1, Mei 2014
1
Ronald John Djami, 2Sony Sunaryo
1,2
Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh November, Surabaya
Alamat e-mail : 1ronaldjohn1111@yahoo.co.id
ABSTRAK
Dalam bidang industri, statistika biasa digunakan dalam hal pengambilan keputusan dalam
suatu masalah, salah satu metode yang digunakan dalam statistika untuk pengambilan
keputusan adalah metode optimasi. Salah satu metode optimasi yang sering dipakai adalah
metode Taguchi, metode ini diperkenalkan oleh Dr. Genichi Taguchi pada tahun 1940.
Metode Taguchi merupakan metode yang efisien digunakan dalam off line kontrol kualitas
dimana desain percobaan dikombinasikan dengan penurunan kualitas. Metode ini
mencakup tiga tahap desain yaitu desain sistem, desain parameter, dan desain toleransi.
Dalam dunia nyata jelas bahwa lebih dari satu karakteristik kualitas harus dipertimbangkan
untuk produk industri yang paling baik, yaitu dalam sebagian besar aplikasi perhatian
pelanggan adalah dengan masalah multirespon. Namun demikian, metode Taguchi tidak
tepat untuk mengoptimalkan masalah multirespon karena teknik penilaian adalah prosedur
optimasi utama dalam metode Taguchi. Untuk mengatasi masalah ini, peneliti
mengusulkan suatu prosedur yang efektif disebut PCR-TOPSIS yang didasarkan pada
kemampuan proses ratio (PCR) Technique for Order Performance by Similarity to Ideal
Solution (TOPSIS) untuk mengoptimalkan masalah multirespon. Sehingga dengan metode
PCR-TOPSIS, kita dapat memperoleh solusi yang terbaik dan dapat menghasilkan solusi
yang memuaskan untuk masalah multirespon dalam proses pembuatan kertas pada PT.
Adiprima Suraprinta yang merupakan salah satu perusahan manufaktur yang bergerak di
bidang industri kertas khususnya daur ulangan kertas.
46
Statistika, Vol. 2, No. 1, Mei 2014
memaksimalkan hasil atau pemanfaatan Noise Ratio (SNR) pada metode Taguchi
material produksi atau proses produksi. digunakan sebagai ukuran untuk memilih
Penentuan fungsi tujuan dikaitkan dengan faktor–faktor dengan karakteristik kualitas
permasalahan yang dihadapi. suatu respon [5]. SNR mentransformasikan
Salah satu metode optimasi yang sering data pengamatan berulang ke dalam
dipakai adalah metode Taguchi, metode ini sebuah nilai yang mencerminkan
diperkenalkan oleh Dr. Genichi Taguchi keberadaan dari variasi dan nilai rata-rata
pada tahun 1940. Pendekatan Taguchi ini dari respon. Penggunaan SNR untuk
berbeda dengan pendekatan lainnya, yakni mengetahui level dari faktor mana yang
lebih menekankan pada aspek kualitas berpengaruh terhadap hasil eksperimen.
dibandingkan. Selain itu Taguchi Analysis of variance (ANOVA)
menggunakan perancangan eksperimen merupakan teknik perhitungan yang
sebagai alat untuk membuat produk lebih memungkinkan secara kuantitatif
kokoh (robust), yakni produk menjadi mengestimasi kontribusi setiap faktor pada
tidak terpengaruh terhadap faktor noise. semua pengukuran respon. ANOVA yang
Perancangan eksperimen ini digunakan digunakan desain parameter berguna untuk
sebagai alat untuk mengurangi variasi membantu mengidentifikasi kontribusi
terhadap karakteristik kualitas produk dan faktor sehingga akurasi perkiraan model
proses. Penggunaan metode Taguchi dalam dapat ditentukan. ANOVA diperlukan
desain eksperimen berdasarkan pada untuk memperkirakan kesalahan varians
Orthogonal Array (OA) dalam rangka dari faktor dan kesalahan prediksi.
mendapatkan jumlah maksimum informasi ANOVA pada metode Taguchi digunakan
dengan percobaan minimal, selain itu juga sebagai suatu metode statistika untuk
dapat menganalisis data eksperimen menginterpretasikan data – data hasil
berdasarkan Signal to Noise Ratio (rasio eksperimen[3].
SN)[5]. Orthogonal Array (OA) adalah Permasalahan pengambilan keputusan
suatu matriks yang elemen – elemennya merupakan proses pencarian opsi terbaik
tersusun atas baris dan kolom. Baris dari seluruh alternative fisibel. Multiple
merupakan kombinasi level dari faktor Criteria Decision Making (MCDM)
dalam eksperimen. Setiap kolom merupakan bagian dari problem
merupakan faktor yang dapat diubah dalam pengambilan keputusan yang relatif
eksperimen.Filosofi Taguchi terdiri dari kompleks, yang mengikutsertakan
tiga konsep[6], yaitu kualitas harus beberapa orang pengambil keputusan,
dirancang ke dalam produk dan bukan dengan sejumlah berhingga kriteria yang
sekedar memeriksanya, kualitas terbaik beragam yang harus dipertimbangkan, dan
dicapai dengan meminimumkan deviasi masing-masing kriteria itu memiliki nilai
dari target. Produk harus dirancang agar bobot tertentu, dengan tujuan untuk
kokoh (robust) terhadap faktor lingkungan mendapatkan solusi optimal atas suatu
yang tidak dapat dikontrol, biaya Kualitas permasalahan. Salah satu metode yang
harus diukur sebagai fungsi deviasi dari digunakan untuk menangani permasalahan
standar tertentu dan kerugian harus diukur ini, adalah Technique for Order
pada seluruh sistem. Performance by Similarity to Ideal
Tiga tahapan dalam menerapkan Solution (TOPSIS).
metode Taguchi untuk mengoptimalkan TOPSIS adalah salah satu metode
suatu produk atau proses yaitu (1) desain pengambilan keputusan multikriteria yang
sistem, (2) desain parameter, dan (3) pertama kali diperkenalkan oleh[7].
desain toleransi[3]. Kita dapat juga TOPSIS menggunakan prinsip bahwa
menganalisis data eksperimen berdasarkan alternatif yang terpilih harus mempunyai
Signal to Noise Ratio (SNR).Signal to jarak terdekat dari solusi ideal positif dan
47
Statistika, Vol. 2, No. 1, Mei 2014
jarak terpanjang (terjauh) dari solusi ideal LSL : Lower Specification Limit/Batas
negatif dari sudut pandang geometris Spesifikasi Bawah
dengan menggunakan jarak Euclidean S : Sampel Standar Deviasi
(jarak antara dua titik) untuk menentukan Dari hasil perhitungan diatas maka kita
kedekatan relatif dari suatu alternatif dapat melihat bahwa, jika PCR > 1 maka
dengan solusi optimal. Metode TOPSIS proses yang dilakukan baik (Capable),
banyak digunakan pada beberapa model PCR < 1 maka proses yang dilakukan tidak
MADM (Multi Attribute Decision baik (Not Capable), PCR = 1 maka proses
Making). sesuai dengan spesifikasi konsumen
Solusi ideal positif didefinisikan Jika PCR < 1 maka proses
sebagai jumlah dari seluruh nilai terbaik menghasilkan produk atau jasa berada
yang dapat dicapai untuk setiap atribut, diluar toleransi yang diperbolehkan.
sedangkan solusi negatif-ideal terdiri dari Semakin tinggi rasio kemampuan proses,
seluruh nilai terburuk yang dicapai untuk semakin besar kecenderungan proses
setiap atribut. TOPSIS mempertimbangkan berada dalam spesifikasi yang diinginkan.
keduanya, jarak terhadap solusi ideal Banyak perusahan telah memilih PCR =
positif dan jarak terhadap solusi ideal 1.33 sebagai target untuk mengurangi
negatif dengan mengambil kedekatan variabel proses. PCR berkaitan dengan
relatif terhadap solusi ideal positif. penyebaran output proses relatih terhadap
Berdasarkan perbandingan terhadap jarak toleransinya, PCR tidak melihat seberapa
relatifnya, susunan prioritas alternatif bisa baik rata-rata sebuah proses berada
dicapai. Metode ini banyak digunakan ditengah nilai target.
untuk menyelesaikan pengambilan Untuk mengatasi masalah ini, peneliti
keputusan secara praktis. Hal ini mengusulkan suatu prosedur yang efektif
disebabkan konsepnya sederhana dan disebut PCR-TOPSIS yang didasarkan
mudah dipahami, komputasinya efisien, pada kemampuan proses ratio (PCR) teori
dan memiliki kemampuan mengukur dan teori preferensi order by kesamaan
kinerja relatif dari alternatif-alternatif dengan solusi ideal (TOPSIS) untuk
keputusan. mengoptimalkan masalah multirespon.
PCR (Proses Kemampuan Rasio) Sehingga dengan metode PCR-TOPSIS,
merupakan kemampuan sebuah proses kita dapat memperoleh solusi yang terbaik
untuk memenuhi spesifikasi desain yang dan dapat menghasilkan solusi yang
ditetapkan oleh permintaan konsumen, memuaskan untuk masalah multirespon
walaupun sebuah proses terkendali secara dalam proses pembuatan kertas pada PT.
statistik. Bagi sebuah proses untuk dapat Adiprima Suraprinta yang merupakan
dikatan mampu, nilainya harus berada salah satu perusahan manufaktur yang
diantara spesifikasi atas dan bawah. Hal ini bergerak di bidang industri kertas
berarti kemampuan proses berada dalam khususnya pendaurulangan kertas.
±3 standar deviasi dari rata-rata proses. Tujuan yang ingin dicapai dalam
Karena rentangan nilai adalah 6 standar penelitian ini adalah mengkaji teori metode
deviasi, maka toleransi sebuah proses yang PCR-TOPSIS untuk menganalisis data
mampu, yaitu perbedaan antara spesifikasi multirespon dan menerapkannya dalam
atas dan bawah harus lebih besar atau sama mengoptimasi variabel-variabel respon
besar dengan 6. pada proses pembuatan kertas di PT.
design limits USL LSL Adiprima Suraprinta. Serta
PCR
process capability 6s membandingkan hasil optimasi yang
USL : Upper Specification Limit/Batas diperoleh dengan metode PCR-TOPSIS
Spesifikasi Atas dan Fuzzy Logic.
48
Statistika, Vol. 2, No. 1, Mei 2014
49
Statistika, Vol. 2, No. 1, Mei 2014
1 2
i
x j
10log10 y ijk , 0 yijk ,
l j
i
j s j i 1 : Standar deviasi
k 1
l (1) m 1
sampel untuk SNR dalam respon
(semakin kecil respon semakin baik ke-j.
hasilnya) 6. Menghitung TOPSIS dari hasil PCR-
l SNR.
1 1
ij 10 log10 , 0 y ijk ,
l k 1 y i 2 Relatif kedekatan untuk setiap
jk (2) percobaan yang ideal, TOPSIS dari
(semakin besar respon semakin baik hasil PCR-SNR adalah
hasilnya), dan d i
y i 2 S i
i
10 log10
i j
, 0 y ijk , d d i
S i 2
j
C C j , untuk i 1, , m
n
j
2
(3) d i i
j
:
j 1
(respon lebih nominal yang terbaik) Jarak percobaan ke-i dari solusi ideal.
y ijk : Data yang diamati untuk
respon ke- j pada percobaan ke- I
dan k pengulangan.
50
Statistika, Vol. 2, No. 1, Mei 2014
j 1
j
PCR-TOPSIS.
Jarak percobaan ke-i dari solusi
Transformasi Nilai Respon ke SNR
ideal.
SNR merupakan hasil transformasi dari
Cj maxCij ,untuk i 1,2,, m , Cij i 1,2,, m, j 1,2,, nbeberapa pengulang data sehingga nilainya
Cj min Cj ,untuk i 1,2,, m , Cj i 1,2,, m, j 1,2,, n mewakili
i i
kualita penyajian variasi.
Masing-masing respon memiliki
7. Menentukan persentase kontribusi FLC karakteristik yang berbeda yaitu untuk
optimal dari faktor-faktor yang Thickness/ketebalan kertas dikatakan baik
signifikan dalam multirespon. Ketika jika nilainya berada dalam batas toleransi
TOPSIS lebih tinggi dari hasil PCR- dan mendekati target (nominal the best),
SNR, kualitas produk yang lebih baik Roughness/ kekasaran dengan batas
yang tersirat, sehingga efek faktor dapat spesifikasi < 220 ml/min dimana semakin
diperkirakan dan tingkat optimal untuk kecil nilai Rougness maka semakin baik
setiap faktor terkendali juga dapat (smaller the better). Berikut hasil SNR
ditentukan. Menggunakan ANOVA masing-masing respon dengan fungsi
(Analysis of Variance), faktor yang kualitasnya masing-masing:
signifikan dalam kinerja multirespon Tabel 1 SNR dari Variabel Respon
dan persentase kontribusi mereka Outter Array
terhadap total variasi TOPSIS No SNR
berdasarkan PCR diperoleh.
III. Membandingankan hasil optimasi Thickness Opacity Roughness
51
Statistika, Vol. 2, No. 1, Mei 2014
Tabel 2 PCR-SNR dari respon Thickness, Opacity respon baru yang mewakili tiga respon dari
dan Roughness.
Thickness, Opacity dan Roughness.
PCR-SNR
No
Thickness Opacity Roughness
ANOVA pada hasil PCR-TOPSIS.
1 -0.098 -0.310 0.325
2 -0.195 -0.312 0.336 Hasil perhitungan PCR-TOPSIS yang
3 -0.203 -0.309 0.296
didapat selanjutnya akan dilakukan
4 -0.325 -0.312 0.318
5 -0.323 -0.312 0.309 analysis of variance (ANOVA) yang
6 -0.039 -0.313 0.314 digunakan untuk mengetahui pengaruh
7 -0.595 -0.311 0.291 dari faktor dan interaksi terhadap satu
8 -0.351 -0.313 0.304 respon yang diwakili oleh nilai PCR-
TOPSIS untuk tiga respon sebelumnya.
Menghitung TOPSI hasil PCR-SNR Hasil analisis dari ANOVA dapat dilihat di
TOPSIS adalah salah satu metode Tabel 5.
pengambilan keputusan multikriteria Berdasarkan Tabel 5 dapat dijelaskan
dengan ide dasarnya adalah bahwa bahwa pada tingkat 0.05 , semua
alternatif yang dipilih memiliki jarak faktor utama dan faktor interaksi memiliki
terdekat dengan solusi ideal dan yang pengaruh signifikan dapat dilihat pada p-
terjauh dari solusi ideal negatif. value untuk semua faktor utama dan faktor
interaksi < 0.05 .
Tabel 3 Solusi Ideal dan Solusi Ideal negatif.
Separation Measure Presentase Kontribusi pada masing-
No 1 1
d d masing faktor.
1 0.0599 0.4991
2 0.1568 0.4026 Presentasi kontribusi untuk mengetahui
3 0.1689 0.3928 berapa besar kontribusi yang diberikan
4 0.2873 0.2714 oleh masing-masing faktor utama dan
5 0.2853 0.2734 interaksi. Perhitungan persentase
6 0.0226 0.5572
kontribusi menggunakan persamaan
7 0.5586 0.0019
8 0.3137 0.2451 sebagai berikut :
SS ' SS MSe DF
Berdasarkan perhitungan solusi ideal Untuk perhitungan persentase
dan solusi ideal negatif pada percobaan ke- kontribusi untuk semua faktor utama dan
1 untuk respon ke-j, maka diperoleh Tabel faktor interaksi dapat dilihat pada Tabel 6.
4 PCR-TOPSIS. Berdasarkan Tabel 6 perhitungan
kontribusi dari faktor utama dan interaksi
Tabel 4 Hasil Perhitungan PCR-TOPSIS
i
menunjukan bahwa headbox maein header
No PCR-TOPSIS( S ) preasure (faktor B) memberikan kontribusi
1 0.8928 yang paling besar terhadap respon
2 0.7197 dibandingkan dengan faktor yang lain
3 0.6993
4 0.4858
yaitu sebesar 39.89%. kemudian diikuti
5 0.4893 oleh NIP (faktor D) yang memberikan
6 0.9611 kontribusi sebesar 32.37% dan main speed
7 0.0034 (faktor A) sebesar 15.86%. Sedangkan
8 0.4386 faktor lain berkontribusi dibawah 10%
terhadap respon.
Hasil nilai PCR-TOPSIS pada Tabel 4.
inilah yang akan dianalisis sebagai variabel
52
Statistika, Vol. 2, No. 1, Mei 2014
0,6
menjadi faktor yang paling sedikit
0,5
memberikan pengaruh pada respon, hal ini
Mean of Means
0,4
0,8
1
D
2 1
E
2 1 2
dapat dilihat dari selisih yang paling kecil
0,7 dan rangking yang paling terakhir.
0,6
0,5
Pada gambar 1 terlihat bahwa kondisi
0,4
1 2 1 2
optimum untuk level faktor dari respon
Gambar 1 Plot Efek Variabel Utama adalah A1B1C2D1E2 yaitu :
Main Speed (A1) : 800 – 830 m/min
Tabel 7 Nilai Mean Setiap Level. Headbox Main Header Pressure (B1) : 1.1
Level A B C D E bar
1 0.6991 0.7654 0.5209 0.7476 0.5764 Steam Header Pressure (C2) : 3.71 – 3.77
2 0.4728 0.4065 0.6511 0.4243 0.5955 bar
Delta 0.2263 0.359 0.1302 0.3234 0.0191 NIP (D1) : 100 kN/m
Heating Water (E2) : 130.80 – 135.50C
Rank 3 1 4 2 5
53
Statistika, Vol. 2, No. 1, Mei 2014
54
Statistika, Vol. 2, No. 1, Mei 2014
DAFTAR PUSTAKA
55