Topik Khusus 1
Dual dan Multi Response Surface
25 November 2014
ekop2003@yahoo.com
Topik Khusus - 1
Signal-to-noise ratio perbandingan antara besar
signal dengan besar noise yang mempengaruhi
hasil nilai respon (yang dalam hal ini adalah nilai
karakteristik kualitas yang diteliti).
Signal-to-noise ratio yang besar diharapkan
mencerminkan pengaruh faktor noise yang kecil
sehingga nilai respon adalah robust terhadap
faktor-faktor yang tidak dapat dikontrol.
Topik Khusus - 1
Sampai saat ini banyak para statistikawan yang
kurang setuju dengan kebenaran analisis terhadap
Signal-to-noise ratio ini, yaitu ternyata ukuran
Signal-to-noise ratio ini tidak dapat bebas dari
rata-rata respon, seperti yang diharapkan oleh
Taguchi.
Sehingga dikembangkan penggunaan metode
response surface untuk optimasi yang dapat
mencakup filosofi Taguchi untuk menghasilkan
produk yang robust.
Topik Khusus - 1
Dual response
Prosedur optimasi dual response surface
dikenalkan oleh Myers & Carter (1973) yang
kemudian diperbaiki oleh Vining & Myers (1990).
Pada prosedur ini melakukan optimasi terhadap
respon primer dengan kendala pendekatan respon
skunder.
Dengan menggunakan metode pengali Lagrange
untuk menyelesaikannya hal ini dapat dituliskan
modelnya sebagai berikut :
Topik Khusus - 1
Dual response
Min (Max) Yprimer
Dengan Kendala : Yskunder =
Dimana adalah nilai spesifik
Penggabungan Filosofi Taguchi dengan metode dual
respon surface oleh Vining & Myers (1990)
1. Buat model empirik lewat response surface metodologi
untuk mean dan simpangan baku
2. Model response surface yang diperoleh dilakukan
optimasi secara simultan.
Jurusan Teknik Industri - Universitas Sebelas Maret
Topik Khusus - 1
Dual response
Model order 2 untuk mean dan simpangan baku
Topik Khusus - 1
Model dasar diatas dikembangkan lagi oleh
1. Del Castillo & Montgomery (1993) menggunakan
algoritma Generalized Reduced Gradient (GRG).
2. Lin dan Tiu (1995) optimasi berdasarkan
penggunaan pengali lagrange mungkin tidak
realistik, sehingga mereka menyarankan untuk
meminimumkan Mean Square Error.
3. Copeland & Nelson (1996) mengembangkan
metode Lin dan Tiu (1995) .
Topik Khusus - 1
Model dasar diatas dikembangkan lagi oleh
4. Ames et al. (1997) menggunakan model Quality
Loss Functions (QLP) untuk optimasi multiple
response surface secara simultan.
5. Tang & Xu (2002) dari Universitas Nasional
Singapura membuat suatu prosedur atau skema
optimasi yang dapat mencakup optimasi-optimasi
metode sebelumnya dalam dual response surface,
dan menggunakan Goal Programing.
Topik Khusus - 1
Model Tang & Xu (2002)
Topik Khusus - 1
Multi Response Surface
Metode dual response surface yang dibahas diatas
sebenarnya hanya ditujukan untuk mencari
optimasi single responce surface, hanya
diharapkan ragam respon tersebut minimum.
Pada kasus-kasus real sering dijumpai
permasalahan mengoptimasikan respon-respon
yang banyak secara simultan.
Topik Khusus - 1
Multi Response Surface
Pada permasalahan optimasi multiple respon ini
antara optimasi satu respon dengan respon yang
lain mungkin terjadi kontradiksi, dalam arti satu
respon harus maksimum tetapi yang lain harus
minimum atau sebaliknya.
Dengan metode Tang & Xu (2002) diatas tentunya
tidak menjadi masalah jika jumlah respon yang
dioptimumkan lebih dari satu.
Topik Khusus - 1
Multi Response Surface
Misal jika jumlah respon yang dioptimumkan ada 3,
maka langkah-langkah yang perlu diambil adalah
sebagai berikut :
1. Buat model pendekatan respon surface pada
masing-masing respon.
2. Buat model goal programming sebagai berikut :
Topik Khusus - 1
Multi Response Surface
Topik Khusus - 1
Contoh
1. Tujuan eksperimen adalah menganalisis efek dari
peubah speed, pressure dan distance pada
respon yang berupa perlakuan mesin printer
berwarna dengan tinta merek tertentu.
2. Eksperimen menggunakan desain 33 dengan
ulangan 3 kali, sehingga total ada 81 runs
percobaan.
Topik Khusus - 1
Contoh
Berdasarkan analisis dari Vining & Myers (1990)
diperoleh persamaan response untuk mean dan
simpangan baku adalah :
Topik Khusus - 1
Contoh
Sekilas Teori
Pendekatan eksperimen menggunakan robust
technology development adalah pendekatan yang
mengkombinasikan antara desain eksperimen,
analisis regresi dan optimasi.
Metode Taguchi adalah salah satu desain
eksperimen yang secara luas dipakai pada robust
technology development.
Sekilas Teori
Ada empat prosedur yang digunakan yaitu
1. merancang sistem baru dan mengidentifikasi fungsi
sistem yang ideal
2. mengidentifikasi faktor terkontrol dan faktor
gangguan (noise factors)
3. optimasi kekokohan (robustness) sistem
4. memilih faktor penyesuaian.
Sekilas Teori
Dalam mengolah data eksperimen, peneliti biasanya
menggunakan model, yaitu suatu hubungan
fungsional antar faktor.
Salah satu model statitiska yang sering digunakan
adalah analisis regresi karena cara analisisnya yang
mudah.
Sekilas Teori
Sekilas Teori
A
-1
-1
-1
-1
1
1
1
1
B
-1
-1
1
1
-1
-1
1
1
C
-1
-1
1
1
1
1
-1
-1
D
-1
1
-1
1
-1
1
-1
1
E
-1
1
-1
1
1
-1
1
-1
F
-1
1
1
-1
-1
1
1
-1
M
N
O
G
-1
1
1
-1
1
-1
-1
1
-1
-1
-1
R1
2.2
2.6
1.2
2.0
3.1
2.0
2.0
1.9
-1
1
1
R2
2.1
0.8
3.2
1.9
3.1
4.3
1.9
1.8
1
-1
1
R3
2.3
2.7
1.1
2.0
3.1
0.9
4.6
1.9
1
1
-1
R4
2.5
0.6
2.8
2.0
3.0
3.3
2.2
1.9
100
C
EM
BM
90
80
Persen
70
CN
60
50
40
30
DM
B
CM
D
20
10
EN
0
- 0 .6
- 0 .4
- 0 .2
0 .2
0 .4
0 .6
Efek sumber
Analisis Regresi
Dengan menggunakan software SPSS 6.0, fungsi regresinya adalah sebagai berikut :
y = 2.2787 + 0.283772 A - 0.128728 B + 0.158772 C 0.246272 D + 0.139912 BM
0.185088 CM 0.152412 DM + 0.147588 EM + 0.45372 CN 0.466228 EN
Ekspektasi dan variansi fungsi regresi di atas
E ( y | A,B,C,D,E,N ) = 2.2787 + 0.283772 A - 0.128728 B + 0.158772 C - 0.246272 D
+ 0.45372 CN 0.466228 EN
Var( y | B,C,D,E,N ) = 0.00489B2 +0.00856C2 +0.00581D2 + 0.00545E2 -0.01295BC
- 0.01066BD + 0.01032BE + 0.0141CD- 0.013658CE - 0.011247DE
Kesimpulan