BAB 4 HASIL DAN PEMBAHASAN

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Sebelum dilakukan pengolahan data, dalam melakukan penelitian ini data yang berhasil dikumpulkan dalam penelitian pada PT. FEDERAL KARYATAMA dalam periode bulan Februari 2007 sampai April 2007adalah : 0,35% 0,4% 2% 4% 0,25% 27% Botol Penyok Botol Basah Tutup Reject Ring patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus 56% Diagram 4. Presentase Cacat Dari diagram diatas dapat dilihat bahwa kecacatan yang paling sering terjadi yaitu Ring Patah yaitu sebesar 56 %, Tutup Reject sebesar 27 %, Tutup Rusak sebesar 2 %, sedangkan Botol basah sebesar 4 %, Botol Penyok sebesar 0.25 %, Aluminium

2 82 Cap Tidak menempel sebesar 0.35 % dan Tali Pengikat Putus 0.4 % persentasenya kecil dikarenakan hal ini terjadi karena pada proses semuanya dilakukan secara otomatis atau sepenuhnya dilakukan oleh mesin sehingga kecacatan yang timbul sedikit. Berat (Gram) Jumlah Sub Group Grafik 4. Sebaran berat oli dalam Subgroup Dari Grafik 4. diatas garis menunjukan bahwa rata rata dari subgroup untuk data variable dari berat oli berada diatas 748 gram, berarti diatas batas spesifikasi minimum yang telah ditetapkan oleh perusahaan (LSL). Batas spesifikasi bawah yang diberikan perusahaan yaitu % dari nilai standarnya. Sehingga dapat dikatakan bahwa resiko yang diterima oleh konsumen sangatlah kecil dikarenakan semua data tersebut berada diatas spesifikasi minimum. Tetapi data tersebut apakah telah masuk kedalam batas kontrol atau tidak.

3 Pengolahan Data 4.2. Perhitungan dengan Peta Kendali dan Batas kendali Kualitas Atribut Dalam tahap ini, dilakukan perhitungan Statistical Process Control (SPC) dengan menggunakan peta kendali kualitas atribut, yaitu peta kendali p. Peta kendali p digunakan untuk menunjukan proporsi ketidaksesuaian dalam sample atau subgroup. Berikut contoh perhitungan proporsi cacat pada sample pertama : p Cacat produksi Sedangkan untuk membuat peta kontrol p dengan 3 sigma digunakan rumus: UCL p + 3 p( p) ni ( ) UCL LCL p 3 p( p) ni ( ) LCL

4 84 Berikut ini hasil dari perhitungan sampai dengan subgroup ke 63 : Tabel 4.. Tabel UCL dan LCL Data Produksi & Data Cacat Periode Produksi Bulan Februari - April 2007 Jenis Cacat No Tanggal Jmlh Prod/Hari (pcs) Line Proses Total Kerusakan Proporsi Kesalahan UCL LCL Ket Botol Penyok Botol Basah Tutup Reject Ring patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus incontrol Uncontrol incontrol incontrol incontrol incontrol incontrol incontrol Uncontrol incontrol incontrol incontrol incontrol Uncontrol incontrol incontrol incontrol incontrol incontrol Uncontrol incontrol incontrol incontrol incontrol incontrol Uncontrol Uncontrol Uncontrol Uncontrol Uncontrol Uncontrol incontrol Uncontrol incontrol Uncontrol Uncontrol Uncontrol Uncontrol Uncontrol Uncontrol incontrol Uncontrol Uncontrol incontrol incontrol Uncontrol incontrol Uncontrol Uncontrol incontrol incontrol incontrol Uncontrol Uncontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol Total P -BAR

5 Proportion Sample _ UCL P LCL Tests performed with unequal sample sizes Grafik 4.2. Peta kendali p Dilihat dari grafik diatas, dapat dilihat dengan jelas bahwa banyak titik-titik yang berada diluar batas UCL dan LCL, karena itu perlu dilakukan revisi dengan melakukan perhitungan lagi, namun kali ini data-data yang berada diluar batas kendali dihilangkan.

6 86 Tabel 4.2. Data Cacat direvisi No Tanggal Jmlh Prod/Hari (pcs) incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol incontrol Total P -BAR Line Proses Botol Penyok Botol Basah Tutup Reject Ring patah Data Produksi & Data Cacat Periode Produksi Bulan Februari - April Jenis Cacat Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus Total Kerusakan Proporsi Kesalahan UCL LCL Ket

7 87 Peta kendali dari data revisi diatas : UCL Proportion _ P LCL Sample Tests performed with unequal sample sizes Grafik 4.3. Peta kendali p (revisi) Hasil perhitungan pada tabel diatas dan grafik diatas menunjukkan bahwa data proses telah berada dalam kendali secara statistik. Akan tetapi hal ini tidaklah cukup karena tujuan penelitian ini tidak hanya mengusahakan barang produksi berada dalam batas kontrol akan tetapi juga berusaha meminimasi cacat yang ada. Langkah yang dapat dilakukan yaitu secara terus menerus memantau dan memperbaiki proses yang ada dan meningkatkan kualitas dengan perubahan pada sistem dan operasi operasi yang ada. Setelah data peta kendali p diatas sudah berada dalam batas kendali maka dapat dihitung kapabilitas prosesnya, dengan perhitungan sebagai berikut :

8 88 Maka perhitungan kapabilitas untuk proporsi kesalahan pada produk Supreme Ultratec New 0.8 L dapat dilakukan perhitungan kapabilitas pada p-chart adalah (-pbar). Persentase cacat atribut - p-bar 00 % % % Persentase sebesar 94.2 % ini berarti kemampuan proses dalam menghasilkan produk cacat sekitar 5.8 %. Keadaan saat ini diperusahaan sangat tidak baik dengan presentasi cacat yang terjadi sebesar 5.8 %, karena diluar batas maksimum yang ditetapkan perusahaan yaitu % oleh karena itu perlu dilakukan perbaikan perbaikan untuk memperkecil jumlah produk yang cacat dan meningkatkan kualitas Perhitungan Batas Kendali dan Peta Kendali Xbar-R Setelah dilakukan perhitungan dengan peta kendali kualitas atribut selanjutnya dilakukan perhitungan dengan peta kendali kualitas variable terhadap berat oil (gram). Pada peta kendali kualitas variable karakteristik kualitas yang dihitung adalah berat oil dari produk Supreme Ultratec New 0.8 L dengan menggunakan peta kendali X-bar dan R untuk mengetahui kualitas variable dari produk.

9 89 Tabel 4.3. Hasil Perhitungan Batas Kendali Xbar dan R untuk berat obeservasi sub group Jumlah R Batas kendali X Perhitungan batas-batas kendali adalah sebagai berikut : Dik : A 2 (tabel) D 4 (tabel) D 3 (tabel) 0 X n X i gram

10 90 R Ri n Perhitungan UCL dan LCL nya adalah sebagai berikut : UCL X + A 2 R gram UCL X A 2 R gram Bagan kendali R Perhitungan untuk Ri dapat dilihat pada lampiran 4, perhitungan untuk R bar adalah sebagai berikut : R Ri n UCL R.D LCL R.D

11 9 dibawah ini : Berikut peta kendali X dan R dengan menggunakan minitab dapat dilihat Xbar-R Chart of C,..., C6 Sample Mean UC L753.6 _ X LC L Sample UCL8.0 Sample Range _ R4.0 0 LC L Sample Grafik 4.3. Peta Kendali X-bar dan R untuk Berat Oil Supreme Ultatec New 0.8 L Dari grafik diatas dapat kita lihat bahwa data yang telah diambil telah berada didalam batas kendali. Hal ini menunjukkan bahwa proses telah berjalan dengan stabil dan tidak ada variasi penyebab khusus. Setelah menganalisa dengan menggunakan batas kontrol sekarang akan dilakukan analisa dengan batas spesifikasi yang telah ditetapkan oleh perusahaan, dimana batasan ini yang akan menentukan apakah suatu produk akan di rework atau tidak. Batas spesifikasi yang ditetapkan oleh perusahaan ditentukan berdasarkan pengalaman dari perusahaan itu sendiri yang telah lama beroperasi dari tahun ke tahun, sehingga dari waktu kewaktu perusahaan

12 92 dapat menetapkan batas spesifikasi, yaitu sebesar % dan standar berat oli yaitu 755 gram. Maka dapat diketahui Upper Spesification Limitnya dan Lower Spesification Limitnya, yaitu : USL ( 755 * 0.0 ) 762 gram LSL ( 755 * 0.0 ) 748 gram Selanjutnya setelah diketahuinya spesifikasi akan dilanjutkan dengan menganalisa kekuatan proses atau kemampuan proses yang biasanya menggunakan Cp. Karena dengan menganalisa kemampuan proses ini akan diketahuinya apakah proses mampu menghasilkan produk yang sesuai dengan spesifikasi. Apabila Cp memiliki nilai lebih dari.33 maka kapabilitas proses tersebut dapat dikatakan sangat baik, dan jika Cp memiliki nilai antara sampai dengan.33 maka kapabilitas proses dikatakan baik, sedangkan jika Cp memiliki nilai lebih kecil dari maka kapabilitas proses dikatakan rendah. Dari perhitungan sebelumnya yaitu pada perhitungan peta kendali X bar -R didapat R 4.0, X dan nilai d 2 (tabel) Cp (USL LSL)/6 ( R / d 2 ) ( ) / 6 ( 4.0 / 2.534).478

13 93 Dari hasil nilai kapabilitas proses didapat diatas sebesar Cp.478 dimana nilai ini lebih dari angka atau.33 sehingga menunjukkan bahwa proses memiliki kapabilitas yang sangat baik dan sangat mampu dalam memenuhi spesifikasi berat yang telah ditetapkan oleh perusahaan, yaitu 755 gr, sehingga pelanggan atau pasar akan sangat puas dengan spesifikasi yang ada sekarang ini. Selanjutnya akan dianalisa kinerja proses dengan indeks Cpk, dimana Cpk itu sendiri untuk mengevaluasi proses dari dua parameter yaitu rata rata dan standar deviasi. Indeks Cpk diperoleh adalah : Cpk min {Cpl ; Cpu} (X - LSL) Cpl 3 (R/d 2 ) ( ) 3( ) (USL - X) Cpu 3 (R/d 2 ) ( ) 3 (4.0/2.534) Maka nilai Cpk min {.47 ;.47} Berdasarkan ukuran indeks performasi diketahui bahwa Cpk.47. Hal ini berarti kinerja dari proses baik, karena semakin tinggi indeks kemampuan proses

14 94 maka semakin sedikit produk yang berada diluar batas batas spesifikasi. Hal ini dikarenakan Cpk. Tetapi walaupun nilai Cpk sekarang biasa dikata sudah baik tetapi hal tersebut tidak akan bertahan lama karena persaingan perindustrian makin hari makin ketat beserta permintaan pelanggan akan terus menerus bertambah, sehingga untuk meningkatkan nilai Cpk diperlukan perubahan rata rata proses dan standar deviasi atau penyimpangan standar proses, atau keduanya Identifikasi Jenis Cacat yang Dominan Dalam tahap ini akan dilakukan pengidentifikasi secara menyeluruh dari jenis-jenis cacat yang paling dominan atau paling sering terjadi dalam periode produksi bulan Februari 2007 sampai April Berikut ini adalah garis besar data produksi cacat atribut: Tabel 4.4. Jumlah cacat atribut bulan Februari April 2007 Bulan Cacat Botol Penyok Botol Basah Tutup Reject Ring Patah Tutup Rusak Aluminium Cap Tidak menempel Tali Pengikat Putus Februari Maret April Dari data diatas dapat dibuat diagram pareto, dimana diagram pareto ini digunakan untuk menentukan jenis cacat dominan yang menyebab turunnya kualitas pada produk Supreme Ultratec New 0.8 Liter SAE 20 W / 50 yang memerlukan prioritas penanganan sehingga dapat dibuat penyelesaian masalahnya. Dari diagram pareto ini akan terlihat jelas cacat yang paling sering terjadi selama bulan Februari- April 2007.

15 95 Data Cacat Periode Bulan Februari April Count Percent C Ring Patah Tutup Reject Tutup Rusak Botol Basah Other Count Percent Cum % Diagram 4.2. Data cacat atribut periode produksi Februari April 2007 Dari diagram diatas dapat diketahui bahwa kecacatan pada ring patah akan menjadi perhatian utama dalam menyelesaikan masalah yang ada karena presentase cacat yang paling tinggi yaitu pada ring patah sebesar 56 % ( hasil pembulatan ). Sedangkan other menunjukan bahwa kecacatan sangat rendah, sehingga dalam program minitab 4 persentase rendah dikategorikan other. Selanjutnya untuk memperlihatkan faktor-faktor yang berpengaruh pada kualitas tersebut dengan menunjukkan faktor-faktor penyebab dari beberapa cacat yang domain dengan mengunakan fishbone atau diagram sebab akibat.

16 Identifikasi Penyebab Dominan Pada Setiap Jenis Cacat (Defect) Identifikasi Penyebab Dominan Pada Jenis Cacat Botol Penyok Untuk mengidentifikasi akar penyebab cacat dapat digunakan diagram Ishikawa. Berdasarkan hasil Brainstorming, akar penyebab cacat diantaranya adalah : Tabel 4.5. Penyebab Cacat Botol Penyok No Keterangan Penyusutan Mesin Diagram 4.3. Diagram Ishikawa untuk jenis cacat Botol Penyok Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya botol penyok. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

17 97 Botol Penyok Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan umur mesin yang tua atau lama sehingga putarannya tidak tetap, sehingga menimbulkan tekanan antara botol satu dengan botol yang lain dalam pengurutan botol Identifikasi Penyebab Dominan Pada Jenis Cacat Botol Basah Tabel 4.6. Penyebab Cacat Botol Basah No Keterangan Penyusutan Mesin Diagram 4.4. Diagram Ishikawa untuk jenis cacat Botol Basah

18 98 Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya botol basah. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Botol Basah Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan umur mesin yang tua atau lama sehingga tekanan angin tidak presisi Identifikasi Penyebab Dominan Pada Jenis Cacat Tutup Reject Tabel 4.7. Penyebab Cacat Tutup Reject No Keterangan Bahan material yang kurang baik 2 Penyusutan Mesin

19 99 Diagram 4.5. Diagram Ishikawa untuk jenis cacat Tutup Reject Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya tutup reject tersebut. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Tutup Reject Faktor Material Dari segi material cacat reject hopper adalah aluminium lepas yang ada didalam cap, sehingga dapat menyebabkan kebocoran dan juga dimensi cap yang tidak sesuai, sehingga posisi cap tidak pas dengan saluran hopper sehingga jika ada cap yang letaknya tidak sesuai akan terjepit, dan menimbulkan patah atau retak pada cap

20 00 Faktor Mesin Ditinjau dari sisi mesin, faktor ini merupakan salah satu penyebab kegagalan pada reject hopper. pada proses ini mengalami kegagalan pada proses pengurutan baik dimensi yang terlalu kecil maupun terlalu besar, dan yang cukup berpengaruh adalah bahan dari cap yang kurang baik sehingga pada saat proses ini hanya mengalami sedikit benturan sudah mengalami cacat Identifikasi Penyebab Dominan Pada Jenis Cacat Ring Patah Tabel 4.8. Penyebab Cacat Ring Patah No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap

21 0 Diagram 4.6. Diagram Ishikawa untuk jenis cacat Ring Patah Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya ring patah. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Ring Patah Faktor Mesin Ditinjau dari sisi mesin, bisa diakibatkan kurangnya presisi atau ketelitian mesin tersebut yang mungkin diakibatkan umur mesin yang tua atau lama sehingga pada saat injeksi posisi injeksinya bergeser menyebabkan ring patah.

22 02 Faktor Material Dari segi material cacat ring patah adalah ring pengaman terlalu rapuh atau getas dan juga dimensi ring untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses injeksi sehingga menyebabkan ring patah, atau disebabkan karena bahan material yang kurang bagus sehingga mudah mengalami patah / rusak. Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya ring patah adalah operator salah dalam meletakkan posisi cap dengan botol sehingga ring tersebut patah pada saat proses capper yang mungkin juga bisa diakibatkan kurangnya pengalaman operator. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan.

23 Identifikasi Penyebab Dominan Pada Jenis Cacat Tutup Rusak Tabel 4.9. Penyebab Cacat Tutup Rusak No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap Diagram 4.7. Diagram Ishikawa untuk jenis cacat Tutup Rusak Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya tutup rusak. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat. Tutup Rusak Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya tutup rusak adalah operator salah dalam meletakkan posisi cap dengan botol

24 04 sehingga cap tersebut rusak pada saat proses capper yang mungkin juga bisa diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat tutup rusak adalah terjadinya perbedaan dimensi tutup untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses injeksi sehingga menyebabkan kerusakan pada cap. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, bisa diakibatkan kurangnya presisi atau ketelitian mesin tersebut yang mungkin diakibatkan umur mesin yang tua atau lama sehingga pada saat injeksi posisi injeksinya bergeser menyebabkan tutup rusak.

25 Identifikasi Penyebab Dominan Pada Jenis Cacat Aluminium Cap Tidak Menempel Pada Mulut Botol Tabel 4.0. Penyebab Cacat Aluminium Cap Tidak Menempel Pada Mulut Botol No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti dalam posisi cap Diagram 4.8. Diagram Ishikawa untuk jenis cacat Aluminium Cap Tidak Menempel Pada Mulut Botol Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya Aluminium Cap Tidak Menempel Pada Mulut Botol. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

26 06 Aluminium Cap Tidak Menempel Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya aluminium cap tidak menempel adalah operator salah dalam meletakkan posisi cap dengan botol sehingga aluminium tersebut tidak mendapatkan panas yang cukup dalam proses induksi hal ini diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat aluminium cap tidak menempel adalah terjadinya perbedaan dimensi tutup untuk cap yang tidak sesuai menyebabkan pada proses ini mengalami kegagalan pada proses induksi sehingga menyebabkan aluminium terjepit pada dimensi tersebut. Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, penyusutan mesin tersebut yang menyebabkan kecacatan pada proses induksi, dikarekan panas dari mesin tersebut sudah tidak baik.

27 Identifikasi Penyebab Dominan Pada Jenis Cacat Tali Pengikat Putus Tabel 4.. Penyebab Cacat Tali Pengikat Putus No Keterangan Penyusutan Mesin 2 Bahan material yang kurang baik 3 operator kurang teliti Diagram 4.9. Diagram Ishikawa untuk jenis cacat Tali Pengikat Putus Dari Fishbone diatas menunjukkan sebab-sebab yang mengakibatkan terjadinya Tali Pengikat Putus. Berikut adalah uraian untuk setiap faktor-faktor penyebab cacat.

28 08 Tali Pengikat Putus Faktor manusia Ditinjau dari segi manusia, yang menyebabkan timbulnya Tali Pengikat Putus adalah operator tidak teliti dalam proses ini. Hal ini diakibatkan kurangnya pengalaman operator Faktor Material Dari segi material cacat Tali Pengikat Putus terjadinya karena tali dari pengikat tersebut terlalu getas, sehingga tidak tahannya material tersebut didalam proses packing Faktor Metode kerja Dari segi metode kerja, belum adanya training atau sosialisasi standarisasi kerja yang baik dan juga operator terburu-buru bekerja karena dikejar oleh target perusahaan Faktor Mesin Ditinjau dari sisi mesin, biasanya diakibatkan karena mesin yang kurang dirawat, sehingga menimbulkan kotoran pada mesin packing tersebut yang menyebabkan tali pengikat putus.

29 Mengidentifikasi dan Analisa Secara Kuantitatif pada Jenis Jenis Kegagalan dengan FMEA dan Pendekatan logika Fuzzy Pembuatan FMEA (Failure Mode and Effect Analysis) untuk Proses Round Table Proses awal ( Round Table) adalah proses digunakan untuk meletakan botol yang akan diisi oli dalam proses selanjutnya yaitu proses filling. Untuk mengetahui akar penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.2.Failure Modes and Effect Analysis (FMEA) Process Round Table Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Round Table Machine Penyusutan Mesin Terjadi botol Penyok 4 Perputaran Mesin Tidak konstan 2 Setting ulang mesin 6

30 Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untukpenyebab Cacat Pada Proses Round Table Penyusutan Mesin S 4 Kegagalan ini berpengaruh terhadap botol penyok, karena perputaran mesin yang tidak presisi. Sehingga pada proses jenis kegagalan ini sebagian besar dapat dirework dan nilai severity tersebut diberikan nilai 4. O 2 Penyebab dari kegagalan yang terjadi dikarenakan settingan mesin yang tidak presisi, sehingga jenis kegagalan pada proses ini sangat rendah terjadi kira- kira pada dalam lot, sehingga Occurance diberikan nilai 2 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan toolkit. Maka nilai detectability yang diberikan adalah 6.

31 4.3.2 Pembuatan FMEA (Failure Mode and Effect Analysis) untuk Proses Filling Machine Proses ( filling Machine) adalah proses digunakan untuk pengisian pelumas ke dalam botol. Pada mesin pengisian ini volume pelumas diatur 0,8 L atau L per botol dengan cara memutar pengatur volume. Untuk mengetahui akar penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.3.Failure Modes and Effect Analysis (FMEA) Process Filling Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Filling Machine Penyusutan Mesin Terjadi botol basah 6 Tekanan angin yang tidak sesuai 5 Setting ulang tekanan angin 6

32 Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untukpenyebab Cacat Pada Proses Filling Machine Penyusutan Mesin S 6 Kegagalan ini berpengaruh terhadap botol yang basah, karena tekanan angin yang tidak presisi. Sehingga pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 6. O 5 Penyebab dari kegagalan yang terjadi dikarenakan settingan angin yang tidak presisi, sehingga jenis kegagalan pada proses ini biasanya terjadi kira- kira pada dalam 400 lot, sehingga Occurance diberikan nilai 5 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Hopper Machine Setelah dilakukan proses Filling Machine, dilanjutkan dengan proses Hopper Machine digunakan untuk pemasangan tutup botol. Kemudian botol-botol akan kembali melewati Counting dengan program penghitungan jumlah botol 6 (enam) buah. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut :

33 3 Tabel 4.4.Failure Modes and Effect Analysis (FMEA) Process Hopper Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Hopper Machine Penyusutan mesin Material buruk Pengurutan cap menurun Aluminium lepas sehingga Bocor Cap terjepit atau pecah Kurangnya pihak maintenance dalam perawatannya Pengeleman atau perekatan tidak sempurna Dimensi yang terlalu besar / kecil Pihak maintenance harus mereparasinya Melakukan pemeriksaan secara visual Melakukan pemeriksaan secara visual Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Hopper Machine Penyusutan Mesin S 6 Kegagalan ini berpengaruh terhadap kecepatan suatu perputaran, karena umur mesin yang sudah tua. Sehingga settingan yang tidak presisi, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 6. O 5 Karena settingan yang tidak konstan, dapat menimbulkan kecepatan yang tidak sesuai, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam 400 lot, sehingga Occurance diberikan nilai 5. D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6.

34 4 Material yang kurang baik Aluminium Lepas S 6 Karena material dari cap tidak baik, Sehingga aluminium lepas sehingga dapat menimbulkan kebocoran. Sehingga dengan material yang buruk tersebut, nilai severity yang diberikan adalah 6. O 4 Karena cap bermaterial buruk, sehingga menimbulkan kebocoran yang cukup sering kira kira terjadi dalam 2000 lot. Maka nilai dari Occurance adalah 4. D 3 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut butuh operator yang berpengalaman dan konsentrasi dalam inspeksi, sehingga nilai dari Detectability adalah 3. Dimensi yang tidak sesuai S 6 Karena dimensi yang tidak sesuai, Sehingga menimbulkan cap terjepit. Maka dengan dimensi yang tidak sesuai ini, nilai severity yang diberikan adalah 6. O 5 Karena cap berdimensi tidak sesuai, sehingga menimbulkan kemacetan (ketidaksesuian) pada jalur pengurutan cap tersebut terhambat. Hal ini terjadi cukup sering kira kira terjadi dalam 400 lot. Maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 5.

35 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Copper Machine Setelah produk melewati proses hopper machine dilanjutkan ke proses capper machine yang berfungsi untuk pengencangan tutup botol. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.5. Failure Modes and Effect Analysis (FMEA) Proses Copper Machine Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Capper Machine Penyusutan mesin Ring Patah 8 Material buruk Operator kurang teliti Ring patah 6 Tutup Rusak 6 Mengurangi kepercayaan konsumen Kurangnya pihak maintenance dalam perawatannya Ring pengaman terlalu rapuh atau getas Moulding cap keluar dari standard Pihak maintenance harus mereparasinya Pemberitahuan ke supplier Pemberitahuan ke supplier 6 Kurang teliti 5 Pelatihan operator

36 Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Capper Machine Penyusutan Mesin S 8 Kegagalan ini berpengaruh terhadap suatu posisi injeksinya bergeser, karena umur mesin yang sudah tua. Sehingga perputaran mesin tidak presisi nilai severity tersebut diberikan nilai 8. O 6 Karena putaran yang tidak konstan, dapat menimbulkan efek dari material, sehingga menimbulkan kecacat pada proses. Jenis kegagalan pada proses ini biasanya terjadi kira- kira pada dalam 80 lot, sehingga Occurance diberikan nilai 6 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6. Material yang buruk Ring Patah S 6 Karena material dari ring pengaman tidak baik, Sehingga mengalami kepatahan sewaktu proses capper machine. Sehingga dengan material ring yang buruk tersebut, nilai severity yang diberikan adalah 6. O 5 Karena ring bermaterial buruk, sehingga menimbulkan kepatahan pada ring pengaman tersebut. Dalam hal ini kegagalan terjadi cukup sering kira kira terjadi dalam 400 lot. Maka nilai dari Occurance adalah 5.

37 7 D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, tetapi butuh pembongkaran sederhana untuk dirework. Sehingga nilai dari Detectability adalah 6. Dimensi yang tidak sesuai S 6 Karena dimensi yang tidak sesuai, Sehingga menimbulkan perbedaan antara dimensi tutup dengan dimensi capper machine tersebut yang mengakibatkan tutup rusak. Maka dengan dimensi yang tidak sesuai ini, nilai severity yang diberikan adalah 6 O 4 Karena cap berdimensi tidak sesuai, sehingga menimbulkan kerusakan pada tutup. Hal ini terjadi cukup sering kira kira terjadi dalam 2000 lot. Maka nilai dari Occurance adalah 4. D 3 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 3. Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap sebelum dilakukan proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan kecacatan pada material. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

38 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Induksi Setelah produk melewati proses capper machine yang berfungsi untuk pengencangan tutup botol selanjutnya akan melewati proses induksi, dimana gunanya proses tersebut dilakaukan agar oli tidak tumpah pada saat botol terbalik. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.6. Failure Modes and Effect Analysis (FMEA) Proses Induksi Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Induksi Machine Penyusutan mesin Material buruk Operator kurang teliti Aluminium tidak menempel Aluminium tidak menempel Mengurangi kepercayaan konsumen 4 4 Kurangnya pihak maintenance dalam perawatannya Aluminium terjepit di cap karena dimensi yang tidak sesuai 2 2 Pihak maintenance harus mereparasinya Pemberitahuan ke supplier 6 Kurang teliti 5 Pelatihan operator 5 6 4

39 Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Induksi Machine Penyusutan Mesin S 4 Kegagalan ini berpengaruh terhadap panasnya mesin tersebut sudah tidak baik, karena umur mesin yang sudah tua. Sehingga, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan sebagian besar dapat dirework dan nilai severity tersebut diberikan nilai 4. O 2 Karena panas yang kurang baik, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam lot, sehingga Occurance diberikan nilai 2. D 6 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual dan di-setting ulang dengan toolkit. Maka nilai detectability yang diberikan adalah 6. Material yang buruk Aluminium Tidak Menempel S 4 Karena dimensi yang tidak sesuai, Sehingga menimbulkan aluminium cap terjepit, maka nilai severity yang diberikan adalah 4. O 2 Karena cap berdimensi tidak sesuai, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi sangat rendah kira kira terjadi dalam lot. Maka nilai dari Occurance adalah 2. D 4 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 4.

40 20 Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

41 Pembuatan FMEA (failure Mode anda Effect Analysis) untuk Proses Stripper Setelah produk melewati proses induksi selanjutnya akan melewati proses packing. Untuk mengetahui akat penyebab cacat pada proses ini dapat dilihat pada table berikut : Tabel 4.7. Failure Modes and Effect Analysis (FMEA) Proses Stripper Proses Jenis kegagalan pada proses Efek yang ditimbulkan dari kegagalan pada proses S Penyebab dari kegagalan pada proses O Kontrol yang dilakukan D Stripper Machine Penyusutan mesin Material buruk Tali pengikat putus Tali pengikat terlalu getas 5 4 Kurangnya pihak maintenance dalam perawatannya Tali pengikat terlalu rapuh atau getas 3 3 Pihak maintenance harus mereparasinya Pemberitahuan ke supplier 2 2 Operator kurang teliti Mengurangi kepercayaan konsumen 6 Kurang teliti 5 Pelatihan operator 5

42 Penetapan Peringkat Nilai Severity, Occurrence, dan Detection untuk Tiap Penyebab Cacat Pada Proses Stripper Machine Penyusutan Mesin S 5 Kegagalan ini berpengaruh terhadap umur mesin yang sudah tua. Sehingga, pada proses jenis kegagalan ini sebagian kecil menjadi scrap dan nilai severity tersebut diberikan nilai 5. O 3 Karena mesin yang kurang baik, sehingga jenis kegagalan pada proses ini biasanya terjadi kira - kira pada dalam 5000 lot, sehingga Occurance diberikan nilai 3. D 2 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual. Maka nilai detectability yang diberikan adalah 2. Material yang buruk Tali Pengikat Putus S 4 Karena Tali yang terlalu getas, Sehingga menimbulkan tali putus dalam proses packing. maka nilai severity yang diberikan adalah 4. O 3 Karena tali putus, sehingga menimbulkan scrap. Hal ini terjadi rendah terjadi kira kira terjadi dalam 5000 lot. Maka nilai dari Occurance adalah 3.

43 23 D 2 Kemungkinan tidak terdeteksi sedang, karena biasanya hal tersebut cukup mudah dilihat secara visual yang sangat hati-hati, sehingga nilai dari Detectability adalah 2. Operator yang tidak teliti S 6 Adanya operator kurang teliti dalam mengecangkan dan meletakan cap proses copper machine. Sehingga nilai severity adalah 6. O 5 Karena kekurangan telitian dari operator tersebut, sehingga menimbulkan aluminium cap tidak menempel. Hal ini terjadi kira kira dalam 400, maka nilai dari Occurance adalah 5. D 5 Kemungkinan tidak terdeteksi rendah, karena biasanya hal tersebut cukup mudah dilihat secara visual, sehingga nilai dari Detectability adalah 5.

44 Proses Fuzzifikasi dengan menggunakan Fuzzy Toolbo Matlab 7. Penerapan metode FMEA (Failure Mode and Effect Analysis) dengan pendekatan logika Fuzzy ini dilakukan dengan menggunakan software MATLAB 7.0. Langkah awal yang dilakukan adalah dengan mengetik Fuzzy pada command line. Gambar 4.. Tampilan Langkah Awal Fuzzifikasi Selanjutnya tampilan FIS Editor akan muncul. Gunakan metode penalaran Mamdani dalam fuzzifikasi, karena baik input dan output berupa himpunan fuzzy dan gunakan fungsi implikasi MIN. Pada toolbar menu edit add variable, tambahkan input sehingga menjadi 3 variable yaitu Severity, Occurance, dan Detectability.

45 25 Varibale output yaitu FRPN (Fuzzy Risk Priority Categories). maka akan muncul tampilan seperti berikut ini : Gambar 4.2. Fuzzy Inference System (FIS) Editor 4.4. Nilai Input Severity (S), Occurance (0) dan Detactability (D) Nilai input severity, occurance dan detactability atas beberapa kategori dan untuk setiap kategori memliki tipe kurva dan parameter yang masing-masing.

46 26 Tabel 4.8. Parameter fungsi Keanggotaan Variable Input Kategori Tipe Kurva Parameter VL Trapesium [0 0 2,5] L Segitiga [ 2,5 4,5] M Trapesium [2,5 4,5 5,5 7,5] H Segitiga [5,5 7,5 9] VH Trapesium [7, ] Sumber : Javier Puente et al (2002) Fungsi dan nilai keanggotaan dari setiap kategori :. Very low Fungsi keanggotaan : ; f ( ;0,0,,2.5) (2.5 ) /(2.5 ) 0; 0 < < Nilai keanggotaaan : Untuk input (2.5 - ) /.5 Untuk input 2 (2.5 2) / Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 0 Untuk input 7 0

47 27 Untuk input 8 0 Untuk input 9 0 Untuk input Low Fungsi keanggotaan : 0; ( ) /(2.5 ); f ( ;,2.5,4.5) (4.5 ) /( ); 0; < < < Nilai keanggotaan : Untuk input 0 Untuk input 2 (2 ) / Untuk input 3 (4.5 3) / Untuk input 4 (4.5 4) / Untuk input 5 0 Untuk input 6 0 Untuk input 7 0 Untuk input 8 0 Untuk input 9 0 Untuk input 0 0

48 28 3. Moderate Fungsi keanggotaan : 0; ( 2.5) /( ); f ( ;2.5,4.5,5.5,7.5) ; (7.5 ) /( ); 0; < < < < Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 (3 2.5) / Untuk input 4 (4 2.5) / Untuk input 5 Untuk input 6 (7.5 6) / Untuk input 7 (7.5 7) / Untuk input 8 0 Untuk input 9 0 Untuk input 0 0

49 29 4. High 0; ( 5.5) /( ); f ( ;,5.5,7.5,9) (9 ) /(9 7.5); 0; < < < 9 9 Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 (6 5.5) / Untuk input 7 (7 5.5) / Untuk input 8 (9 8) / Untuk input 9 0 Untuk input 0 0

50 30 5. Very High Fungsi keanggotaan 0; f ( ;7.5,9,0,0) ( 7.5) /(9 7.5) ; < < Nilai keanggotaan : Untuk input 0 Untuk input 2 0 Untuk input 3 0 Untuk input 4 0 Untuk input 5 0 Untuk input 6 0 Untuk input 7 0 Untuk input 8 (8 7.5) / (9 7.5) 0.33 Untuk input 9 Untuk input 0

51 3 Untuk setiap variable input dalam range 0, masukkan parameter yang telah ditentukan sehingga membentuk kurva menurut kategorinya masing masing. Gambar 4.3. Membership Function Editor Variable Input Severity

52 Gambar 4.4. Membership Function Editor Variable Input Occurance 32

53 Gambar 4.5. Membership Function Editor Variabel Input Detectability 33

54 Nilai Output FRPN (Fuzzy Risk Priority Categories) Nilai output FRPN (Fuzzy Risk Priority Categories) terbagi atas beberapa kategori dan untuk setiap kategori memiliki tipe kurva dan parameter yang masing - masing. Tabel 4.9. Parameter Fungsi Keanggotaan Variable Output Kategori Tipe Kurva Parameter VL Trapesium [ ] VL-L Segitiga [ ] L Segitiga [ ] L-M Segitiga [ ] M Segitiga [ ] M-H Segitiga [ ] H Segitiga [ ] H-VH Segitiga [ ] VH Trapesium [ ] Sumber : Javier Puente et al (2002)

55 35 Fungsi Keanggotaan dari setiap kategori output ;. Very Low < < 75 0; ; / ) ( ; ;0,0,25,75) ( f 2. Very Low-Low < < < ; / ) ( ; / 25) ( ; ;25,75,25) ( atau f 3. Low < < < ; / ) ( ; / 75) ( ; ;75,25,200) ( atau f 4. Low-Moderate < < < /00; ) ( ; / 25) ( ; ;25,200,300) ( atau f

56 36 5. Moderate < < < /00; ) ( /00; 200) ( ; ;200,300,400) ( atau f 6. Moderate-High < < < /00; ) ( /00; 300) ( ; ;300,400,500) ( atau f 7. High < < < ; / ) ( /00; 400) ( ; ;400,500,700) ( atau f 8. High-Very High < < < / ) ( / 500) ( ; ;500,700,900) ( atau f

57 37 9. Very High 0; f ( ;700,900,000,000) ( 700) / 200 ; 700atau < < < 000 Untuk setiap variavle output dalam range 0-000, masukkan parameter yang telah ditentukan sehingga membentuk kurva menurut kategori masing masing. Gambar 4.6. Membership function Editor Variable Output FRPN

58 Evaluasi Input Dengan Aturan-aturan Fuzzy (Fuzzy Rules) Fuzzy logic menggunakan aturan-aturan fuzzy yaitu dengan if- then rules dan rules tersebut dibuat dengan mengkombinasikan input dan parameter yang ada. Kombinasi dari 3 variable input (Severity, Occurance, dan Detactability) yang terdiri dari 5 kategori, maka ada 25 rules yang dihasilkan. Berikut - 5 Rules ( 6-25 Rules dapat dilihat dilampiran C ) tersebut adalah sebagai berikut :. Untuk membuat aturan ke- : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), VL pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 2. Untuk membuat aturan ke-2 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), L pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 3. Untuk membuat aturan ke-3 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), M pada listbo Detection (c) dan VL pada listbo RPN (d). Tekan Add rule (e). 4. Untuk membuat aturan ke-4 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), H pada listbo Detection (c) dan VL-L pada listbo RPN (d). Tekan Add rule (e). 5. Untuk membuat aturan ke-5 : pilih (dengan mengklik kali ) VL pada listbo Severity (a), VL pada listbo Occurrence (b), VH pada listbo Detection (c) dan VL-L pada listbo RPN (d). Tekan Add rule (e).

59 39 Berikut Gambar dari Rules Editor, dimana aturan aturan fuzzy dimasukan kedalam bo tersebut sebanyak 25 Rules : Gambar 4.7. Rules Editor

60 40 Setelah selesai dari pembuatan aturan aturan fuzzy akan dilakukan perhitungan defuzzifikasi manual dari setiap aturan aturan yang ada dari jenis kecacatan botol basah yang disebabkan oleh mesin filling. Berikut beberapa contoh perhitungan dari aturan aturan fuzzy. ( Perhitungan selanjutnya dapat dilihat dilampiran C ). Rules ke- : α min ( α s VL [6], min (0;0;0) 0 α o VL [5], α d VL [6]) μ FRPN 0 Tidak ada daerah hasil Implikasi 2. Rules ke-2 : α 2 min ( α s VL [6], min (0;0;0) 0 α o VL [5], α d L [6]) μ FRPN 2 0 Tidak ada daerah hasil Implikasi 3. Rules ke-3 : α 3 min ( α s VL [6], min (0;0;0.75) 0 α o VL [5], α d M [6]) μ FRPN 3 0 Tidak ada daerah hasil Implikasi

61 4 Setelah melakukan perhitungan dari setiap aturan yang ada, ternyata pada Rules 63, 64, 88, dan 89 memiliki daerah implikasi menurut fungsi keanggotaannya masing masing. Komposisi semua output terlihat pada gambar 4.8 : Gambar 4.8. Komposisi Output FRPN dari Proses Filling untuk Kegagalan Botol Basah Rules 63 dan rules 64 memiliki μ FRPN yang berbeda, tetapi memiliki kesamaan fundsi keanggotaan dengan kategori High sehingga tidak terdapat titik potong antara kedua rules tersebut, sedangkan rules 88 dan rules 89 memiliki μ yang sama, fungsi keanggotaan yang sama dengan kategori yang sama pula yaitu Very High. Keempat rules hanya saling memotong pada saat 700 FRPN

62 42 Jadi : μ FRPN [] 0; ( 400) /00; 0.75; (700 ) / 200; 0; ( 700) / 200; 0.25; < < < < Gambar 4.9. Solusi Daerah Fuzzy FRPN dari Proses Filling untuk Kegagalan Botol Basah Proses Defuzzifikasi Perhitungan defuzifikasi dilakukan dengan menggunakan metode centroid. Perhitungan dilakukan dengan pembagian daerah-daerah dengan luas masing masing dan setiap daerah memiliki momen terhadap nilai keanggotaan. Perhitungan sebagai berikut :

63 43 Untuk proses Filling untuk kegagalan botol basah Momen : M (( 400) /00) d (0.0 4) d 3 2 * *0.0* 475 2* 475 *0.0* 400 2* ( ) ( ) M d * * 0.75*550 * 0.75*

64 ) ( ) ( *0.005*550 3 *3.5*550 2 *0.005*700 3 *3.5*700 2 * *3.5 2 ) ( ) ) / (( d d M ) ( ) (70325 *3.5*700 2 *0.005*700 3 *3.5*750 2 *0.005*750 3 *3.5 2 * ) ( ) 700) / (( d d M * 0.25*834 2 * 0.25*000 2 * d M

65 45 Luas setiap bagian adalah sebagai berikut : A ( ) * A 2 ( ) * A ( ) * A 4 ( ) * A 5 ( ) * Nilai Titik Pusat : Pada program MATLAB 7.0, untuk menentukan nilai FRPN, maka klik toolbar view-rules. Kemudian akan muncul tampilan rule viewer dan masukkan nilai input yang ditentukan (Severity, Occurance,dan Detecetability). Gambar 4.0 adalah nilai hasil FRPN proses filling untuk kegagalan botol basah :

66 46 Gambar 4.0. Nilai Output FRPN dari Proses Filling untuk Kegagalan Botol Basah Terdapat perbedaan antara perhitungan manual dengan perhitungan program MATLAB 7.0. Namun perbedaan tersebut tidak terlalu signifikan. Perbedaan ini disebabkan karena adanya faktor pembulatan.