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 rancangan eksperimen yang klasik. Hal ini

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
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-to-
noise 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 
η = −10 log10  ∑ 2 
 n i =1 yi 
 Adapun penelitian ini dibuat dengan langkah-  Tekanan squeezing roll (kg/cm2), yaitu 800,
langkah sebagai berikut: 1000, 1200
1) Melakukan survey lapangan untuk Dalam eksperimen ini terdapat 4 faktor dengan
mendapatkan faktor-faktor yang bepengaruh rancangan 3 level, dengan demikian x = 3, k = 4.
terhadap peningkatan kekuatan benang. Dari kondisi tersebut didapat df (MO) = 8, dan
2) Menentukan jumlah dan range level setiap akhirnya jumlah baris (m) = 9. Kode dan nilai level
faktor. variabel ditunjukkan pada Tabel 1 di bawah ini.
3) Melakukan eksperimen untuk mengambil data.
4) Melakukan analisa data dari eksperimen. Tabel 1. Kode & Nilai Level Variabel
5) Mengambil kesimpulan mengenai hubungan Kode 1 2 3
antara variabel input, error, dan output. Kemuluran benang (draft) (%) 1,3 1,4 1,5
6) Melakukan eksperimen untuk memverifikasi Temperatur pengeringan (°C) 100 105 110
hasil analisa eksperimen sebelumnya. Temperatur larutan kanji (°C) 88 90 92
7) Melakukan analisa data dari eksperimen Tekanan squeezing roll (kg/cm2) 800 1000 1200
verifikasi.
Data hasil eksperimen ditampilkan pada Tabel
Langkah-langkah yang dilakukan dalam 2, dimana angka yang tercantum merupakan
pengambilan data adalah sebagai berikut: kekuatan rata-rata dari 100 helai benang untuk tiap
a) Menyiapkan benang yang akan sampel.
diproses.
b) Mengatur kemuluran benang (draft) Tabel 2. Data Hasil Eksperimen
sesuai dengan kombinasi perlakuan yang akan
Faktor Replikasi
dilakukan (1,3%; 1,4%; 1,5%).
Order A B C D 1 2 3
c) Mengatur temperatur pengeringan
1 1 1 1 1 3,56 3,29 3,43
sesuai dengan kombinasi perlakuan yang akan
dilakukan (100°C, 105°C, 110°C). 2 1 2 2 2 3,30 3,44 3,22
d) Menunggu temperatur pengeringan 3 1 3 3 3 3,26 3,12 3,22
pada layar penunjuk hingga konstan. 4 2 1 2 3 3,07 3,44 3,23
e) Mengatur temperatur larutan kanji 5 2 2 3 1 3,55 3,01 3,23
dalam size box sesuai dengan kombinasi 6 2 3 1 2 3,30 3,24 3,04
perlakuan yang akan dilakukan (88°C, 90°C, 7 3 1 3 2 3,41 3,17 3,25
92°C). 8 3 2 1 3 3,23 3,48 3,01
f) Menunggu temperatur larutan kanji 9 3 3 2 1 3,55 3,16 3,11
pada layar penunjuk hingga konstan.
Data dari Tabel 2 kemudian diolah untuk
g) Mengatur tekanan squeezing roll
mendapatkan rata-rata, standar deviasi, dan SNR
sesuai dengan kombinasi perlakuan yang akan
untuk masing kombinasi.
dilakukan (800 kg/cm2, 1000 kg/cm2, 1200
kg/cm2). Rata - rata = y =
∑y
h) Mengambil 100 helai benang dari n
setiap kombinasi dengan panjang 1 yard. 3,56 + 3,29 + 3,43
i) Menguji kekuatan tiap helai benang y= = 3,43
dari setiap sampel yang diambil. 3
j) Mencatat rata-rata hasil dari pengujian n
∑ ( yi − y )
2
tersebut yang tercatat pada layar penunjuk. Standar deviasi = σ = i =1
n −1
3. HASIL PENELITIAN
( 3,56 − 3, 43) + ( 3, 29 − 3, 43) + ( 3, 43− 3, 43) 2
2 2

Dari faktor-faktor terkontrol yang didapat dari

σ= 2
analisa diagram sebab akibat serta pertimbangan σ = 0,135031
dari pihak perusahaan dapat diambil beberapa
variabel, yaitu: 1 n 1 
1) Variabel respon, yaitu: kekuatan benang, yang SNR = η = −10 log10  ∑ 2 
didapatkan dari hasil uji tarik benang.  n i =1 yi 
2) Variabel bebas/faktor, terdiri dari:  1 1 1  
 Kemuluran benang (draft) (%), yaitu 1,3%; η = −10 log  2
+ 2
+  / 3
1,4%; 1,5%.  3,56 3,29 3,432  
 Temperatur pengeringan (°C), yaitu 100, 105, η = 10,684
110.
 Temperatur larutan kanji (°C), yaitu 88, 90, 92. Hasil perhitungan ini disajikan pada Tabel 3.
 Tabel 3. Rata-rata, Standar Deviasi, dan SNR Dari efek tiap faktor terhadap SNR didapat
urutan dari yang efeknya terbesar sampai terkecil
Faktor y-bar σ SNR
adalah faktor B, A, D, dan C. Bila informasi yang
Order A B C D diperoleh dari Tabel 4 digabungkan dengan hasil
1 1 1 1 1 3,42 0.135031 10,684 dari Tabel 5, maka akan didapat rancangan usulan
2 1 2 2 2 3,32 0.111355 10,413 yang sama, yaitu A1, B1, C1, dan D1.
3 1 3 3 3 3,20 0.072111 10,099
4 2 1 2 3 3,25 0.185562 10,201 Selain analisa efek mean dan SNR, hasil
5 2 2 3 1 3,26 0.271539 10,214 eksperimen juga dianalisa dengan analisa varian
6 2 3 1 2 3,19 0.136137 10,069 (ANOVA). Contoh perhitungan adalah sebagai
7 3 1 3 2 3,28 0,122202 10,297 berikut:
8 3 2 1 3 3,24 0,235160 10,165 • Sum of square due to mean (SSm)
9 3 3 2 1 3,27 0,240901 10,255
SS m = ny 2 = 27 * 3,27 2 = 288,7083
Dari Tabel 3 kemudian dilakukan perhitungan di mana n = jumlah seluruh percobaan
untuk membuat Tabel 4. Contoh perhitungan untuk y = rata-rata seluruh percobaan
Tabel 4 adalah sebagai berikut:
• Sum of square (SS)
ALevel 1 = 3,43+3,32
3
+3,20
= 3,317
SS = [∑ (n x )] − SS
xi i
2
m
Efek untuk faktor A = rata-rata respon terbesar – SSA = (9*3,317 )+ (9*3,2332)+ (9*3,2632)-
2

rata-rata respon terkecil 288,7083

= 3,317 – 3.233 = 0,209223
= 0,084
• Total sum of square (SST)
Dari efek tiap-tiap faktor pada Tabel 4 dapat SST = Σy2 - SSm
dilihat urut-urutan pengaruh tiap-tiap faktor mulai SST = 289,6042 – 288,7083
yang terbesar sampai yang terkecil. Karena jenis = 0,8959
karakteristik kualitas kekuatan benang adalah
larger the better, maka dipilih faktor yang • Sum of square due to error (SSe)
menghasilkan respon terbesar sebagai rancangan SSe = SST – ΣSS
usulan. = 0,8959 – (0,209223 + 0,221661 +
0,243702 + 0,213921)
Tabel 4. Efek Untuk Mean = 0,007393
A B C D • Mean square
Level 1 3.317 3.320 3.287 3.320 MS = SS / df
Level 2 3.233 3.273 3.280 3.263 MSA = SSA / df
Level 3 3.263 3.220 3.247 3.230 = 0,209223 / 2
Efek 0.084 0.100 0.040 0.090 = 0,1046115
Ranking 3 1 4 2 MSe = SSe / df
Optimum A1 B1 C1 D1 = 0,007393 / 18
Selanjutnya juga dihitung efek untuk SNR = 0,0004107222
yang hasilnya ditunjukkan pada Tabel 5. Contoh • F-ratio
perhitungan untuk Tabel 5 adalah sebagai berikut: F-ratio = MS / MSe
ALevel 1 = 10,684 +10,3413+10,099 =10,399 F-ratio(A) = MSA / MSe
= 0,1046115 / 0,0004107222
Efek untuk faktor A = rata-rata respon terbesar – = 254,7
rata-rata respon terkecil
= 10,399 – 10,161 • Pure sum of square (SS’)
= 0,237 SS’ = SS – (df * MSe)
SSA’ = SSA – (df * MSe)
Tabel 5. Efek Untuk SNR = 0,209223 – (2 * 0,0004107222)
A B C D = 0,209101
Level 1 10,399 10,394 10,306 10,384 • Pure sum of square due to error (SSe’)
Level 2 10,161 10,264 10,290 10,260 SSe’ = SST – ΣSS’
Level 3 10,239 10,141 10,203 10,155 = 0,8959 – (0,209101 + 0,220840 +
Efek 0,237 0,253 0,103 0,229 0,242881 + 0,214000)
Ranking 2 1 4 3 = 0,009078
Optimum A1 B1 C1 D1
 • Persen kontribusi (ρ) x − µ0 3,266 − 3,434
ρ = (SS’ / SST) * 100% t0 = =
s/ n 0,0525071423/ 3
ρA = (SSA’ / SST) * 100%
= (0,209101 / 0,8959) * 100% t0 = -5,5418
= 23,34% Nilai t0 lebih kecil daripada nilai -tα,ν, yang besarnya
Hasil perhitungan selengkapnya untuk analisa -2,920 (untuk α = 5%). Jadi, dapat disimpulkan ada
varian ditunjukkan pada Tabel 6. cukup bukti untuk menolak bahwa μ = μ0. Dengan
kata lain, hasil prediksi lebih baik dari hasil
Tabel 6. Hasil Analisa Varian eksperimen yang memakai setting awal perusahaan.
Sourc SS v MS F SS’ ρ% Selanjutnya, eksperimen verifikasi dilakukan
e karena hasil prediksi memang menunjukkan adanya
A 0,20922 2 0,104611 254, 0,20910 23,3 perbaikan. Hasil dari eksperimen verifikasi dengan
3 5 7 1 4 setting yang optimal juga disajikan pada Tabel 7.
B 0,22166 2 0,110830 269, 0,22084 24,6
Uji hipotesa untuk membandingkan hasil
1 5 8 0 5
prediksi dengan hasil eksperimen memakai setting
C 0,24370 2 0,121850 296, 0,24288 27,1
optimal adalah sebagai berikut:
2 0 7 1 1
Ho: μ = μ0
D 0,21392 2 0,100696 260, 0,21400 23,8
H1: μ ≠ μ0
1 1 4 0 9
di mana μ adalah rata-rata hasil eksperimen
Error 0,00739 1 0,000410 0,00970 1,01
memakai setting optimal, dan μ0 adalah rata-rata
3 8 7 8
hasil prediksi. Ho akan ditolak apabila |t0| > tα/2,ν.
SST 0,8959 2 0,034457 0,8959 100
6 7 x − µ0 3,396 − 3,434
t0 = =
Mean 288,708 1 s/ n 0,045033321/ 3
3 t0 = 1,462
Dari tabel ANOVA di atas tampak bahwa Harga tα/2,ν adalah sebesar 4,303 untuk α = 5%. Jadi,
semua faktor yang dipilih memang memberikan dapat disimpulkan tidak ada perbedaan antara hasil
pengaruh yang signifikan pada kekuatan benang. prediksi dengan rata-rata hasil eksperimen memakai
setting optimal. Atau, dengan kata lain hasil
4. UJI VERIFIKASI eksperimen memakai setting optimal menunjukkan
Setelah rancangan optimal didapat, maka harus apa yang diprediksikan memang tercapai.
diketahui pula prediksi respon dari rancangan Untuk selanjutnya, perusahaan disarankan
optimal tersebut. Setelah itu eksperimen verifikasi untuk memakai setting optimal tersebut, yaitu
dapat dilakukan untuk dibandingkan dangan hasil kombinasi A1, B1, C1, dan D1. Dengan memakai
prediksi. Jika prediksi respon eksperimen verifikasi setting optimal tersebut, kekuatan akan meningkat
cukup dekat satu sama lain, maka dapat dari 3,266 N menjadi 3,396 N.
disimpulkan bahwa rancangan sudah cukup
memadai dan sebaliknya. Tabel 7. Hasil Eksperimen Dengan Setting Awal
dan Setting Optimal
Untuk rancangan usulan (A1, B1, C1, dan D1),
besar prediksi rata-rata proses adalah sebesar: No. Setting Awal Setting Optimal
µprediksi = A 1 + B 1 +C 1 + D 1 −3 y 1 3,319 3,394
2 3,214 3,442
= 3,317+3,320+3,287+3,320–(3*3,27)
3 3,265 3,352
= 3,434
Rata-rata 3,266 3,396
Selanjutnya besar rata-rata proses hasil prediksi ini Standar Deviasi 0,0525071423 0,045033321
akan dibandingkan dengan kondisi hasil
eksperimen yang memakai setting awal, seperti
yang tercantum pada Tabel 7. 4. KESIMPULAN
Beberapa kesimpulan yang didapat dari
Adapun uji hipotesa yang dilakukan adalah sebagai penelitian ini adalah:
berikut: • Setting yang diusulkan untuk meningkatkan
Ho: μ = μ0 kekuatan benang adalah:
H1: μ ≠ μ0  Kemuluran benang (draft): 1,3%
di mana μ adalah rata-rata dengan setting awal, dan  Temperatur pengeringan: 100°C
μ0 adalah rata-rata hasil prediksi. Ho akan ditolak
 Temperatur larutan kanji: 88°C
apabila t0 < -tα,ν.
 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. Bagchi, Tapan P., Taguchi Method Explained:
Practical Steps to Robust Design, New Delhi:
Prentice Hall, 1993.
2. Belavendram, Nicolo, Quality by Design:
Taguchi Techniques for Industrial
experimentation, London: Prentice Hall
International, 1995.
3. Montgomery C., Douglas, Design and Analysis
of Experiments, 4th edition, New York: John
Wiley and Sons, 1997.
4. Locher, Robert H. & Mator, Joseph E.,
Designing for Quality: An Introduction to the
Best of Taguchi’s & Western Methods of
Statistical Experiments Design, New York:
Quality Resources, 1990.
5. Phadke, Madhav S., Quality Engineering
Using Robust Design, New Jersey: Prentice
Hall, 1989.