Jurusan Teknik Industri

Universitas Katolik Parahyangan

Edisi Juli – Desember 2007

Penggunaan Response Surface Methodology dalam Penentuan

Level Parameter Produksi untuk Meminimasi Penyimpangan
Ukuran Ubin Keramik

Cynthia P. Juwono† dan Sindy Dyana

Jurusan Teknik Industri, Universitas Katolik Parahyangan, Bandung 40141
+62-22-203-2700, Email: juwonocp@home.unpar.ac.id

Abstrak. Penelitian ini bertujuan untuk menentukan level parameter produksi untuk mengurangi masalah
penyimpangan dimensi pada ubin keramik. Langkah awal adalah mengidentifikasi faktor-faktor yang
menyebabkan terjadinya penyimpangan dimensi ubin keramik dengan menggunakan fishbone diagram.
Empat dari faktor yang teridentifikasi merupakan faktor yang dapat dikendalikan dalam proses produksi dan
satu faktor lainnya merupakan faktor yang tidak dapat dikendalikan.. Metoda Taguchi dipakai untuk
menentukan kombinasi level faktor produksi yang memberikan penyimpangan ukuran yang minimum.
Namun ternyata terdapat ketergantungan antara faktor signal terhadap noise sehingga penentuan kombinasi
level faktor produksi yang optimal tidak dapat dilakukan. Oleh karena itu dilakukan pendekatan lain, yaitu
Response Surface Methodology untuk menentukan kombinasi level faktor produksi yang dapat meminimasi
penyimpangan dimensi ubin. Implementasi level faktor produksi yang baru menghasilkan penurunan nilai
standar deviasi yang signifikan walaupun nilai absolut dari penyimpangan rata-rata tidak menghasilkan
perbedaan yang signifikan.

Kata kunci: Metode Taguchi, Response Surface Methodology, persamaan regresi.

1. PENDAHULUAN penyerapan air, warna, dan ketahanan terhadap panas.

Kebutuhan masyarakat akan produk-produk keramik
selalu meningkat. Keramik, seperti ubin, paving block, vas,
dan gelas, adalah benda yang terbuat dari jenis batu-batuan
(lempung, kuarsa, dan lainny) yang kemudian dibakar pada
suhu yang tinggi. Selain harga, kualitas merupakan salah
satu aspek penting yang diperhatikan konsumen dalam
memilih produk. Percobaan yang dilakukan dalam
penelitian ini dilaksanakan di Balai Besar Keramik di
Bandung.. Balai Besar Keramik merupakan badan riset
yang bertugas mengawasi kualitas produk-produk keramik
yang diproduksi oleh perusahaan lokal dan membantu
mereka dalam meningkatkan kualitas produknya agar dapat
memenuhi Standar Nasional Indonesia (SNI 03-4062-1996).
Salah satu produk yang diteliti oleh Balai Besar
Keramik adalah ubin keramik yang biasa digunakan untuk
melapisi lantai atau dinding. Terdapat beberapa
karakteristik yang menentukan kualitas ubin keramik, yaitu
kekuatan tekan, kekuatan lentur, dimensi (ukuran),
Berdasarkan data yang dikumpulkan oleh Balai Besar
Keramik, 40% produk keramik yang dihasilkan oleh
perusahaan lokal mempunyai dimensi diluar batas
spesifikasi. Oleh karena itu penelitian ini bertujuan untuk
mengidentifikasi faktor-faktor yang menyebabkan
terjadinya penyimpangan dimensi ubin keramik dan
menentukan tingkat perlakuan atau level dari faktor-faktor
tersebut sehingga diperoleh ubin dengan ukuran yang
sesuai dengan yang telah ditetapkan.
2. PENENTUAN FAKTOR PRODUKSI DAN
RESPON
Ubin keramik yang diteliti adalah ubin keramik jenis
stoneware yang berwarna cerah, mempunyai permukaan
kasar (tidak licin) , dan bersifat opaque. Ukuran dari ubin
adalah 11 cm x 11 cm dengan toleransi sebesar ± 1.00%.
Bahan baku yang diperlukan dalam pembuatan ubin
keramik ini adalah:

________________________________________
† : Corresponding Author

1. Feldspar yang berfungsi sebagai pelebur.
2. Clay atau lempung.
3. Kuarsa,
4. Air.
Adapun proses produksi dari ubin keramik dapat dilihat
dalam Gambar 1.
Gambar 1: Proses produksi ubin keramik.
2.1 Penentuan Faktor Produksi
Fishbone diagram digunakan untuk mencari akar atau
faktor pentebab terjadinya penyimpangan dimensi ubin
keramik. Berdasarkan diagram tersebut ditemukan
beberapa faktor yang dapat menyebabkan terjadinya
penyimpangan, yaitu:
1. Komposisi bahan baku yang merupakan perbandingan
antara feldspar, lempung, dan kuarsa.
2. Kehalusan butiran dari bahan baku setelah campuran
bahan baku mengalami proses penggilingan dan
penyaringan (dalam satuan mesh).
3. Tekanan dalam proses pembentukan (dalam kg/cm2).
4. Temperatur pada proses pembakaran (dalam oC).
5. Banyaknya kandungan oksida pengotor berupa Fe2O3
dalam lempung (dalam persentase).
Empat faktor yang pertama dapat dikendalikan dalam
proses pembuatan ubin sedangkan faktor yang kelima
merupakan faktor yang tidak dapat dikendalikan. Untuk
selanjutnya, empat faktor pertama disebut faktor A, B, C,
dan D dan faktor kelima disebut faktor W.
Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007
2.2 Penentuan Respon
Karakteristik kualitas yang diamati adalah besarnya
penyimpangan dimensi ubin (panjang atau lebar) terhadap
ukuran standar, yaitu 11 cm. Penyimpangan yang
diinginkan adalah 0% (nominal-is-best). Pengukuran
dimensi ubin dilakukan dengan menggunakan jangka
sorong dengan ketelitian 0.05 mm di beberapa titik sisi
panjang ubin. Respon dinyatakan dalam persentase
penyimpangan ukuran dan dapat diperoleh dengan
mengurangi hasil pengukuran dengan 11.00 cm lalu
dikalikan 100%.
2.3 Tingkat Perlakuan Faktor
Setiap faktor diberikan dua tingkat perlakuan atau
level seperti yang dapat dilihat pada Tabel 1.
Tabel 1: Tingkat perlakuan faktor terkendali.
Faktor Level 1 Level 2
A 50:35:15 50:25:25
B <80 mesh <120 mesh
C 200 kg/cm2 300 kg/cm2
D 11500C 12500C
W < 3.0% ≥ 3.0%
3. METODE TAGUCHI
Metode Taguchi digunakan untuk mencari level faktor
atau parameter produksi yang dapat meminimasi respon.
Dalam metode ini dihitung rasio signal terhadap noise
(SNR) untuk mengidentifikasi level dari parameter (atau
faktor) yang dapat dikendalikan sehingga diperoleh proses
produksi yang robust atau tidak sensitive terhadap
gangguan yang tidak dapat dikendalikan atau noise (Bagchi,
1993).
3.1 Perancangan Eksperimen
Langkah pertama untuk melakukan perancangan
eksperimen adalah menentukan orthogonal array (OA)
yang sesuai dan menugaskan faktor terkendali utama
beserta interaksi antar faktor ke dalam tabel orthogonal.
OA digunakan untuk meminimasi jumlah eksperimen
sehingga didapatkan perancangan eksperimen yang lebih
efisien tanpa kehilangan informasi penting (Ross, 1998).
OA yang dipakai dalam penelitian ini adalah L8.
Hasil uji ANOVA dari eksperimen awal menunjukkan
 Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007

bahwa terdapat interaksi yang signifikan antara faktor B Tabel 3: Hasil perhitungan ANOVA terhadap nilai rata-rata.
dan C, faktor B dan D, serta faktor C dan D. Dengan
demikian terbentuk linear graph seperti dapat dilihat dalam Sumber d.f. SS MS Ftest Ftabel
Gambar 2.
A 1 63.09 63.09 3637.80 4.03
B 1 0.05 0.05 3.03 4.03
C 1 3.12 3.11 179.80 4.03
D 1 0.35 0.35 20.29 4.03
BxC 1 0.85 0.85 48.85 4.03
BxD 1 0.70 0.70 40.11 4.03
Gambar 2: Linear graph L8.
CxD 1 0.20 0.20 11.32 4.03
Linear graph ini dipakai untuk menempatkan empat faktor
utama dan tiga interaksinya ke dalam tabel orthogonal SST1 7 68.36
(Tabel 2). Untuk setiap kombinasi level faktor (trial) SSW 1 2.7 2.7 146.52 4.03
dilakukan replikasi sebanyak 4 kali.
A*W 1 9.97 9.97 540.78 4.03
Tabel 2: Tabel orthogonal.
C*W 1 2.15 2.15 116.61 4.03
BC*W 1 0.14 0.14 7.82 4.03
Trial Faktor Terkendali BD*W 1 2.35 2.35 127.71 4.03
No. SST2 12 85.69
B C BxC D BxD CxD A
Error 51 0.89 0.02
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2 SST3 63 86.57

3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1 3.3 Faktor dan Interaksi Faktor yang
Berpengaruh Signifikan Terhadap Nilai Variansi
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1 Apabila suatu faktor berpengaruh secara signifikan
terhadap variansi maka faktor tersebut harus ditugaskan
7 2 2 1 1 2 2 1 pada level yang menghasilkan variansi sekecil mungkin.
8 2 2 1 2 1 1 2 Tabel 4 berikut merupakan hasil uji ANOVA (pooled) untuk
nilai variansi. Dari tabel tersebut dapat dilihat bahwa faktor
A dan C serta interaksi antara B dan D mempunyai
pengaruh secara signifikan terhadap nilai variansi.
3.2 Faktor dan Interaksi Faktor yang
Berpengaruh Signifikan Terhadap Nilai Rata-rata Tabel 4: Hasil perhitungan ANOVA terhadap nilai variansi.
Hasil pengolahan data eksperimen dirangkum dalam
tabel ANOVA untuk melihat pengaruh dari faktor-faktor Sumber d.f. SS MS Ftest Ftabel
dan interaksinya terhadap nilai rata-rata respon. Tabel 3 A 1 0.56 0.56 78.66 7.71
menunjukkan hasil uji ANOVA (pooled). Dari hasil uji
ANOVA diketahui bahwa faktor-faktor A, C, D, W C 1 0.55 0.55 76.55 7.71
berpengaruh secara signifikan terhadap respon; demikian BxD 1 0.52 0.52 72.31 7.71
pula interaksi antara faktor B dan C, B dan D, C dan D, A
dan W, C dan W, BC dan W, serta BD dan W. e pooled 4 0.03 0.01

SST 7 1.66
 Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007

3.4 Perhitungan Signal-to-Noise Ratio Tabel 6: Pengaruh faktor terkendali.

Signal-to-noise ratio (SNR) digunakan untuk Pengaruh terhadap

menentukan level dari faktor terkendali untuk
menghasilkan rancangan performansi yang robust terhadap lokasi (rata-rata)
noise. SNR diperoleh dengan persamaan (Mitra1998): Ada Tidak
(rata - rata ) 2
µ 2

σ
(1) Pengaruh terhadap Ada A, C -
SNR = = 2
variance
dispersi (variansi) Tidak D B
dimana μ dan σ merupakan rata-rata dan standar deviasi
dari karakteristik kualitas. Hasil perhitungan SNR dapat
dilihat pada Tabel 5. Faktor yang berpengaruh terhadap disperse dan lokasi
adalah faktor A dan C. Namun demikian, berdasarkan
Tabel 5: Hasil perhitungan SNR. grafik dari nilai rata-rata dan variansi terhadap nilai SNR,
ternyata hanya faktor C yang memiliki kesamaan arah
pergerakan pada perubahan level rata-rata dan variansi.
Nilai SNR terbesar diperoleh pada level 2. Penentuan level
Trial Faktor Terkendali
SNR untuk faktor lainnya, yaitu A, B, dan D tidak dapat
No. dilakukan dengan menggunakan SNR.
B C BxC D BxD CxD A
4. RESPONSE SURFACE METHODOLOGY
1 1 1 1 1 1 1 1 0.02
2 1 1 1 2 2 2 2 40.99 Dengan adanya kekurangan dari SNR tersebut, maka
perlu dicari suatu alternatif lainnya untuk menentukan
3 1 2 2 1 1 2 2 46.11 rancangan parameter yang mengoptimalkan output. Salah
4 1 2 2 2 2 1 1 6.91 satu alternatifnya adalah Response Surface Methodology
(RSM) yang dapat mereproduksi model dari analisis
5 2 1 2 1 2 1 2 42.01 dengan metode Taguchi dan untuk selanjutnya dilakukan
6 2 1 2 2 1 2 1 0.01 optimasi (Hartono, 2000).
RSM merupakan suatu metode yang menggunakan
7 2 2 1 1 2 2 1 13.44 model persamaan regresi untuk menjelaskan hubungan
8 2 2 1 2 1 1 2 35.46 antara faktor-faktor yang berpengaruh terhadap responnya
(Myers and Montgomery, 2002). Hanya faktor-faktor dan
Total 184.96 interaksi faktor yang berpengaruh secara signifikan saja
yang diperhitungkan dalam persamaan regresi.
3.5 Penentuan Faktor Dispersi dan Faktor Lokasi Perangkat lunak Matlab ver. 6.5 dipakai untuk
membantu pembentukan pesamaan regresi. Dalam
Dalam metode Taguchi, kualitas diukur oleh besarnya membentuk persamaan regresi, level 2 dikodekan menjadi -
penyimpangan dari nilai targetnya dimana penyimpangan 1 dan level 1 tetap sebagai level 1. Persamaan yang
tersebut disebabkan oleh noise. Oleh sebab itu diinginkan dihasilkan adalah sebagai berikut:
suatu rancangan yang mempunyai nilai SNR yang besar.
yˆ = 2.1713 + 0.8838C 0.2975 D 3.9712 A +
Namun demikian, ada kelemahan dari SNR (Mitra, 1998).
SNR mengukur pengaruh faktor terhadap rata-rata respon 0.8213W + 0.46 BC + 0.4162 BD 0.2225CD +
dan standar deviasi secara simultan. Bila sebuah faktor 0.7338CW + 1.5788 AW (2)
berpengaruh terhadap variansi dan juga ra-rata respon,
maka nilai SNR yang besar tidak menjamin variabilitas Nilai koefisien determinasi dari persamaan regresi di atas
yang kecil. Oleh karena itu perlu dilihat faktor mana yang adalah 97%.
berpengaruh terhadap disperse (variansi) dan lokasi (rata- Salah satu keunggulan dari RSM adalah dapat
rata). Tabel 6 merupakan rangkuman hasil uji ANOVA pada menghasilkan contour plot dan surface plot dimana kedua
Tabel 3 dan 4. plot ini dapat menjelaskan hubungan antara interaksi faktor
dan respon yang dihasilkan sehingga dapat dicari level
faktor yang memberikan respon yang minimum.

Gambar 3: Surface plot interaksi faktor kehalusan butir dan
tekanan pembentukan.
Gambar 3 menunjukkan surface plot interaksi faktor B
(kehalusan butir) dan C (tekanan pembentukan). Dari
gamber tersebut terlihat bahwa nilai respon semakin
mengecil (mendekati arah 0 sebagai target) sesuai dengan
arah kurva menuju level 1 untuk faktor B dan menuju level
-1 untuk faktor C.
Gambar 4, 5, 6, dan 7 adalah surface plot untuk setiap
interaksi faktor yang berpengaruh secara signifikan.
Gambar 4: Surface plot interaksi faktor kehalusan butir dan
temperatur pembakaran.
Gambar 5: Surface plot interaksi temperatur pembakaran
dan tekanan pembentukan.
Gambar 6: Surface plot interaksi faktor tekanan
pembentukan dan karakteristik lempung.
Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007
Gambar 7: Surface plot interaksi faktor komposisi bahan
dan karakteristik lempung.
Berdasarkan surface plot di atas, dapat diperoleh level
atau tingkat perlakuan untuk parameter produksi yang
dapat meminimasi peyimpangan ukuran ubin keramik
sebagai berikut:
1. Perbandingan antara feldspar : lempung : kuarsa adalah
50 : 35 : 15.
2. Kehalusan butir bahan baku: < 80 mesh.
3. Tekanan pembentukan: 300 kg/cm2.
4. Temperatur pembakaran : 11500C.
5. PERCOBAAN KONFIRMASI
Percobaan konfirmasi digunakan untuk mengetahui
sejauh mana tingkat perlakuan usulan yang diberikan dapat
meningkatkan kualitas produk. Percobaan konfirmasi
dilakukan dengan mengatur setting parameter atau faktor
terkendali sesuai dengan yang diusulkan. Percobaan
dilakukan sebanyak 36 kali dimana 18 kali dilakukan
dengan faktor tak terkendali di atur pada level 1 (< 3 %)
dan 18 kali pada level 2 (≥ 3%).
Nilai rata-rata persentase penyimpangan ukuran dan
standar deviasi dari percobaan awal dan percobaan
konfirmasi dapat dilihat pada Tabel 7.
Tabel 7: Perbandingan hasil percobaan awal dan percobaan
konfirmasi.
Percobaan Percobaan
Nilai
Awal Konfirmasi
Rata-rata 0.5429 - 0.5528
Absolut dari rata-rata 0.5429 0.5528
Standar deviasi 1.1722 0.1586
Hasil tersebut kemudian diuji dengan bantuan
perangkat lunak Statgraphic Plus dan diperoleh hasil bahwa
nilai absolute dari rata-rata antara percobaan awal dan
konfirmasi tidak berbeda secara signifikan sedangkan nilai
standar deviasi percobaan konfirmasi lebih kecil secara
signifikan dibandingkan dengan percobaan awal.

6. KESIMPULAN
Response Surface Methodology dapat dipakai sebagai
alternatif dari metoda Taguchi untuk mendapatkan proses
yang robust terhadap faktor yang tidak dapat dikendalikan.
Dalam kasus ini, RSM dapat diterapkan untuk
mendapatkan tingkat perlakuan atau level dari parameter
produksi pembuatan ubin keramik sehingga diperoleh ubin
dengan penyimpangan ukuran yang minimum.
Dari empat faktor terkendali, hanya satu faktor, yaitu
tekanan pembentukan, yang dapat ditentukan tingkat
perlakuannya dengan menggunakan SNR dari metode
Taguchi. Tingkat perlakuan dari faktor atau parameter
lainnya ditentukan dengan menggunakan RSM.
Percobaan konfirmasi menunjukkan bahwa tingkat
perlakuan parameter yang diusulkan dapat memperbaiki
kualitas ubin keramik. Nilai standar deviasi percobaan
konfirmasi lebih kecil dibandingkan dengan percobaan
awal. Hal ini menunjukkan usulan level atau tingkat
perlakuan parameter produksi dapat meminimasi
Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007
variabilitas produk ubin keramik.
REFERENSI
Bagchi, Tapan P. (1993) Taguchi Methods Explained:
Practical Steps to Robust Design, Prentice Hall of India,
New Delhi.
Hartono, M. (2000) Pengembangan Model Response
Surface dengan Karakteristik Dinamis untuk Peningkatan
Kualitas, Tesis, Teknik Industri ITB, Bandung.
Mitra, A. (1998) Fundamentals of Quality Control and
Improvement, Prentice Hall, Englewood Cliff, NJ.
Montgomery D.C. (1991) Design and Analysis of
Experiment, John Wiley & Sons Inc., New York.
Myers R.H. and Montgomery, D.C. (2002) Response
Surface Methodology, John Wiley & Sons Inc., New York
Peace, G.S. (1993) Taguchi Methods: A Hands On
Approach, Addison-Wesley, Canada.
Ross, P.J. (1996) Taguchi Techniques for Quality
Engineering, McGraw-Hill Inc., New York.