BAB II

TINJAUAN PUSTAKA

2.1 Optimasi

Optimasi menurut kamus besar bahasa Indonesia (optimalisasi) diartikan

sebagai pengoptimalan, yaitu proses, cara, pembuatan untuk menghasilkan yang

paling baru.Sedangkan optimasi berasal dari kamus bahasa Inggris yaitu

Optimization yang berarti optimal.(Maharany dan Fajarwati 2006) menjelaskan

bahwa analisis optimasi merupakan suatu proses penguraian data-data awal

dengan menggunakan suatu metode sebelumnya. Dalam pembuatan thesis ini,

analisis optimasi diartikan sebagai suatu proses penguraian durasi proyek untuk

mendapatkan percepatan durasi yang paling baik (optimal) dengan menggunakan

berbagai alternatif ditinjau dari segi biaya, proses memperpendek waktu kegiatan

dalam jaringan kerja untuk mengurangi waktu pada jalur kritis, sehingga waktu

penyelesaian total dapat dikurangi disebut sebagai crashing proyek ( Heizer dan

Render, 2005).Optimasi dalam penelitian ini dilakukan untuk mendapatkan

kualitas optimal dari antena pengarah model yagi.

2.2 Pengertian Kualitas

Dalam proses produksi tujuan yang dicapai adalah untuk mendapatkan

kualitas (mutu) hasil produksi yang optimal, dalam arti produk cacat (rusak) dapat

diminimalisir.Definisi kualitas (mutu) dapat ditinjau dari sisi konvensional sampai

yang lebih strategik. Secara konvensional standar mutu yang diberlakukan

7
dalam pasar global sering mengacu pada beberapa faktor mendasar, seperti:

tahan lama (durability), dapat dipakai dengan baik (service ability) dan bentuk

yang baik (performance) mendefinisikan bahwa produk yang bermutu,

setidaknya ditentukan oleh delapan faktor, seperti: (1) Performance

(penampilan suatu produk yang baik dibandingkan dengan produk lain yang

sejenis), (2) Feature (keunggulan), (3) Reability (keterandalan produk), (4)

Conformance (proses produksi yang baik), (5) Durability (ketahanan suatu

produk), (6) Service Ability (kepuasan konsumen), (7) Aesthetics

(mengandung nilai keindahan), (8) Perceived Quality (produk yang telah

mendapat pengakuan standar universal). Sedangkan definisi strategik dari

kualitas (mutu) adalah segala sesuatu yang mampu memenuhi keinginan atau

kebutuhan pelanggan (meeting the needs of customers). (Gaspersz, 2001).

2.3 Rekayasa Kualitas (mutu)

Menurut Irwan(2009) Rekayasa kualitas dapat diartikan sebagai proses

pengukuran yang dilakukan selama perancangan produk atau proses. Kerangka

dasar dari rekayasa kualitas merupakan suatu hubungan antara dua disiplin ilmu

yaitu teknik perancangan dan manufaktur, dimana mencakup seluruh aktifitas

Pengendalian kualitas (mutu) dalam setiap fase dari penelitian dan pengembangan

produk, perancangan proses, perancangan produksi, dan kepuasan konsumen .

Rekayasa kualitas pada dasarnya dibedakan menjadi 2 yaitu:

8
2.3.1 Rekayasa Kualitas Secara Off-Line (Off-line Quality Engineering)

Dalam rekayasa kualitas secara off-line perancangan eksperimen

merupakan peralatan yang sangat fundamental terutama pada kegiatan penelitian

dan pengembangan produk. Teknik perancangan eksperimen pada dasarnya

melalui dua hal yaitu mengidentifikasi sumber dari variasi dan menentukan

perancangan proses yang optimal. Metodologi rekayasa kualitas secara off-line

terbagi dalam tiga tahap, yaitu :

1. Perancangan Konsep

Tahap perancangan konsep berfungsi untuk dapat berhubungan dengan

konsumen dan mendapatkan suara konsumen dengan kemampuan daya

cipta dan kemampuan teknis untuk merancang konsep produk yang

unggul.

2. Perancangan Parameter

Tahap perancangan parameter berfungsi untuk mengoptimalisasi level dari

faktor pengendali terhadap efek yang ditimbulkan oleh faktor derau

sehingga produk yang dihasilkan dapat kokoh/tangguh.

3. Perancangan Toleransi

Tahap terakhir dari rekayasa kualitas secara off-line yaitu perancangan

toleransi . perancangan toleransi ini dilakukan dengan menggunakan

matriks ortogonal , fungsi kerugian, dan analisis varians untuk

menyeimbangkan biaya dan mutu dari suatu produk.

9
2.3.2 Rekayasa Kualitas Secara On-Line (On-line Quality Engineering)

Rekayasa kualitas secara on-line merupakan suatu aktivitas untuk

mengamati dan mengendalikan kualitas (mutu) pada setiap proses produksi

secara langsung.Aktifitas ini sangat penting dalam menjaga agar biaya produksi

menjadi rendah dan secara langsung pula dapat meningkatkan mutu produk.

Rekayasa kualitas secara on-line juga dapat mengontrol mesin-mesin produksi

sehingga dapat mencegah terjadinya kerusakan pada mesin-mesin tersebut.

2.4 Perancangan Eksperimen (Design Experiment)

Desain penelitian atau rancangan penelitian adalah perencanaan struktur

dan strategi penelitian yang disusun sedemikian rupa sehingga akan mendapatkan

jawaban terhadap pertanyaan-pertanyaan penelitian dan dapat mengontrol varian

variabel. (Sudjana,1991) mendefinisikan Design experiment adalah suatu

rancangan percobaan (dengan tiap langkah atau tindakan yang betul–betul

terdefinisikan) sedemikian sehingga informasi yang berhubungan dengan atau

diperlukan untuk persoalan yang sedang diteliti dapat dikumpulkan. Desain suatu

eksperimen bertujuan untuk memperoleh atau mengumpulkan informasi sebanyak

– banyaknya yang diperlukan dan berguna dalam melakukan penelitian persoalan

yang akan dibahas. Penelitian hendaknya dilakukan se-efisien mungkin mengingat

waktu, biaya, tenaga dan bahan yang harus digunakan dan design experiment yang

dibuat harus sesederhana mungkin. Jadi jelas hendaknya, bahwa design

experiment berusaha untuk memperoleh informasi yang maksimum dengan

menggunakan biaya yang minimum.

10
2.4.1 Prinsip Dasar dalam Design Experiment

Adapun prinsip dasar dalam design experiment, antara lain:

1. Replikasi

Replikasi adalah pengulangan kembali perlakuan yang sama dalam suatu

percobaan dengan kondisi yang sama untuk memperoleh ketelitian yang lebih

tinggi.Replikasi dilakukan untuk tujuan :

a. Menambah ketelitian data eksperimen

b. Mengurangi tingkat kesalahan dalam eksperimen

c. Memperoleh harga taksiran kesalahan eksperimen sehingga Memungkinkan

diadakaanya uji signifikan hasil eksperimen.

2. Randomisasi

Dalam eksperimen selain faktor-faktor yang diselidiki pengaruhnya

terhadap variabel, juga terhadap faktor-faktor yang lain yang tidak terkendali

yang dapat mempengaruhi hasil eksperimen.Pengaruh faktor-faktor tersebut

diperkecil dengan menyebarkan pengaruh tersebut selama eksperimen melalui

randomisasi urutan percobaan.Secara umum randomisasi dimaksudkan untuk:

a. Meratakan pengaruh dari faktor-faktor yang tidak dapat

dikendalikan pada semua unit eksperimen

b. Memberikan kesempatan yang sama pada semua unit eksperimen

untuk menerima suatu perlakuan sehingga diharapkan ada

kehomogenan pengaruh dari setiap perlakuan yang sama.

11
 c. Mendapatkan hasil pengamatan yang bebas satu sama lain.

2.4.2 Langkah-Langkah dalam Melaksanakan Perancangan Eksperimen

(Design Experiment)

Menurut Sudjana (1991) tahapan dalam melaksanakan perancangan

eksperimen, sebagai berikut :

a. Menyatakan mengenai masalah atau persoalan yang akan dibahas.

b. Merumuskan hipotesa.

c. Menentukan teknik dan desain eksperimen yang diperlukan.

d. Memeriksa semua hasil yang mungkin dan latar belakang atau alasan supaya

eksperimen setepat mungkin memberikan informasi yang diperlukan.

e. Mempertimbangkan semua hasil yang ditinjau dari prosedur statistika yang

diharapkan berlaku untuk itu.

f. Melakukan eksperimen.

g. Penggunaan teknik statistika terhadap data hasil eksperimen.

h. Mengambil kesimpulan dengan jalan menggunakan atau memperhitungkan

derajat kepercayaan yang wajar mengenai satuan – satuan yang dinilai.

i. Membandingkan kualitas proses yang baru dengan proses yang lama

Perancangan eksperimen (design experiment) terdiri dari dua macam yaitu

perancangan eksperimen konvensional dan perancangan eksperimen Taguchi.

12
2.5 Metode Konvensional

Metode desain eksperimen klasik (Konvensional) yang dikembangkan oleh

R.A Fisher di Inggris, metode ini berdasarkan pada pendekatan statistik yang

didasarkan pada Latin Square dan pada awalnya dikembangkan untuk industri

pertanian. Metode ini menjadi tidak praktis untuk diterapkan pada industri

manufaktur karena adanya asumsi tertentu dan penekanan pada prosedur-prosedur

tertentu (Amelia,2007). Perancangan eksperimen konvensional merupakan

perancangan dalam melakukan pengambilan data dilakukan secara menyeluruh

dari semua komponen faktor secara menyeluruh, sehingga pada saat ini sudah

jarang dilakukan , karena menyita banyak waktu, menghabiskan biaya dan

tenaga.

2.6 Metode Taguchi

Menurut Irwan (2009) Metode Taguchi merupakan suatu metodologi baru

dalam bidang teknik yang bertujuan untuk memperbaiki kualitas produk dan

proses dalam waktu yang bersamaan menekan biaya dan sumber daya seminimal

mungkin. Metode taguchi berupaya mencapai sasaran itu dengan menjadikan

produk atau proses “ tidak sensitif” terhadap berbagai faktor seperti misalnya

material, perlengkapan, manufaktor, tenaga kerja manusia, dan kondisi-kondisi

operasional . Metode taguchi menjadikan produk atau proses bersifat kokoh

(robust) terhadap faktor gangguan (noise), karenanya metode ini disebut juga

sebagai perancangan kokoh (robust design).

13
 Metode Taguchi diperkenalkan pertama kali oleh Dr Genichi Taguchi

pada saat pertemuan yang diselenggarakan oleh AT & T, sebuah perusahaan

telekomunikasi terkemuka di Amerika Serikat. Dr Genichi Taguchi merupakan

seorang konsultan pengendalian kualitas dari Jepang . Menurut Dr. Genichi

Taguchi, ada 2 (dua) segi umum kualitas yaitu kualitas rancangan dan kualitas

kecocokan. Kualitas rancangan adalah variasi tingkat kualitas yang ada pada suatu

produk yang memang disengaja, sedangkan kualitas kecocokan adalah seberapa

baik produk itu sesuai dengan spesifikasi dan kelonggaran yang disyaratkan oleh

rancangan. Metode Taguchi menggunakan seperangkat matriks khusus yang

disebut Orthogonal Array..Taguchi menyusun orthogonal array untuk tata letak

eksperimennya.Menurut Wuryandari(2009) tabel Orthogonal Array dapat

digunakan untuk menentukan kontribusi setiap faktor yang berpenagaruh terhadap

kualitas dan dapat diketahui tingkat faktor yang memberikan hasil yang optimal.

Dengan orthogonal array untuk tata letak eksperimennya, maka tidak semua

perlakuan dijalankan atau dengan kata lain, runnya dapat dipersingkat sehingga

biaya, waktu dan biaya dapat dipersingkat.

(Montgomery 1998) menerangkan bahwa filosofi Taguchi terhadap

kualitas terdiri dari tiga buah konsep, yaitu :

1. Kualitas harus didisain ke dalam produk dan bukan sekedar

memeriksanya. Kualitas terbaik dicapai dengan meminimumkan deviasi

dari target.

2. Produk harus didisain sehingga robust terhadap faktor lingkungan yang

tidak dapat dikontrol.

14
 3. Biaya kualitas harus diukur sebagai fungsi deviasi dari standar tertentu

dan kerugian harus diukur pada seluruh sistem.

2.6.1 Proses Perancangan Metode Taguchi

Metode Taguchi merupakan salah satu metode yang digunakan untuk

perbaikan kualitas dengan metode percobaan “baru”,artinya melakukan

pendekatan lain yang memberikan tingkat kepercayaan yang sama dengan SPC

(Statistical Proces Control). Metode off-line Taguchi sangat efektif dalam

peningkatan kualitas dan juga mengurangi biaya. Rekayasa kualitas yang

diusulkan Taguchi bertujuan agar performansi produk/prosesnya tidak sensitif

atau tangguh terhadap faktor yang sulit dikendalikan (Triastuti, 2009). Taguchi

memperkenalkan sebuah metode perancangan terintegrasi yang dikenal sebagai

tiga tahapan Metode Taguchi sebagai berikut:

a. Perancangan Sistem (System Design)

b. Perancangan Parameter (Parameter Design)

c. Perancangan Toleransi (Tolerance Design)

2.7 Penentuan dan Pemilihan Orthogonal Array

Menurut (Irwan 2009) dalam proses perancangan dengan metode taguchi

maka proses yang dilakukan setelah mengidentifikasi semua faktor terkendali dan

faktor tidak terkendali serta levelnya, selanjutnya baru proses membuat

perhitungan untuk menentukan derajad bebas.

15
2.7.1 Derajat Bebas (Degree of Freedom)

Derajat bebas merupakan banyaknya perbandingan yang harus dilakukan

antar level–level faktor (efek utama) atau interaksi yang digunakan untuk

menentukan jumlah percobaan minimum yang dilakukan. Perhitungan derajat

bebas dilakukan agar diperoleh suatu pemahaman mengenai hubungan antara

suatu faktor dengan level yang berbeda– beda terhadap karateristik kualitas yang

dihasilkan. Perbandingan ini sendiri akan memberikan informasi tentang faktor

dan level yang mempunyai pengaruh signifikan terhadap karateristik kualitas.

Untuk menentukan Orthogonal Array yang diperlukan maka dibutuhkan

perhitungan derajat kebebasan adalah sebagai berikut :

Untuk faktor utama, misal faktor utama A dan B

VA = ( jumlah level faktor A ) – 1

= kA – 1

VB = ( jumlah level faktor B ) – 1

= kB – 1

Untuk interaksi, misal interaksi A dan B

VAxB = (kA . 1) (kB . 1)

Nilai derajat bebas total

(kA . 1) + (kB . 1) + (kA . 1) (kB . 1)

16
Tabel Orthogonal Array yang dipilih harus mempunyai jumlah baris minimum

yang tidak boleh kurang dari jumlah derajat bebas totalnya.

2.7.2 Orthogonal Array

Orthogonal Array (OA) merupakan salah satu bagian kelompok dari

percobaan yang hanya menggunakan bagian dari kondisi total, di mana bagian ini

barangkali hanya separuh, seperempat atau seperdelapan dari percobaan faktorial

penuh . OA diciptakan oleh Jacques Hardmard pada tahun 1897, dan mulai

diterapkan pada perang dunia II oleh Plackett dan Burman. Matriks Taguchi

secara matematis identik dengan matriks Hardmard, hanya kolom dan barisnya

dilakukan pengaturan lagi. Keuntungan OA adalah kemampuannya untuk

mengevaluasiberapa faktor dengan jumlah tes yang minimum (Bagchi dalam

amelia 2007).Matrik orthogonal atau orthogonal array terdiri dari kolom-kolom

orthogonal. Yaitu untuk setiap pasang kolom, semua kondisi performansi muncul

dalam jumlah yang sama. Dalam matrik orthogonal, kolom menyatakan faktor-

faktor yang dipelajari, baris mewakili eksperimen individual, jumlah baris

menyatakan banyaknya eksperimen yang harus dilakukan, dimana jumlah baris

minimal sama dengan degree of freedom dan isi dari matrik orthogonal

menyatakan level atau taraf dari faktor-faktor yang dipelajari.

17
 L 8 (2 7 )

Banyak kolom

Banyak level

Banyak baris/eksperimen

Rancangan bujursangkar latin

Gambar 2.1 Notasi Orthogonal Array

a. Notasi L

Notasi L menyatakan informasi mengenai Orthogonal Array.

b. Nomor Baris

Menyatakan jumlah percobaan yang dibutuhkan ketika menggunakan

Orthogonal Array.

c. Nomor Level

Menyatakan jumlah level factor.

d. Nomor Kolom

Menyatakan jumlah faktor yang diamati dalam Orthogonal Array

Pemilihan matrik orthogonal yang dipakai bergantung pada derajat bebas

atau degree of freedom yang dipelajari, level faktor yang dipelajari, resolusi dan

biaya (Belavendram, 1995). Dalam memilih array orthogonal yang sesuai untuk

suatu eksperimen tertentu disyaratkan agar V OA  V fl , dengan V fl : derajat

18
bebas level faktor (Belavendram ,1995). Derajat bebas array orthogonal (V OA )

selalu kurang 1 dari banyaknya eksperimen.

V OA = nOA  1

Dengan nOA adalah banyaknya baris/eksperimen. Sedangkan derajat bebas suatu

faktor (V fl ) adalah satu kurangnya dari jumlah level faktor tersebut.

V fl = n fl  1

dengan n fl adalah banyaknya level.

Tabel 2.1 Orthogonal Array Standar

2 level 3 level 4 level 5 level Level

gabungan

L4(23) L9(34) L16(45) L25(56) L18(21X37)

L8(27) L27(313) L64(421) L32(21X49)

L12(211) L81(240) L36(211X312)

L16(215) L36(23X313)

L32(231) L54(21X325)

L64(263) L50(21X511)

19
2.7.3 Rasio Signal Terhadap Noise ( S/N Ratio)

S/N ratio adalah logaritma dari suatu fungsi kerugian kuadratik dan

digunakan untuk mengevaluasi kualitas suatu produk. Ada beberapa jenis S/N

rasio, yaitu :

1. Smaller –the-Better (STB)

Karakteristik kualitas dimana semakin rendah nilainya, maka

kualitas semakin baik. Meskipun demikian, dalam penentuan level faktor

optimal tetap dipilih nilai S/N Ratio yang terbesar (Belavendram, 1995).

Nilai S/N untuk jenis karakteristik STB adalah :

 n

S N _ STB  10 Log  1  yi 2 
n
 i n 

Dimana :

n = jumlah tes di dalam percobaan (trial)

yi = nilai respon dari cuplikan ke – i untuk jenis eksperimen tertentu

2. Larger-the-Better (LTB)

Karakteristik kualitas dimana semakin besar nilainya,maka kualitas

semakin baik. Nilai S/N untuk jenis karakteristik LTB adalah :

 n

S N _ LTB   Log  1  1 2 
 n i n yi 

3. Nominal-the-Best (NTB)

20
 Karakteristik kualitas dimana ditetapkan suatu nilai nominal

tertentu, jika nilainya semakin mendekati nilai nominal tertentu tersebut

maka kualitasnya semakin baik.

Nilai S/N untuk jenis karakteristik NTB adalah :

2 
  10 log 10  2
 

Dimana:

n
  1 n  yi
i n

 2  1 n  yi   
n

i n

 = signal to noise ratio yang memiliki satuan decibell

n = jumlah tes di dalam percobaan (trial)

yi = nilai respon dari cuplikan ke – i untuk jenis eksperimen tertentu

2.7.4 Perhitungan Efek Tiap Faktor

Perhitungan efek tiap faktor , dalam hal ini faktor kendali dilakukan

dengan menggunakan rumus :

efek faktor 
1
o
a

21
 Dimana :

o = nomor eksperiment yang mempunyai level yang sama

a = jumlah munculnya tiap level faktor dalam suatu kolom matriks orthogonal

η = nilai SNR yang digunakan

2.7.5 Taguchi Single Respon Signal to Noise

Taguchi single respon mempunyai cirikhas yaitu hanya mempunyai satu

variabel respon sehingga langsung didapatkan kombinasi optimal dari variabel respon

tersebut, Adapun langkah-langkah yang digunakan untuk eksperimen dengan Single

Respon to noise yaitu:

1. Menghitung quality loss untuk satu respon. Untuk karakteristik kualitas:

a. Larger the better

ni
1 1
Lij  k
ni
y
k 1
2
ijk

b. Nominal the best

 y  m
ni
1
Lij  k
2
ijk
ni k 1

c. Smaller the best

ni
1
Lij  k
ni
y
k 1
2
ijk

Dimana :

22
 Lij  quality loss untuk respon ke-i, trial ke-j

Yijk  data untuk respon ke-i, trial ke-j, replikasi ke-k

ni = replikasi untuk respon ke-i

k = koefisien dari quality loss

m = nilai target

2.7.6 Taguchi Multirespon MRSN ( Multi Respon Signal to Noise )

Langkah-langkah yang sistematis dalam melakukan eksperimen multi

respon dengan menggunakan Multi Respon Signal to Noise (MRSN) terdiri dari

beberapa tahapan, yaitu :

Menghitung quality loss maksimun untuk masing-masing respon, Kunci

keberhasilan perusahaan industri pada persaingan global terletak pada

kemampuan perusahaan untuk memenuhi kepuasan konsumen (Quality), biaya

(cost), dan waktu penyerahaan. Penolakan produk oleh pelanggan akibat

ketidaksesuaian spesifikasi produk yang ditawarkan dapat merugikan perusahaan.

Fungsi kerugian mutu bertujuan untuk mengidentifikassi dan menghitung

kerugian mutu yang terjadi, yang meliputi kerugian biaya kehilangan peluang

(opportunity cost), biaya garansi (waranly cost), biaya pelayanan (service cost),

biaya inspeksi kedalam (inspection cost), biaya pengerjaan ulang atau perbaikan

(rework cost), biaya sisa produksi (scrap cost) maupun biaya komplain. Untuk

mengetahui besarnya kerugian akibat dari produk yang dihasilkan tidak sesuai

dengan spesifikasi yang diinginkan salah satu cara adalah dengan melakukan

23
pengukuran fungsi rugi kualitas (QLF). Fungsi kerugian mutu dapat ditunjukkan

dalam rumus kuadrat sederhana yaitu :

L(y) = k . D 2

Keterangan :

L(y) = kerugian

k = konstanta

D = deviasi kuadrat dari nilai target

Akan tetapi didalam kenyataannya, bila mutu suatu produk semakin dekat

dengan nilai target, maka mutu yang dihasilkan semakin baik dan kerugian yang

dirasakan akan semakin kecil, semakin jauh dari nilai target maka kerugian akan

semakin besar. Hal ini dapat dijelaskan dengan kuadratik Loss Function yang

dipelopori oleh Taguchi. Taguchi menggolongkan fungsi kerugian kuadratik

menjadi tiga jenis untuk karakteristik kualitas:

a. Larger the better

ni
1 1
Lij  k
ni
y
k 1
2
ijk

d. Nominal the best

 y  m
ni
1
Lij  k
2
ijk
ni k 1

24
e. Smaller the best

ni
1
Lij  k
ni
y
k 1
2
ijk

Dimana :

Lij  quality loss untuk respon ke-i, trial ke-j

Yijk  data untuk respon ke-i, trial ke-j, replikasi ke-k

ni = replikasi untuk respon ke-i

k = koefisien dari quality loss

m = nilai target

4. Menentukan Multi Respon Signal to Noise (MRSN) Ratio.

a. Menentukan quality loss maksimum untuk tiap respon.

b. Normalisasi quality loss tiap eksperimen.

Lij
C ij 
Li

dimana :

C ij = normalized quality loss untuk respon ke-i, pada

trial ke-j

Lij = max Li1 , Li 2 ,..., Lij 

25
 c. Menghitung total normalized quality loss (TNQL) setiap eksperimen:

m
TNQLi   wi xC ij
i 1

dimana :

wi = bobot dari normalisasi respon ke-i

d. Menghitung MRSN ratio setiap eksperimen.

MRSN j =  10 log( TNQLj )

5. Menentukan kombinasi level faktor yang optimal berdasarkan nilai MRSN

terbesar. Tahapannya :

a. Membuat tabel respon dan grafik respon dari MRSN.

b. Menentukan faktor kontrol yang memiliki efek yang signifikan terhadap

MRSN.

c. Menentukan level optimal dari faktor kontrol berdasarkan nilai MRSN

terbesar.

6. Melakukan eksperimen konfirmasi.

Percobaan konfirmasi adalah percobaan yang dilakukan untuk

memeriksa kesimpulan penentuan kondisi optimal yang didapat dari

perhitungan (validasi kesimpulan yang ditarik selama fase analisa).

Tujuan percobaan konfirmasi adalah untuk membuktikan menurut (Bachi

dalam amelia 2007) ada 4:

26
 1. Dugaan yang dibuat pada saat model performansi penentuan faktor

dainteraksinya.

2. Mengatur parameter (faktor) yang optimal, analisa hasil percobaan

pada performansi yang diharapkan.

Langkah-langkah pada percobaan konfirmasi :

1. Mengatur kondisi optimal untuk faktor dan level signifikan,

sedangkan untuk faktor yang tidak signifikan, pengaturan untuk

level faktornya dipilih berdasarkan pertimbangan biaya ekonomis.

2. Membandingkan rata-rata dan ragam hasil percobaan konfirmasi

dengan rata-rata dan ragam yang diharapkan.

Percobaan konfirmasi dikatakan berhasil bila :

1. Terjadi perbaikan dari hasil proses yang ada (sebe1um percobaan

Taguchi dilakukan).

2. Hasil dari percobaan konfirmasi dekat dengan nilai yang

diprediksikan. Hasil eksperimen konfirmasi menentukan apakah

level kontrol faktor optimal yang diperoleh bisa diperluas pada

skala industri.

2.8 Uji Distribusi Normal

Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel penggangu atau residual memiliki distribusi normal. Jika asumsi ini

27
dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk sampel

kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu melalui

pendekatan grafik (histogram dan P-P Plot) atau uji Kolmogorov-Smirnov, Chi-

Square, Liliefors maupun Shapiro-Wilk

Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak

normal; yaitu :

1. Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner

dari data (bahasan outliner akan dibahas kemudian)

2. Melakukan transformasi data

3. Menggunakan alat analisis nonparametric

Asumsi bahwa populasi berdistribusi normal, telah melancarkan teori dan

metode statistik sedemikian rupa sehingga banyak persoalan yang dapat

diselesaikan dengan lebih mudah dan cepat. Oleh karena itu cukup mudah

dimengerti kiranya bahwa asumsi normalitas perlu dicek keberlakuannnya agar

langkah-langkah selanjutnya dapat dipertanggungjawabkan (Gaspersz,2001)

Untuk keperluan pengujian normalitas melalui beberapa langkah dalam

perhitungan. Menurut (Hartono 2012) ukuran penyebaran data adalah ukuran

statistik yang digunakan untuk mengetahui luas penyebaran data atau homogenitas

data. Dua variabel data yang memiliki mean yang sama belum tentu mempunyai

kualitas yang sama tergantung dari besar atau kecil ukuran peyebaran datanya.

Mean (rata-rata) adalah jumlah keseluruhan angka dibagi dengan banyaknya

angka dinyatakan dalam rumus :

28
 M = ∑X/N

Dimana M = mean

∑X = Jumlah keseluruhan data

N = banyaknya angka.

Ada beberapa macam ukuran penyebaran data sebagai berikut:

1. Range

Range adalah salah satu ukuran statistik yang menunjukkan jarak penyebaran

data antara nilai terendah ( lowest score = L) dengan nilai tertinggi (highest score

= H ), atau beda antara nilai tertinggi dengan nilai terendah . Hal ini dapat dicari

dengan rumus :

R=H–L

2. Standar Deviasi

Untuk mengatasi kelemahan mean deviasi KARL PEARSON seorang ahli

statistik memberikan jalan keluarnya membuat standar deviasi dengan cara: ∑

a. Supaya semua deviasinya menjadi positif, maka semua deviasi positif dan

deviasi negatifnya dikuadratkan.

b. Semua deviasi yang bertanda positif tersebut dijumlahkan, lalu dicari rata-

ratanya dan akarnya .

Standar deviasi (δ) mempunyai kedudukan yang sangat penting, karena sering

digunakan dalam analisis data penelitian terutama analisis statistik parametrik.

29
Standar deviasi dibedakan menjadi dua yaitu standar deviasi (δ) data tunggal dan

standar deviasi data kelompok.

Standar deviasi tunggal dicari dengan rumus sebagai berikut:

SD (δ) = ∑X2/N

Keterangan:

SD (δ) = standar deviasi data tunggal

∑X2 = jumlah semua deviasi setelah dikuadratkan.

Standar deviasi data kelompok dapat dicari dengan rumus :

1. Cara pertama menggunakan rumus:

SD (δ) = i ∑X2 – ( ∑fX‟/N)2

2. Cara kedua menggunakan rumus:

SD (δ)= ∑fX2/N)

Sedangkan daftar distribusi frekuensi yang terdiri atas k buah interval. Uji

kebaikan-suai antara frekuensi yang teramati dengan frekuensi harapan didasarkan

pada besaran :

x 
2
n
Oi  Ei  2
i 1 Ei

Nilai x 2 merupakan sebuah nilai peubah acak x 2 yang sebaran penarikan,

contohnya sangat menghampiri nilai chi-kuadrat. Lambang Oi dan Ei masing-

30
masing menyatakan frekuensi teramati dan frekuensi harapan bagi sel ke-

i.(Walpole,1997).

Bila frekuensi teramati sangat dekat dengan frekuensi harapannya, nilai

x 2 akan kecil, menunjukan adanya kesesuaian yang baik. Bila frekuensi teramati

berbeda cukup besar dari frekuensi harapannya, nilai x 2 akan besar ehingga

kesesuainnya buruk. Kesesuaian yang baik akan membawa penerimaan H0,

sedangkan kesesuaian yang buruk akan membawa pada penolakan H0. Dengan

demikian wilayah kritisnya akan jatuh di ekor kanan sebaran khi-kuadratnya.

Untuk taraf nyata sebesar α, nilai kritisnya x 2 (α)(dk)dapat diperoleh pada tabel

distribusi khi-kuadrat, dengan demikian wilayah kritisnya adalah x 2 ≥ x 2 (α)(dk).

Kriteria keputusan ini tidak dapat digunakan apabila ada frekuensi

harapan yang nilainya kurang dari 5. Persyaratan ini mengakibatkan adanya

penggabungan sel-sel yang berdekatan, sehingga mengakibatkan berkurangnya

derajat bebas. Banyaknya derajat bebas dalam uji kebaikan-suai yang didasarkan

pada sebaran khi-kuadrat, sama dengan banyaknya sel (kelas) dalam percobaan

yang bersangkutan dikurangi dengan banyaknya besaran yang diperoleh dari data

pengamatan (contoh) yang digunakan dalam perhitungan frekuensi harapannya.

(Walpole,1997).

Banyaknya derajat bebas (dk) bagi uji kenormalan adalah dk=k-3, karena

ada tiga besaran yaitu frekuensi total, rata-rata dan simpangan baku yang

diperlukan untuk menghitung frekuensi-frekuensi harapannya, dan k adalah

banyaknya kelas interval.

31
2.9 Uji Homogenitas Variansi (Uji Bartlett)

Untuk menguji kesamaan beberapa buah rata-rata, sebagaimana dalam

metode analisis variansi (ANOVA), diasumsikan populasinya mempunyai

variansi yang homogen, yaitu 12   22  ...   k2 sehingga perlu dilakukan

pengujian homogenitas (kesamaan) variansi populasi normal.

Dari k (k>2) buah populasi berdistribusi independen dan normal masing-

masing dengan variansi 12 ,  22 ,...,  k2 . Akan diuji hipotesis :

Menurut (Tirta 2004) hipotesis merupakan suatu pernyataan atau ungkapan

mengenai populasi dapat berupa pernyataan kualitatif maupun kuantitatif.

Hipotesis ada 2 macam yaitu

1. Hipotesis penelitian

Hipotesis penelitian adalah hipotesis yang dilakukan sebelum penelitian.

2. Hipotesis uji.

Hipotesis uji adalah dasar dalam melakukan pengujian hipotesis yang

terdiri dari 2 macam hipotesis yaitu:

a. Hipotesis nol (0)

- Mempunyai tanda =,≤ atau ≥

- Dinotasikan dengan Ho

- Penulisan Ho : µ = angka numerik

b. Hipotesis (1)

- Mempunyai tanda ≠ atau < atau >

32
 - Dinotasikan dengan H1

- Penulisan

H1: µ ≠ suatu angka → sebagai pengujian dua arah

H1: µ > suatu angka → sebagai pengujian satu arah

H1: µ < suatu angka → sebagai pengujian dua arah

3. Error dalam pengambilan keputusan

a. Error tipe I

-Tolak Ho namun sebenarnya Ho adalah benar

-Besarnya terjadinya erro tipe I disebut sebagai

- disebut sebagai tingkat signifikansi pengujian

b. Error tipe II

- Tidak menolak Ho, namun sebenarnya Ho salah

- Besarnya peluang terjadinya error tipe II dinotasikan sebagai

- Power dari pengujian dinotasikan dirumuskan dengan (1- )

c. Besarnya dan berbanding terbalik

Salah satu cara untuk menguji homogenitas k buah ( k  2) variansi

populasi yang brdistribusi normal adalah dengan uji Bartlett. Misal populasi

memiliki masing-masing sampel berukuran n1 , n2, ..., nk dengan data Y ij

33
(I=1,2,…,n k ) kemudian dari sampel-sampel itu dihitung masing-masing

variansinya yaitu s12 , s 22 ,..., s k2 .

Nilai statistik hitung uji Bartlett digunakan dengan rumusan Chi-Square

x 2  (ln 10) {B  n1  1log si2 }

Dimana:

Ln 10 = 2,306

B = (log s 2 ) ni  1

ni  1si2
s2 =
ni  1

Dengan taraf nyata  , hipotesis Ho ditolak jika x 2 hitung  x 2 1 dk  ,

dimana x 2 1 dk  didapat dari tabel Chi-Kuadrat dengan peluang (1-  ) dan dk =

(k-1).

2.10 Analisis Variansi (ANOVA)

Analisis ragam atau variansi adalah suatu metode untuk menguraikan

keragaman total (variansi total) dari data-data yang kita peroleh menjadi

komponen-komponen pembentuk keragaman total tersebut sehingga dapat diukur

sebagai sumber keragaman (variansi), pengaruh-pengaruh variabel dependen dan

kontribusi setiap faktor terhadap total variansi (Sudjana, 1991).

34
 Pada analisis variansi model I atau model tetap, peneliti dihadapkan pada

taraf tiap faktor yang tetap, artinya taraf unuk masing-masing faktor tetap

banyaknya dan seluruhnya digunakan dalam eksperimen. Sebagai contoh pada

analisis desain eksperimen faktorial a x b (dwifaktor), apabila diteliti hanya

mempunyai a buah taraf faktor A dan hanya b buah faktor B dan semuanya

digunakan dalam eksperimen yang dilakukan, baik model yang diambil adalah

model tetap (Sudjana, 1995 ). Model yang digunakan untuk desain faktorial a x b

adalah :

Y ijk    Ai  B j  ABij

Dimana :

i = 1,2,…a

j = 1.2,…b

k = 1,2,…c

Y ijk = variabel respon hasil observasi ke-k yang terjadi karena pengaruh bersama

taraf ke-I faktor A dan taraf ke-j faktor B

 = rata-rata yang sebenarnya (berharga konstan)

Ai = efek taraf ke-i faktor A

Bj = efek taraf ke-j faktor B

ABij= efek interaksi antar taraf ke-i faktor A dan taraf ke-j faktor B

35
Hipotesa nol yang harus diuji dapat dituliskan sebagai berikut :

Ho 1 = Ai = 0 ; (I = 1,2,…,a)

Ho 2 = Bj = 0 ; (j = 1,2,…,b)

Ho 3 = ABij = 0 ; (I = 1,2,…,a dan j = 1,2,…,b)

Hipotesa nol Ho 1 menyatakan bahwa tidak terdapat efek faktor A di

dalam eksperimen itu, sedangkan Ho 2 menyatakan tidak terdapat efek faktor B.

Untuk menyatakan di dalam eksperimen itu tidak terdapat interaksi antara faktor

A dan faktor B maka digunakan Ho 3 . Hipotesis alternatfnya berturut-turut adalah

terdapat efek faktor A, efek faktor B dan interaksi AB.

Langkah-langkah perhitungan dalam analisis variansi multifaktor adalah

sebagai berikut (Ross, 1988) :

2. Menghitung harga-harga Sum of Square (SS) atau jumlah kuadrat (JK)

a. Total Sum of Square (SST) atau jumlah kuadrat total, dengan

 T  N
T  y dan T   y i
N i 1

Persamaan diatas dapat dirumuskan kembali menjadi :

N  T
2
SST   yi2  
i 1  N

yi = nilai respon (data pengamatan) ke

36
  
T = y = rata-rata respon

N = jumlah pengamatan

b. Sum of Square atau jumlah kuadrat untuk suatu faktor, misal faktor A

 kA  A2  T2
SSA   i 
 N
i 1 n Ai  

SSA= Sum of Square faktor A

A1 = jumlah nilai pengamatan dibawah level ke-i faktor A

n A1 = banyaknya data pengamatan dibawah level ke-i faktor A

Ai2 = rata-rata nilai pengamatan dibawah level ke-i faktor A

K A = banyaknya level faktor A

Secara umum Sum of Square (SS) suatu faktor dapat dihitung dengan

rumus :


SS   am1  m
2

SS = Sum of Square untuk setiap faktor

A = Jumlah munculnya tiap level faktor dalam suatu kolom matrik

orthogonal

m1 = rata-rata efek tiap level faktor

37
 i = 1,2,…,k

3. Menghitung degree of freedom (df) atau derajat bebas

a. Degree of freedom total (df T ) dirumruskan dengan :

df T = N – 1

atau

df T = df faktor df int eraksi  df error

b. Degree of freedom suatu faktor, dirumuskan dengan :

df = k - 1

c. Degree of freedom error (df e ) dirumuskan dengan :

df e = df T  df faktor  df int eraksifaktor

3 Menghitung mean of square (Mq) suatu faktor atau interaksi faktor,

dengan rumus:

SS
Mq 
df

4 Menghitung F ratio suatu faktor dengan rumus :

Mq
F
Mqe

5 Menghitung pure of square (SS‟) suatu faktor dengan rumus :

SS‟ = SS  df  Mqe

6 Menghitung persen kontribusi (P) suatu faktor, dengan rumus :

38
 P = (SS‟/ SS T ) x 100 %

2.11 Uji F pada Analisis Variansi

Untuk mengetahui ada tidaknya efek yang signifikan dari masing-masing

faktor dan interaksinya secara serentak pada respon yang diamati, maka perlu

dilakukan Uji F pada variansi dengan langkah-langkah sebagi berikut:

1. Membuat hipotesis.

2. Menentukan besar tingkat signifikan (level of significance), α

3. Kriteria pengujian:

Ho diterima apabila, F hitung ≤ F (α, v1;v2)

Ho ditolak apabila, F tabel ≥ F (α, v1;v2)

Dimana F(α, v1;v2) dapat diperoleh dari tabel distribusi F dengan peluang

α dan derajat bebas v1 = k-1 sebagai pembilang dan v2 = k (n-1) sebagai

penyebut.

4. Perhitungan F hitung

Variance between mean

F
Variance within group

Untuk membantu perhitungan F disusunlah tabel Anova. Format umum

untuk analisis variansi satu arah ditunjukan pada tabel berikut:

39
 Tabel 2.2 Tabel Anova

Jumlah Derajat
Sumber Variansi Kuadrat Tengah F hitung
Kuadrat Bebas

Antar Perlakuan SST k-1

Galat (dalam perlakuan) SSE k (n-1)

Total SS Total nk-1

Kemudian menarik kesimpulan, apakah Ho diterima atau ditolak dengan

membandingkan F hitung dengan F tabel .

2.12 Uji Prediksi

Dalam kehidupan sehari – hari , sering dilihat suatu peristiwa atau

keadaan yang terjadi akibat peristiwa yang lain. Untuk mengetahui hubungan

antara kejadian tersebut, terutama untuk menelusuri pola hubungan yang

modelnya belum diketahui maka analisis regresi dapat dijadikan alat untuk

membantu menganalisis hubungan tersebut (Lestari,2009).

Uji prediksi menggunakan analisa regresi berdasarkan data yang

diperoleh dari hasil eksperimen yang sudah pernah dilakukan. Tujuan adanya uji

prediksi untuk melihat secara keseluruhan eksperimen yang seharusnya dilakukan.

Uji prediksi dilakukan karena pada eksperimen Taguchi hanya ada 8 (delapan)

trial atau 8 (delapan) eksperimen, yang sudah dianggap mewakili keseluruhan

eksperimen yang seharusnya dilakukan.

40
 Analisis regresi memiliki 3 kegunaan yaitu, deskripsi, kendali, dan

prediksi (peramalan). Tetapi manfaat utama dari kebanyakan penyelidikan

statistik dalam dunia bisnis dan ekonomi adalah mengadakan prediksi atau

peramalan.

Dalam analisis regresi dikenal dua macam variabel atau peubah yaitu

variabel bebas (independent variabel) dan variabel tidak bebas (dependent

variabel). Variabel bebas adalah variabel yang telah diketahui nilainya, sedangkan

variabel tidak bebas adalah variabel yang nilainya belum diketahui dan yang akan

diramalkan.

2.12.1 Regresi Linier Sederhana

Regresi linier sederhana mengamati pengaruh satu variabel bebas

terhadap variabel tidak bebas. Secara matematis regresi linier sederhana dapat

dituliskan dalam bentuk persamaan sebagai berikut :


y  a  bX

Dimana:


y = variabel yang diramalkan ( variabel dependent )

X = variabel yang diketahui ( variabel independent )


a = besarnya nilai y pada saat X = 0

41
 
b = besarnya nilai perubahan nilai y apabila nilai X bertambah satu satuan

disebut koefisien regresi.

Untuk mencari nilai – nilai koefisien regresi b atau nilai a dapat digunakan

metode Least Square. Dengan rumus :

 n   n  n 
n  X i Yi     X i   Yi 
b   i 1   i 1  i 1 
2
 n
2  n 
n  X i     X i 
 i 1   i 1 

 n   n 
  Yi   b  X i 
a   i 1   i 1 
n

2.12.2 Regresi Linier Berganda

Regresi linier berganda mengamati pengaruh lebih dari satu variabel

bebas (independent variabel) terhadap variabel tidak bebas (dependent variabel),

minimal ada dua buah variabel bebas. Secara sistematis regresi linier berganda

dapat dituliskan sebagai berikut:

Ŷ = a + b1X1 + b2X2 + ... + bnXn

42
Dimana:

Y= variabel yang diramalkan ( dependent variabel )

X1, X2 , X3 ,..., Xn = variabel yang diketahui (independent variabel)

b1, b2, b3, . . . , bn = koefisien regresi

Untuk mencari nilai b1, b2, b3,...., bn dapat digunakan beberapa cara yaitu:

n Persamaan Normal

Y  an  b  X1 1  b2  X 2    bn  X n

 X Y  a X  b1  X 1  b2  X 1 X 2    bn  X 1 X n
2
1 1

 X Y  a X  b1  X 2 X 1  b2  X 2    bn  X 2 X n
2
2 2

 XnY  a Xn  b  XnX  b2  XnX 2    bn  X n

2
1 1

Eliminasi Gauss :

 n
 X 1 X 2  X 7 
  a   Y



 X   
 1 X X X X X   Y .X 1 
2
  b1 
1 1 2 1 n
  
 X   b2 
 2 X X X X   Y .X 2 
2
X1  =
2 2 2 n
    
       
   bn   Y . X 
 X n X X X 
Xn Xn 
2
 

1 2 n

n


43
Determinan

R O M

 n
 X 1 X 2 
  a   Y



 X   
 1 X X X
2
 b1  =   Y .X 1 
1 1 2
  
 X   b2    Y .X 
 2 X X
X1
2
   2
2 2 

1 1
a 1 b b2
a 1
, b1  1 1 , b2 
R R R 1

Dimana:

R-1 = determinan matriks R

b1-1 = determinan b1

b2-1 = determinan b2

2.13 Uji Beda

Uji beda dilakukan untuk mengetahui apakah data hasil konfirmasi

berbeda dengan hasil prediksi ataukah sama. Perumusan hipotesisnya adalah

sebagai berikut :

H0 : μ1 – μ2 = 0 atau H0 : μ1 = μ2 ( tidak ada perbedaan )

H1 : μ1 – μ2 > 0 ( ada perbedaan , μ1 > μ2 )

H1 : μ1 – μ2 < 0 ( ada perbedaan , μ1 < μ2 )

H1 : μ1 – μ2 ≠ 0 ( μ1 tidak sama dengan μ2 atau μ1 berbeda dari μ2 )

44
 a. n > 30 ( sampel besar )

x1  x 2  12  22
Z0  ;  x x  
 x x 1 2
n1 n2
1 2

Dimana apabila σ12 dan σ22 tidak diketahui, dapat di estimasikan dengan :

2 2
S1 S
sx x   2
1 2
n1 n2

1 1
x1 
n
 xi1 x2 
n
 xi 2

S1 
2 1
n1  1

 xi1  x1  S2 
2 1
n1  1

 xi 2  x2 

n ≤ 30 ( sampel kecil )

x1  x2 n1 n2 n1  n2  2
t0 
n1  1S12  n2  1S 2 2 n1  n2

t0 mempunyai distribusi t dengan derajat kebebasan sebesar n1 + n2 – 2 .

2.14 Antena

Antena adalah suatu alat yang digunakan untuk memancarkan dan

menerima gelombang elektromagnetik (Lubis, 2014). Kekuatan dalam

mengkonsentrasikan dan memfokuskan sinyal radio satuan ukurannya

adalah dB. Jadi ketika dB bertambah maka jangkauan pancarannya juga

bertambah. Jenis antena yang akan dipasang harus sesuai dengan kebutuhan

45
penyebaran sinyalnya. Secara umum ada dua jenis antena yaitu,

ommidirectional dan directional.

Dalam perancangan antena peran panjang gelombang sangatlah

diperlukan, dimana panjang gelombang adalah jarak yang ditempuh

gelombang selama satu perioda Rumus dasar panjang gelombang sebagai

berikut :

c

f

Dimana  = panjang gelombhang dengan satuan meter, c = kecepatan

cahaya yaitu 3 x 108 meter perdetik, dan f = frekuensi dengan satuan Hz.

Sehingga dengan diketahui besarnya panjang gelombang maka kebutuhan

akan bahan untuk membuat antena dapat diketahui (Alaydrus, 2011).

Antena akan beroperasi efektif kalau dimensinya sama dengan

panjang gelombang isyarat yang hendak dipancarkan atau yang hendak di

terima,karena itu dalam komunikasi orang tidak memancarkan isyarat

berfrekuensi rendah,karena ukuran antena menjadi tidak praktis secara

phisik .Antena untuk frekuensi tinggi (HF) dipasang vertikal ataupun

horizontal terhadap bumi,antenna yang dipasang vertikal memancarkan

gelombang vertikal antenna semacam ini disebut antena berpolarisasi

vertikal,antena yang di pasang secara horisontal akan berpolarisasi

horisontal (wasito,1995).

46
2.15 Karakteristik Antena

1.Impedansi

2.Pola Pancar

3.Penguatan ( gain )

4.Pengutuban (polarisasi)

5.VSWR

6.Lebar jalur (band width)

7.Jangkauan (coverage)

2.16 Macam dan jenis anten

2.16.1 Antena Omnidirectional

Antena omnidirectional adalah suatu antena yang mempunyai pola

radiasi 360 derajad. Antenna ini mempunyai sudut pancaran yang besar (

wide beamwidth ) . Dengan daya lebih meluas, jarak yang lebih pendek

tetapi dapat melayani area yang luas Omni Antenna tidak dianjurkan

pemakaian-nya, karena sifat yang terlalu luas sehingga ada kemungkinan

akan menyebabkan interferensi. Antenna omnidirectional mengirim atau

menerima sinyal radio dari semua arah secara sama.berikut ini contoh

antena omnidirectional:

47
2.16.2.1 Antena Pengarah Yagi

Antena yagi adalah antena yang memiliki komponen utama yaitu

Driven element yang merupakan dipole aktif dan elemen reflektor untuk

memantulkan pancaran dari driven elemen (Lubis, 2014).

Antena Yagi memiliki beberapa bagian pentinga, antara lain:

1. Driven adalah titik catu dari kabel antenna, biasanya panjang

fisik driven adalah setengah panjang gelombang (0,5 λ) dari frekuensi radio

yang dipancarkan atau diterima.

2. Reflektor adalah bagian belakang antenna yang berfungsi sebagai

pemantul sinyal,dengan panjang fisik lebih panjang daripada driven. panjang

biasanya adalah 0,55 λ (panjang gelombang).

3. Director adalah bagian pengarah antena, penambahan

batang director akan menambah gain antena, namun akan membuat pola

pengarahan antena menjadi lebih sempit. Semakin banyak jumlah director,

maka semakin sempit arahnya.

4. Boom adalah bagian ditempatkanya driven, reflektor, dan direktor. Boom

berbentuk sebatang logam atau kayu yang panjangnya sepanjang antena itu.

Menurut (Thalib,2010) menyatakan bahwa penghitungan panjang elemen

driver,reflector,director dan boom tidak memiliki rumusan yang

baku.semakin banyak elemen director yang di pasang,maka penguatan

semakin baik.

51
 Untuk memaksimalkan jangkauan Antena Yagi dapat dilakukan dengan

pemodifikasian beberapa bagian-bagian Driven, Reflektor, serta Director, yaitu

sebagai berikut:

1. Memodifikasi bagian Driven, akan berefek pada daya penerimaan frekuensi,

pemaksimalan daya tangkap ditentukan oleh bahan logam dari bagian ini.

2. Memodifikasi bagian Director, akan menambah gain antena, namun akan

membuat pola pengarahan antena menjadi lebih sempit. Semakin banyak jumlah

director, maka semakin sempit arahnya.

3. Memodifikasi bagian Reflektor, akan berpengaruh pada arah tangkap sinyal, ini

akan berfungsi memantulkan sinyal ke bagian Driven, pemodifikasian pada

bagian ini dapat dilakukan dengan pelebaran luas area, namun dalam perluasan

perlu penyesuaian dengan penambahan panjang Director pula.

Beberapa penelitian antena pengarah telah dilakukan antara lain:

1. Farid Thalib dkk,2010 “Perancangan dan realisasi antenna yagi untuk

frekuensi 142 Mhz” pada penelitian tersebut menggunakan elemen berjumlah 4

dengan menggunakan balun dan T match,dengan parameter VSWR didapatkkan

ratio terendah 1:0 diukur dengan menggunakan SWR Analyzer.

2. zulkifi Lubis,2014 “Pengaruh posisi antena terhadap sinyal gelombang

antenna yagi alumunium “pada penelitian tersebut, antena di aplikasikan untuk

jaringan phonecell dengan parameter antena yang di ukur adalah pola radiasi.

53
3. yenniwarti Rafsyam dkk,2013”Perancangan dan pembuatan antenna horn yagi

10 elemen untuk aplikasi penerimaan siaran televisi”pada penelitian ini

menggunakan elemen berjumlahh 10 berbahan alumunium berdiameter

9mm,menghasilkan VSWR 1,17.dan penguatan 11 dB pada 594 Mhz.

4. Widya Purwanti Mahardhika dkk,2012”Rancang bangun Antena biconikal uhf

untuk aplikasi kanal TV”pada penelitian ini antena di aplikasikan untuk televisi

dengan bahan pendukungnya yaitu tembaga dan dari hasil pengukuran di dapatkan

hasil uji

5. Ade Putu Dilarse dkk,2014” Tinjauan struktur dan hasil gain antena yagi uda

dalam aplikasi kontemporer frekuensi tinggi”penelitian ini dipergunakan untuk

RFID dan wifi.Dengan parameternya penguatan dan pola radiasi didapatkan hasil

pengujian 2 dB dengan radiasi YZ plane dan XZ plane.

6. Muhammad Sholeh,2011”perancangan antenna yagi uda pada frekuensi

600Mhz”penelitian ini diaplikasikan untuk penerima televisi dengan parameter

yang diukur adalah VSWR,dan front to back ratio,dengan hasil ukur 1;1

7. Budi Pratama dkk,2013”Perancangan dan implementasi antenna yagi 2,4 Ghz

pada aplikasi Wifi” dari perancangan ini parameter yang diuji adalah SWR dan

penguatan dan didapatkan hasil uji 10 dB dan rationya 1,25 antena menggunakan

15 elemen,berbahan alumunium.

54