TI - 21W4405

RANCANGAN PERCOBAAN

MODUL 12
RANCANGAN PERCOBAAN FRACTIONAL
Ref: Design and Analysis of Experimen . Montgomery 7ed

Dibuat oleh: Arum Sar

2022
1
POKOK BAHASAN

1. INTRODUKSI
2. ASAL MULA RANCANGAN PERCOBAAN FRACTIONAL
3. PRINSIP DASAR RANCANGAN PERCOBAAN FRACTIONAL
4. ORHOGONAL ARRAY
5. LINIER GRAPH
6. INNER ARRAY DAN OUTER ARRAY
7. LAYOUT PERCOBAAN
8. ROBUST DESIGN
9. SETTING PARAMETER
 optimasi
DESIGN OF
EXPERIMENT MERANCANG PERBAIKAN kuesioner

Faktor
UJI FAKTOR BERPENGARUH HITUNG DOF

MERANCANG PERCOBAAN HITUNG SS TAHAP ANALYZING

THE EXPERIMENT
MENGHITUNG FTABEL
MENGHITUNG FHITUNG HITUNG MS

RESPON HASIL EXPERIMENT

CONDUCTING THE
PLANNING THE EXPERIMENT
EXPERIMENT MELAKUKAN EXPERIMENT

TENTUKAN TUJUAN
EXP DESIGN OF EXPERIMENT MODEL MATEMATIK
DESIGNING THE
EXPERIMENT
TENTUKAN RESPON HIPOTESA
VAR
LAYOUT EXP
PILIH FAKTOR YG
DIUJI
ELIMINASI
FAKTOR FULL FACTORIAL
TENTUKAN FAKTOR
BERPENGARUH DAN SINGLE FACTOR CRD,RBD,LSD,GLSD HGLSD JENIS DESIGN OF
LEVEL FAKTOR THE EXPERIMENT
MULTIFACTOR CRFD, CFD, NESTED, SPLIT PLOT
FRACTIONAL
INTRODUKSI

1. RANCOB FRACTIONAL dikembangkan oleh Genichi Taguchi sehingga

rancangan disebut juga dengan Taguchi Design of experiment
2. Genichi Taguchi (1949) adalah karyawan NTT yang saat itu
ditugaskan untuk memperbaiki kualitas alat komunikasi
3. Tahun 1980 RANCANGAN FRACTIONAL mulai diterima di Amerika
4. Rancangan percobaan digunakan dengan tujuan MENCARI FAKTOR
YANG BERPENGARUH dan selanjutnya digunakan untuk membuat
ROBUST DESIGN yaitu MERANCANG SETTING PARAMETER
proses/produk dan dilanjutkan dengan SETTING TOLERANSI PRODUK
4
KONTRIBUSI TAGUCHI

Kontribusi Taguchi:
1. Dari sisi managemen kualitas;
Taguchi memperkenalkan konsep bahwa
 “Quality is a never ending journey” dan
 “Quality of Design” yaitu konsep dimana perbaikan kualitas harus dimulai sejak
awal yaitu tahap design.
 Prinsipnya, kualitas bukan mulai dgn inspekssi tp mulai dari design
2. Dari sisi design eksperimen
Ada 3 kontribusi Taguchi yaitu:
 “Loss function” ,
 “Orthogonal Array” dan
 “Robust Design” 5
KONTRIBUSI TAGUCHI DARI SISI EKSPERIMEN:

 Fisher (1920) - seorang peneliti bidang pertanian -memperkenalkan “FULL FACTORIAL

DESIGN”yang sudah kita pelajari sampai modul 11
 Genichi Taguchi (1949) seorang enginer dari NTT memperkenalkan FRACTIONAL EXPERIMENT
DESIGN
 Dgn full factorial, uji 7 faktor tdd 2 level, akan memerlukan 27 =128 kombinasi perlakuan
 Makin banyak faktor/level. makin banyak lagi jumlah kombinasi perlakuan.
 Untuk mengurangi jumlah kombinasi, Taguchi mengembangkan FRACTIONAL EXPERIMEN
DESIGN berbasis pada konsep ORTOGONAL ARRAY (OA)
 Dengan menggunakan konsep OA yang diusulkan oleh Taguchi , eksperimen untuk menguji
pengaruh dari 7 faktor masing-masing tdd 2 level hanya memerlukan 16 kombinasi perlakuan
 Taguchi juga mengembangkan konsep ROBUST DESIGN 6
RANCANGAN PERCOBAAN TAGUCHI

Pada dasarnya langkah percobaan masih sama dengan langkah percobaan full factorial
Perbedaanya terletak pada hal-hal sbb:
1. Setelah variable teridentifikasi, lanjutkan dengan identifikasi variabel mana yang
controllable mana yang unconrolable jika diinginkan ROBUST DESIGN
2. Variabel dikelompokkan menjadi variable yang controllable disebut FAKTOR KONTROL dan
yang unconrolable disebut FAKTOR NOISE
3. Pemilihan ORTOGONAL ARRAY (OA) yang ditentukan oleh Degree of Freedom
4. Pemilihan LINIER GRAPH untuk membebankan faktor kedalam kolom OA
5. Jika bertujuan untuk membuat DESIGN yg ROBUST, maka variabel respon harus dikonversikan
kedalam SIGNAL TO NOISE RATIO (S/N ratio)
6. Umumnya Experiment Taguchi tidak memerlukan ANOVA melainkan cukup dengan persentasi
performance
ROBUST DESIGN adalah design dimana rancangan yang dihasilkannya nya tidak sensitive
7
terhadap
perubahan faktor noise
ORTOGONA ARRAY (OA)

 Rancangan disebut fractional karena jumlah kombinasi perlakuan yang

dicoba hanya sebagian(fractional)
 Dengan Fractional design, tidak seluruh kombinasi yang dicoba
sehingga eksperimen menjadi lebih cepat, lebih murah dan efektif
 Maka persoalannya “Bagaimana memilih sebagian kombinasi” untuk
dicoba dari seluruh kombinasi yang mungkin terjadi?
 Jawabnya adalah dengan konsep ORTOGONAL ARRAY (OA)
 OA adalah primary tools dari eksperimen Taguchi
 OA akan memutuskan KOMBINASI treatment mana yang terpilih diantara
seluruh kombinasi dari full factorial
 Ortogonal berarti “Being balance and not mixed”
 Ortogonal juga berarti statisticaly independent
 Setiap level/faktor akan muncul dalam jumlah yang sama 8
TERMINOLOGI

 Setiap Orthogonal Array dapat dinyatakan dengan

L A( B C)
Jumlah faktor

Jumlah level faktor

Jumlah Trial

 Sering disingkat menjadi LA

 Jadi L12(211) atau L12 adalah OA untuk percobaan yang terdiri
 11 faktor dan interaksinya
 Tiap faktor terdiri dari 2 level
 Jumlah kombinasi perlakuan sebanyak 12 kombinasi percobaan (trial) 9
DAFTAR ORTHOGONAL ARRAY YANG TERSEDIA

Jumlah OA utk OA utk OA utk

ORTHOGONAL ARRAY YANG TERSEDIA
OA Faktor 2Levels 3Levels 5Level
L4 3 L4 (23) X X OA DUA LEVEL 2 :
L8 7 L8 (27) X X L4(23), L8(27), L12(211), L16(215),
L9 4 X L9 (34) X L18 (21 37), L32 (231)
L12 11 L12 (211) X X
OA TIGA LEVEL 3 :
L16 15 L16 (215) X X
L9(33), L27(313), L18 (37),
L18 8 L18 (21 37) L18 (37) X
L25 6 X X L25 (56) OA LIMA LEVEL 5 :
L27 13 X L27 (313) X L25 (56)
L32 31 L32 (231) X X
L36 23 L36 (211 312) 12 X OA UNTUK JUMLAH LEVEL CAMPURAN :
L50 12 L50 (21 511) X 11 L18(21 x 37) L36 (211 312), L50 (21 511),L54 (21 315)
L54 26 L54 (21 315) 25
ORTOGONAL ARRAY YANG TERSEDIA
Seperti Apakah Orthogonal Array itu?

Contoh 1: OA L4(23), Contoh 2: OA L8(27),

Trial 1 2 3 4 5 6 7
Trial no. 1 2 3
1 1 1 1 1 1 1 1
1 1 1 1 2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
2 1 2 2
4 1 2 2 2 2 1 1
3 2 1 2
5 2 1 2 1 2 1 2
4 2 2 1 6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
L4(23): dibaca sbg Orthogonal Array untuk 3 faktor
masing-masing tdd 3 level dengan jumlah trial 4 dan 8 2 2 1 2 1 1 2
perlakuan dari setiaptrial/ percobaan adalah sbb”
Percobaan 1: Dgn perlakuan dimana faktor 1 pd level 1,
L8(27) dibaca
faktor 2 level 1 dan faktor 3 level 1
Percobaan 2:Dgn perlakuan dimana faktor 1 pd level 1, sebagai .................................
faktor 2 level 2 dan faktor 3 level 2 Dimana percobaan dilakukan dgn
Percobaan 3: Dgn perlakuan dimana faktor 1 pd level 2,
faktor 2 level 1 dan faktor 3 level 2 perlakuan sbb:
11
Percobaan 4: Dgn perlakuan dimana faktor 1 pd level 2, Percobaan 1: perlakuannya...........
faktor 2 level 2 dan faktor 3 level 1
Bagaimana membaca Orthogonal array ini?

L12(211)

Trial no. 1 2 3 4 5 6 7 8 9 10 11
1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 2 2 2 2 2 2
3 1 1 2 2 2 1 1 1 2 2 2
4 1 2 1 2 2 1 2 2 1 1 2
5 1 2 2 1 2 2 1 2 1 2 1
6 1 2 2 2 1 2 2 1 2 1 1
7 2 1 2 2 1 1 2 2 1 2 1
8 2 1 2 1 2 2 2 1 1 1 2
9 2 1 1 2 2 2 1 2 2 1 1
10 2 2 2 1 1 1 1 2 2 1 2
11 2 2 1 2 1 2 1 1 1 2 2
12 2 2 1 1 2 1 2 1 2 2 1

12
 Langkah Percobaan dengan Rancangan Fractional
Sebuah team dibentuk untuk mempelajari faktor apa yang menghasilkan residu White Powder pada PCB

1. Tetapkan Tujuan:
2. Tentukan variabel respons
3. Buatlah daftar variabel yang berpengaruh berdasarkan flowchart proses dan cause & effect diagram,
dengan cara Brainstorming untuk menentukan faktor yang berpengaruh
4. Identifikasi variabel mana dari butir 3 yang akan diuji dengan cara diskusi/teknik voting
5. Klasifikasikan variabel pada butir 4, kedalam faktor kontrol dan faktor noise
6. Tetapkan level faktor untuk setiap faktor
7. Identifikasi interaksi potensial faktor control yang mungkin terjadi melalui brainstorming.
Untuk faktor noise tidak ada interaksi faktor
8. Hitung DOF untuk faktor control dan faktor noise
9. Pilih OA untuk faktor control dan faktor noise berdasarkan DOF pada butir 8
10. Pilih linier graph faktor control dan faktor noise untuk yang sesuai dengan OA pada butir 9
11. Dengan linier graph pada butir 10, bebankan faktor ke kolom OA untuk faktor control dan faktor noise
12. Buat inner array dan outer array sebagai layout percobaan
12. Laksanakan percobaan berdasarakan layout pada butir 12
13. Hitung respon rata-2(mean response) untuk setiap trial percoban
14. Putuskan rancangan terbaik berdasarkan mean respons untuk tiap faktor kontrol
15. Jika diinginkan design yang robust, konversikan mean repons ke S/N ratio, baru putuskan
rancangan terbaik berdasarkan mean S/N ratio
13
Lanjutan : langkah Percobaan dengan rancangan Fractional

Catatan tambahan:
 Faktor control adalah faktor yang ingin diketahui dan dapat kita kendalikan oleh
peneliti
 Faktor noise adalah faktor yang tidak dapat dikendalikan peneliti atau faktor yang
tidak ingin diketahui tapitidak dapat dieliminir (=blocking)
 Faktor noise dibedakan menjadi outer noise, inner noise dan between product
noise
 Outer noise adalah faktor noise yang disebabkan oleh variasi yang berasal dari
luar seperti cuaca, suhu, humidity, debu
 Inner noise adalah faktor noise yang disebabkan oleh variasi yang berasal dari
produknya itu sendiri seperti tekanan, suhu dll
 Between product noise adalah faktor noise yang disebabkan oleh variasi pada
proses manufaktur yang random sehingga produk yang satu berbeda dengan produk
lainnya
14
Contoh Percobaan dengan Rancangan Fractional (Ref : Montgomery )
Suatu team dibentuk untuk mempelajari faktor apa yang menghasilkan residu White Powder pada PCB

1. Tetapkan Tujuan:
Tujuan percobaan adalah mencari faktor yang menyebabkan terjadinya
residu (lihat Montgomery)
2. Tentukan variabel respons
Variabel respon diukur dari % residu pada permukaan PCB
3. Buatlah daftar variabel yang berpengaruh (lihat Tabel 5.7) berdasarkan
flowchart proses soldering
dan cause & effect diagram, dengan cara Brainstorming
4. Identifikasi variable mana dalam list tsb yang akan diuji (Tabel 5.8)
dengan cara diskusi/voting
5. Klasifikasikan variabel (Tabel 5.9)pada butir 4, kedalam faktor kontrol
dan faktor noise
6. Tetapkan level faktor(Tabel 5.9). Misalkan tiap faktor terdiri dari 2 Level
15

7. Identifikasi interaksi yang potensial (hal 95) melalui brainstorming

DEGREE OF FREEDOM

7. Hitung DOF untuk faktor controldan DOF untuk faktor noise

 DOF (degree of freedom) pada dasarnya sama dengan konsep DOF pada rancangan full factorial yaitu
jumlah perbandingan yang perlu dilakukan untuk dapat menyimpulkan mana yang lebih baik
 Contoh, untuk bebas memilih atlet terbaik dari 3 nominasi atlit A,B,C perlu dilakukan 2 kali
perbandingan yaitu AB dan BC (artinya diperlukan 2 DOF untuk menjelaskan hubungan antar 3 atlet)
 Secara matematik DOF = n-1
 DOF merupakan informasi utama untuk memilih OA yang digunakan
8. Pilih OA yang sesuai untuk faktor control dan juga faktor noise
 OA yang terpilih adalah OA yg sesuai dgn jumlah level faktor yang memiliki jumlah trial lebih
besar dari DOF
 Misalkan: ada 3 faktor yang akan diuji, masing-masing terdiri dari 2 level.
 Besarnya DOF utk 3 faktor tdd 2 level adalah: DOF = 3 x (2-1) = 3
 Dari slide 8 pilih OA YANG TERSEDIA untuk 2 level yaitu :
L4(23), L8(27), L12(211), L16(215), L18 (21 37), L32 (231)
 Pilih OA yang JUMLAH TRIALNYA > DOF. Karena DOF =3, maka OA yang dipilih dari OA yang tersedia diatas
adalah
16
L4(23)
Contoh perhitungan DOF

Percobaan untuk menguji 2 faktor A dan B yang terdiri dari 3 level, maka
1. DOF untuk Main effect (faktor utama)
Karena ada 3 level, maka DOF tiap faktor = 3-1 =1
Karena ada 2 faktor masing-masing 3 level, maka DOF semua faktor= 2(3-1) =4
2. DOF untuk Interaksi terpilih .
Untuk 2 faktor A dan B, dengan interaksi AxB dan diduga interaksi ikut
berpengaruh, maka DOF interaksi adl
DOF AxB = (jml level faktorA-1) x (jml faktor B-1)=(3-1)x(3-1)=4
3. DOFtotal sebagai dasar untuk memilih OA
DOFtotal utk percobaan 2 faktor A dan B yg tdd 3 level plus interaksi AxB
adalah:
DOFtotal = [2x(3-1)] + [(3-1)x(3-1)] = 8
4. Pilih OA yang tersedia,
Dari slide 8, OA untuk 3 level yang tersedia adalah :L9(33), L27(313), L18 (37),
5. Pilih OA yang digunakan
Karena DOF total = 8, pilih OA yang jumlah trialnya > DOFtotal yaitu L9(33) 17

[dibaca sebagai OA untuk 3 faktor (A,B dan AB) masing-masing tdd 3 level
LINIER GRAPH

 Setelah dapat menghitung DOF dan memilih OA persoalan selanjutnya adalah

bagaimana membebankan faktor kedalam kolom dalam OA
(Perhatikan heading dari OA masih berupa angka 1,2,3 ...dst
sementara faktornya adalah A,B.C .... dst)
 Pembebanan yang sembarang menghasilkan analisis yang salah
 Pembebanan faktor kedalam kolom-kolom OA dilakukan menggunakan LINIER GRAPH
 Linier graph merupakan alat untuk melakukan pembebanan faktor kedalam kolom OA
 Liner graph adalah garis yang menghubungkan 2 titik yang dilengkapi dengan angka
dimana angka tsb mewakili nomor kolom yang kemudian digunakan untuk
memetakan menentukan faktor dan interaksinya
 Bentuk Liner graph tergantung dari jenis OA
 Satu OA dapat memiliki beberapa linier graph
18
Pembebanan faktor

Pembebanan dilakukan dengan prosedur sbb:

1. Berdasarkan DOF, telah terpilih OA dari OA yang tersedia sesuai dengan
jumlah levelnya
2. Pilih linier graph sesuai dengan OA terpilih.
3. Pada linier graph akan terdapat sejumlah garis yang masing-masing
menghubungkan 2 titik yang masih dinyatakan dengan angka
4. Isikan nama faktor dan interaksi yang tadi sudah ditetapkan ke titik
angka yang tersedia
5. Jika cocok, maka bebankan setiap faktor pada pada nomor kolom pada
OA sesuai dengan nama faktor yang sudah anda tulis sesuai pada
LINIER GRAPH
Jika linier graph yang tersedia belum sesuai Gambar ulang linier graph
6. Bebankan faktor sesuai dengan linier graph
19
 C

Contoh Pembebanan faktor kedalam OA

A B

Contoh; Eksperimen dilakukan terhadap 3 faktor A,B dan C masing-2 tdd 2 level
Dari hasil brainstorming, ada 3 Interaksi yang ingin diuji adalah AB, BC, dan AC
1. DOF = 3(2-1)+[3(2-1)(2-1)]=6

2. Piliah OA yang sesuai Dari OA yang tersedia di slide 8 .

Maka OA yg memenuhi adalah L8(27)
3. Dari linier graph standard yang 4. Letakkan faktor pada
tersedia, pilih utk OA L8(27) titik-titik dalam linier graph
A=1
1
3=AB 5 =AC 7
3 5 7

2 6 4 B=2 6=BC C= 4

5. Bebankan faktor kedalam kolom

20
6. Jika Linier graph standard tidak sesuai lakuakan Modifikasi linier graph
HASIL PEMBEBANAN FAKTOR KE OA

Orthogonal Array L8(27)

Trial ke Faktor A Faktor Faktor B Faktor C Faktor AC Faktor BC
AB
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2
TO BE CONTINOU NEXT
WEEK.............................
OUTER ARRAY

 Dalam Rancangan Taguchi dimungkinkan untuk mempertimbangkan faktor noise yaitu faktor external yang ikut
mempengarugi percobaan
 Rancangan percobaan untuk faktor control disebut Inner array
 Jika ada n faktor noise, mak rRancangan percobaan untuk faktor noise disebut Outer array
 Proses pembentukan inner array
 Tentukan DOF untuk faktor control
 Tentukan OA yang memenuhi DOF faktor control
 Tentukan Linier Graph
 Bebankan faktor kedalam OA sehinggabterbentuk Inner array
 Proses pembentukan Outer array
 Lakukan hal yang sama tetapi untuk faktor noise.
 Perbedaan Inner array dengan outer array
Jika pada inner array trial dinyatakan oleh baris, maka pada outer array trial dinyatakan
oleh kolom
 Buat layout percobaan dengan mempertimbangkan inner array dan outer array
 Lakukan eksperimen sesuai berdasarkan layout diatas 23
Contoh:
Layout percobaan untuk 4 faktor kontrol A,B,C,D d masing masing 3 level adn 3 faktor noise m E,F dan G masing
masing 2 level. Tidak ada interaksi yang berpotensi

INNER ARRAY :
Untuk faktor control A,B,C dan Trial 1 2 3 4 OUTER ARRAY:
D 3 level shg DOF = 4 x(3-1)=8 E 1 1 2 2 Untuk faktor noise E,F, G 2 level
shg OA terpilih = L9(34) DOF = 3 x (2-1)=3
F 1 2 1 2
OA terpilih = L4(23)
G 1 2 2 1
Trial ke A B C D MEAN RESPONE S/N RATIO

1 1 1 1 1 y11 y12 y13 y14 y1 Z1

2 1 2 2 2 Y21 Y22 Y23 Y24 Y2 Z2
3 1 3 3 3 y31
4 2 1 2 3 Y41
Konversi Y.. ke Z
5 2 2 3 1 Y51
6 2 3 1 2 Y61 Rata2 respon =
7 3 1 3 2 y1= (y11+y12+y13+y14)/4
Y71
8 3 2 3 1
Y81
9 3 3 2 1 y9 Z9
y91 y92 y93 y94
ROBUST DESIGN

 Keputusan dibuat berdasarkan perolehan Mean respons sebagai nilai

rata-rata dari percobaan setiap trial
 Rata2 respon untuk trial 1 = y1 = (y11+y12+y13+y14)/4 dan
 Rata2 respon untuk trial 2 = y1 = (y21+y22+y23+y24)/4 dst…..
 Untuk mendapatkan design yang robust, performansi eksperimen
harus dikonversikan kedalam Signal to Noise ratio (S/N ratio)
 S/N ratio mengukur pengaruh faktor noise melalui formula S/N
 Formula S/N tergantung dari karakteristik produk
1. Larger is better
2. Smaller is better
3. Nominal is best
25
ROBUST DESIGN

 Formula S/N jika karakteristik produk Larger is better

n  1 
 
i 1  yi 2 
Z  10 log
n

 Formula S/N jika karakteristik produk Smaller is better

2
y
Z  10 log
S2

 Formula S/N jika karakteristik produk Nominal is best

n
yi2
Z  10 log 
i 1 n

 Kesimpulan hasil eksperimen diambil berdasarkan analisis terhadap

S/N ratio menghasilkan design yang robust
26
ESTIMASI EFFECT

 Effect
dari setiap level faktor diestimate dari rata-rata respon dari percobaan yang
menggunakan kombinasi dari level dan faktornya
 Effect faktor A level 1 adalah rata-rata respones dari trial yang mengunakan dilakukan faktor A
level 1
 Dari
layout percobaan, A1 dilakukan pada trial 1,2,3 sehingga estimasi effect A 1 = rata2 dari
mean respon trial 1, 2 dan 3 sehingga estimasi effect A1 adalah
A1 = (Y1+Y2+Y3)/3
 Effect faktor A2 dihitung dari mean respons trial 4,5,6 sehingga estimasi effect A2 adlh

A2 = (Y4+Y5+Y6)/3
 Effect faktor B3 dihitung dari mean respons trial 3,6,9 sehingga estimasi effect B3 adlh
B3 = (Y3+Y6+Y9)/3
 Dst........... Hitung estimasi effect dari semua faktor pada semua level dgn cara diatas
 Kemudian diplot untuk disimpulkan rancangan setting mana yang terbaik

27
Contoh:
Percobaan dilakukan untuk uji 4 faktor control A,B,C,dan D (3 level) tanpa interaksi dengan karakteristik
Larger the better mempertimbangkan 3 faktor noise E,F, G (2 level) sehingga
DOF faktor kontrol = 4x(3-1) = 8 dan OA untuk faktor control = L9
DOF(noise)= 3x(2-1) =3 dan OA untuk faktor control = L4
3 faktor noise
E,F, G (2 level)
Trial 1 2 3 4
4 faktor control A,B,C,dan D DOF = 3
(3 level) tanpa interaksi E 1 1 2 2
DOF 8 F 1 2 1 2
G 1 2 2 1 Outer Array L4

Trial ke A B C D Respon Mean S/N

Inner Respon ratio
Array 1 1 1 1 1 2 4 3 4
Larger the better
3,25 9,15
L9 2 1 2 2 2 3 2 4 5
3,5 9,36
3 1 3 3 3 4 2 3 2
2,75 7,74 S/N =Z
4 2 1 2 3 3 2 4 1
2,5 4,49 n  1 
 
i 1  yi 2 
5 2 2 3 1 2 3 4 2
2,75 7,74 Z  10 log
6 2 3 1 2 3 2 2 4
2,75 7,74 n
7 3 1 3 2 5 1 1 3
2,5 2,69
8 3 2 3 1 3 2 4 2
2,75 7,74
9 3 3 2 1 5 2 5 2
3,5 8,39 28
Contoh:
Percobaan dilakukan untuk uji 4 faktor control A,B,C,dan D (3 level) tanpa interaksi dengan karakteristik
Larger the better mempertimbangkan 3 faktor noise E,F, G (2 level) sehingga
DOF faktor kontrol = 4x(3-1) = 8 dan OA untuk faktor control = L9
DOF(noise)= 3x(2-1) =3 dan OA untuk faktor control = L4

Trial 1 2 3 4
E 1 1 2 2
F 1 2 1 2
G 1 2 2 1

Trial ke A B C D Respon Mean

Respon
S/N
ratio MENGHITUNG ESTIMASI EFFECT
1 1 1 1 1 2 4 3 4
3,25 9,15 A1 = (y1+y2+y3)/3=
2 1 2 2 2 3 2 4 5
3,5 9,36 (3,25+3.5+2,75)/3 = 3,17
3 1 3 3 3 4 2 3 2
2,75 7,74 A2 = (y4+y5+y6)/3=
4 2 1 2 3 3 2 4 1 (2,5+ 2,75+2,75)/3 = 2,7
2,5 4,49
5 2 2 3 1 2 3 4 2
2,75 7,74 A3 = (y7+y8+y9)/3= 2,91
6 2 3 1 2 3 2 2 4
2,75 7,74
7 3 1 3 2 5 1 1 3
B1 = (y1+y4+y7)/3=
2,5 2,69
8 3 2 3 1 3 2 4 2 B2 = (y2+y5+y8)/3=
2,75 7,74
9 3 3 2 1 5 2 5 2
3,5 8,39 B3 = (y3+y6+y9)/3= 29
KEMAMPUAN APA YANG HARUS DIKUASAI?

1. APA SAJA KONTRIBUSI TAGUCHI

2. APA KELEBIHAN DOE TAGUCHI
3. IMPROVEMENT APA YANG DISASAR MELALUI DOE TAGUCHI
4. TAHU TAHAPAN DESIGN EXPERIMEN
5. APA ITU OA
6. BAGAIMANA MENGHITUNG DOF
7. BAGAIMANA MENENENTUKAN OA BAIK INNER ARRAY MAUPUN OUTER ARRAY
8. DAPAT MEMBACA JUMLAH FAKTOR, JUMLAH LEVEL DAN KOMBINASI DARI TIAP TREATMENT
UNTUK FAKTOR KONTROL,
9. DAPAT MEMBACA KOMBINASI DARI TIAP TREATMENT UNTUK FAKTOR NOISE
10. DAPAT MELAKUKAN EXPERIMENT DAN MENGISI LAYOUT EXP
11. DAPAT MENGHITUNG EFFEK RATA-RATA
12. DAPAT MENENTUKAN SETTING OPTIMAL A/D EFEK RATA2
13. DAPAT MEMBUAT ROBUST DESIGN 30
 Contoh:
Percobaan dilakukan untuk uji 4 faktor control A,B,C,dan D (3 level) tanpa interaksi dengan karakteristik
Nominal is the best mempertimbangkan 3 faktor noise E,F, G (2 level) sehingga
DOF faktor kontrol = 4x(3-1) = 8 dan OA untuk faktor control = L9
DOF(noise)= 3x(2-1) =3 dan OA untuk faktor control = L4
https://digitalcommons.lsu.edu/cgi/viewcontent.cgi?article=7426&context=gradschool_disstheses

Trial 1 2 3 4 Outer
E 1 1 2 2 Array
Nominal is the besat
F 1 2 1 2 L4
G 1 2 2 1
Response Mean Response S/N
Trial ke A B C D S/N =Z
15.6 9.5 16.9 19.9 15,47 16.02
1 1 1 1 1
15.0 16.2 19.4 19.2 17,45 19.52 n yi2
Z  10 log 
Inner
2 1 2 2 2 16.3 16.7 19.1 15.6 16,93 17.33 i 1 n
18.3 17.4 18.9 18.6 28.3 29.30
Array 3 1 3 3 3

19.7 18.2 19.4 25.1 20,55 21.9

L9 4 2 1 2 3
16.2 16.3 20.0 19.8 18.08 19.32
5 2 2 3 1

6 2 3 1 2 16.4 19.1 18.4 23.6 16.85 17.71

7 3 1 3 2
14.2 15.6 15.1 16.8 15.43 16.85
8 3 2 3 1
18.1 19.9 19.3 17.3 18.65 19.15 31
9 3 3 2 1