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.
________________________________________
† : Corresponding Author
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
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.
Jurusan Teknik Industri
Universitas Katolik Parahyangan
Edisi Juli – Desember 2007
Gambar 3: Surface plot interaksi faktor kehalusan butir dan Gambar 7: Surface plot interaksi faktor komposisi bahan
tekanan pembentukan. dan karakteristik lempung.
Gambar 3 menunjukkan surface plot interaksi faktor B Berdasarkan surface plot di atas, dapat diperoleh level
(kehalusan butir) dan C (tekanan pembentukan). Dari atau tingkat perlakuan untuk parameter produksi yang
gamber tersebut terlihat bahwa nilai respon semakin dapat meminimasi peyimpangan ukuran ubin keramik
mengecil (mendekati arah 0 sebagai target) sesuai dengan sebagai berikut:
arah kurva menuju level 1 untuk faktor B dan menuju level 1. Perbandingan antara feldspar : lempung : kuarsa adalah
-1 untuk faktor C. 50 : 35 : 15.
Gambar 4, 5, 6, dan 7 adalah surface plot untuk setiap 2. Kehalusan butir bahan baku: < 80 mesh.
interaksi faktor yang berpengaruh secara signifikan. 3. Tekanan pembentukan: 300 kg/cm2.
4. Temperatur pembakaran : 11500C.
5. PERCOBAAN KONFIRMASI
Percobaan Percobaan
Nilai
Gambar 5: Surface plot interaksi temperatur pembakaran Awal Konfirmasi
dan tekanan pembentukan. Rata-rata 0.5429 - 0.5528
Absolut dari rata-rata 0.5429 0.5528
Standar deviasi 1.1722 0.1586