Anda di halaman 1dari 53

Metode Taguchi

dan Optimasi Multi Respons


Dr. Ir. Eko Pujiyanto, S.Si.,M.T.

Prodi Teknik Industri - Universitas Sebelas Maret

Materi

Taguchi Multi Response


Metode PCR-TOPSIS
Metode Algoritma-Genetika

Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon


Dalam

dunia nyata produk memiliki


lebih dari satu (multi) karakteristik
kualitas (multi respon).
Karakteristik kualitas tersebut harus
dioptimasi secara simultan.
Metode Taguchi tidak tepat untuk
mengoptimalkan masalah multi respon
karena teknik optimasi yang digunakan
hanya untuk satu respon.
Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon


Jika

digunakan untuk masalah multi


respon , metode Taguchi hanya dapat
digunakan untuk setiap respon dan tidak
bisa secara simultan.
Diperlukan teknik optimasi multi respon,
setelah data diperoleh dengan metode
Taguchi.

Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon


Karakteristik

kualitas produk kertas

Ketebalan
Daya tembus
Kekasaran

Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon

Karakteristik kualitas proses dan produk WireElectrical Discharge Machine

Waktu Pengerjaan
Lebar Pemotongan

- Tebal Lapisan Recast


- Kekasaran Permukaan

Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon


BHLER

plastic mould steels are


noted for their excellent :

Thermal conductivity
Corrosion resistance
High wear resistance
Dimensional stability
Hardness
Toughness
Compressive strength.

Prodi Teknik Industri - Universitas Sebelas Maret

Taguchi Multi Respon

Karakteristik kualitas Battery Disposable 123a Lithium

Higher Power Density


Less Weight
More Voltage
Better Voltage Maintenance
Longer Shelf-Life
Wide Temperature Tolerance

Prodi Teknik Industri - Universitas Sebelas Maret

Beberapa Metode
1.
2.
3.
4.
5.
6.

Data Envelopment Analysis


Metode PCR-Topsis
Hybrid Principal Component Analysis
Algoritma Genetika
Cat Swarm Optimization
Particle swarm optimization

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis

PCR ( Process capability ratio ) atau Rasio Kemampuan


proses merupakan kemampuan sebuah proses untuk
memenuhi spesifikasi desain yang ditetapkan oleh
permintaan konsumen, walaupun sebuah proses terkendali
secara statistik.
Bagi sebuah proses untuk dapat dikatakan mampu, nilainya
harus berada diantara spesifikasi atas dan bawah. Hal ini
berarti kemampuan proses berada dalam 3 standar
deviasi dari rata-rata proses.

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis

PCR > 1 maka proses yang dilakukan baik (Capable)


PCR < 1 maka proses yang dilakukan tidak baik (Not
Capable)
PCR = 1 maka proses sesuai dengan spesifikasi konsumen

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis

Technique for Order Performance by Similarity to Ideal


Solution ( Topsis ) adalah salah satu metode pengambilan
keputusan multikriteria.
TOPSIS menggunakan prinsip bahwa alternatif yang
terpilih harus mempunyai jarak terdekat dari solusi ideal
positif dan jarak terpanjang (terjauh) dari solusi ideal
negatif.

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis

Solusi ideal positif didefinisikan sebagai jumlah dari


seluruh nilai terbaik yang dapat dicapai untuk setiap
atribut, sedangkan solusi ideal negatif terdiri dari seluruh
nilai terburuk yang dicapai untuk setiap atribut.
TOPSIS mempertimbangkan keduanya, jarak terhadap
solusi ideal positif dan jarak terhadap solusi ideal negatif
dengan mengambil kedekatan relatif terhadap solusi ideal
positif.
Berdasarkan perbandingan terhadap jarak relatifnya,
susunan prioritas alternatif bisa dicapai.

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Studi kasus :
Respons
( karakteristik
kualitas )

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Studi kasus :
Faktor
Dan
Level

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Studi kasus :
Faktor
Dan
Level

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :

1.
2.

3.
4.

5.

Menghitung Signal To Noise (SNR)


Menghitung PCR-SNR untuk setiap
percobaan.
Menghitung TOPSIS dari hasil PCR-SNR.
Menentukan persentase kontribusi dari
faktor-faktor yang signifikan dalam
multirespon.
Penentuan kondisi optimal dan nilai prediksi
Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
1. Menghitung Signal To Noise (SNR)

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
2. Menghitung PCR-SNR untuk setiap percobaan.

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
3. Menghitung TOPSIS dari hasil PCR-SNR.

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
3. Menghitung TOPSIS dari hasil PCR-SNR.

Hasil nilai PCR-TOPSIS


inilah yang akan dianalisis
sebagai variabel respon
baru yang mewakili tiga
respon dari Thickness,
Opacity dan Roughness
Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
4. Menentukan persentase kontribusi
Anova PCR-TOPSIS

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
4. Menentukan persentase kontribusi

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi

Kondisi optimal A1 B1 C2 D1
E2.
Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi

Prodi Teknik Industri - Universitas Sebelas Maret

Metode PCR-Topsis
Tahapan Penyelesaian :
5. Menentukan kondisi optimal dan nilai prediksi
( Dibandingkan dengan metode sebelumnya )

Metode PCR-TOPSIS lebih baik dari Fuzzy Logic


Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika

Algoritma genetika adalah suatu algoritma pencarian yang


meniru mekanisme dari genetika alam dimana
diperkenalkan pertama kali oleh John Holand awal tahun
1975.
Algoritma ini dimulai dengan kumpulan solusi yang disebut
dengan populasi.
Solusi-solusi dari sebuah populasi diambil dan digunakan
untuk membentuk populasi yang baru.
Hal ini dimotivasi dengan harapan bahwa populasi yang
baru dibentuk tersebut akan lebih baik daripada yang
lama.
Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
1. Skema pengkodean

Real number encoding yaitu nilai gen berada dalam interval


[0,R] dimana R adalah bilangan real positif.
Discrete decimal encoding yaitu setiap gen bisa bernilai
salah satu bilangan bulat dalam interval [0,9],
Binary encoding yakni setiap gen hanya bisa bernilai 0 atau 1

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
2. Nilai fitness

Fungsi obyektif yang digunakan untuk menentukan solusi


dari permasalahan dalam Algoritma Genetika.
Fungsi fitness merupakan dasar untuk proses seleksi.
Setiap kromosom dievaluasi berdasarkan fungsi.
Pada evolusi alam, individu yang bernilai fitness tinggi yang
akan bertahan hidup sedangkan yang bernilai fitness rendah
akan mati.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
3. Seleksi orang tua

Seleksi roulette wheel : menyeleksi populasi baru dengan


distribusi probabilitas yang berdasarkan nilai fitness (F)
Seleksi peringkat : Setiap kromosom dalam populasi diatur
dengan cara menentukan peringkat berdasarkan nilai
fitnessnya.
Seleksi kondisi tetap : Sebagian besar kromosom dapat
bertahan hidup hingga generasi berikutnya.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
4. Pindah silang (crossover)
Sebuah kromosom yang mengarah pada solusi yang bagus
bisa diperoleh dari proses memindah-silangkan dua buah
kromosom.
Algoritmanya adalah :

Memilih posisi gen secara acak dari orangtua pertama.


Isi di sebelah kanan posisi gen pada orangtua pertama ditukar
dengan orangtua kedua untuk menghasilkan offspring (anak).

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
5. Mutasi

Untuk semua gen yang ada, jika bilangan random yang


dibangkitkan kurang dari probabilitas mutasi yang ditentukan
maka diubah gen tersebut menjadi nilai kebalikannya.
Misalkan dalam binary encoding 0 diubah menjadi 1 dan 1
diubah 0.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
6. Elitisme

Prosedur elitisme dilakukan karena adanya seleksi yang


dilakukan secara random.
Hal ini menyebabkan tidak ada jaminan bahwa suatu individu
bernilai fitness tertinggi akan selalu dipilih.
Kalaupun individu tersebut terpilih, mungkin saja individu
tersebut akan rusak (nilai fitness-nya akan menurun karena
proses pindah silang).
Supaya tidak hilang selama evolusi maka perlu dibuat satu
atau beberapa kopinya.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah-langkah Algoritma Genetika
7. Penggantian populasi

Semua individu (misal N individu dalam satu populasi) dari


suatu generasi digantikan sekaligus oleh N individu baru
hasil pindah silang dan mutasi.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Pseducode Algoritma Genetika

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Studi Kasus :
Proses desain economizer ( Sistem Dinamis )
Dua respon :
1.
2.

Perpindahan panas (y1) larger the better


Biaya operasional (y2) smaller the better

Tiga faktor dengan 3 level :


1.
2.

3.

Diameter luar tubing (x1)


Transfersal spacing (x2)
Kerapatan fin (x3)

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Studi Kasus :
Satu faktor signal yaitu sisa gas hasil pembakaran oleh
burner yang mempunyai sebelas level dimana nilainya
berkisar antara 50% sampai dengan 100%.
Satu faktor noise yaitu bahan bakar yang memiliki dua
level, bahan bakar dari gas (flue gas) dan bahan bakar dari
oil (flue oil).

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Studi Kasus : Hasil Eksperimen

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Studi Kasus :
Model untuk semua faktor terhadap variabel respon
perpindahan panas dengan menggunakan metode
Least Trimmed Square diperoleh hubungan regresi
polinomial

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Studi Kasus :
Model untuk semua faktor terhadap variabel respon
biaya operasi dengan menggunakan metode Least
Trimmed Square diperoleh hubungan regresi polinomial

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap pertama

Pilih real number encoding yaitu pengkodean dimana nilai


gen berada pada interval [0,R] dengan R adalah bilangan real
positif.
Tujuan dari pengkodean kromosom untuk mengkodekan
kromosom yang berisi gen bilangan real menjadi individu x
yang bernilai real dalam interval yang diinginkan yaitu dalam
batas bawah rb dan batas atas ra.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap kedua

Inisialisasi populasi yang dibentuk secara acak dengan 10-bit


kromosom yang didapatkan dari variabel bebas serta
kombinasinya yaitu

Pada tahapan ini dibangkitkan sejumlah ukuran populasi


kromosom dan jumlah gen dalam kromosom.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap kedua

Ukuran populasi yang diambil adalah 200 dengan jumlah gen


diperoleh dari perkalian jumlah faktor yang ingin dicari
kondisi optimumnya sebanyak 3 yaitu
dengan
banyaknya bit yaitu 10 menghasilkan 30 gen dalam
kromosom.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap ketiga

Fungsi fitness dari optimasi menggunakan Algoritma


Genetika berdasarkan model y1 dan y2
Lakukan setting batas atas ra yang merupakan nilai level
bawah dari
dan setting batas bawah rb dari

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Mengevaluasi fitness dengan menghitung fitness f (x) dari


setiap kromosom x dengan menciptakan populasi baru yang
berasal dari populasi awal.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Proses yang terjadi adalah mutasi dan pindah silang


(crossover).
Jumlah kromosom yang mengalami proses crossover pada
satu generasi ditentukan secara random berdasarkan tingkat
probabilitas crossover tertentu.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Pada kasus ini ditentukan probabilitas crossover 0.8 dan


probabilitas mutasi sebesar 0.03.
Proses tersebut berulang-ulang sampai dengan 1500
generasi untuk mendapatkan level -level yang optimum.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Titik optimum yang didapatkan dari optimasi untuk respon


efektifitas perpindahan panas sebesar -24.80 dan respon
biaya operasi sebesar -22.28.
Kedua respon yang dihasilkan sudah optimum karena sudah
ditransformasi dalam bentuk signal to noise ratio.

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Titik optimum yang didapatkan dari optimasi untuk respon


efektifitas perpindahan panas sebesar -24.80 dan respon
biaya operasi sebesar -22.28.
Kedua respon yang dihasilkan sudah optimum karena sudah
ditransformasi dalam bentuk signal to noise ratio.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Nilai optimum untuk variabel faktor diperoleh level-level


optimum sebagai berikut, nilai diameter luar tubing = 1.5
inch, nilai transfersal spacing = 3,5 inch, nilai kerapatan fin
= 3.4 fin/inch.

Prodi Teknik Industri - Universitas Sebelas Maret

Algoritma Genetika
Langkah penyelesaian:
Tahap keempat

Hasil efektifitas perpindahan panas yang diperoleh sebesar


5.7% cukup kecil.
Sedangkan biaya operasi setelah ditransformasi didapatkan
13.001 $/jam.

Prodi Teknik Industri - Universitas Sebelas Maret

Referensi utama

Prodi Teknik Industri - Universitas Sebelas Maret