OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC ABSTRAK

Transkripsi

1 OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC Niswatu Qoitah, Dr. Brodjol Sutijo SU,M.Si Mahasiswa S Statistika FMIPA, Dose Jurusa Statistika FMIPA Jurusa Statistika Istitut Tekologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60 qoitah09@mhs.statistika.its.ac.id ; brodjol_su@statistika.its.ac.id ABSTRAK Paper Machie adalah tahap pembuata lembara kertas dari bubur kertas (pulp) yag dijalaka oleh PT. Adiprima Suraprita. Parameter kualitas kertas yag diamati diataraya adalah thickess, opacity, da roughess. Faktor kedali yag diduga mempegaruhi kualitas kertas serta dapat dikedalika diataraya mai speed, headbox mai header pressure, steam header pressure, tekaa NIP, heatig water, sehigga tiggiya tigkat variasi mutu kertas yaitu kosistesi pulp. Peelitia ii bertujua utuk megetahui faktor proses apa yag berpegaruh terhadap respo, megetahui racaga level faktor kedali yag megoptimalka semua respo kualitas kertas secara seretak megguaka metode fuzzy logic, da membadigka hasil optimasi yag diperoleh dari metode taguchi dega pedekata TOPSIS yag telah dilakuka oleh Nike Devilya (00) dega hasil optimasi metode Fuzzy logic. Berdasarka hasil aalisis, dapat disimpulka bahwa faktor utama yag memiliki pegaruh sigifika terhadap respo adalah mai speed (faktor A), headbox maei header pressure (faktor B), NIP (faktor D). sedagka faktor yag tidak sigifika adalah steam header pressure (faktor C), heatig water (faktor E) da iteraksi AB. Hasil metode fuzzy logic di dapatka kodisi optimal yaitu A B C D E. Hasil optimasi dari metode fuzzy logic meghasilka ilai taksira mutu yag lebih medekati ilai target dibadigka dega hasil optimasi dari TOPSIS yag telah dilakuka oleh Nike Devilya (00). Kata Kuci : Parameter kualitas, Fuzzy logic. PENDAHULUAN PT Adiprima Suraprita adalah salah satu perusahaa maufaktur yag bergerak di bidag idustri kertas khususya pedaurulaga kertas. Perusahaa ii berupaya utuk selalu kosiste dalam meigkatka da megedalika mutu produksiya. Proses produksi yag telah dilakuka saat ii sudah cukup baik, amu ilai mutu kertas yag di hasilka masih relative bervariasi. Oleh karea itu, hal yag di igika adalah mereduksi tigkat variasi tersebut sehigga mempermudah pegedalia mutu kertas. Paper Machie adalah tahap pembuata lembara kertas dari bubur kertas (pulp) yag dijalaka oleh PT. Adiprima Suraprita. Parameter kualitas kertas yag diamati diataraya adalah thickess, opacity, da roughess. Faktor kedali yag diduga mempegaruhi kualitas kertas serta dapat dikedalika diataraya mai speed, headbox mai header pressure, steam header pressure, tekaa NIP, heatig water da terdapat faktor lai yag sulit utuk dikedalika (faktor oise) yag tidak mempegaruhi respo, sehigga tiggiya tigkat variasi mutu kertas yaitu kosistesi pulp. Meurut pihak PT. Adiprima Suraprita didapatka kemugkia ada faktor iteraksi atara mai speed dega, headbox mai header pressure. Sebelumya peelitia pada paper mechie II sudah dilakuka oleh Nike Devilya (00) megguaka pedekata TOPSIS da diperoleh kodisi optimum pada A B C D E dega ilai taksira thickees 69,3µm, roughess 44,33 ml/m, 9,7%. Oleh karea itu peeliti igi membadigka atara hasil TOPSIS dega megguaka metode fuzzy logic. Dimaa fuzzy logic memiliki keuggula dibadig dega metode laiya, yaitu dalam pegerjaaya lebih sederhaa dibadigka dega metode lai. Sebelumya dilakuka peyusua matrik eksperime dega aalisis metode Taguchy dega orthogoal array da peghituga ilai Sigal to Noise ratio agar dapat mempermudah dalam proses pegerjaaya. Sehigga peelitia pembuata lembara kertas bertujua megetahui variabel proses yag berpegaruh secara sigifika terhadap respo serta megetahui proses yag optimal pada thickess, opacity, da roughess dega megguaka metode

2 fuzzy logic. Serta membadigka hasil optimasi dari hasil fuzzy logic dega TOPSIS hasil aalisis oleh Nike Devilya (00).. LANDASAN TEORI. Metode Taguchi Metode Taguchi diperkealka oleh Dr. Geichi Taghuci (940) yag bertujua megoptimalka hasil eksperime da berprisip pada perbaika mutu dega memperkecil dari efek variasi tapa meghilagka peyebab variasi tersebut. Kompoe utama dari filosofi Taguchi adalah meguragi variabilitas sekitar ilai target. Dalam aalisis pada metode Taguchi diguaka dua alat utama yaitu Sigal to Noise Ratio (SN Rasio) da Ortogoal Arry yag mampu mereduksi jumlah eksperime secara sigifika serta dapat mempelajari sejumlah variabel keputusa dega sejumlah kecil eksperime (Park, 996). Pemiliha Orthogoal Array bergatug pada :. Bayak variabel proses (faktor kedali) da atau faktor iteraksi atar faktor yag diamati.. Bayak taraf / level faktor. Sigal to Noise Ratio (SN Ratio) merupaka racaga utuk trasformasi pegulaga data ke dalam suatu ilai yag merupaka ukura variasi yag timbul. SN Ratio terdiri dari beberapa karakteristik kualitas, yaitu (Park,Sug H, 996) :. Tertuju pada ilai tertetu (Nomial the best) S/N = 0 log MSD = 0 log dimaa σ i = j = j y ij y ij y i y i σ i (.) varia sampel baris ke i yi merupaka rata-rata sampel baris ke-i. Semaki besar semaki baik (Larger The Better) S/N = 0 log MSD = 0log y j = ij 3. Semaki kecil semaki baik (Smaller The Better) S/N = 0 log MSD = 0 log j = y ij Dimaa i : ideks utuk baris ke-i, i =,,,m j : ideks utuk replikasi ke-j, j =,,, MSD : Mea Square Deviatio. Nilai SN Rasio diekspresika melalui suatu pegukura dalam satua decibels (db). Aalisis varias adalah tekik perhituga yag memugkika secara kuatitatif megestimasi kotribusi setiap faktor pada semua pegukura respo. ANOVA pada parameter desig bergua utuk membatu megidetifikasi kotribusi faktor sehigga akurasi perkiraa model dapat ditetuka. Dalam ANOVA dilakuka pemecaha total variasi percobaa ke dalam sumbersumber variasi yag diamati yaitu kompoe pembetukya berupa faktor utama da atau iteraksi atar faktor utama (Fowlkes, 995). The Fuzzy Logics Logika fuzzy pertama kali diperkealka oleh Prof.Lotfi A.Zadeh pada tahu 965. Fuzzy logic dapat dijadika dasar yag tepat utuk meggambarka lagkah yag optimal dega bayak karakteristik yag rumit. Dega megguaka pedekata grey relatioal aalisis, yaitu pedekata yag megubah optimasi kedalam betuk grey fuzzy yag lebih sederhaa da tuggal daripada (.) (.3)

3 kedalam bayak karakteristik maka pedekata iipu dapat diguaka utuk megoptimalka hasil eksperime da memilih pegatura yag tepat yag dapat megoptimalka hasil eksperime (Lu, H.S, J.Y. Che da Ch. T. Chug, 00). Lagkah awal pada grey relatioal aalisis yaitu membagkitka data yag aka diproses kedalam data awal yag telah diormalisasi yaitu dalam betuk perhituga SN ratio yag ditrasformasi kedalam pembagkita ilai grey relatio yag maa ilaiya atara 0 sampai, perhituga tersebut dapat dirumuska dega persamaa sebagai berikut : x i k = η i k mi η i (k) max η i k mi η i (k) dimaa : x i k : ilai pembagkit awal observasi ke i pada respo ke k η i (k) : ilai observasi ke i pada respo ke k Kemudia ilai x i k yag diperoleh diubah kedalam Grey Relatioal Coefficiet dega rumus: γ x 0 k, x i k = Δ mi + ξ.δ max (.5) Δ oi k + ξ.δ max dimaa : Δ oi k = x 0 k x i (k) yaitu ilai absolut perbedaa atara ilai ideal x 0 k da x i k x 0 k =, yaitu ilai terbesar S/N Ratio diiversika sebesar Δ mi = ilai miimal dari Δ oi k Δ max = ilai maksimal dari Δ oi k ξ : koefisie pembeda, ξ [0,] pada umumya ii diambil ilai ξ = 0,5 Variabel-variabel iput yag diubah megguaka sistem logika Fuzzy sedemikia higga mejadi Grey Relatioal Coefficiet utuk masig-masig variabel iput. Kemudia koefisie tersebut aka diubah kedalam Liguistic Fuzzy Subsets megguaka fugsi keaggotaa dari betuk segitiga (Triagle), karea keaggotaa segitiga memberi ilai yag tegas da memiliki tiga bagia yag jelas da sederhaa. Seperti yag ditujukka pada Gambar., yaitu ditadai secara uiform kedalam 3 Fuzzy Subsets: Small (S), Medium (M) da Large (L) (.4) Gambar. Grey Relatioal Coefficiet pada variabel iput Dasar atura fuzzy (The fuzzy rule base) adalah sekelompok atura pegotrola Jika - Maka ( IF-THEN cotrol) yag meyataka hubuga atara iput da output. Atura khusus Liguistic fuzzy yag disebut Mamdami adalah digambarka sebagai berikut: Rule : if x is A, x is B ad x3 is C the y is D else Rule : if x is A, x is B ad x3 is C the y is D else Rule : if x is A, x is B ad x3 is C the y is D Ai, Bi, Ci da Di adalah fuzzy subsets yag didefiisika oleh fugsi keaggotaa yag sesuai, yaitu μ Ai, μ Bi, μ Ci, μ Di. Jika Liguistic fuzzy dari tiga variabel iput defiisika dega Small (S), Medium (M) da Large (L), maka variabel output harus mempuyai defiisi sebagai Very Very Small (VVS), Very Small (VS), Small (S), Medium (M), Large (L) da Very Large (VL), Very Very Large (VVL) yag ditabelka sebagai berikut: 3

4 Tabel.3 Liguistic fuzzy Variabel iput 3 S Variabel iput S M L S VVS VS S Variabel M VS S M iput L S M L Variabel iput 3 M Variabel iput S M L S VS S M Variabel M S M L iput L M L VL Variabel iput 3 L Variabel iput S M L S S M L Variabel M M L VL iput L L VL VVL Sehigga berdasarka tabel tersebut maka peerapa atura khusus Liguistic fuzzy yag disebut Mamdami dapat dicotohka sebagai berikut: Jika x small, x small & x3 small y adalah veryverysmall Jika x small, x small & x3 medium y adalah verysmall Jika x3 large, x3 large & x33 large y adalah veryverylarge Sehigga utuk variabel output yag diberi ama Grey-fuzzy reasoig grade dari iput 3 variabel dapat ditujukka pada gambar segitiga Triagle sebagai berikut : Gambar. Grey-fuzzy reasoig grade.3 Iterval Kepercayaa Taksira SN Rasio Respo Pada Kodisi Optimum Hasil optimasi fuzzy dikataka tidak jauh beda dega hasil optimasi Topsis jika SN Rasio hasil optimasi fuzzy masuk dalam selag kepercayaa taksira SN Rasio respo pada kodisi optimum Topsis atau apabila selag kepercayaa SN Rasio hasil optimasi fuzzy didalam atau berpotoga dega selag kepercayaa taksira SN Rasio respo pada kodisi optimum Topsis. Berikut rumus iterval kepercayaa taksira SN Rasio respo pada kodisi optimum: CI = η ± F,V,V V e (.6) Dimaa V : derajat bebas rata-rata V : derajat bebas prediktor dalam pooled ANOVA V e : varia pooled error N eff : jumlah percobaa efektif yag dilakuka = total percobaa jumlah derajat bebas dalam estimasi mea (.7) 3. METODOLOGI 3. Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder hasil peelitia oleh Nike Devilya Yusrita Sari ( ) Jurusa Statistika, yag pegamata dilakuka di PT. Adiprima Suraprita Gresik. 3. Variabel Peelitia Berikut variabel yag diguaka dalam peelitia ii adalah :. Variabel Respo (y) y : Thickess / ketebala [micrometer (µm)], ilai target 65µm dega batas spesifikasi 60µm s/d 70µm, karakteristik omial-the-best. 4

5 y: Roughess / kekasara (ml/mi), batas spesifikasi < 0ml/mi, karakteristik smaller-thebetter. y3 : Opacity / daya tembus (%), batas spesifikasi >93%, karakteristik large-the-better.. Variabel Bebas Variabel bebas terdiri dari faktor kedali (x) da faktor oise (z) dimaa masig-masig faktor memiliki level. a) Faktor kedali (x) x : Mai Speed (fase I, pembetuka kertas / WirePart) Level = m/mi (redah) Level = 3-65 m/mi (tiggi) x : Headbox Mai Header Pressure (fase II, pegepresa kertas / Press Part) Level =, bar Level =, bar x3 : Steam Header Pressure (fase III, pegeriga kertas / Dryig Part) Level = 3,64 3,70 bar (redah) Level = 3,7 3,77 bar (tiggi) x4 : NIP (fase IV, peghalusa kertas / Calleder ) Level = 00 kn/m Level = 0 kn/m x5 : Heatig Water (fase IV, peghalusa kertas / Calleder ) Level : 4, 0 30,7 0 C (redah) Level : 30, 0 35,5 0 C (tiggi) b) Faktor Peggaggu / Noise (N) N : kosistesi pulp yaitu proporsi dari kaduga air da bubur kertas headbox. Level = 0,0 0,9 % Level = 0,9,0 % Terdapat 5 faktor utama da faktor iteraksi dega masig-masig level, sehigga terdapat 6 kolom dega baris ru percobaa/eksperime. Pemiliha orthogoal array L sudah sesuai karea V OA > V f dimaa derajat bebas total dari faktor (V f ) adalah : V f = 5 x (-) + x (-) = 6 V OA = - = 7 Sehigga racaga yag diguaka adalah L ( 7 ) 3.3 Lagkah Aalisis Adapu lagkah-lagkah dalam pegolaha data adalah sebagai berikut :. Membedaka atara variabel respo da faktor kedali da faktor oise beserta level.. Melakuka statistika deskriftif 3. Meghitug derajat bebas pada masig-masig faktor 4. Meetuka racaga orthogoal array yag sesuai 5. Meghitug ilai MSD masig-masig respo yag selajutya diguaka utuk meghitug ilai Sigal to Noise ratio 6. Meghitug ilai ormalisasi SN ratio serta ilai beta berdasarka masig-masig respo. 7. Hasil masig-masig ilai beta setiap respo diguaka utuk medapatka ilai grey relatio aalysis setiap respo.. Nilai grey relatio aalysis setiap respo diguaka dalam perhituga dega fuzzy logic utuk medapatka ilai grey fuzzy reasoig (hasil ilai gabuga dari tiga respo) megguaka software matlab, berikut lagkah dalam matlab: a. Grey relatio aalysis aka diubah kedalam Liguistic Fuzzy Subsets megguaka fugsi keaggotaa dari betuk segitiga (Triagle), sebab keaggotaa segitiga memberi ilai yag tegas da memiliki tiga bagia yag jelas da sederhaa yaitu small, medium da large. b. Meracag output yag diberiama Grey-fuzzy reasoig grade dari iput 3 variabel c. Meracag atura khusus Liguistic fuzzy yag disebut Mamdami d. Memaggil hasil output, sehigga didapatka ilai grey-fuzzy reasoig grade itulah yag diaalisis sebagai variabel respo baru yag mewaili tiga respo. 5

6 9. Aalisis Nilai grey fuzzy reasoig dega megguaka metode taguchi sehigga didapatka proses paper machie II yag optimal. 0. Kesimpula 4. ANALISIS DAN PEMBAHASAN. 4. Optimasi Multirespo dega Metode Fuzzy Logic 4.. Trasformasi Nilai Respo ke SN Rasio SN Rasio merupaka hasil trasformasi dari beberapa pegulaga data sehigga ilaiya mewakili kualitas peyajia variasi. Masig-masig respo memiliki karakteristik yag berbeda yaitu utuk Thichess / ketebala karakteristik omial-the-best), Roughess / kekasara karakteristik smaller-the-better, Opacity / daya tembus karakteristik large-the-better. Berikut hasil SN Rasio masig-masig respo dega fugsi karakteristik kualitasya masig-masig: Tabel 4. SN Ratio dari Thickess, Roughess, Opacity No. SN Ratio Eks Thickess Roughess Opacity Trasformasi Nilai SN Rasio ke Grey-fuzzy Reasoig Grate Nilai pada grey relatioal aalisis yaitu membagkitka data yag aka diproses kedalam data awal yag telah diormalisasi yaitu dalam betuk perhituga SN ratio yag ditrasformasi kedalam pembagkita ilai grey relatio coefficiet yag maa ilaiya atara 0 sampai. Variabelvariabel iput yag diubah megguaka sistem logika Fuzzy sedemikia higga mejadi Grey Relatioal Coefficiet utuk masig-masig variabel iput, kemudia koefisie tersebut aka diubah kedalam Liguistic Fuzzy Subsets megguaka fugsi keaggotaa dari betuk segitiga (Triagle), sehigga didapatka ilai Fuzzy Logisc sebagai berikut : Tabel 4. Nilai Grey-fuzzy reasoig grade Grey relatioal coefficiet Greyfuzzy No Thickess Roughess Opacity reasoig grade Hasil ilai Grey-fuzzy reasoig grade itulah yag diaalisis sebagai variabel respo baru yag mewaili tiga respo dari Thickess, Roughess, da Opacity Aalysis of Variace (ANOVA) pada hasil Grey-fuzzy reasoig grade Nilai Fuzzy Logics yag didapat selajutya aka diperhitugka dega aalisis Aalysis of Variace (ANOVA) yag diguaka utuk megetahui pegaruh dari berbagai macam faktor da iteraksi terhadap respo tuggal yaitu ilai Fuzzy Logics yag mewakili ketiga respo, berikut hasil aalisis dari ANOVA : 6

7 Tabel 4.3 ANOVA utuk Grey-fuzzy reasoig grade Sumber Variasi DF SS MS F hitug P-value Keteraga A Sigifika B Sigifika C Tdk Sigifika D Sigifika E Tdk Sigifika AB Tdk Sigifika Error Total Dari Tabel 4.4 dapat dijelaska bahwa tigkat α =5%, faktor utama yag memiliki pegaruh sigifika adalah mai speed (faktor A), headbox maei header pressure (faktor B), NIP (faktor D). sedagka faktor yag tidak sigifika adalah steam header pressure (faktor C), heatig water (faktor E) da iteraksi AB Peetua Kodisi optimum Utuk memperoleh kodisi optimum, level yag dipilih adalah level yag memberika ilai rata-rata SN Rasio yag terbesar utuk masig-masig respo. Nilai rata-rata SN Rasio dari masigmasig level utuk setiap respo terdapat pada lampira 4. Secara visual digambarka oleh plot berikut ii A B C A 0.50 A D E B B Gambar 4. Boxplot ilai fuzzy logic masig-masig faktor level optimum Tabel 4.4 Nilai Mea Setiap Level Level A B C D E Delta Rak Berdasarka Gambar 4. da Tabel 4.4 terlihat kodisi optimum utuk kualitas kertas pada proses paper machie II dicapai pada kombiasi A B C D E, karea pada faktor C da E tidak sigifika maka dilakuka coba-coba utuk megetahui kombiasi yg meghailka palig optimum,yaitu didapatka kombiasi A B C D E : Mai Speed (A ) : m/mi Headbox Mai Header Pressure (B ) :, bar Steam Header Pressure (C ) : 3,7 3,77 bar NIP (D ) : 00 kn/m Heatig Water (E ) : 4, 0 30,7 0 C 4..5 Nilai Taksira Setiap Respo Utuk medapatka ilai taksira setiap respo megguaka racaga level optimum yag diperoleh, yaitu A B C D E, berikut hasil ilai rata-rata da SN ratio taksira setiap respo: 7

8 Tabel 4.5 Nilai Taksira Optimum Setiap Respo Thickess Roughess Opacity SN Ratio Mea Perbadiga Hasil Metode TOPSIS Dega Hasil Metode Fuzzy Logic Taksira ilai kualitas optimum pada kodisi optimum dari fuzzy logic adalah A B C D E, da TOPSIS adalah A B C D E. Parameter Kualitas Thickess (µm) Roughess (ml/mi) Opacity (%) Tabel 4.6 Perbadiga Nilai TOPSIS dega Fuzzy Logic Kodisi Optimum Karakteristik Batas Fuzzy logic TOPSIS Kualitas Spesifikasi SN Mea SN Mea omial-thebest 65±5 53,07db 6,55 37,db 69,3 smaller-thebetter <0-4,5db 9,565-4,4db 44,3 large-thebetter >93 39,04db ,4db 9,7 Pada Tabel 4. dapat jelaska bahwa hasil optimasi dari metode fuzzy logic meghasilka ilai prediksi yag lebih baik pada parameter kualitas Thickess da Roughess. Sedagka hasil optimasi dari metode TOPSIS meghasilka ilai prediksi haya pada parameter kualitas Opacity, Kesimpula yag dapat diambil adalah metode fuzzy logic meghasilka ilai prediksi yag lebih baik dari pada TOPSIS. 4.3 Iterval Kepercayaa Taksira SN Rasio Respo Pada Kodisi Optimum. Respo Thickess Kodisi Optimum Fuzzy Logic = =,4 ;F (0,05;;) =, CI = η opt ± F,V,V V e = 53,07 ±,5 0,64,4 = 53,07 ±,63 Kodisi Optimum TOPSIS = =,4 ; F (0,05;;) =, CI = η opt ± F,V,V V e = 37, ±,5 0,64 = 37, ±,63,4 Kedua selag kepercayaa tersebut tidak salig berpotoga maka dapat dikataka metode fuzzy lebih dapat megoptimalka faktor thickess.. Respo Roughess Kodisi Optimum Fuzzy Logic = = ; F (0,05;;3) = 0,3 +++

9 CI = η opt ± F,V,V V e = 4,5 ± 0,3 0,00 = 4,4 ± 0,6 Kodisi Optimum TOPSIS = = ; F (0,05;;3) = 0,3 +++ CI = η opt ± F,V,V V e = 43,4 ±,5 0,64 = 43,4 ± 0,6,4 Kedua selag kepercayaa tersebut tidak salig berpotoga maka dapat dikataka metode fuzzy lebih dapat megoptimalka faktor Roughess. 3. Respo Opacity Kodisi Optimum Fuzzy Logic = =,33 ; F (0,05;;) =, CI = η opt ± F,V,V V e = 39,04 ±,5 0,00003,33 = 39,04 ± 0,0345 Kodisi Optimum TOPSIS = =,33 ; F (0,05;;) =, CI = η opt ± F,V,V V e = 39,4 ±,5 0,00003,33 = 39,4 ± 0,0345 Diketahui bahwa taksira SN Rasio roughess Fuzzy logic 39,04 db terletak dalam selag kepercayaa atara -39,79 db da 39, db. Hasil SN Rasio roughess TOPSIS -39,4 db terletak dalam selag kepercayaa atara 39,3 db da 39,5 db. Sehigga dapat disimpulka bahwa kedua selag kepercayaa tersebut salig berpotoga maka dapat dikataka haasil optimasi faktor opacity dega metode fuzzy logic tidak jauh beda dega metode TOPSIS. 5. KESIMPULAN DAN SARAN 5.. Kesimpula Berdasarka hasil aalisis yag sudah dilakuka, dapat diambil kesimpula yaitu :. faktor utama yag memiliki pegaruh sigifika terhadap respo adalah mai speed (faktor A), headbox maei header pressure (faktor B), NIP (faktor D). sedagka faktor yag tidak sigifika adalah steam header pressure (faktor C), heatig water (faktor E) da iteraksi AB.. Kombiasi level level faktor kedali yag dapat megoptimalka kualitas thickess, roughess, da opacity secara seretak dega megguaka metode fuzzy logic, yaitu : 9

10 3. Mai Speed (A ) : m/mi Headbox Mai Header Pressure (B ) :, bar Steam Header Pressure (C ) : 3,7 3,77 bar NIP (D ) : 00 kn/m Heatig Water (E ) : 4, 0 30,7 0 C Thickess (µm) Roughess (ml/mi) Opacity (%) Batas Spesifikasi 65±5 <0 >93 Fuzzy logic TOPSIS 69,3 44,3 9,7 Kesimpula yag dapat diambil adalah metode fuzzy logic meghasilka ilai prediksi yag lebih baik dari pada TOPSIS. 5. Sara Pada peelitia ii megguaka data sekuder maka tidak bisa melakuka percobaa kofirmasi, oleh sebab itu utuk percobaa selajutya disaraka megguaka data primer agar bisa dilakuka percobaa kofirmasi. DAFTAR PUSTAKA Balavedra, N. (995). Quality by Desig Taguchi Techiques for Idustrial Experimetatio. Lodo : Pretice Hall Iterasioal. Fowlkes, William Y. (995). Egieerig Methods for Robust Product Desig (Usig Taguchi Methods i Techology ad Product Developmet). Massachusetts : Addiso Wesley Publishig Compay. Lu, H.S, J.Y. Che da Ch. T. Chug. (00). The Optimal Cuttig Parameter Desig Of Rough Cuttig Process I Side Millig. Joural of Achievmet i Materials ad Maufacturig Egieerig, volume 9 issue. Nike, D. Y. (00). Peerapa Metode Taguchi & Pedekata Metode Data Evolopmet Aalysis (DEA) Based Rakig Dalam Megoptimasia Parameter Kualitas Kertas Pada Proses Paper Machie II (studi kasus : di PT. Adiprima Saraprita Gresik). Tugas Akhir. Jurusa Statisstika Istitut Tekologi Sepuluh November Surabaya. Park, Sug H. (996). Robust Desig Ad Aalysis for Quality Egieerig, New Delhi : PT. Palatio Thomso Press. Phadke, M. (99). Quality Egieerig Usig Robust Desig. Lodo : Pretice Hall Iteratioal, Ic. Ross, P. J., (99) Taguchi Techiques for Quality Egierig, McGraw-Hill, New York. 0