Studi Kasus Optimasi Proses Sizing Benang di P.T.

XYZ
Didik Wahjudi
Dosen Jurusan Teknik Mesin-Fakultas Teknologi Industri, Universitas Kristen Petra
Center for Quality Improvement
Jl. Siwalankerto 121-131, Surabaya 60293
dwahjudi@peter.petra.ac.id
Andre Rinaldi Cahyono
Alumni Jurusan Teknik Mesin-Fakultas Teknologi Industri, Universitas Kristen Petra
Abstrak
Salah satu kendala pada proses produksi kain adalah sering putusnya benang pada saat ditenun. Untuk mengatasi
masalah ini, kekuatan benang perla ditingkatkan. Penulis melakukan penelitian untuk meningkatkan kekuatan benang di P.T.
XYZ dengan menggunakan metode Taguchi. Faktor-faktor yang diduga mempengaruhi kekuatan benang adalah kemuluran
benang (draft), temperatur pengeringan, temperatur larutan kanji, dan tekanan squeezing roll.
Hasil eksperimen menunjukkan bahwa semua faktor memberikan pengaruh yang signifikan. Dengan memakai
kombinasi setting yang optimal, kekuatan benang meningkat sebesar 4% dari 3,266 N menjadi 3,396 N. Hasil uji verifikasi
mengkonfirmasi peningkatan kekuatan tersebut.
Kata kunci: kekuatan benang, metode Taguchi, proses sizing

1. PENDAHULUAN
Cacat yang terjadi pada proses produksi kain
ialah putusnya benang lusi saat ditenun. Untuk
mengurangi putusnya benang maka benang tersebut
terlebih dahulu dilewatkan pada suatu proses, yaitu
proses sizing, untuk meningkatkan kekuatannya.
Pada proses sizing banyak faktor yang
mempengaruhi hasil produksi mulai dari bahan
baku, formula kanji hingga setting mesin yang
digunakan. Melalui penelitian ini diharapkan
diperoleh infromasi yang diperlukan untuk
menghasilkan benang yang mempunyai kekuatan
yang diinginkan.
Tujuan dari penelitian ini adalah untuk
mendapatkan faktor-faktor yang berpengaruh pada
kekuatan benang serta level yang tepat untuk setiap
faktor.
Batasan masalah yang diambil untuk penelitian
ini ialah:
1) Pengujian dan pengambilan data dilakukan
pada produksi kain grey dengan jenis 100%
cotton dengan nomer benang 45s.
2) Proses sizing dilakukan dengan memakai
mesin merk Baba Sangyo tipe C-12 HD 45.
3) Larutan kanji yang dipakai adalah jenis C-1.
2. METODOLOGI PENELITIAN
Dalam penelitian ini metode Taguchi dipakai
dalam merancang eksperimennya. Alasan pemilihan
metode ini adalah efisiensinya. Dengan kata lain,
metode Taguchi membutuhkan jumlah percobaan
yang lebih sedikit dibandingkan rancangan

eksperimen yang klasik. Hal ini dimungkinkan oleh

pemakaian matriks orthogonal. Pemakaian matriks
orthogonal ini bisa dilakukan apabila dianggap
tidak terjadi interaksi antara faktor yang satu
dengan yang lainnya.
Adapun penulisan matriks orthogonal adalah
sebagai berikut:
Lm (xk)
di mana:
L = notasi L, menunjukkan bahwa informasi dalam
bentuk matriks orthogonal
m = jumlah baris, mengindikasikan jumlah
percobaan yang dibutuhkan
x = jumlah level yang dipakai
k = jumlah kolom, menunjukkan jumlah faktor
yang dipakai
Untuk menghitung jumlah baris digunakan rumus:
df (MO) = k * (x -1), dan
m = df (MO) + 1
Dalam metode Taguchi ini dipakai signal-tonoise ratio (SNR) untuk mengevaluasi kualitas dari
suatu produk. SNR mengukur tingkat kinerja
dibandingkan efek dari faktor noise. Selain itu,
SNR juga mengindikasikan stabilitas kinerja dari
karakteristik output terhadap gangguan faktor
noise. Karena kekuatan benang diharapkan setinggi
mungkin, maka SNR yang dipilih adalah larger the
better, yang diwakili oleh rumus:

1 n 1
y 2
n
i 1 i

10 log10

Adapun penelitian ini dibuat dengan langkahlangkah sebagai berikut:

1) Melakukan survey lapangan untuk
mendapatkan faktor-faktor yang bepengaruh
terhadap peningkatan kekuatan benang.
2) Menentukan jumlah dan range level setiap
faktor.
3) Melakukan eksperimen untuk mengambil data.
4) Melakukan analisa data dari eksperimen.
5) Mengambil kesimpulan mengenai hubungan
antara variabel input, error, dan output.
6) Melakukan eksperimen untuk memverifikasi
hasil analisa eksperimen sebelumnya.
7) Melakukan analisa data dari eksperimen
verifikasi.
Langkah-langkah yang dilakukan dalam
pengambilan data adalah sebagai berikut:
a)
Menyiapkan benang yang akan
diproses.
b)
Mengatur kemuluran benang (draft)
sesuai dengan kombinasi perlakuan yang akan
dilakukan (1,3%; 1,4%; 1,5%).
c)
Mengatur temperatur pengeringan
sesuai dengan kombinasi perlakuan yang akan
dilakukan (100C, 105C, 110C).
d)
Menunggu temperatur pengeringan
pada layar penunjuk hingga konstan.
e)
Mengatur temperatur larutan kanji
dalam size box sesuai dengan kombinasi
perlakuan yang akan dilakukan (88C, 90C,
92C).
f)
Menunggu temperatur larutan kanji
pada layar penunjuk hingga konstan.
g)
Mengatur tekanan squeezing roll
sesuai dengan kombinasi perlakuan yang akan
dilakukan (800 kg/cm2, 1000 kg/cm2, 1200
kg/cm2).
h)
Mengambil 100 helai benang dari
setiap kombinasi dengan panjang 1 yard.
i)
Menguji kekuatan tiap helai benang
dari setiap sampel yang diambil.
j)
Mencatat rata-rata hasil dari pengujian
tersebut yang tercatat pada layar penunjuk.
3. HASIL PENELITIAN
Dari faktor-faktor terkontrol yang didapat dari
analisa diagram sebab akibat serta pertimbangan
dari pihak perusahaan dapat diambil beberapa
variabel, yaitu:
1) Variabel respon, yaitu: kekuatan benang, yang
didapatkan dari hasil uji tarik benang.
2) Variabel bebas/faktor, terdiri dari:
Kemuluran benang (draft) (%), yaitu 1,3%;
1,4%; 1,5%.
Temperatur pengeringan (C), yaitu 100, 105,
110.
Temperatur larutan kanji (C), yaitu 88, 90, 92.

Tekanan squeezing roll (kg/cm2), yaitu 800,

1000, 1200
Dalam eksperimen ini terdapat 4 faktor dengan
rancangan 3 level, dengan demikian x = 3, k = 4.
Dari kondisi tersebut didapat df (MO) = 8, dan
akhirnya jumlah baris (m) = 9. Kode dan nilai level
variabel ditunjukkan pada Tabel 1 di bawah ini.
Tabel 1. Kode & Nilai Level Variabel
Kode
Kemuluran benang (draft) (%)
Temperatur pengeringan (C)
Temperatur larutan kanji (C)
Tekanan squeezing roll (kg/cm2)

1
2
3
1,3 1,4 1,5
100 105 110
88
90
92
800 1000 1200

Data hasil eksperimen ditampilkan pada Tabel

2, dimana angka yang tercantum merupakan
kekuatan rata-rata dari 100 helai benang untuk tiap
sampel.
Tabel 2. Data Hasil Eksperimen
Order
1
2
3
4
5
6
7
8
9

A
1
1
1
2
2
2
3
3
3

Faktor
B C
1
1
2
2
3
3
1
2
2
3
3
1
1
3
2
1
3
2

D
1
2
3
3
1
2
2
3
1

1
3,56
3,30
3,26
3,07
3,55
3,30
3,41
3,23
3,55

Replikasi
2
3,29
3,44
3,12
3,44
3,01
3,24
3,17
3,48
3,16

3
3,43
3,22
3,22
3,23
3,23
3,04
3,25
3,01
3,11

Data dari Tabel 2 kemudian diolah untuk

mendapatkan rata-rata, standar deviasi, dan SNR
untuk masing kombinasi.

Rata - rata y

n
3,56 3,29 3,43
y
3,43
3
n

Standar deviasi

( yi y )

i 1

n 1

(3,56 3, 43) 2 (3, 29 3, 43) 2 (3, 43 3, 43) 2

2

0,135031
1 n 1
y 2
n
i 1 i

SNR 10 log10

1
1
1
/ 3
10 log

2
2
2
3,29
3,43

3,56
10,684
Hasil perhitungan ini disajikan pada Tabel 3.
Tabel 3. Rata-rata, Standar Deviasi, dan SNR

Order
1
2
3
4
5
6
7
8
9

A
1
1
1
2
2
2
3
3
3

Faktor
y-bar
B C D
1 1 1 3,42
2 2 2 3,32
3 3 3 3,20
1 2 3 3,25
2 3 1 3,26
3 1 2 3,19
1 3 2 3,28
2 1 3 3,24
3 2 1 3,27

SNR

0.135031
0.111355
0.072111
0.185562
0.271539
0.136137
0,122202
0,235160
0,240901

10,684
10,413
10,099
10,201
10,214
10,069
10,297
10,165
10,255

Dari Tabel 3 kemudian dilakukan perhitungan

untuk membuat Tabel 4. Contoh perhitungan untuk
Tabel 4 adalah sebagai berikut:
ALevel 1

3,43 3,32 3,20

3

3,317

Dari efek tiap faktor terhadap SNR didapat

urutan dari yang efeknya terbesar sampai terkecil
adalah faktor B, A, D, dan C. Bila informasi yang
diperoleh dari Tabel 4 digabungkan dengan hasil
dari Tabel 5, maka akan didapat rancangan usulan
yang sama, yaitu A1, B1, C1, dan D1.
Selain analisa efek mean dan SNR, hasil
eksperimen juga dianalisa dengan analisa varian
(ANOVA). Contoh perhitungan adalah sebagai
berikut:

A
3.317
3.233
3.263
0.084
3
A1

B
3.320
3.273
3.220
0.100
1
B1

C
3.287
3.280
3.247
0.040
4
C1

D
3.320
3.263
3.230
0.090
2
D1

Selanjutnya juga dihitung efek untuk SNR

yang hasilnya ditunjukkan pada Tabel 5. Contoh
perhitungan untuk Tabel 5 adalah sebagai berikut:
ALevel 1 10,684 10,3413 10,099 10,399
Efek untuk faktor A = rata-rata respon terbesar
rata-rata respon terkecil
= 10,399 10,161
= 0,237
A
10,399
10,161
10,239
0,237
2
A1

B
10,394
10,264
10,141
0,253
1
B1

C
10,306
10,290
10,203
0,103
4
C1

D
10,384
10,260
10,155
0,229
3
D1

2
xi i

Total sum of square (SST)

SST = y2 - SSm
SST = 289,6042 288,7083
= 0,8959

Sum of square due to error (SSe)

SSe = SST SS
= 0,8959 (0,209223 + 0,221661 +
0,243702 + 0,213921)
= 0,007393

Mean square
MS = SS / df
MSA = SSA / df
= 0,209223 / 2
= 0,1046115
MSe = SSe / df
= 0,007393 / 18
= 0,0004107222

F-ratio
F-ratio = MS / MSe
F-ratio(A) = MSA / MSe
= 0,1046115 / 0,0004107222
= 254,7

Pure sum of square (SS)

SS = SS (df * MSe)
SSA = SSA (df * MSe)
= 0,209223 (2 * 0,0004107222)
= 0,209101

Pure sum of square due to error (SSe)

SSe = SST SS
= 0,8959 (0,209101 + 0,220840 +
0,242881 + 0,214000)
= 0,009078

Tabel 5. Efek Untuk SNR

Level 1
Level 2
Level 3
Efek
Ranking
Optimum

n x SS

SSA = (9*3,3172)+ (9*3,2332)+ (9*3,2632)288,7083

= 0,209223

Tabel 4. Efek Untuk Mean

Level 1
Level 2
Level 3
Efek
Ranking
Optimum

Sum of square (SS)

SS

Efek untuk faktor A = rata-rata respon terbesar

rata-rata respon terkecil
= 3,317 3.233
= 0,084
Dari efek tiap-tiap faktor pada Tabel 4 dapat
dilihat urut-urutan pengaruh tiap-tiap faktor mulai
yang terbesar sampai yang terkecil. Karena jenis
karakteristik kualitas kekuatan benang adalah
larger the better, maka dipilih faktor yang
menghasilkan respon terbesar sebagai rancangan
usulan.

Sum of square due to mean (SSm)

SS m ny 2 27 * 3,27 2 288,7083
di mana n = jumlah seluruh percobaan
y = rata-rata seluruh percobaan

kata lain, hasil prediksi lebih baik dari hasil

eksperimen yang memakai setting awal perusahaan.

Persen kontribusi ()
= (SS / SST) * 100%
A = (SSA / SST) * 100%
= (0,209101 / 0,8959) * 100%
= 23,34%

Selanjutnya, eksperimen verifikasi dilakukan

karena hasil prediksi memang menunjukkan adanya
perbaikan. Hasil dari eksperimen verifikasi dengan
setting yang optimal juga disajikan pada Tabel 7.

Hasil perhitungan selengkapnya untuk analisa

varian ditunjukkan pada Tabel 6.
Tabel 6. Hasil Analisa Varian
Sourc
e
A
B
C
D
Error
SST
Mean

SS

MS

SS

0,209223
0,221661
0,243702
0,213921
0,007393
0,8959
288,7083

2
2
2
2
18
26
1

0,1046115
0,1108305
0,1218500
0,1006961
0,0004107
0,0344577

254,7
269,8
296,7
260,4

0,209101
0,220840
0,242881
0,214000
0,009708
0,8959

23,34
24,65
27,11
23,89
1,01
100

4. UJI VERIFIKASI
Setelah rancangan optimal didapat, maka harus
diketahui pula prediksi respon dari rancangan
optimal tersebut. Setelah itu eksperimen verifikasi
dapat dilakukan untuk dibandingkan dangan hasil
prediksi. Jika prediksi respon eksperimen verifikasi
cukup dekat satu sama lain, maka dapat
disimpulkan bahwa rancangan sudah cukup
memadai dan sebaliknya.
Untuk rancangan usulan (A1, B1, C1, dan D1),
besar prediksi rata-rata proses adalah sebesar:
prediksi A 1 B 1 C 1 D 1 3 y

= 3,317+3,320+3,287+3,320(3*3,27)
= 3,434
Selanjutnya besar rata-rata proses hasil prediksi ini
akan dibandingkan dengan kondisi hasil
eksperimen yang memakai setting awal, seperti
yang tercantum pada Tabel 7.
Adapun uji hipotesa yang dilakukan adalah sebagai
berikut:
Ho: = 0
H1: 0
di mana adalah rata-rata dengan setting awal, dan
0 adalah rata-rata hasil prediksi. Ho akan ditolak
apabila t0 < -t,.

x 0
s/ n

t0

x 0
s/ n

3,396 3,434
0,045033321/ 3

t0 = 1,462

Dari tabel ANOVA di atas tampak bahwa

semua faktor yang dipilih memang memberikan
pengaruh yang signifikan pada kekuatan benang.

t0

Uji hipotesa untuk membandingkan hasil

prediksi dengan hasil eksperimen memakai setting
optimal adalah sebagai berikut:
Ho: = 0
H1: 0
di mana adalah rata-rata hasil eksperimen
memakai setting optimal, dan 0 adalah rata-rata
hasil prediksi. Ho akan ditolak apabila |t0| > t/2,.

3,266 3,434
0,0525071423/ 3

t0 = -5,5418
Nilai t0 lebih kecil daripada nilai -t,, yang besarnya
-2,920 (untuk = 5%). Jadi, dapat disimpulkan ada
cukup bukti untuk menolak bahwa = 0. Dengan

Harga t/2, adalah sebesar 4,303 untuk = 5%. Jadi,

dapat disimpulkan tidak ada perbedaan antara hasil
prediksi dengan rata-rata hasil eksperimen memakai
setting optimal. Atau, dengan kata lain hasil
eksperimen memakai setting optimal menunjukkan
apa yang diprediksikan memang tercapai.
Untuk selanjutnya, perusahaan disarankan
untuk memakai setting optimal tersebut, yaitu
kombinasi A1, B1, C1, dan D1. Dengan memakai
setting optimal tersebut, kekuatan akan meningkat
dari 3,266 N menjadi 3,396 N.
Tabel 7. Hasil Eksperimen Dengan Setting Awal
dan Setting Optimal
No.
1
2
3
Rata-rata
Standar Deviasi

Setting Awal
3,319
3,214
3,265
3,266
0,0525071423

Setting Optimal
3,394
3,442
3,352
3,396
0,045033321

4. KESIMPULAN
Beberapa kesimpulan yang didapat dari
penelitian ini adalah:
Setting yang diusulkan untuk meningkatkan
kekuatan benang adalah:

Kemuluran benang (draft): 1,3%

Temperatur pengeringan: 100C

Temperatur larutan kanji: 88C

Tekanan squeezing roll: 800 kg/cm2

Hasil eksperimen dengan setting optimal
mengkonfirmasi hasil prediksi yang memang
lebih baik daripada hasil eksperimen memakai
setting awal.
5. DAFTAR PUSTAKA

1.
2.

3.
4.

5.

Bagchi, Tapan P., Taguchi Method Explained:

Practical Steps to Robust Design, New Delhi:
Prentice Hall, 1993.
Belavendram, Nicolo, Quality by Design:
Taguchi Techniques for Industrial
experimentation, London: Prentice Hall
International, 1995.
Montgomery C., Douglas, Design and Analysis
of Experiments, 4th edition, New York: John
Wiley and Sons, 1997.
Locher, Robert H. & Mator, Joseph E.,
Designing for Quality: An Introduction to the
Best of Taguchis & Western Methods of
Statistical Experiments Design, New York:
Quality Resources, 1990.
Phadke, Madhav S., Quality Engineering
Using Robust Design, New Jersey: Prentice
Hall, 1989.