru = 2,1 -
Rata-rata S baru = jumlah S baru n-1 = 2,1 Untuk siklus: n = 3; fase: 1
- Estimasi S
sebelumnya = -
Jumlah S sebelumnya = 2,1
- Rata-rata S sebelumnya = 2,1
- Range dari iv = 5,0
- S baru = Range x f
k,n
= 5,0 x 0,35 = 1,75 -
Jumlah S baru = 3,85 -
Rata-rata S baru = jumlah S baru n-1 = 1,925 Nilai f
k,n
Tabel 3.4.
14
n =
Dimana k adalah jumlah kondisi operasi dan n adalah jumlah siklus.
Tabel 3.4. Nilai dari f
k,n
2 3
4 5
6 7
8 9
10 K = 5
9 10
0,30 0,24
0,23 0,35
0,27 0,26
0,37 0,29
0,28 0,38
0,30 0,29
0,39 0,31
0,30 0,40
0,31 0,30
0,40 0,31
0,30 0,40
0,32 0,31
0,41 0,32
0,31
d. Perhitungan batas error 2 sigma
Pada bagian ini dilakukan perhitungan batas error 2 sigma untuk efek utama, interaksi, dan perubahan mean. Dengan tujuan mendapatkan kepercayaan
95 dalam signifikansi efek. Jika nilai absolut dari suatu efek lebih besar dari batas error 2 sigma, maka dinyatakan memiliki pengaruh yang signifikan pada
proses. Contoh perhitungan batas error 2 sigma, yaitu: Untuk siklus: n = 1; fase: 1
- Efek utama dan efek interaksi =
x S = -
Efek perubahan mean = x S =
14
Y. Fasser D. Brettner, Op. cit., hlm. 460.
