STATISTIK
KuaIitas / Mutu :
Ukuran tingkat kesesuaian barang/ jasa dg
standar/spesifikasi yang telah ditentukan/ ditetapkan.
PengendaIian KuaIitas Statistik (PKS) :
lmu yang mempelajari tentang teknik /metode
pengendalian kualitas berda-sarkan prinsip/ konsep
statistik.
Cara menggambarkan ukuran kuaIitas
1. VariabeI : karakteristik kualitas suatu produk dinyatakan
dengan besaran yang dapat diukur (besaran kontinue).
Seperti : panjang, berat, temperatur, dll.
2. Attribut : karakteristik kualitas suatu produk dinyatakan
dengan apakah produk tersebut memenuhi
kondisi/persyaratan tertentu, bersifat dikotomi, jadi hanya
ada dua kemungkinan baik dan buruk. Seperti produk
cacat atau produk baik, dll.
Tujuan :
Memperoleh jaminan kualitas (quality Assuran-ce)
dapat dilakukan dengan Aceceptance sampling Plans.
Menjaga konsistensi Kualitas, dilaksanakan dengan
Control Chart.
Keuntungan :
Untuk mempertinggi kualitas atau mengurangi biaya.
Menjaga kualitas lebih uniform.
Penggunaan alat produksi lebih efisien.
Mengurangi rework dan pembuangan.
nspeksi yang lebih baik.
Memperbaiki hubungan produsen-konsumen.
Spesifikasi lebih baik.
Teknik PengendaIian KuaIitas Statistik
Ada 4 metode Statistik yang dapat digunakan :
1. Distribusi Frekuensi
Suatu tabulasi atau cacah (tally) yang menyatakan
banyaknya suatu ciri kualitas muncul dalam sampel yang
diamati.
Untuk melihat kualitas sampel dapat digunakan :
a. Kualitas rata-rata
b. Penyebaran kualitas
c. Perbandingan kualitas dengan spesifikasi yang
diinginkan.
2. Peta kontroI/kendaIi (controI chart)
Grafik yang menyajikan keadaan produksi secara
kronologi (jam per jam atau hari per hari).
%iga macam control chart :
a. Control Chart Shewart
Peta ini disebut peta untuk variabel atau peta untuk x
dan R (mean dan range) dan peta untuk x dan o (mean
dan deviasi standard).
b. Peta kontrol untuk proporsi atau perbandingan antara
banyaknya produk yang cacat dengan seluruh
produksi, disebut peta-p (p-chart).
c. Peta kontrol untuk jumlah cacat per unit, disebut peta-c
(c-chart).
. TabeI sampIing
%abel yang terdiri dari jadual pengamatan kualitas,
biasanya dalam bentuk presentase.
4. Metode Khusus
Metode ini digunakan untuk pengendalian kualitas dalam
industri, al : korelasi, analisis variansi, analisis toleransi,
dll.
KONSEP STATISTIK
DALAM PROBABILITAS
Konsep statistik
PKS merupakan pengeterapan statistik pada proses
produksi, sehingga diperlukan pengertian yang tepat dan
jelas mengenai konsep-konsep statistik untuk
menghindari salah interpretasi.
Salah interpretasi dalam proses produksi mengakibatkan
penurunan kualitas produksi atau penambahan biaya
produksi.
PoIa atau bentuk variasi
Dalam memproduksi barang secara masal tentu akan
dijumpai varisi meskipun sudah ditentukan ukuran
maupun kualitasnya.
Ada 3 macam variasi yang dapat terjadi :
1. Variasi yg terdapat pada unit (barang).
2. Variasi yg timbul diantara unit-unit yang dihasilkan
selama waktu tertentu.
3. Variasi yang ditimbulkan oleh produksi yg
berlainan waktunya.
Variasi-variasi tersebut timbul disebabkan karena dua
sumber, yaitu variasi penyebab khusus dan variasi
penyebab umum.
1. Variasi Penyebab Khusus
Adalah kejadian-kejadian diluar sistem yang
mempengaruhi variasi dalam sistem. (manusia,
peralatan, material, lingkungan, metode kerja, dll).
2. Variasi penyebab Umum
Adalah faktor-faktor dalam sistem atau yang melekat
pada proses yang menyebabkan timbulnya variasi.
Penyebab umum sering disebut penyebab acak
(random causes) atau penyebab sistem (system
causes).
arga Tengah dan Ukuran Dispersi
Mean, median, modus (mode), kuartil, percentil, decile,
range, deviasi standar.
Mean (rata-rata) :
n
n
1 i
i
X
n
n
x .. .......... ..........
2
x
2
x
1
x
X
n = banyaknya pengamatan
x
i
= nilai atau harga pada pengamatan ke i
Median
ilai atau harga yang membagi seluruh data menjadi
dua kelompok yang sama banyaknya
Jika banyaknya pengamatan ganjil (2k+1), maka
pengamatan ke (k+1) merupakan median, tentunya
setelah diurutkan
k + 1
.
X
1
, x
2
, x
3
.. ,x
k
x
k + 1
, x
k + 2
,.., x
2k + 1
k pengamatan k pengamatan
Jika banyaknya pengamatan genap 2k, maka sebagai
median diambil :
2
x x
1 k k
x
k
= nilai pengamatan ke k setelah diurutkan
x
k+1
= nilai pengamatan ke k+1 setelah diurutkan
Modus (Mode)
ilai atau harga yang mempunyai frekuensi terbesar.
KuartiI
Membagi data menjadi empat kelompok, masing-masing
kelompok banyak anggotanya sama.
PercentiI dan DeciIe
Membagi data menjadi seratus bagian dan sepuluh
bagian sama banyak.
Ukuran Dispersi atau Ukuran Sebaran Data
Macam dispersi : range, deviasi standar
Range (R) adalah selisih nilai terbesar dan nilai terkecil.
R = Xmaks - Xmin
Deviasi Standar () =
1 n
n
x
x
2
j 2
j
PETA KENDALI
(CONTROL CART)
Metode Statistik untuk menggambarkan adanya variasi
atau penyimpangan dari mutu (kualitas) hasil produksi
yang diinginkan.
Dengan Peta kendaIi :
Dapat dibuat batas-batas dimana hasil produksi
menyimpang dari ketentuan.
Dapat diawasi dengan mudah apakah proses dalam
kondisi stabil atau tidak.
Bila terjadi banyak variasi atau penyimpangan
suatu produk dapat segera menentukan keputusan
apa yang harus diambil.
Macam Variasi :
Variasi daIam objek
Mis : kehalusan dari salah satu sisi daru suatu
produk tidak sama dengan sisi yang lain,
lebar bagian atas suatu produk tidak sama
dengan lebar bagian bawah, dll.
Variasi antar objek
Mis : sautu produk yang diproduksi pada saat yang
hampir sama mempunyai kualitas yang
berbeda/ bervariasi.
Variasi yg ditimbuIkan oIeh perbedaan waktu
produksi
Mis : produksi pagi hari berbeda hasil produksi siang
hari.
Penyebab TimbuInya Variasi
Penyebab Khusus (Special Causes of Variation)
Man, tool, mat, ling, metode, dll.
(berada di luar batas kendali)
Penyebab Umum (Common Causes of Variation)
Melekat pada sistem.
(berada di dalam batas kendali)
enis Peta KendaIi
Peta KendaIi VariabeI (Shewart)
Peta kendali untuk data variabel :
Peta X dan R, Peta X dan S, dll.
Peta KendaIi Attribut
Peta kendali untuk data atribut :
Peta-P, Peta-C dan peta-U, dll.
Peta X dan R
Peta kendaI X :
Memantau perubahan suatu sebaran atau
distribusi suatu variabel asal dalam hal lokasinya
(pemusatannya).
Apakah proses masih berada dalam batas-batas
pengendalian atau tidak.
Apakah rata-rata produk yang dihasilkan sesuai
dengan standar yang telah ditentukan.
Peta kendaIi R :
Memantau perubahan dalam hal spread-nya
(penyebarannya).
Memantau tingkat keakurasian/ketepatan proses
yang diukur dengan mencari range dari sampel
yang diambil.
Langkah daIam pembuatan Peta X dan R
1. %entukan ukuran subgrup (n = 3, 4, 5, ..).
2. %entukan banyaknya subgrup (k) sedikitnya 20
subgrup.
3. Hitung nilai rata-rata dari setiap subgrup, yaitu X.
4. Hitung nilai rata-rata seluruh X, yaitu X, yang
merupakan center line dari peta kendali X.
5. Hitung nilai selisih data terbesar dengan data
terkecil dari setiap subgrup, yaitu Range ( R ).
. Hitung nilai rata-rata dari seluruh R, yaitu R yang
merupakan center line dari peta kendali R.
7. Hitung batas kendali dari peta kendali X :
UCL = X + (A2 . R) ..... A2 =
3 /
2
3
LCL = X (A2 . R)
8. Hitung batas kendali untuk peta kendali R
UCL = D4 . R
LCL = D3 . R
9. Plot data X dan R pada peta kendali X dan R serta
amati apakah data tersebut berada dalam
pengendalian atau tidak.
10. Hitung ndeks Kapabilitas Proses (Cp)
Cp =
$
$ &$
Dimana :
S =
) (
) ( ) (
1
2 2
N N
Xi Xi Nx
atau S = R/d
2
Kriteria penilaian :
Jika Cp > 1,33 , maka kapabilitas proses sangat baik
Jika 1,00 > Cp > 1,33, maka kapabilitas proses baik
Jika Cp < 1,00, maka kapabilitas proses rendah
Hitung ndeks Cpk :
Cpk = Minimum { CPU ; CPL }
Dimana :
CPU =
$
X &$
3
dan CPL =
$
$ X
3
Kriteria penilaian :
Jika Cpk = Cp, maka proses terjadi ditengah
Jika Cpk = 1, maka proses menghasilan produk yang
sesuai dengan spesifikasi
Jika Cpk < 1, maka proses menghasilkan produk yang
tidak sesuai dengan spesifikasi
Kondisi deal : Cp > 1,33 dan Cp = Cpk
Contoh Kasus
P% XYZ adalah suatu perusahaan pembuatan
suatu produk industri. Ditetapkan spesifikasi
adalah : 2.40 0,05 mm. Untuk mengetahui
kemampuan proses dan mengendalikan proses
itu bagian pengendalian P% XYZ telah melakukan
pengukuran terhadap 20 sampel. Masing-masing
berukuran 5 unit (n=5).
SampeI
asiI Pengukuran
X1 X2 X X4 X5
1 2.38 2.45 2.40 2.35 2.42
2 2.39 2.40 2.43 2.34 2.40
3 2.40 2.37 2.3 2.3 2.35
4 2.39 2.35 2.37 2.39 2.38
5 2.38 2.42 2.39 2.35 2.41
2.41 2.38 2.37 2.42 2.42
7 2.3 2.38 2.35 2.38 2.37
8 2.39 2.39 2.3 2.41 2.3
9 2.35 2.38 2.37 2.37 2.39
10 2.43 2.39 2.3 2.42 2.37
11 2.39 2.3 2.42 2.39 2.3
12 2.38 2.35 2.35 2.35 2.39
13 2.42 2.37 2.40 2.43 2.41
14 2.3 2.38 2.38 2.3 2.3
15 2.45 2.43 2.41 2.45 2.45
1 2.3 2.42 2.42 2.43 2.37
17 2.38 2.43 2.37 2.39 2.38
18 2.40 2.35 2.39 2.35 2.35
19 2.39 2.45 2.44 2.38 2.37
20 2.35 2.41 2.45 2.47 2.35
Perhitungan :
SampeI
Perhitungan
Rata-rata Range
1 2.40 0.10
2 2.39 0.09
3 2.37 0.05
4 2.38 0.04
5 2.39 0.07
2.40 0.05
7 2.37 0.03
8 2.38 0.05
9 2.37 0.04
10 2.39 0.07
11 2.38 0.0
12 2.3 0.04
13 2.41 0.0
14 2.37 0.02
15 2.44 0.04
1 2.40 0.07
17 2.39 0.0
18 2.37 0.05
19 2.41 0.08
20 2.41 0.12
umIah 47.78 1.19
Rata-rata 2.9 0.06
X = (Z X)/k = 47.78 / 20 = 2.39
R = (Z R)/k = 1.19 / 20 = 0.0
Peta KendaIi X :
CL = X = 2.39
UCL = X + (A
2
* R) = 2.39 + (0.577*0.0) = 2.42
LCL = X - (A
2
* R) = 2.39 (0.577*0.0) = 2.3
Peta KendaIi R
CL = R = 0.0
UCL = D4 * R = 2.114 * 0.0 = 0.12
LCL = D3 * R = 0 * 0.0 = 0
Pada Peta X ada data yang out of control, maka
data pada sampel tersebut dibuang
SampeI
Perhitungan
Rata-rata Range
1 2.40 0.10
2 2.39 0.09
3 2.37 0.05
4 2.38 0.04
5 2.39 0.07
2.40 0.05
7 2.37 0.03
8 2.38 0.05
9 2.37 0.04
10 2.39 0.07
11 2.38 0.0
12 2.3 0.04
13 2.41 0.0
14 2.37 0.02
1 2.40 0.07
17 2.39 0.0
18 2.37 0.05
19 2.41 0.08
20 2.41 0.12
umIah 45.4 1.15
Rata-rata 2.86 0.0605
X = (Z X)/k = 45.34 / 19 = 2.38
R = (Z R)/k = 1.15 / 19 = 0.005
Peta KendaIi X :
CL = X = 2.38
UCL = X + (A
2
* R) = 2.38 + (0.577*0.005)
= 2.4209
LCL = X - (A
2
* R) = 2.38 (0.577*0.005)
= 2.3511
Peta KendaIi R
CL = R = 0.005
UCL = D4 * R = 2.114 * 0.005 = 0.1280
LCL = D3 * R = 0 * 0.0 = 0
Karena sudah tidak ada data yang out of control,
maka langkah selanjutnya adalah menghitung
kapabilitas proses.
Perhitungan KapabiIitas Proses :
S =
) (
) ( ) (
1
2 2
N N
Xi Xi Nx
atau S = R/d
2
= 0.005/2.32 = 0.02
Cp =
$
$ &$
= 10 0
02 0
35 2 5 2
.
) . (
. .
CPU =
$
X &$
3
= 205 0
02 0 3
3 2 5 2
.
) . (
. .
CPL =
$
$ X
3
= 15 0
02 0 3
35 2 3 2
.
) . (
. .
Cpk = Minimum { CPU ; CPL } = 0.415
ilai Cpk sebesar 0.415 yang diambil dari nilai
CPL menunjukkan bahwa proses cenderung
mendekati batas spesifikasi bawah.
ilai Cp sebesar 0.410 ternyata kurang dari 1,
hal ini menunjukkan kapabilitas proses untuk
memenuhi spesifikasi yang ditentukan rendah.
3
X X
i
. Hitung nilai rata-rata dari seluruh s, yaitu S yang merupakan
garis tengah dari peta kendali S,
7. Hitung batas kendali dari peta kendali x :
UCL = x +
3
$
. 3
LCL = x
3
$
. 3
dimana
3
3
= A3
Sehingga :
UCL = x + (A3 * S)
LCL = x (A3 * S)
8. Hitung batas kendali untuk peta kendali S :
UCL =
) 1 ( 3
$
$
dimana
) 1 ( . 3
1
= B4
LCL =
) 1 ( 3
$
$
dimana
) 1 ( . 3
1
= B3
Sehingga :
UCL = B4 * S
LCL = B3 * S
9. Plot data x dan S pada peta kendali x dan S serta amati apakah
data tersebut berada dalam pengendalian atau diluar
pengendalian.
Contoh :
Jumlah Observasi Hasil Pengukuran x S
1 20, 22, 21, 23, 22 21,0 1,14
2 19, 18, 22, 20, 20 19,80 1,48
3 25, 18, 20, 17, 22 20,40 3,21
4 20, 21, 22, 21, 21 21,00 0,71
5 19, 24, 23, 22, 20 21,00 2,07
22, 20, 18, 18, 19 19,40 1,7
7 18, 20, 19, 18, 20 19,00 1,00
8 20, 18, 23, 20, 21 20,40 1,82
9 21, 20, 24, 23, 22 22,00 1,58
10 21, 19, 20, 20, 20 20,00 0,71
11 20, 20, 23, 22, 20 21,00 1,41
12 22, 21, 20, 22, 23 21,0 1,14
13 19, 22, 19, 18, 19 19,40 1,52
14 20, 21, 22, 21, 22 21,20 0,84
15 20, 24, 24, 21, 23 22,80 1,4
1 21, 20, 24, 20, 21 21,20 1,4
17 20, 18, 18, 20, 20 19,20 1,10
18 20, 24, 23, 23, 23 22,40 1,52
19 20, 19, 23, 20, 19 20,20 1,4
20 22, 21, 21, 24, 22 22,00 1,22
21 23, 22, 22, 20, 22 21,80 1,10
22 21, 18, 18, 17, 19 18,0 1.52
23 21, 24, 24, 23, 23 23,00 1,22
24 20, 22, 21, 21, 20 20,80 0,84
25 19, 20, 21, 21, 22 20,0 1,14
Jumlah 521,00 34,88
Rata-rata 20,77 1,30
Peta kendaIi :
CL = 20,77
UCL = x + (A3 * S) = 20,77 + 1,427(1,30) = 22,3
LCL = x (A3 * S) = 20,77 1,427(1,30) = 18,91
Peta kendaIi S :
CL = 1,30
UCL = B4 * S
= 2,089 (1,30) = 2,71
LCL = B3 * S
= 0 (1,30) = 0
Peta KontroI Untuk Atribut
1. Peta Kendali - p : untuk proporsi cacat
Dan peta kendali np untuk proporsi unit cacatnya relaitif kecil.
2. Peta Kendali c : untuk cacat (defective)
3. Peta Kendali u : untuk cacat per unit.
Peta kendaIi - p
Perbandingan antara banyaknya cacat dengan semua
pengamatan, yaitu setiap produk yang diklasifikasikan sebagai
"diterima atau "ditolak (yang diperhatikan banyaknya produk
cacat).
Langkah-langkah pembuatan peta kendali - p :
1. %entukan ukuran contoh/subgrup yang cukup besar (n > 30),
2. Kumpulkan banyaknya subgrup (k) sedikitnya 2025 sub-grup,
3. Hitung untuk setiap subgrup nilai proporsi unit yang cacat,
yaitu :
p = jumlah unit cacat/ukuran subgrup
4. Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan :
p = total cacat/total inspeksi.
5. Hitung batas kendali dari peta kendali x :
UCL = p +
3
5 5 ) 1 (
3
LCL = p
3
5 5 ) 1 (
3
. Plot data proporsi (persentase) unit cacat serta amati apakah
data tersebut berada dalam pengendalian atau diluar
pengendalian.
Contoh :
Sebuah perusahaan ingin membuat peta kendali untuk periode
mendatang dengan mengadakan inspeksi terhadap proses
produksi pada bulan ini. Perusahaan melakukan 25 kali observasi
dengan mengambil 50 buah sample untuk setiap kali observasi.
Hasil selengkapnya adalah :
Observasi
Ukuran
Sampel
Banyaknya
Produk Cacat
Proporsi
Cacat
1 50 4 0,08
2 50 2 0,04
3 50 5 0,10
4 50 3 0,0
5 50 2 0,04
50 1 0,02
7 50 3 0,0
8 50 2 0,04
9 50 5 0,10
10 50 4 0,08
11 50 3 0,0
12 50 5 0,10
13 50 5 0,10
14 50 2 0,14
15 50 3 0,0
1 50 2 0,04
17 50 4 0,08
18 50 10 0,20
19 50 4 0,08
20 50 3 0,0
21 50 2 0,04
22 50 5 0,10
23 50 4 0,08
24 50 3 0,0
25 50 2 0,08
Jumlah 1250 90 1,90
p = (pi)/k = 1,90/25 = 0,07
UCL = p +
3
5 5 ) 1 (
3
= 0,07 +
50
) 07 0 1 ( 07 0
3
= 0,188
LCL = p
3
5 5 ) 1 (
3
= 0,07
50
) 07 0 1 ( 07 0
3
= 0,03
Peta KendaIi - c
Suatu produk dikatakan cacat (defective) jika produk tersebut
tidak memenuhi suatu syarat atau lebih. Setiap kekurangan
disebut defec. Setiap produk yang cacat bias saja terdapat lebih
dari satu defec. (yang diperhatikan banyaknya defec).
Langkah-langkah pembuatan peta kendali - p :
1. Kumpulkan k = banyaknya subgrup yang akan diinspeksi,
usahakan k mencukupi jumlahnya antara k = 2025 subgrup,
2. Hitung jumlah cacat setiap subgrup ( = c),
3. Hitung nilai rata-rata jumlah cacat, c sbb :
c =
4. Hitung batas kendali untuk peta kendali c :
UCL = c + . 3
LCL = c . 3
5. Plot data jumlah cacat dari setiap subgrup yang diperiksa dan
amati apakah data tersebut berada dalam pengendalian atau
diluar kendali.
Peta KendaIi - u
Peta kendali u relatif sama dengan peta kendali c. Perbedaanya
hanya terdapat pada peta kendali u spesifikasi tempat dan waktu
yang dipergunakan idak harus selalu sama, yang membedakan
dengan peta kendai c adalah besarnya unit inspeksi perlu
diidentifikasikan.
Rumus yang digunakan :
$: =
3i
bar u
CL = u-bar
UCL = u-bar + 3 Su
LCL = u-bar - 3 Su
S
4
Umum
Huruf yang didapat dari table K untuk menentukan
ukuran sample dan batas kelas pemeriksaan suatu
penolakan dari lot
4 Ditambah AQL (Acceptable Quality Level/ tingkat
kualitas yang diterima
4 Jenis pemeriksaan
Maka akan diperoleh n, Ac, Re
n = ukuran sample untuk menentukan
Ac = batas penerimaan harga Pa
Re = batas penolakan
Jenis pemeriksaan :
- tunggal : normal (L)
ketat (M)
longgar ()
- ganda : normal (O)
ketat (P)
longgar (Q)
- multi : normal (R)
ketat (S)
longgar (%)
Contoh :
= 1000
%ingkat pemeriksaan umum
AQL = 0,25
Cari : a). Jenis pemeriksaan tunggal normal
b). Jenis pemeriksaan ganda longgar
dari tabel K didapat untuk = 1000 dg tingkat
pemeriksaan umum tk dg kode letter J :
a. dengan jenis pemeriksaan tunggal normal
n = 80
AQL = 0,25
Maka Ac = 0
Re = 1
b. Ganda longgar
n1 = 20
n2 = 20
tabel tunggal longgar didapat :
n = 32
AQL = 0,25
Ac = 0
Re = 1
PERENCANAAN SAMPING MENURUT
MIL STD 414
Perencanaan sampel untuk data variabel. Pengambilan dan
penerimaan data variabel didasarkan pada rata-rata dan
standar deviasi, serta distribusi frekuensi.
METODE TAGUCI
Metode %aguchi : Dr. Genichi %aguchi (1949).
Metode %aguchi dikembangkan untuk melaukan perbaikan
kualitas dengan metode baru dengan pendekatan lain
yang memberikan tingkat kepercayaan yang sama dengan
SPC ($tatisti.al Pro.ess Control).
Kelebihan Metode %aguchi
1. Dapat mengurangi jumlah pelaksanaan percobaan
dibandingkan jika menggunakan full factorial, shg dapat
menghemat waktu dan biaya.
2. Dapat melakukan pengamatan terhadap rata-rata dan
variasi karakteristik kualitas sekaligus, shg ruang
lingkup pemecahan masalah lebih luas.
3. Dapat mengetahui faktor-faktor yang berpengaruh
terhadap karakteristik kualitas melalui perhitungan
AVOA dan Rasio S/, shg faktor-faktor yang
berpengaruh tersebut dapat diberikan perhatian khusus.
Kekurangan Metode %aguchi
Percobaan dilakukan dengan banyak faktor dan interaksi
akan terjadi pembauran beberapa interaksi oleh faktor
utama, akibatnya keakuratan hasil percobaan akan
berkurang.
%ahap-tahap dalam Desain Produk/proses %aguchi
. System Design
%ahap konseptual untuk memperoleh ide-ide baru dan
mewujudkan dalam produk baru atau inovasi proses.
2. Parameter Design
%ahap pembuatan prototipe matematis bedasarkan
tahap sebelumnya melalui percobaan secara statistik.
%ujuannya adalah mengidentifikasi setting parameter
yang akan memberikan performansi rata-rata pada
target dan menentukan pengaruh dari faktor gangguan
pada variasi dari target.
. Tolerance Design
Penentuan toleransi dari parameter yang berkaitan
dengan kerugian pada masyarakat akibat penyimpangan
produk.
Karakteristik KuaIitas
Karakteristik kualitas adalah hasil suatu proses yang
berkaitan dengan kualitas.
. Nominal is the best
Karakteristik kualitas yang menuju nilai target yang tepat
pada suatu nilai tertentu.
Berat panjang lebar kerapatan
Ketebalan diameter luas kecepatan
Volume jarak tekanan waktu
2. Smaller the better
Pencapaian karakteristik jika semakin kecil (mendekati
nol) semakin baik.
Penggunaan mesin persen kontaminasi
Penyimpangan kebisingan
Waktu proses produk gagal
Pemborosan kerusakan
. Larger the better
Pencapaian karakteristik kualitas semakin besar
semakin baik.
Kekuatan km/liter efisiensi
Waktu antar kerusakan ketahanan thd korosi
rthogonal rray (
OA merupakan salah satu kelompok dari percobaan yang
hanya menggunakan bagian dari kondisi total, dimana
bagian ini mungkin separuh, seperempat atau
seperdelapan dari percobaan faktorial penuh.
Keuntungan OA adalah kemampuan untuk mengevaluasi
berapa faktor dengan jumlah tes yang minimum. Jika
terdapat 7 faktor dengan 2 level, maka jika menggunakan
full factorial akan diperlukan 2
7
buah percobaan. Dengan
OA jumlah percobaan dapat dikurangi shg dapat
mengurangi waktu dan biaya percobaan.
Langkah-2 peIaksanaan percobaan Taguchi
1. Penentuan karakteristik kualitas (variabel tak bebas)
Variabel yang perubahannya tergantung pada variabel-
variabel lain.
Dalam percobaan %aguchi, variabel tak bebas adalah
karakteristik kualitas yang terdiri dari tiga kategori :
a. easurable Characteristic (karakteristik yg dpt diukur)
1). ominal is the best
2). $maller the better
3). Larger the better
b. ttribute Characteristic
Hasil akhir yang diamati tdk dapat diukur dengan skala
kontinu, tetapi dapat diklasifikasikan secara kelompok
kecil, menengah, besar atau dpt dikelompokan
berdasarkan berhasil (sukses) atau tidak.
c. Dynamic Characteristic
Merupakan fungsi representasi dari proses yang diamati.
Proses yang diamati digambarkan sebagai signal atau
input dan output sebagai hasil dari signal.
2. dentifikasi faktor-faktor (variabel bebas)
Variabel yang perubahannya tidak tergantung pada
variabel lain.
Beberapa metode yang dapat digunakan untuk
mengidentifikasi faktor-faktor tersebut :
a. Brainstorming
Diskusi kelompok untuk memberikan gambaran tentang
masalah yang dihadapi, setiap orang mengungkapkan
faktor-faktor yang berpengaruh pada masalah yang
dihadapi, dicatat kemudian dilakukan
penyaringan/pemilihan berdasarkan urgensi masalah.
b. Flowcharting
Mengidentifikasi faktor-faktor yang mungkin
berpengaruh melalui flowchart proses pembuatan obyek
yang diamati.
c. Cause-effect diagram
Diagram istikawa digunakan untuk mengidentifikasi
penyebab faktor-faktor yang potensial.
3. Pemisahan faktor kontrol dan faktor gangguan
Faktor yang diamati terdiri atas faktor kontrol dan faktor
gangguan.
Faktor kontroI : faktor yg nilainya dapat diatur atau
dikendalikan atau yg nilainya akan kita atur atau
dikendalikan.
Faktor gangguan (noise factor) : faktor yg nilainya tidak
bisa kita atur atau kendalikan.
Faktor gangguan terdiri dari :
c. ternal (outer noise : semua gangguan dari kondisi
lingkungan atau luar produksi.
d. Internal (inner noise : semua gangguan dari dalam
produksi sendiri.
e. &nit to unit noise : perbedaan antara unit yang
diproduksi dengan spesifikasi yang sama.
4. Penentuan jumlah level dan nilai level faktor
Level faktor dapat dinyatakan secara kuantitatif seperti
temperatur, kecepatan, waktu dll.
5. dentifikasi interaksi faktor kontrol
nteraksi muncul jika dua faktor atau lebih yang mengalami
perlakuan secara bersama akan memberikan hasil yg
berbeda.
. Perhitungan derajat kebebasan (degree of freedom)
Dilakukan untuk menghitung jumlah minimum percobaan
yang harus dilakukan untuk menyelidiki faktor-faktor yg
diamati.
Jika n
A
dan n
B
adalah jumlah perlakuan untuk faktor A dan
faktor B maka :
Dof untuk faktor A = n
A
1
Dof untuk faktor B = n
B
1
Dof unt interaksi faktor A dan B = (n
A
1)( n
B
1)
Jumlah total dof = (n
A
1)+( n
B
1) +
(n
A
1)( n
B
1)
7. Pemilihan Orthogonal array
Dalam memilih jenis Orthogonal Array harus diperhatikan
jumlah level faktor yang diamati yaitu :
a. jika semua fator adalah 2 level : pilih OA untuk 2 level
faktor.
b. jika semua fator adalah 3 level : pilih OA untuk 3 level
faktor.
c. jika beberapa fator adalah 2 level dan lainnya 3 level :
pilih yang mana yang dominan.
d. jika terdapat campuran 2, 3, atau 4 level faktor : lakukan
modifikasi OA dengan metode Merging coloumn.
8. Penugasan untuk faktor dan interaksinya pada OA
9. Persiapan dan pelaksanaan percobaan
10. Analisis data