BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com ABSTRAK Taguch merupakan suatu metode yang berbass ekspermen untuk memperbak kualtas produk dan proses dengan baya semnmal mungkn melalu tahap perancangan sstem, parameter dan tolerans. Pada perancangan parameter bertujuan mengoptmalsas parameter dar masng-masng elemen sstem sehngga devas fungsonal dar produk akan mnmum. Sebelumnya, peneltan tentang perancangan parameter menggunakan taguch hanya fokus pada data yang kontnu, pada makalah n akan memberkan gambaran perancangan parameter pada data dskrt atau dalam bentuk dskontnu yang berart hasl ekspermen hanya bernla dskrt sepert cacat dan tdak cacat. Dan akan dterapkan d PT. X yang mengurang kerusakan pada produk Vbelt type KZL untuk motor matc.. Kerusakan terjad karena belum ddapat settng optmum terhadap buldng machne. Hasl peneltan n dperoleh dengan perancangan parameter two-class dscrete data ddapat penngkatan kualtas v-belt yang tdak rusak nak dar 79% menjad 97,% dan yang rusak turun dar % menjad,9%.rancangan ekspermen untuk data dskrt sama dengan data kontnu. Perbedaan utama adalah ukuran sampel yang dperlukan dan hasl analssnya. Kata Kunc: Taguch, two-class dscrete data, perancangan parameter. PENDAHULUAN Kualtas barang atau jasa merupakan faktor utama menentukan knerja perusahaan. Qualty control dlakukan untuk menjaga konsstens kualtas produk/jasa yang dhaslkan sesua dengan kebutuhan pasar. Desan ekspermen menjad metode yang melengkap off lne qualty control untuk mendapatkan settng mesn optmal dan menghaslan desan parameter produk yang robust (Montgomery, 00). Off lne qualty control menjad bagan yang sult dpsahkan ketka proses qualty mprovement d dalam skala ndustr secara terus-menerus dterapkan (Belavandram, 995). Pada tahun 949 Dr. Gench Taguch memperkenalkan konsep n ketka permasalahan kualtas produk tdak hanya dapat datas secara onlne qualty control. Tahapan perancangan parameter sebuah produk menjad ttk awal penyebab terjadnya cacat selama proses manufaktur berlangsung.. Sebelumnya, peneltan tentang perancangan parameter menggunakan Taguch hanya fokus pada data yang kontnu pada makalah n akan memberkan gambaran perancangan parameter pada data dskrt atau dalam bentuk dskontnu yang berart hasl ekspermen hanya bernla dskrt sepert cacat dan tdak cacat. Dan dterapkan d PT. X yang mengurang kerusakan pada produk Vbelt type KZL untuk motor matc. Kerusakan terjad karena belum ddapat settng optmum terhadap buldng machne.. METODE PENELITIAN.. Perancangan Parameter Untuk Data Dskrt Perancangan parameter untuk data dskrt merupakan rancangan yang dpergunakan untuk menentukan level-level dar faktor yang dapat mengoptmumkan respon dengan memnmalkan efek dar faktor nose dan baya, namun data yang dpergunakan adalah data dskrt / atrbut (Taguch, 005). Data dskrt memberkan
perbedaan yang kurang kuat darpada data kontnu sebaga contoh bla suatu produk dklasfkaskan bak maka tdak ada ukuran yang past seberapa bak produk tersebut. Oleh karena tu data kontnu lebh dsarankan untuk dpergunakan bla memungknkan, karena akan memperkecl ukuran sampel yang dperlukan. Untuk lebh menngkatkan perbedaan dalam data dskrt harus dgunakan katagor /atrbut yang lebh banyak karena penambahan katagor tersebut akan membuat data dskrt bersfat sem kontnyu secara alam (Park, 996)... Two Class Dscrete Data Ketka hasl ekspermen dklasfkaskan dalam dua kelas sepert rusak dan tdak rusak maka dgunakan Two Class Dscrete Data. Msalkan dperksa n data dan haslnya adalah 0 dan (Park, 996). Dalam Two Class Dscrete Data ada dua pendekatan yatu ) Analss SN Raso dan ) Analss data secara langsung Analss SN Raso 0, jka tem rusak, jka tem tdak rusak y () Bla bagan yang tdak rusak dnyatakan dengan p karena dstrbus Bernoull, maka dperoleh nla ekpetas dan varans dar p' y p p E y var ' ' y y mengkut Jka ddapatkan kumpulan data y, y, y3,, yn maka bagan data yang tdak rusak menjad y y yn p () n Dan rata-rata varans adalah n T y y y Sm np np n n n Total varas S y y np (3) T Dan varans errornya S S S np np np p (4) e T m Dalam Two Class Dscrete Data, Taguch (005) merekomendaskan SN raso y 0 log 0 log n S m Sm S m SN 0 log 0 log V V nv 0 log S e p (5) Dar persamaan (5) dperoleh ketka p nak maka SN rato juga nak. Oleh karena tu semakn besar nla SN semakn bak. Langkah-langkah analss SN Raso adalah. Menentukan matrk Ortogonal Array berdasarkan banyaknya faktor dan level. Menghtung SN Raso berdasarkan persamaan (5) untuk tap treatment 3. Menyusun tabel ANOVA untuk SN Raso 4. Menentukan nla estmas SN raso pada konds optmum Bastatstcs Vol 9, No., Februar 05
5. Dar nla estmas SN Raso dapat dperoleh bagan tem yang tdak rusak (p) dalam konds optmum. Analss Data Secara Langsung Langkah-langkah analss Data Secara langsung adalah. Menghtung banyaknya tem yang tdak rusak untuk tap level dan Faktor. Menyusun tabel Anova 3. Menghtung Pure Varaton (Prosentase kontrbus dar varas error) 4. Menghtung Contrbuton Raso (prosentase kontrbus secara relatf dar faktor- factor dan level-levelnya). 5. Menentukan konds optmum untuk faktor faktor dan level 6. Menentukan Estmas bagan yang tdak cacat berdasarkan konds optmum ( ˆ ) Dar dua pendekatan untuk mengatas data 0/ (two class), SN rato merupakan pendekatan analss yang sederhana, sedangkan analss data secara langsung adalah pendekatan statstk yang relabel. Metode Omega (Ω) Metode Omega adalah suatu metode logt transformaton yang berfungs untuk mengestmas bagan yang tdak cacat berdasarkan konds optmum. Nla estmas antara 0 dan tak berhngga, sehngga nla ˆ hanya berubah dantara 0 dan. ˆ (6).3. Mult Class Dscrete Data Jka jumlah kelas lebh dar dua katagor msalnya sangat bak, bak, sedang dan jelek. Untuk menganalss mult class dscrete data ada dua metode.yatu metode skorng dan analss akumulas (Park, 996). Metode Skorng Jka data yang bersfat kategor atau rankng maka akan dberkan bobot/skor 0,,,3,..., k- atau,,3,...,k. Langkah-langkah:. Menghtung SN raso berdasarkan bobot kelas. Menghtung Jumlah Kuadrat 3. Menyusun tabel ANOVA 4. Menentukan konds optmum Analss Akumulas Analss akumulas menggunakan frekuens dalam perhtungannya dan dgunakan ketka nomor kelas mempunya art yang prakts. Langkah-langkah:. Membuat tabel frekuens kelas kumulatf. Menghtung bobot masng-masng kelas kumulatf 3. Menghtung jumlah kuadrat 4. Menyusun tabel ANOVA 5. Menentukan konds optmum 3. HASIL DAN PEMBAHASAN Sebelum ekspermen dlakukan penentuan faktor dan branstormng dengan phak perusahaan dperoleh Tabel. level berdasarkan Bastatstcs Vol 9, No., Februar 05 3
Tabel. Faktor & Level Percobaan Level Faktor Settng Awal Low (-) Hgh (+) A Hardness Stecher Roll(Kgf) 30-40 30-40 40-50 B Sudut Cuttng Bar 90 0 45 0 90 0 C Slnder Stecher Roll slnder slnder slnder D Ukuran Cuttng Bar Tps tps tebal Settng awal adalah settng yang dgunakan perusahaan sebelum dadakan 7 peneltan. Setelah tu dlakukan perancangan ekspermen dengan Matrk OA L 8( ) dan dperoleh hasl ekspermen pada Tabel. Tabel. Data Percobaan N Faktor-faktor Terkontrol v-belt yang SN o tdak terjad 0log cacat pnhole p A B AxB C AxC AXD D dar 47 tem yang dperksa 44,66 43 0,3 3 45 3,9 4 3 6,88 5 39,66 6 44 9,4 7 4 8,35 8 4 3,5 Pada Tabel 3 terdapat nla raso SN dar masng-masng faktor,kemudan dplh nla yang terbesar dar level tap faktor untuk mendapatkan nla yang terbak dalam menakkan jumlah produk yang tdak cacat, lebh jelasnya dapat dlhat pada Gambar. Kombnas level yang dapat mengoptmalkan respon bak dar rata-rata maupun varas adalah A, B,C dan D. Dan nteraks AxB, AxC, AXD. Tabel 3. Man Effects dar Raso SN Cacat Pnhole Faktor Level A B C D 8,037 0,7 8,74 9,033 0,694 8,00 9,990 9,697 Man Effects Plot for SN Raso Data Means A B 0 9 Mean 8 C D 0 9 8 Gambar Mean efek dar SN Rato 4 Bastatstcs Vol 9, No., Februar 05
Dar Tabel 4 menunjukkan nla F htung yang lebh kecl dar Ftabel = F(0,05,,3) =0,8, dlakukan Pooled. Faktor yang d Pooled tersebut alah Faktor C, AxC dan D. Dengan tngkat kepercayaan 95%, faktor faktor yang berpengaruh sgnfkan alah faktor Hardness Strecher Roll (A), Sudut Cuttng Bar (B), dan nteraks antara Hardness Strecher Roll (A) dengan Bahan Cuttng Bar (D). Tabel 4. Anova SN Raso Source of varaton SS Df MS F Pure varaton Contrbuton rato (%) A 4,5 4,5 0,496,770 7,55 B 4,70 4,70 0,93 3,357 8,39 AXB 0,38 0,38 5,55 9,036 6,3 C 3,9 AXC 0,033 AXD 9,639 9,639 4,603 8,94 5,04 D 0,883 e 4,035 3,345 9,44,99 T 7,87 7 00,0 Perbandngan konds optmum dengan konds sekarang untuk Raso SN dar Faktor Sgnfkan Konds optmum merupakan faktor-faktor yang sgnfkan dan memlk nla raso SN terbesar antara level, yatu μ(a B AxB AxD) = A B A A D D y = 0,989 8,037 +,593 9,697 + 9,37= 5,8 SN dar konds optmum =5,8 0log p, sehgga p= 0,97 Settngan buldng machne yang dgunakan oleh PT. X pada konds sekarang : μ(a B C D AxB AxD) = 5,085 + 9,7 (8,037) + 7,477 = 5,76 SN konds sekarang =5,76 sehngga p = 0,79. 0log p Dengan konds optmum, bagan yang tdak cacat dar produk menngkat dar 79% menjad 97,%. Analss Data Secara Langsung Berdasarkan Tabel dperoleh banyaknya tem yang tdak rusak untuk tap level dan Faktor, kemudan dhtung man effect dperoleh Tabel 5. Tabel 5 Man effect Untuk Analss Data Secara Langsung level Faktor A B AxB C AxC AXD D 58 73 73 6 63 7 66 7 57 57 69 67 58 64 Pada Tabel 6 dlakukan Pooled untuk Faktor C, AxC dan D karena nla F yang lebh kecl dar F(0,05,,369) =3,867. Dengan tngkat kepercayaan 95%, pengaruh yang sgnfkan terhadap cacat pnhole adalah faktor Hardness Strecher Roll (A), Sudut Cuttng Bar (B), dan nteraks antara A dan B serta nteraks Hardness Strecher Roll (A) dengan Bahan Cuttng Bar (D). Bastatstcs Vol 9, No., Februar 05 5
Tabel 6 ANOVA Untuk Analss Data Secara Langsung Source of varaton SS Df MS F Pure varaton Contrbuton rato (%) A 0,5 0,5 5,07 0,49,0384 B 0,68 0,68 6,67 0,5788,4336 AXB 0,68 0,68 6,67 0,5788,4336 C 0,70 0,70 AXC 0,043 0,043 AXD 0,5 0,5 5,07 0,49,03784 D 0,0 0,0 Pooled e 37,745 37 0,0 38,3763 95,056 T 40,37 375 00,0 Metode OMEGA untuk Drect Analyss (Analsa Data Secara Langsung) ˆ( A B A xb A xd ) A B A A D D y 87 58 89 64 330 94 88 94 88 376 = 0,95-0,840 + 0,947-0,87 + 0,878,038 0,95 0,947 0,878 0,840 0,878 ˆ 0,978 0,05 0, 05 Kualtas v-belt untuk yang tdak cacat menngkat mencapa 97,8 persen dengan tngkat kecacatannya sebesar, persen. 4. KESIMPULAN. Rancangan ekspermen dengan pendekatan Taguch untuk data dskrt sama dengan data kontnu. Perbedaan utama adalah ukuran sampel yang dperlukan dan hasl analssnya.. Settngan optmum terhadap buldng machne untuk mengurang cacat pnhole adalah Hardness Stecher Roll 40-50 kgf (A), Sudut Cuttng Bar 45 0 (B), nteraks Hardness stecher Roll 30-40 kgf dengan Sudut Cuttng Bar 45 0 (AxB), dan nterkas Hardness Stecher Roll 40-50 kgf dengan Ukuran Cuttng Bar Tebal (AxD). 3. Penngkatan kualtas v-belt yang tdak rusak berdasarkan SN raso adalah nak dar 79% menjad 97,% dan yang rusak turun dar % menjad,9%. Berdasarkan analsa data langsung kualtas v-belt yang tdak rusak mencapa 97,8 persen dengan tngkat kecacatan sebesar, persen. 5. DAFTAR PUSTAKA Belavandram, N. 995. Qualty by Desgn : Taguch Technque for Industral Expermentaton. Frst Edton, Prentse Hall, London. 6 Bastatstcs Vol 9, No., Februar 05
Montgomery, D.C. 00. Desgn and Analyss of Experment (5rd ed). New York :John Wley & Sons, Inc. Park, S.H, 996. Robust Desgn And Analyss for Qualty Engneerng. Chapman and Hall. London. Taguch, G. Chowdhury, S. dan Wu, Y. 005. Taguch s Qualty Engneerng Handbook. New Jersey : John Wley & Sons,Inc Bastatstcs Vol 9, No., Februar 05 7