BAB 2
TEORI DASAR
A
L(y)
cost
y
LSL ∆ m ∆ USL
Keterangan gambar :
- LSL: Lower Specification Limit, batas bawah ukuran spesifikasi yang masih
ditoleransi
- USL: Upper Specification Limit, batas atas ukuran spesifikasi yang masih
ditoleransi
- m : nilai spesifikasi yang diharapkan
- y : nilai spesifikasi suatu produk
- L(y): Taguchi loss function
- h : loss yang disebabkan deviasi y dari m
- ∆ : jarak toleransi maksimal dari m
- A : loss cost maksimum yang disebabkan oleh produk yang gagal (berada
diluar batas toleransi)
Taguchi loss function diperoleh dari deret taylor disekitar nilai target m, yaitu
L' ( m ) L' ' (m) L(3) ( m )
L ( y) = L (m) + ( y − m) + ( y − m) + ( y − m ) + ...
2 3
1! 2! 3!
(1.1)
Elemen pertama dan kedua dari deret taylor pada persamaan (1.1) diatas
bernilai nol, karena berdasarkan definisi, tidak ada loss cost yang dikeluarkan
jika y = m yang artinya ketika y = m, L(y) = L(m) = 0 dan nilai minimum
fungsi ini bernilai nol yang artinya turunan pertama fungsi ini terhadap m
juga bernilai nol, L' ( m ) = 0 . Kemudian elemen – elemen dari deret ini yang
memiliki turunan lebih besar dari 2 mempunyai nilai error yang sangat kecil
sehingga bisa diabaikan. Hal ini mengakibatkan persamaan (1.1) diatas bisa
direduksi menjadi
L' ' (m)
L( y) = ( y − m ) (1.2)
2
2!
Atau bisa dituliskan sbb.
L ( y ) = k ( y − m)
2
, dengan k suatu konstanta. (1.3)
BAB II TEORI DASAR 11
L ( m − ∆ ) = k ( (m − ∆) − m )
2
A = k (∆)
2
A
k= (1.4 )
∆2
Perhitungan loss cost suatu produk secara individual (satu per satu), bisa
langsung menggunakan persamaan (1.3) diatas.
Untuk menghitung rata – rata loss cost produk dari suatu kelompok (populasi)
bisa dilakukan dengan 2 cara. Cara pertama yaitu dilakukan dengan
menghitung loss cost setiap produk secara individual kemudian
menjumlahkan loss cost setiap produk tersebut dan membaginya dengan
banyaknya produk dari kelompok (populasi). Untuk cara yang kedua bisa
dilakukan dengan menggunakan formula yang akan dijelaskan dibawah ini.
Jika E [Y ] = µ = m , maka
BAB II TEORI DASAR 12
E ⎡⎣ L ( y ) ⎤⎦ = E ⎡ k ( y − m ) ⎤
2
⎣ ⎦
= k E ⎡( y − m ) ⎤
2
⎣ ⎦
= k E ⎡( y − E [Y ]) ⎤
2
⎣ ⎦
E ⎡⎣ L ( y ) ⎤⎦ = L = k σ Y2;m (1.5)
1⎡ n ⎤
2
Sbias = ⎢ ∑
n ⎣ i =1
( yi − µ ) 2 ⎥ sebagai penaksir biasnya. Digunakan penaksir bias,
⎦
2 2
karena nilai taksiran Sbias akan sama dengan nilai taksiran dari Stak bias untuk n
2
yang besar, dengan kata lain lim Sbias = lim Stak
2
bias .
n →∞ n →∞
Bukti :
BAB II TEORI DASAR 13
1 n
2
Sbias = ∑ ( yi − µ )2 , penaksir bias untuk σ Y;2 µ
n i =1
1 n
2
Stak bias = ∑
n − 1 i =1
( yi − µ ) 2 , penaksir tak bias untuk σ Y;2 µ
Misalkan
2
Sbias
v= 2
,
Stak bias
maka
1 n
∑ ( yi − µ )2
n i =1
v=
1 n
∑ ( yi − µ )2
n − 1 i =1
1
= n
1
n −1
n −1 1
= = 1−
n n
1
lim1 − = 1
n →∞ n
Maka untuk n yang besar,
v =1
2
Sbias
2
=1
Stak bias
2
Sbias = Stak
2
bias , terbukti
1⎡ n ⎤
SY2;m = ⎢ ∑
n ⎣ i =1
( yi − m) 2 ⎥ dipilih sebagai penaksir bias dari σ Y2;m , variansi
⎦
1⎡ n ⎤
populasi terhadap nilai target m dan SY2; y = ⎢ ∑
n ⎣ i =1
( yi − y ) 2 ⎥ dipilih sebagai
⎦
penaksir bias dari σ Y2; y , variansi sampel terhadap nilai rataan sampel y .
( )
2
SY2;m = SY2; y + y − m (1.6)
BAB II TEORI DASAR 14
Bukti :
( )
2
SY2;m = SY2; y + y − m
n n
∑ ( yi − m)2 ∑ ( y − y) 2
( )
i 2
i =1
= i =1
+ y−m
n n
∑ ( y − m) = ∑ ( y − y ) ( )
2 2 2
i i +n y−m
∑( y 2
i (
− 2myi + m 2 ) =∑ yi2 − 2 yi y + y + n y − 2m y + m 2
2
) ( 2
)
∑y − 2m∑ yi + nm 2 = ∑ yi2 − 2 y ∑ yi + n y + n y − 2mn y + nm 2
2 2 2
i
−2m∑ yi = −2 y ∑ yi + 2n y − 2mn y
2
− m∑ yi = − y ∑ yi + n y − mn y
2
dengan
y=
∑y i
, maka
n
−∑ yi ( ∑ yi ) ⎛ ∑ yi ⎛ ∑ yi
2
⎞ ⎞
− m∑ yi = + n ⎜⎜ ⎟⎟ − mn ⎜⎜ ⎟⎟
n ⎝ n ⎠ ⎝ n ⎠
− ( ∑ yi ) (∑ y )
2 2
− m∑ yi = + − m∑ yi
i
n n
− ( ∑ yi ) (∑ y )
2 2
− m∑ yi + m∑ yi = +
i
n n
0 = 0, terbukti.
1⎡ n ⎤
Dari persamaan (1.5), (1.6) dan memilih SY2;m = ⎢ ∑
n ⎣ i =1
( yi − m) 2 ⎥ sebagai
⎦
penaksir bias dari σ Y2;m , diperoleh formula untuk menghitung besarnya rata –
rata loss cost per produk dari suatu kelompok (populasi), yaitu
L = k ⎡ SY2; y + y − m ⎤ ( )
2
⎣⎢ ⎥⎦
y
LSL ∆ m ∆ USL
Loss function pada karakteristik N – type ini mengikuti bentuk umum dari
Taguchi loss function yang telah dipaparkan sebelumnya.
∆2
( )
L = k ⎡ SY2; y + y − m ⎤ , k = 2
2 A
⎢⎣ ⎥⎦ ∆
SY2; y : variansi Y dari sampel disekitar rataan Y, y
L(y)
A
cost
y USL
∆
BAB II TEORI DASAR 17
Loss function pada karakteristik N – type ini mengikuti bentuk umum dari
Taguchi loss function, hanya saja nilai target m adalah nol.
∆2
( )
L = k ⎡ SY2; y + y ⎤ , k = 2
2 A
⎢⎣ ⎥⎦ ∆
SY2; y : variansi Y dari sampel disekitar rataan Y, y
L(y)
cost
LSL
∆
Misalkan
1
z=
y
Nilai z ≥ 0 memiliki karakteristik S – type degan nilai target m = 0 dan
1
jarak toleransi maksimal ∆ ' = . Maka loss function dengan nilai
∆
karakteristik z adalah
BAB II TEORI DASAR 19
A
L( z) = z2
(∆ )
' 2
2
A ⎛1⎞
= 2 ⎜ ⎟
⎛1⎞ ⎝ y⎠
⎜ ⎟
⎝∆⎠
⎡ 1 ⎤ ⎡ 3SY ; y ⎤
2
A
L = k ⎢ 2 ⎥ ⎢1 + 2 ⎥ , k =
(1 ∆ )
2
⎣ y ⎦ ⎢⎣ y ⎥⎦
Bagan kendali ini menggunakan dua batas dalam mengontrol output yang
dihasilkan dari suatu proses produksi, yaitu batas atas kendali atau yang
disebut sebagai upper control limit (UCL) dan batas bawah kendali atau yang
disebut sebagai lower control limit (LCL). Bagan kendali ini juga mempunyai
garis tengah yang merepresentasikan nilai rata-rata dari spesifikasi output
yang diukur yang disebut sebagai center line (CL).
BAB II TEORI DASAR 20
UCL
Nilai spesifikasi
CL
LCL
jumlah sample
Untuk menentukan nilai UCL, CL, dan LCL, misalkan w spesifikasi dari
sampel yang diukur, misalkan pula rataan dan standar deviasi dari w masing-
masing ialah µw dan σ w . Maka garis tengah (CL), batas atas kendali (UCL),
dan batas bawah kendali (LCL) menjadi
UCL = µ w + Lσ w
CL = µ w
LCL = µ w − Lσ w
Dimana L adalah jarak batas bagan kendali dari garis tengah yang
diekspresikan dalam unit standar deviasi.
kendali jumlah kumulatif (Cumulative Sum control chart) atau yang lebih
sering disebut sebagai cusum adalah salah satu alternatif yang handal untuk
mendeteksi proses yang memiliki pergerseran rataan kecil.
Ada dua cara untuk mereprentasikan cusum, tabular cusum atau bentuk V-
mask dari cusum. Dari dua representasi ini, tabular cusum adalah yang paling
sering digunakan. Di bagian ini, hanya akan dibahas representasi cusum dalam
bentuk tabular cusum.
Pada persamaan (3.1) dan (3.2), K biasa disebut sebagai reference value
atau allowance value, dan ini seringkali dipilih sekitar setengah antara
nilai target µ0 dan nilai out-of-control dengan rataan µ1 yang ingin
dideteksi secepatnya.
Proses berada dalam keadaan in-control jika Ci+ dan Ci− berada dalam
interval H. Nilai yang masuk akal untuk H adalah lima kali dari standar
deviasi proses, σ .
(1981) (1993a) menyarankan untuk membuat nilai standar yang baru, yaitu
yi − 0.822
vi = (3.3)
0.349
Proses berada dalam keadaan in-control jika Si+ dan Si− berada dalam
interval H
Saat ini, pasar global menghendaki sebaran produk dalam distribusi sebesar 6
sigma, yaitu untuk distribusi normal dengan mean µ dan standar deviasi σ ,
batas atas dan batas bawah toleransi naturalnya (upper and lower natural
BAB II TEORI DASAR 24
Suatu proses dikatakan handal jika hampir semua nilai spesifikasi produk
yang diukur berada di dalam batas spesifikasi.
Definisi :
USL − LSL
Cp =
6σ
USL − LSL
Cp =
6S
Jika nilai Cp>1, artinya seluruh output dari proses hanya menggunakan
kurang dari 100% dari batas toleransi, ini berarti relatif sedikit produk
yang gagal. Kemudian jika nilai Cp=1, artinya seluruh output dari proses
menggunakan 100% dari batas toleransi, ini berarti untuk produk yang
berdistribusi normal, terdapat 0.27% produk yang dianggap gagal.
Sedangkan jika Cp<1, artinya output dari proses menggunakan lebih dari
100% dari batas toleransi, ini berarti terdapat banyak produk yang
dianggap gagal, dan proses dapat dikatakan tidak handal.