perpustakaan.uns.ac.id digilib.uns.ac... · penting yang dihasilkan sehingga efektif dari segi...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user


commit to user

I-1

BAB I

PENDAHULUAN

Bab ini menguraikan beberapa hal pokok mengenai penelitian ini, yaitu

latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan

masalah, asumsi dan sistematika penulisan.

1.1 Latar Belakang

Metode perancangan produk terbagi menjadi dua yaitu metode sekuensial

dan metode simultan. Pada metode sekuensial penentuan rancangan parameter

dilakukan sebelum perancangan toleransi, sedangkan pada metode simultan kedua

aktivitas tersebut dilakukan secara bersamaan. Keuntungan proses perancangan

produk secara simultan adalah dapat menjamin produk yang ekonomis dan

berkualitas serta efisien dari segi waktu (Chang and Jeang, 2002).

Metode Taguchi merupakan metode yang mampu memperbaiki kualitas

produk dan proses dengan cara meminimumkan deviasi dari target,

meminimumkan variansi serta meminimumkan biaya yang dinyatakan dalam

quality loss function (Ishak, 2002). Metode ini menggunakan orthogonal array

yang hanya membutuhkan sedikit eksperimen tanpa menghilangkan informasi

penting yang dihasilkan sehingga efektif dari segi biaya dan waktu. Secara umum

metode Taguchi membagi perancangan produk menjadi tiga tahap yaitu

perancangan sistem, perancangan parameter dan perancangan toleransi. Metode

ini biasanya dilakukan secara sekuensial dimana perancangan parameter

dilakukan terlebih dahulu dibanding perancangan toleransi (Chang and Jeang,

2002).

Perancangan toleransi meliputi analisis toleransi dan sintesis toleransi.

Analisis toleransi bertujuan untuk menentukan toleransi rakitan melalui toleransi

komponen-komponen penyusunnya. Sintesis toleransi bertujuan untuk

mendistribusikan toleransi rakitan ke dalam toleransi tiap komponen penyusunnya

(Ameta, Serge and Giordano, 2009). Analisis toleransi dilakukan melalui simulasi

monte carlo untuk memeriksa dampak dari toleransi individu pada suatu perakitan

atau proses secara statistik. Simulasi monte carlo dipilih karena simulasi tersebut


commit to user

I-2

mampu mengidentifikasi parameter-parameter kunci yang mendorong terjadinya

variansi (Lindsay, 2002).

Chang and Jeang (2002) telah melakukan penelitian mengenai

perancangan parameter dan toleransi secara simultan menggunakan orthogonal

array. Faktor yang dipertimbangkan dalam penelitian ini adalah faktor parameter

dan toleransi pada produk wheel mounting. Metode ini juga dapat diaplikasikan

pada produk lain, salah satunya adalah ragum.

Ragum merupakan alat yang berfungsi untuk mencekam benda kerja

secara kuat agar posisi benda kerja tidak mengalami pergeseran saat dilakukan

proses pemesinan (Hermawan, 2010). Karakteristik kualitas kunci pada ragum

adalah Clearence/gap antara dudukan ragum dan rahang pencekam dinamis

karena clearence tersebut menentukan mekanisme pergerakan pada ragum.

Penelitian ini menerapkan metode Taguchi dalam menentukan parameter

dan toleransi secara simultan pada ragum dengan kriteria minimasi total biaya

yang terdiri dari kerugian kualitas dan biaya manufaktur. Faktor yang

dipertimbangkan dalam penelitian ini adalah parameter , toleransi dan kapabilitas

proses. Kapabilitas proses dipertimbangkan karena kapabilitas proses

menunjukkan kemampuan proses manufaktur untuk memenuhi spesifikasi yang

diberikan (Mustajib, 2010). Ragum dipilih dalam penelitian ini karena ragum

merupakan suatu alat yang banyak digunakan dalam industri pemesinan sehingga

memerlukan pengendalian kualitas yang baik.

1.2 Perumusan Masalah

Rumusan masalah dalam penelitian ini adalah bagaimana merancang

parameter dan toleransi optimal secara simultan menggunakan metode taguchi

pada ragum untuk meminimalkan total biaya.

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah sebagai berikut :

1. Mengetahui pengaruh parameter, toleransi dan kapabilitas proses

terhadap total biaya.

2. Menentukan parameter dan toleransi optimal secara simultan pada

ragum untuk meminimalkan total biaya.


commit to user

I-3

1.4 Manfaat Penelitian

Manfaat yang dapat diambil dalam penelitian ini adalah dapat

menghasilkan metode perancangan parameter dan toleransi optimal yang lebih

efisien dalam perancangan produk dibandingkan metode sekuensial.

1.5 Batasan Masalah

Batasan masalah yang digunakan dalam penelitian ini adalah sebagai

berikut :

1. Faktor yang dipertimbangkan dalam penelitian hanya faktor terkontrol.

2. Ragum yang digunakan adalah ragum Krisbow KW04-189.

1.6 Asumsi

Asumsi yang digunakan dalam penelitian ini adalah sebagai berikut :

1. Besarnya biaya yang melekat pada tiap level toleransi diambil dari data

yang terdapat pada penelitian Chang (2002).

2. Data parameter ragum berdistribusi normal.

3. Variansi data parameter ragum bersifat homogen.

4. Data parameter ragum bersifat independen.

1.7 Sistematika Penulisan

Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang

diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya.

Dari pokok-pokok permasalahan dapat dibagi menjadi enam bab sebagai berikut :

BAB I : PENDAHULUAN

Bab ini berisikan pendahuluan yang meliputi latar belakang,

perumusan masalah, tujuan penelitian, pembatasan masalah dan

sistematika penulisan.

BAB II : STUDI PUSTAKA

Bab ini berisi mengenai landasan teori yang mendukung dan terkait

langsung dengan penelitian yang akan dilakukan dari buku, jurnal

penelitian, sumber literatur lain, dan studi terhadap penelitian

terdahulu.


commit to user

I-4

BAB III : METODOLOGI PENELITIAN

Bab ini berisi tentang uraian langkah-langkah penelitian yang

dilakukan, selain itu juga merupakan gambaran kerangka berpikir

penulis dalam melakukan penelitian dari awal sampai dengan

penelitian selesai.

BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisi tentang data-data/informasi yang diperlukan dalam

menganalisis permasalahan yang ada serta pengolahan data dengan

menggunakan metode yang telah ditentukan.

BAB V : ANALISIS DAN INTERPRETASI HASIL

Analisis berisi penjelasan dari output yang didapatkan pada tahapan

pengumpulan dan pengolahan data. Interpretasi hasil merupakan

ringkasan singkat dari hasil analisis penelitian.

BAB VI : KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan yang diperoleh dari pengolahan

data dan analisis yang telah dilakukan serta rekomendasi ataupun

saran yang diberikan untuk perbaikan.


commit to user

II-1

BAB II

TINJAUAN PUSTAKA

Bab ini membahas mengenai landasan teori yang akan digunakan guna

menunjang penelitian. Teori yang akan digunakan dalam penelitian ini meliputi

rekayasakualitas, perancanganeksperimen, metodetaguchi, kapabilitas proses,

simulasi monte carlo dan pembangkitan bilangan acak linear congruential

generator.

2.1 Rekayasa Kualitas

Rekayasa kualitas berhubungan dengan rekayasa perancangan dan

manufaktur, yang meliputi aktivitas pengendalian kualitas yang mendasari setiap

fase dari riset produk, pengembangan produk, proses perancangan, produksi dan

kepuasan pelanggan. Peran dari setiap aktivitas ini mendukung tujuan peningkatan

kualitas secara keseluruhan, percepatan penemuan baru, pemecahan masalah yang

cepat dan efektivitas biaya yang mendukung tercapainya kualitas. Untuk

mewujudkan tujuan ini maka rekayasa kulitas dapat dibagi menjadi dua kategori

yaitu: pengendalian kualitas secara on-line dan pengendalian kualitas secara off-

line (Peace, 1992).

2.1.1 Pengendalian Kualitas Secara On-Line

Merupakan teknik untuk memantau produksi, mengukur kualitas produksi

yang sedang berjalan, memberikan sinyal mengenai masalah yang potesial dan

memberikan tindakan koreksi secara langsung. Sistem informasi feedback

merupakan dasar pemberitahuan kepada operator dan supervisorproduksi. Data

diperoleh dari proses kritis produksi hasil pemantauan real-time.

Data yang diperoleh dari lini produksi kemudian dibandingkan dengan

target yang telah ditetapkan. Jika analisis mengindikasikan bahwa proses yang

sedang berjalan tidak sesuai, maka diperlukan adjustment untuk mengembalikan

proses ke dalam range yang sesuai. Prediksi dan koreksi berfungsi untuk

mendukung dan bertindak mengenai input hasil diagnosis dan adjustment.

Berdasarkan data historis dan studi kapabilitas, prediksi target menghasilkan

referensi untuk menentukan apakah proses produksi yang berjalan.


commit to user

II-2

Manfaat lain dari pengendalian kualitas on-line adalah meliputi preventive

maintenance, kalibrasi sensor device dan inspeksi yang ekonomis. Hal ini berarti

akan menghasilkan pengendalian proses yang efektif dari segi biaya (Peace,

1992). 2.1.2 Pengendalian Kualitas Secara Off-Line

Tujuan dari pengendalian kualitas secara Off-line adalah untuk

mengoptimalkan perancangan proses dan produk. Perancangan eksperimen

merupakan alat fundamental bagi pengendalian kualitas off-line. Eksperimen

mempunyai dua peran penting yaitu mengidentifikasi sumber variansi dan

menentukan perancangan dan proses yang optimal. Identifikasi sumber variansi

berfungsi untuk meminimalkan efek dari sumber variansi terhadap produk.

Penentuanlevel terbaik dari faktor-faktor kritis digunakan untuk menentukan nilai

target dalam pengendalian kualitas on-line dan menghasilkan solusi pada masalah

yang teridentifikasi pada produksi. Secara fungsional pengendalian kualitas off-

line dapat terbagi menjadi tiga urutan tahapan, yaitu perancangan sistem,

perancangan parameter dan perancangan toleransi (Peace, 1992).

2.2 Perancangan Eksperimen

Tahap esensial untuk melakukan eksperimen yang baik dapat dibagi

menjadi empat fase yaitu : merencanakan eksperimen, merancang eksperimen,

melakukan eksperimendan menganalisis eksperimen.

Perencanaan eksperimen yang efektif merupakan dasar dari tiga fase

setelahnya. Meliputi isu organisasional seperti keterlibatan personel yang sesuai

dan dukungan manajemen. Perencanaan yang teliti meliputi kecermatan untuk

mengidentifikasi karakteristik kualitas, menentukan pengukuran yang diperlukan,

pemilihan faktor dan setting yang diperlukan dan strategi eksperimen yang sesuai.

Perancangan eksperimen meliputi konstruksi layout eksperimen dan

pemilihan matrik eksperimen yang paling efisien untuk menghasilkan hasil yang

diinginkan dan mengandung semua informasi yang diperlukan. Fase ini juga

mencakup pemilihan interaksi faktor.

Melakukan eksperimen merupakan eksekusi eksperimen yang telah

dikembangkan dalam fase perencanaan dan perancangan. Fase ini meliputi

pengembangan test plan, persiapan dan koordinasi untuk melakukan penelitian.


commit to user

II-3

Eksekusi eksperimen yang efektif adalah eksekusi yang membutuhkan sedikit

effort dan dalam waktu yang singkat. Kegagalan untuk mempertimbangkan aspek

ini akan menghasilkan pengukuran yang salah dan hasil yang bias.

Fase analisis berhubungan dengan kalkulasi untuk mengubah data mentah

ke informasi yang berarti dan untuk menginterpretasikan hasil. Analisis

seharusnya meliputi tabulasi dan grafis. Analisis meliputi penentuan faktor yang

paling penting, pemilihan level optimal untuk faktor tersebut dan menghitung

hasil prediksi pada setting faktor yang direkomendasikan. Confirmation run pada

setting tersebut penting untuk mengetahui reproduksibilitas rekomendasi dan

menetapkan asumsi yang digunakan dalam perencanaan dan perancangan

eksperimen (Peace, 1992).

Gambar 2.1Tahapperancanganeksperimen Sumber: Peace, 1992.


commit to user

II-4

Metode perancangan eksperimen dibagi mejadi empat yaitu build-test-fix,

one factorial, full factorial experiment dan orthogonal array (Chang and Jeang,

2002).

2.2.1 Build-Test-Fix

Build-test-fix mengasumsikan bahwa setiap hasil yang jatuh dalam batas

spesifikasi adalah sama baik. Pendekatan ini terlalu lambat dan tidak efisien

karena sangat tergantung pada keahlian peneliti. Sebagai konsekuensinya, selalu

ada kebutuhan untuk merework dan meningkatkan performansi (Chang and Jeang,

2002).

2.2.2 One Factorial

One factorial merupakan studi yang sistematis karena mempelajari

pengubahan satu faktor dalam satu waktu. Pendekatan ini lambat dari segi waktu

karena memerlukan pairwise comparison untuk tiap faktor sampai semua faktor

dievaluasi dan terlalu mahal untuk dilakukan. Selain itu pendekatan ini tidak

menjelaskan bagaimana efek dari perubahan faktor terhadap perubahan faktor lain

dalam interaksi antar faktor (Chang and Jeang, 2002).

2.2.3 Full Factorial

Full factorial experiment mempertimbangkan semua kombinasi yang

mungkin dari semua faktor, memaksimalkan kemungkinan menemukan hasil yang

baik. Kelemahan dari pendekatan ini adalah terlalu banyak eksperimen yang

dibutuhkan untuk mendapatkan informasi mengenai efek dari faktor-faktor yang

digunakan(Peace,1992).

Pendekatan ini hanya efektif digunakan pada penelitian yang melibatkan

sedikit faktor dan sedikit level. Pendekatan ini akan memakan banyak waktu dan

biaya (Chang and Jeang, 2002).

2.2.4 Orthogonal Array

Orthogonal array merupakan metode untuk menentukan setting

eksperimen yang hanya membutuhkan sebagian eksperimen dari eksperimen yang

dibutuhkan dalam full factorial experimentcombination. Kombinasi perlakuan


commit to user

II-5

dipilih untuk menghasilkan informasi yang cukup untuk menenukan efek faktor.

Pendekatan ini merupakan cara yang efisien, dan mudah dilakukan (Chang and

Jeang, 2002).

Orthogonal array pertama kali digunakan oleh R.A Fisher untuk

mengendalikan experimental error. Taguchi menggunakan orthogonal array tidak

hanya untuk mengukur efek faktor pada hasil rata-rata eksperimen, tetapi untuk

menentukan variansi dari mean. Manfaat utama dari orthogonal array adalah

mengetahui hubungan antar faktor yang berpengaruh dalam penelitian. Level-

level dari tiap faktor akan muncul dalam dalam jumlah yang sama dengan level-

level dari faktor lainnya. Hal inilah yang menyebabkan eksperimen menjadi

seimbang dan memungkinkan efek dari satu faktor terpisah dari efek faktor yang

lainnya.

Kelebihan lain dari orthogonal array adalah efisien dari segi biaya.

Meskipun menghasilkan eksperimen yang seimbang, orthogonal array tidak

memerlukan percobaan yang melibatkan semua kominasi dari semua faktor ,

sehingga eksperimen yang dilakukan lebih sedikit tetapi tidak menghilangkan

informasi penting yang dihasilkan. Semakin sedikit eksperimen yang dilakukan

akan semakin menghemat biaya. Itulah mengapa eksperimen efisien dari segi

biaya.


commit to user

II-6

Tabel 2.1 Orthogonal array L27(313)

Orthogonalarray L27(313) ini, kolom bersifat mutually orthogonal yang

berarti untuk setiap kolom semua kombinasi level dari setiap faktor muncul dalam

jumlah yang sama. Pada array L27(313) diatas 1,2,3,…,13 merupakan faktor yang

terdiri dari tiga level untuk setiap faktornya. L27 berarti bahwa ada 27 eksperimen

yang harus dilakukan untuk pengambilan kesimpulan. Jumlah baris menunjukkan

banyaknya eksperimen yang harus dilakukan. Jumlah kolom menunjukkan jumlah

faktor maksimum yang dapat diakomodasi (Dean, Unal and Edwin, 1991).

2.3 Metode Taguchi

Kualitas didefinisikan dalam berbagai istilah yaitu sesuai dengan

spesifikasi, zero defect dan kepuasan pelanggan. Taguchi mengusulkan cara

pandang kualitas dari segi biaya, waktu produksi, dan kepuasan pelanggan secara

menyeluruh (Chang and Jeang, 2002). Taguchi mendefinisikan kualitas sebagai

kerugian minimum yang ditanggung konsumen sejak produk mulai diterima

konsumen (Mustajib, 2010). Kerugian ini dapat disebabkan oleh rework,

pemborosan sumberdaya selama proses produksi, keluhan dan ketidakpuasan

faktorEksperimen

1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 2 2 2 2 2 2 2 2 23 1 1 1 1 3 3 3 3 3 3 3 3 34 1 2 2 2 1 1 1 2 2 2 3 3 35 1 2 2 2 2 2 2 3 3 3 1 1 16 1 2 2 2 3 3 3 1 1 1 2 2 27 1 3 3 3 1 1 1 3 3 3 2 2 28 1 3 3 3 2 2 2 1 1 1 3 3 39 1 3 3 3 3 3 3 2 2 2 1 1 110 2 1 2 3 1 2 3 1 2 3 1 2 311 2 1 2 3 2 3 1 2 3 1 2 3 112 2 1 2 3 3 1 2 3 1 2 3 1 213 2 2 3 1 1 2 3 2 3 1 3 1 214 2 2 3 1 2 3 1 3 1 2 1 2 315 2 2 3 1 3 1 2 1 2 3 2 3 116 2 3 1 2 1 3 3 3 1 2 2 3 117 2 3 1 2 2 1 1 1 2 3 3 1 218 2 3 1 2 3 2 2 2 3 1 1 2 319 3 1 3 2 1 3 2 1 3 2 1 3 220 3 1 3 2 2 1 3 2 1 3 2 1 321 3 1 3 2 3 2 1 3 2 1 3 2 122 3 2 1 3 1 3 2 2 1 3 3 2 123 3 2 1 3 2 1 3 3 2 1 1 3 224 3 2 1 3 3 2 1 1 3 2 2 1 325 3 3 2 1 1 3 2 3 2 1 2 1 326 3 3 2 1 2 1 3 1 3 2 3 2 127 3 3 2 1 3 2 1 2 1 3 1 3 2

10 11 12 131 2 3 4 5 6 7 8 9


commit to user

II-7

pelanggan, waktu dan uang yang dihabiskan pelanggan karena kegagalan produk

dan kehilangan market share.

Gambar 2.2 Grafik loss function Sumber: Dean, Unal and Edwin, 1991.

Saat kareakteristik kualitas menyimpang dari target maka akan

menyebabkan kerugian. Kualitas secara sederhana didefinisikan sebagai tidak

adanya variansi atau hanya sedikit variansi dari sutu proses produksi (Kackar,

1985). Penelitian mengenai loss function menunjukkan bahwa meminimasi

variansi dapat menurunkan total biaya yang diperlukan dalam suatu proses

produksi.

Kelebihan dari metode Taguchi adalah dapat mempertimbangkan banyak

faktor dalam satu waktu, selain itu juga dapat mencari perancanganparameter

yang tidak terpengaruh variansi dalam proses produksi. Selain itu metode Taguchi

juga dapat mempertimbangkan noise factor sebagai faktor yang tidak terkontrol.

Meskipun sama dengan perancangan eksperimen, Taguchi hanya melakukan

kombinasi eksperimen yang orthogonal (seimbang), yang menyebabkan

perancangan Taguchi lebih efektif dibanding perancangan eksperimen full

factorial. Dengan menggunakan metode Taguchi industri akan mampu

mengurangi waktu siklus untuk proses perancangan dan produksi sehingga dapat

mengurangi biaya produksi yang berarti meningkatkan profit. (Bryne and Taguchi,

1986).

.................................... (2.1)

dimana : KS = koefisien quality loss (Ks = )

s = jumlah karakteristik kualitas

UYs = parameter

TYs = target


commit to user

II-8

σ2Ys = variansi

CM = biaya manufaktur

Taguchi membagi membagi eksperimen melalui tiga tahap yaitu

perancangan sistem, perancangan parameter dan perancangan toleransi.

2.3.1 Perancangan Sistem

Perancangan sistem merupakan tahap konseptual pada pengembangan

produk baru atau inovasi proses. Tahap ini merupakan tahap ide dimana sesuatu

yang revolusioner dari pengembangan sebelumnya dipahami dan diuji.

Konsepnya dapat berasal dari pengalaman masa lampau, pengetahuan ilmuwan,

atau kombinasi keduanya. Strategi dibalik perancangan sistem adalah untuk

mengambil ide baru dan mengubahnya menjadi sesuatu yang dapat dilakukan.

Membuat produk dan proses dapat beroperasi dengan baik secara konsisten

merupakan tujuan dari tahap perancangan selanjutnya yaitu perancangan

parameter (Peace, 1992).

2.3.2 Perancangan Parameter

Tujuan dari perancangan parameter adalah untuk mengembangkan inovasi

yang dibutuhkan dalam perancangan sistem dan mengembangkannya agar dapat

berfungsi secara konsisten. Fokus utama dariTaguchi adalah membuat produk dan

proses yang handal terhadap pengaruh tak terkontrol yang dapat menghalangi

produk atau proses bekerja sesuai dengan fungsinya. Pengaruh tak terkontrol

itulah yang disebut sebagai noise factor.

Alat untuk mencapai tujuan dari perancangan parameter adalah

perancangan eksperimen. Strategi yang melatar belakangi perancangan

eksperimen adalah berdasarkan pertimbangan biaya. Langkah yang dilakukan

sebisa mungkin diarahkan untuk menentukan perancangan terbaik dengan biaya

yang paling minimal. Untuk mencapai tujuan ini maka penelitian dimulai dengan

komponen atau bahan dengan biaya yang paling minimal.

Selain untuk meminimalkan biaya, perancangan parameter juga bertujuan

untuk mengurangi variansi tanpa penambahan biaya. Penghilangan penyebab

variansi membutuhkan biaya yang sangat mahal. Strategi yang digunakan adalah

untuk meminimalkan efek dari penyebab ini. Dengan menentukan nilai setting


commit to user

II-9

terbaik dari setiap faktor tidak akan membutuhkan biaya yang mahal, kualitas

dapat ditingkatkan tanpa penambahan biaya.

Setelah perancangan sistem ditentukan maka langkah selanjutnya adalah

perancanganparameteryang bertujuan untuk memilih level optimum dari setiap

faktor terkontrol sehingga dapat dihasilkan paremeter design yang robust terhadap

noise factor yang menyebabkan variansi. Noise factor merupakan faktor yang

tidak terkontrol atau terlalu mahal untuk dikontrol (Peace, 1992).

Pendekatan taguchi pada perancangan sistem akan menghailkan

perancangan yang sistematik dan efisien untuk menentukan parameter

perancangan yang optimal dari segi performansi dan biaya (Kackar, 1985).

Tujuannya adalah memilih kombinasi terbaik dari faktor-faktor terkontrol

sehingga menghasilkan produk dan proses yang robust terhadapnoise factor

yangmerupakan faktor yang tidak terkontrol atau terlalu mahal untuk dikontrol.

Metode Taguchi menggunakan orthogonal array dari teori perancangan

experimen untuk mempelajari variabel yang sangat banyak dengan sedikit

eksperimen. Penggunaan orthogonal array secara signifikan mengurangi jumlah

experimen yang harus dilakukan, selain itu kesimpulan yang dihasilkan valid

walaupun hanya diambil dari sedikit eksperimen(Dean, Unal and Edwin, 1991).

2.3.3 Perancangan Toleransi

Tujuan dari perancangan toleransi adalah untuk menetukan daerah

penerimaan dari variabilitas disekitar setting nominal yang ditentukan dalam

perancangan parameter. Perancangan eksperimen digunakan untuk mempelajari

produk. Analysis of Variance (ANOVA) digunakan untuk mengetahui signifikansi

pengaruh tiap faktor terhadap hasil eksperimen (Peace, 1992).

Strategi dalam perancangan toleransi adalah untuk menentukan toleransi

dan level faktor yang mempunyai pengaruh terbesar terhadap variabilitas.

Toleransi dapat diketatkan berdasarkan tradeoff antara biaya dan pengurangan

variansi proses/produk (Peace, 1992).

Ketika perancangan parametertidak cukup untuk mengurangi variansi

output, tahap terakhir yang dapat dilakukan adalahperancangan toleransi. Batas

toleransi harus ditentukan untuk setiap faktor. Toleransi yang ketat dapat


commit to user

II-10

meminimasi variansi output tetapi juga akan meningkatkan biaya operasi dan

produksi(Dean, Unal and Edwin, 1991).

2.3.4 Robustness

Robustness dapat didefinisikan dari dua sisi yaitu dari sisi produk dan

proses. Dari sisi produk kehandalan merupakan kemampuan produk untuk

menunjukkan konsistensi sesuai dengan perancangannya dengan efek yang

minimal terhadap perubahan faktor tak terkendali yang mempengaruhinya.

Sedangkan dari sisi proses kehandalan merupakan kemampuan proses untuk

menghasilkan produk baik secara konsisten dengan efek yang minimal terhadap

perubahan faktor tak terkendali yang mempengaruhi proses maufaktur.

Ada beberapa faktor penyebab variansi yang tidak dapat dikendalikan atau

mungkin dapat dikendalikan tetapi membutuhkan biaya yang sangat banyak.

Strategi yang dikembangkan Taguchi adalah meminimalkan efek dari faktor tidak

terkendali ini (Dean, Unal and Edwin, 1991).

2.3.5 Derajat Kebebasan

Derajat kebebasan merupakan ukuran jumlah informasi mengenai obyek

penelitian yang dapat diperoleh. Definisi umumnya adalah jumlah yang

diperlukan tanpa perulangan untuk mengambil kesimpulan. Dalam bidang

penelitian, diterjemahkan sebagi jumlah perbandingan antara faktor atau interaksi

level yang diperlukan untuk menentukan level mana yang level baik dan seberap

baik level tersebut (Dean, Unal and Edwin, 1991).

Derajat kebebasan yang diperlukan untuk mempelajari efek faktor sama

dengan lebih sedikit satu dibanding jumlah level yang digunakan dalam

eksperimen.

....................................................................... .... (2.2)

Dimana n : jumlah level

Bila kita mempertimbangkan interaksi antar faktor maka derajat kebebasan

diperoleh berdasarkan persamaan berikut:

.......................................... (2.3)


commit to user

II-11

dimana m : jumlah level faktor M

n : jumlah level faktor N

o : jumlah level faktor O

2.3.6 Signal to Noise (S/N) Rasio

S/N rasio (η) merupakan rasio antara mean (signal) terhadap variansi

(noise). Persamaan S/N rasio tergantung pada kriteria karateristik kualitas yang

akan dioptimalkan. Terdapat tiga jenis karakteristik kualitas yang

dipertimbangkan dalam metode Taguchi yaitu :

· Larger the better, merupakan karakteristik kualitas apabila semakin

besar nilainya maka akan semakin baik. Sebagai contoh

Kekuatanpaving block, semakin besar kekuatannya maka akan semakin

baik.

· Smaller the better, merupakan karakteristik kualitas apabila semakin

kecil nilainya maka akan semakin baik. Sebagai contoh biaya, semakin

kecil biaya yang dibutuhkan pada proses produksi maka akan semakin

baik karena dapat meningkatkan profit.

· Nominal is the best, merupakan karakteristik kualitas apabila tepat pada

nilai target maka akan semakin baik. Sebagai contoh dimensi produk,

semakin mendekati target yang ditentukan maka akan semakin

berkualitas produk tersebut (Peace, 1992).

Apapun jenis karakteristik kualitas yang digunakan S/N rasio yang terbaik

adalah yang terbesar. S/N rasio yang terbesar akan menghasilkan level optimum

untuk setiap faktor.

2.4 Kapabilitas Proses

Kapabilitas proses merupakan perbandingan antara output proses

terkendali dengan batas spesifikasi yang merupakan ukuran keseragaman proses

dalam menghasilkan produk dengan karakteristik kualitas tertentu. Kapabiltas

proses ini ditentukan oleh variabilitas acak proses (Madenhall, 1985).

Berdasarkan nilainya kapabilitas proses dibagi menjadi tiga jenis yaitu:


commit to user

II-12

· Cp> 1, maka kapabilitas proses sangat baik karena batas spesifikasi

terpenuhi.

· Cp = 1, maka kapabilitas proses baik, berarti batas toleransi proses

bertepatan dengan batas spesifikasi.

· Cp < 1,maka kapabilitas proses rendah, berarti variabilitas proses lebih

besar dari batas spesifikasi yang bearti terdapat produk yang tidak sesuai dengan

spesifikasi.

Nilai kapabilitas proses diperoleh berdasarkan Persamaan 2.4 berikut ini : 乸Ƽƅ能ƅƼƅ脑弃 .......................................................................... (2.4)

dimana : Cp : kapabilitas proses

USL : upper specification limit

LSL : lower specification limit

σ : standar deviasi

2.5 Simulasi Monte Carlo

Simulasi monte carlo merupakan metode yang menggunakan

pembangkitan bilangan acak untuk mensimulasikan kombinasi sampel factor

dalam jumlah banyak yang disebut testing condition untuk mendapatkan mean

dan variansi respon yang akurat (Phadke, 1989). Dalam analisis simulasi monte

carlo, peningkatan jumlah sampel akan mengurangi kesalahan, tetapi jumlah

sampel yang besar itu akan bernilai mahal. Teknik reduksi ragam dapat digunakan

untuk mengatasi kelemahan tersebut. Teknik ini menggabungkan informasi

tambahan tentang analisis secara langsung kedalam penduga sehingga

memungkinkan penduga montecarlo lebih deterministik untuk meminimalkan

kesalahan. Teknik pengurangan ragam dapat dilakukan menggunakan antithetic

varietes, control variates, importance sampling dan stratified sampling

(Siringoringo, 2005).


commit to user

II-13

2.6 Pembangkitan Bilangan Acak Menggunakan Metode Linear

Congruential Generator(LCG)

Kelton (2002) menyatakan bahwa LCG merupakan salah satu pembangkit

bilangan acak tertua dan sangat terkenal. LCG didefinsikan dalam rumus

rekurensi berikut:

.................................................................... (2.5)

dimana m : modulus

a : multiplier

c : incremental

Z0 : nilai awal (seed)

Zn : nilai ke n yang merupakan bilangan integer non negative.

Pemilihan nilai a, b, m dan X akan sangat berpengaruh pada karakteristik

statistic dan panjang siklus bilangan acak yang dihasilkan (Banks, 2001).

LCG banyak digunakan pada simulasi yang membutuhkan ratusan ribu

bilangan acak sehingga sangat penting dibutuhkan periode penuh (m-1) untuk

memastikan bahwa setiap integer antara 0 sampai m-1 akan muncul sekali dalam

setiap siklus (Kelton, 2002). LCG mempunyai periode penuh (m-1) apabila

memenuhi syarat berikut :

· a-1 dapat dibagi dengan semua faktor prima dari m

· a-1 adalah kelipatan 4 jika m adalah kelipatan 4

· m>maks (a,c,x0)

· a>0,c>0

Kelebihan LCG terletak pada kecepatannya dan hanya membutuhkan

sedikit operasi bit, tetapi LCG mempunyai kelemahan yaitu dapat diprediksi

urutan kemunculannya dan nilai Z yang ditentukan berdasarkan persamaan diatas

tidak benar-benar menghasilkan bilangan acak.LCG sangat sesuai untuk simulasi

karena LCG memperlihatkan sifatstatistik yang baik dan sangat tepat untuk uji-uji

empiris (Kelton, 2002). Pembangkitan bilangan acak dalam simulasi berfungsi

sebagai multiple trials untuk menentukan nilai yang diinginkan dari suatu variable

acak (Jeges, 2001).


commit to user

II-14

LCG mempunyai dua jenis yaitu mixed generatordanmultiplicative

generator. Mixed generator apabila nilai . Bilangan acak yang dihasilkan

memiliki karakteristik statistik yang buruk. Multiplicative generator apabila nilai

c . Multiplicative telah ditemukan sebelum mixed generator dan telah

dipelajari secara intensive. Mayoritas LCG yang digunakan saat ini adalah

multiplicative generator karena kinerjanya lebih baik dibandingkan mixed

generator (Kelton, 2002).

2.7 Toleransi

Toleransi merupakan batas penyimpangan atas dan batas penyimpangan

bawah ukuran dasar dari suatu benda kerja yang bertujuan agar benda kerja dapat

diproduksi secara massal pada tempat yang berbeda dan tetap memenuhi

fungsinya. Pengertian istilah dalam lingkup toleransi dapat dilihat pada Gambar

2.3 berikut ini.

Gambar 2.3 Toleransi Sumber: Chan, 2010.

Ud = ukuran dasar (nominal), ukuran yang dibaca tanpa penyimpangan.

Pa = penyimpangan atas (upper allowance), penyimpangan terbesar yang

aa diizinkan.

Pb = penyimpangan bawah (lower allowance) penyimpangan terkecil yang

aadiizinkan.

Umaks = ukuran maksimum izin, penjumlahan antara ukuran dasar dengan

aaapenyimpangan atas.


commit to user

II-15

Umin = ukuran minimum izin, penjumlahan antara ukuran dasar dengan

aaapenyimpangan bawah.

TL = toleransi lubang

TP = toleransi poros, perbedaan antara penyimpangan atas dengan

aaaapenyimpangan bawah atau perbedaan antara ukuran maksimum

aaaadengan ukuran minimum yang diizinkan.

GN = garis nol, ke atas daerah positif dan kebawah daerah negatif.

US = ukuran sesungguhnya, ukuran dari hasil pengukuran benda kerja setelah

aadiproduksi, terletak diantara ukuran minimum izin sampai dengan

aaukuran maksimum izin.

2.7.1 Toleransi Umum

Toleransi umum ialah toleransi yang mengikat beberapa ukuran dasar,

sedangkan toleransi khusus hanya mewakili ukuran dasar dengan toleransi

tersebut dicantumkan. Berikut merupakan tabel toleransi umum yang standar pada

gambar kerja, kualitas toleransi umum dipilih antara teliti, sedang atau kasar.

Kualitas yang sering digunakan adalah sedang (medium).

Tabel 2.2 Toleransi umum

Sumber: Chan, 2010.

Tabel 2.3 Toleransi umum untuk radius dan chamfer

Sumber: Chan, 2010.


commit to user

II-16

Tabel 2.4 Toleransi umum untuk sudut

Sumber: Chan, 2010.

2.7.2 Toleransi ISO

Tolelansi ISO (International Organization for Standarization) yang

menggunakan huruf dan angka toleransi dengan mengikuti ketentuan sebagai

berikut :

a. suhu ruang pengukuran diseragamkan yaitu 200 C

b. terdapat dua klasifikasi yaitu golongan lubang antara lain lebar alur pasak,

lebar alur slot, lubang untuk pena dan golongan poros antara lain poros,

pasak slot.

Kedudukan daerah toleransi terhadap garis nol dilambangkan dengan

huruf. Huruf kapital untuk golongan lubang dan huruf kecil untuk golongan poros.

Adapun huruf I, L, O, Q dan W beserta huruf kecilnya tidak digunakan. Hal ini

untuk menghindari kekeliruan dengan angka ukur. Daerah H dijadikan sebagai

patokan untuk perancangan bagian yang berasangan (suaian/fits) karena

penyimpangan bawahnya berimpit dengan garis nol. Adapun daerah h,

penyimpangan atasnya yang berimpit dengan garis nol. Kedudukan daerah

toleransi lainnya seperti kedudukan abjad terhadap huruf H.

Gambar 2.4 Toleransi ISO Sumber: Chan, 2010.

Kualitas toleransi dibagi menjadi 18 tingkatan yaitu dari IT 01, IT 00, IT

1, IT 2, ..., IT 6 (IT= International Tolerance), pada penyajiannya dilambangkan


commit to user

II-17

dengan angka, misalnya 10H7, 12g6. Ukuran dasar yang sama dengan kualitas

berbeda maka harga penyimpangan izinnya akan berbeda.

Tabel 2.5 Toleransi ISO

Sumber: Chan, 2010.

2.7.3 Toleransi Untuk Bagian Berpasangan (Suaian/Fits)

Dua bagian benda dari golongan lubang dan poros yang mempunyai

ukuran dasar sama dipasangkan, misalnya poros dan bantalan gelinding (ball

bearing) disebut suaian. Terdapat tiga jenis suaian yaitu:

a. Suaian longgar (clearence fits), setelah dipasang selalu ada

celah/clearence karena lubang lebih besar dari poros.

b. Suaian paksa (sesak/interference fits), harus dipasang dengan cara

paksa (dipres) karena poros lebih besar dari lubang (terdapat

kesesakan).

c. Suaian transisi (tidak tentu/transition fits), kemungkinan terjadi

suaian longgar atau suaian paksa, tergantung dari ukuran

sesungguhnya, setelah benda kerja dibuat.


commit to user

II-18

2.7.4 Sistem Suaian

Sistem suaian terdapat dua jenis yaitu sistem basis lubang dan sistem basis

poros.

a. Suaian sistem basis lubang, pada sistem ini daerah H dijadikan patokan

dengan dasar bahwa penyimpangan bawahnya sama dengan nol, daerah toleransi

poros diatur menurut suaian yang direncanakan.

b. Suaian sistem basis poros, pada sistem ini menggunakan daerah h

sebagai patokan, mengingat penyimpanhan atasnya sama dengan nol, daerah

toleransi lubang diatur menurut suaian yang direncanakan.

Sistem basis lubang lebih banyak digunakan karena pengerjaan lubang

lebih sulit dari pada pengerjaan poros juga alat ukur untuk mengukur lubang

lebih mahal dari alat ukur untuk mengukur poros.

2.7.5 Toleransi Geometri (Bentuk dan Posisi)

Toleransi bentuk adalah penyimpangan bentuk benda kerja yang diizinkan

apabila dibandingkan dengan bentuk yang dianggap ideal.

Toleransi posisi adalah penyimpangan possi yang diizinkan terhadap posisi

yang digunakan sebagai patokan (datum feature).

Gambar 2.5 Toleransi bentuk Sumber: Chan, 2010.


commit to user

II-19

Gambar 2.6 Toleransi posisi

Sumber: Chan, 2010.


commit to user

III-1

BAB III METODOLOGI PENELITIAN

Bab ini menguraikan secara sistematis mengenai langkah-langkah yang

dilakukan dalam perancangan parameter dan toleransi komponen secara simultan

pada ragum untuk meminimumkan total biaya. Langkah-langkah yang dilakukan

dalam penelitian ditunjukan pada Gambar 3.1 di bawah ini.

Mulai

Perumusan Masalah

Tujuan Penelitian

Manfaat Penelitian

Studi Literatur

Penentuan level Eksperimen

Penentuan Orthogonal Array

Eksperimen Menggunakan Simulasi

Montecarlo

Analisis dan Interpretasi Hasil

Kesimpulan dan Saran

Selesai

Tahap Kesimpulan dan Saran

Tahap Analisis

Identifikasi Masalah

Pengumpulan dan Pengolahan Data

Penentuan Setting Level Optimal

Eksperimen Konfirmasi

Penentuan S/N rasio

Penentuan Faktor Eksperimen

Penentuan Karakteristik Kualitas

Ragum

Gambar 3.1 Metodologi Penelitian


commit to user

III-2

Langkah-langkah penyelesaian masalah pada gambar 3.1 diuraikan dalam

sub bab di bawah ini.

3.1 Tahap Identifikasi Masalah

Tahap ini diawali dengan studi literatur,perumusan masalah, penentuan

tujuan penelitian dan menentukan manfaat penelitian. Langkah-langkah yang ada

pada tahap identifikasi masalah tersebut dijelaskan sebagai berikut.

3.1.1 Studi Literatur

Studi literaturdilakukan untuk mendukung proses identifikasi perancangan

parameter dan toleransi komponen secara simultan pada ragum untuk

meminimumkan total biaya. Studi literatur dilakukan dengan mencari informasi

yang berkaitan dengan permasalahan yang dibahas dalam perancangan ini.

Pencarian informasi ini dilakukan dengan melalui buku, jurnal, penelitian

sebelumnya danartikel-artikel yang berkaitandenganmetodetaguchi, perancangan

produk, simulasi monte carlo dan hal-hal yang berkaitan dengan ragum. Informasi

yang diperoleh tersebut dijadikan sebagai referensi untuk mendukung pembahasan

dalam penelitian ini.

3.1.2 Perumusan Masalah

Identifikasi masalah yang telah dilakukan digunakan untuk menyusun

sebuah rumusan masalah. Perumusan masalah dilakukan dengan menetapkan

sasaran yang akan dibahas untuk kemudian dicari solusi pemecahan masalahnya.

Perumusan masalah juga dilakukan agar dapat fokus dalam membahas

permasalahan yang dihadapi. Permasalahan yang akan dibahas lebih lanjut adalah

bagaimana merancang parameter dan toleransi komponen secara simultan pada

ragum untuk meminimalkan total biaya.

3.1.3 Tujuan Penelitian

Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat

menjawab dan menyelesaikan rumusan masalah yang dihadapi. Tujuan penelitian

yang ditetapkan dari hasil perumusan masalah adalah untuk mengetahuipengaruh

parameter, toleransi dan kapabilitas proses terhadap total biaya dan menentukan


commit to user

III-3

parameter dan toleransi optimal secara simultan pada ragum untuk meminimalkan

total biaya.

3.1.4 Manfaat Penelitian

Suatu permasalahan akan diteliti apabila di dalamnya mengandung unsur

manfaat. Manfaat yang diharapkan dari penelitian ini adalah menghasilkan

metode perancangan parameter dan toleransi optimal yang lebih efisien dalam

perancangan produk dibandingkan metode sekuensial.

3.2 PengumpulanData

3.2.1 Penentuan Karakteristik Kualitas

Karakteristik kualitas kunci ditentukan dengan cara menentukan variabel

kritis yang menentukan fungsionalitas produk. Ragum dikatakan berfungsi dengan

baik apabila mampu mencekam benda kerja dengan baik. Untuk mencekam benda

kerja maka rahang pencekam harus dapat digerakkan sesuai dengan besarnya

benda kerja yang akan dicekam. Sehingga karakteristik kualitas kunci pada ragum

adalah bagian yang menentukan mekanisme gerak rahang pencekam pada ragum,

yaitu clearance antara dudukan ragum dengan rahang pencekam dinamis.

Karakteristik kualitas kunci tersebut kemudian digunakan untuk menentukan

kerugian kualitas yang merupakan fungsi dari total biaya.

3.2.2 Penentuan Faktor Dalam Eksperimen

Penentuan factor dalam eksperimen dilakukan dengan menentukan

variabel-variabel yang mempengaruhi karakteristik kualitas kunci pada ragum

yang dinyatakan dalam dimension chain. Kapabilitas proses juga dipertimbangkan

dalam penelitian ini karena kapabilitas proses menunjukkan seberapa baik proses

manufaktur mampu memenuhi spesifikasi yang telah ditetapkan.

3.2.3 Penentuan Level Eksperimen

Penentuan level eksperimen dilakukan dengan menentukan jumlah level

untuk setiap faktornya. Eksperimen ini terdiri dari 3 level untuk setiap faktornya.


commit to user

III-4

3.3 Pengolahan Data

3.3.1 Penentuan Orthogonal Array

Jumlah faktor yang mempengaruhi karakteristik kualitas kunci berserta

jumlah levelnya dijadikan dasar dalam pemilihan orthogonal array yang akan

digunakan dalam penelitian. Ketentuan yang digunakan adalah jumlah kolom

pada orthogonal array harus lebih besar dari jumlah faktor yang mempengaruhi

karakteristik kualitas kunci dalam penelitian dan jumlah level pada orthogonal

array harus sama dengan level yang digunakan dalam penelitian.

3.3.2 Eksperimen Menggunakan Simulasi Monte Carlo

Eksperimen menggunakan simulasi montecarlo dilakukan untuk

membangkitkan 100 sampel parameter ragum menggunakan metode linear

congruential generator yang kemudian digunakan untuk menentukan nilai

karakteristik kualitas kunci. Nilai karakteristik kualitas kuncitersebutkemudian

digunakan untuk menentukan besarnya kerugian kualitas yang dinyatakan dalam

total biaya yang dibutuhkan (TC) sesuai dengan Persamaan 2.1.

3.3.3 Penentuan S/N Rasio

Penentuan S/N rasio berdasarkan karakteristik kualitas smaller the better

karena tujuan dari penelitian ini adalah untuk meminimalkan total biaya yang

dibutuhkan dalam perancangan parameter dan toleransi ragum. S/N rasio dihitung

berdasarkan Persamaan 3.1 dibawah ini.

............................................................................... . (3.1)

Nilai S/N rasio yang diperoleh kemudian digunakan untuk menentukan

setting level optimal dan untuk melakukan Analysis of Variance (ANOVA) yang

berfungsi untuk mengetahui pengaruh faktor parameter, toleransi dan kapabilitas

proses terhadap total biaya.

3.3.4 Penentuan Setting Level Optimal

Penentuan setting level optimal untuk faktor parameter, toleransi dan

kapabilitas proses dilakukan berdasarkan nilai S/N rasio yang paling besar. Level


commit to user

III-5

dengan nilai S/N rasio yang paling besar untuk masing-masing factor tersebut

akan menghasilkan total biaya yang minimal dalam pembuatan ragum.

3.3.5 EksperimenKonfirmasi

Eksperimen konfirmasi dilakukan menggunakan level optimal yang telah

terpilih kemudian hasilnya dibandingkan dengan eksprimen prediksi yang telah

dilakukan sebelumnya. Apabila eksperimen konfirmasi mampu menghasilkan

total biaya yang lebih rendah dengan kualitas yang baik maka setting level

optimal yang telah ditentukan dapat diterima sebagai rekomendasi untuk

merancang ragum

3.4 Tahap Analisis

Tahap ini bertujuan untuk melakukan analisis dan interpretasi hasil

terhadap pengumpulan dan pengolahan data sebelumnya. Analisis yang dilakukan

meliputi analisis pengaruh faktor terhadap biaya, analisis pengaruh faktor

terhadap S/N rasio, mengetahui signifikansi pengaruh faktor terhadap biaya, serta

menganalisis kesesuaian produk dengan spesifikasi yang ditentukan.

3.5 Tahap Kesimpulan Dan Saran

Tahap ini akan membahas kesimpulan dari hasil pengolahan data dengan

memperhatikan tujuan yang ingin dicapai dari penelitian dan kemudian

memberikan saran perbaikan yang mungkin dilakukan untuk penelitian

selanjutnya.


commit to user

IV-1

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

Perancangan parameter dan toleransi ragum yang dilakukan secara

simultan dalam eksperimen ini adalah penentuan parameter dan toleransi optimal

secara bersamaan karena parameter ditentukan berdasarkan toleransi.

4.1 Penentuan Karakteristik Kualitas

Karakteristik kualitas kunci yang menentukan pergerakan rahang penjepit

ragum berupa clearance yaitu Y1 dan Y2.Y1dan Y2mempunyai besar parameter dan

toleransi yang sama. Gambar 4.1 merupakan gambar 2D dari ragum dan Gambar

4.2 merupakan gambar 3D dari ragum. Titik referensi yang digunakan dalam

penentuan dimensi pada Gambar 4.2 adalah titik sebelah kanan benda kerja.

Gambar untuk masing – masing bagian ragum untuk lebih jelasnya dapat dilihat

pada Lampiran 1, Lampiran 2, Lampiran 3, Lampiran 4, Lampiran 5 dan

Lampiran 6.

Gambar 4.1 Gambar 3D ragum


commit to user

IV-2

Gambar 4.2 Gambar 2D ragum

4.2 Setting Faktor Dan Level

Faktor eksperimen terdiri dari parameter yang terdiri dariU1, U2, U3, U4,

toleransi yang terdiri dari t1, t2, t3, t4 dan Kapabilitas proses (Cp). Masing-masing

faktor terdiri dari 3 level seperti yang tercantum pada Tabel 4.1 untuk faktor

parameter dan Tabel 4.2 untuk faktor toleransi. Faktor parameter diperoleh

berdasarkan pengukuran sample parameter produk yang selanjutnya akan

digunakan sebagai nilai tengah (µ) dalam simulasi montecarlo. Nilai Toleransi

diperoleh berdasarkan ketentuan toleransi umum pada Tabel 2.1 dengan level

penyimpangan yang diizinkan kasar karena ragum termasuk benda kerja yang

dibuat dengan proses pengecoran sehingga termasuk level kualitas kasar dan biaya

manufaktur untuk tiap level toleransi diperoleh berdasarkan penelitian Chang


commit to user

IV-3

(2002). Toleransi berfungsi untuk menentukan besarnya variansi (σ) yang

digunakan dalam simulasi monte carlo. Setting level untuk Cp terdiri dari 3 level

yaitu 1, 1.5 dan 2. Level pada Cp diambil nilainya minimal 1 karena suatu proses

produksi dikatakan baik bila nilai Cpnya minimal 1.

Tabel 4.1 Setting level parameter

Tabel 4.2 Setting level toleransi

4.3 Penentuan Orthogonal Array

Penentuanorthogonal array berdasarkan jumlah faktor dan level yang

digunakan dalam eksperimen. Dalam eksperimen ini mempertimbangkan

sembilan faktor yaitu paremeter produk yang terdiri dari U1,U2,U3,U4, toleransi

yang terdiri dari t1,t2,t3,t4 dan kapabilitas proses (Cp). Masing – masing faktor

terdiri dari 3 level.Jumlah kolom pada orthogonal array harus lebih besar dari

faktor dalam eksperimen. Penentuan derajat kebebasan (df) faktor dihitung sesuai

persamaan 2.3 sebagai berikut :

df = (3-1) + (3-1) + (3-1) + (3-1) + (3-1) + (3-1) + (3-1)+ (3-1)+ (3-1)

df =18

Orthogonal arrayyangterpilih adalah L27(313) dapat dilihat pada Tabel 4.3.

component i lower level (cm) middle level (cm) high level (cm)U1 7.6540 8.000 8.0346U2 2.4740 2.500 2.5260U3 7.9654 8.000 8.0346U4 2.6740 2.700 2.7260

component i lower level (cm) cost ($) middle level (cm) cost ($) high level (cm) cost ($)t1 0.03 30.0002 0.06 12.0250 0.09 6.1201t2 0.02 23.6103 0.04 13.6812 0.06 9.5133t3 0.03 30.0002 0.06 12.0250 0.09 6.1201t4 0.04 9.0850 0.06 6.3041 0.08 5.0924


commit to user

IV-4

Tabel 4.3 Orthogonal array L27(313)

Orthogonal array L27(313) ini mampu mengakomodasi hingga 13 faktor.

Kolom 1 berfungsi sebagai U1, kolom 2 sebagai U2. Kolom 3 sebagai U3, kolom 4

sebagai U4, kolom 5 sebagai t1, kolom 6 sebagai t2, kolom 7 sebagai t3, kolom 8

sebagai t4 dan kolom 9 sebagai Cp. Kolom 10 hingga kolom 13 dikosongkan

karena memang hanya ada sembilan faktor yang dipertimbangkan dalam

eksperimen. Berdasarkan orthogonal array terseut maka eksperimen yang

diperlukan sebanyak 27 eksperimen.

Level untuk tiap faktor U1, U2, U3, U4, t1,t2,t3,t4 dan Cp yang digunakan

dipilih berdasarkan level yang ada pada orthogonal array L27(313). Hasil

penentuan U1, U2, U3 dan U4dapat dilihat pada Tabel 4.4.

faktorEksperimen

1 1 1 1 1 1 1 1 1 1 1 1 1 12 1 1 1 1 2 2 2 2 2 2 2 2 23 1 1 1 1 3 3 3 3 3 3 3 3 34 1 2 2 2 1 1 1 2 2 2 3 3 35 1 2 2 2 2 2 2 3 3 3 1 1 16 1 2 2 2 3 3 3 1 1 1 2 2 27 1 3 3 3 1 1 1 3 3 3 2 2 28 1 3 3 3 2 2 2 1 1 1 3 3 39 1 3 3 3 3 3 3 2 2 2 1 1 110 2 1 2 3 1 2 3 1 2 3 1 2 311 2 1 2 3 2 3 1 2 3 1 2 3 112 2 1 2 3 3 1 2 3 1 2 3 1 213 2 2 3 1 1 2 3 2 3 1 3 1 214 2 2 3 1 2 3 1 3 1 2 1 2 315 2 2 3 1 3 1 2 1 2 3 2 3 116 2 3 1 2 1 3 3 3 1 2 2 3 117 2 3 1 2 2 1 1 1 2 3 3 1 218 2 3 1 2 3 2 2 2 3 1 1 2 319 3 1 3 2 1 3 2 1 3 2 1 3 220 3 1 3 2 2 1 3 2 1 3 2 1 321 3 1 3 2 3 2 1 3 2 1 3 2 122 3 2 1 3 1 3 2 2 1 3 3 2 123 3 2 1 3 2 1 3 3 2 1 1 3 224 3 2 1 3 3 2 1 1 3 2 2 1 325 3 3 2 1 1 3 2 3 2 1 2 1 326 3 3 2 1 2 1 3 1 3 2 3 2 127 3 3 2 1 3 2 1 2 1 3 1 3 2

10 11 12 131 2 3 4 5 6 7 8 9


commit to user

IV-5

Tabel 4.4Setting Parameter

4.4 Pembangkitan Bilangan Acak

Pembangkitan bilangan acak berfungsi sebagai sampel parameter produk

(U). Pembangkitan bilangan acak dilakukan dengan bantuan Promodel 6.0

menggunakan metode multiplicative linear congruential generator. Pembangkitan

100sample U menggunakan bilangan acak berdistribusi normal N(µ,σ) dimana µ

merupakan parameterU dan σ = . Hasil pembangkitan untuk U1 dapat dilihat

pada Lampiran 7, U2 pada Lampiran 8, U3 pada Lampiran 9, dan U4 pada

Lampiran 10.

U1 U2 U3 U41 7.6540 2.4740 7.9654 2.67402 7.6540 2.4740 7.9654 2.67403 7.6540 2.4740 7.9654 2.67404 7.6540 2.5000 8.0000 2.70005 7.6540 2.5000 8.0000 2.70006 7.6540 2.5000 8.0000 2.70007 7.6540 2.5260 8.0346 2.72608 7.6540 2.5260 8.0346 2.72609 7.6540 2.5260 8.0346 2.7260

10 8.0000 2.4740 8.0000 2.726011 8.0000 2.4740 8.0000 2.726012 8.0000 2.4740 8.0000 2.726013 8.0000 2.5000 8.0346 2.674014 8.0000 2.5000 8.0346 2.674015 8.0000 2.5000 8.0346 2.674016 8.0000 2.5260 7.9654 2.700017 8.0000 2.5260 7.9654 2.700018 8.0000 2.5260 7.9654 2.700019 8.0346 2.4740 8.0346 2.700020 8.0346 2.4740 8.0346 2.700021 8.0346 2.4740 8.0346 2.700022 8.0346 2.5000 7.9654 2.726023 8.0346 2.5000 7.9654 2.726024 8.0346 2.5000 7.9654 2.726025 8.0346 2.5260 8.0000 2.674026 8.0346 2.5260 8.0000 2.674027 8.0346 2.5260 8.0000 2.6740

Experiment U


commit to user

IV-6

4.5 Penentuan Kerugian Kualitas

Kerugian kualitas dalam eksperimen ini dinyatakan dalam besarnya total

biaya(TC) sehingga tujuan dari eksperimen ini adalah meminimalkan total

biayayang dihasilkan sehingga karakteristik kualitas yang digunakan adalah

smaller the better. Penentuan kerugian kualitas dilakukan menggunakan simulasi

monte carlo.

Simulasi monte carlo yang dilakukan untuk menentukan nilai karakteristik

kualitas kunci(Y) sesuai dengan dimension chain berikut :

................................................................................... (4.1)

................................................................................... (4.2)

................................................................................... (4.3)

Hasil perhitungan untuk x1 dapat dilihat pada Lampiran 11, x2 pada

Lampiran 12 dan hasil simulasi UY pada Lampiran 13.

Setelah diperoleh UY maka dapat ditentukan besarnya TC sesuai dengan

persamaan 2.1 dengan asumsi Δ0= $10. Hasil perhitungan total biaya dapat dilihat

pada Tabel 4.5.

Tabel 4.5 Total biaya eksperimen prediksi

Tabel 4.6 Biaya tiap faktor

Eksperimen TC Eksperimen TC1 9272 15 50982 4406 16 55093 2687 17 60824 9050 18 48265 4286 19 61586 3086 20 48337 8921 21 55168 4682 22 58189 2806 23 4719

10 5922 24 592311 5817 25 567912 4719 26 510013 5625 27 562614 5677 rata-rata 5476

u1 u2 u3 u4 Cp t1 t2 t3 t4Level 1 5466.10 5480.92 5543.49 5463.24 5469.13 6872.04 6281.86 6876.00 5702.51Level 2 5475.03 5475.84 5475.97 5482.80 5475.30 5066.94 5277.20 5074.69 5422.97Level 3 5485.80 5470.17 5479.57 5480.89 5482.51 4476.37 4867.87 4476.24 5301.46


commit to user

IV-7

Hasil respons biaya tiap faktor dapat dilihat pada Tabel 4.6.yang

menunjukkan untuk faktor U1, U2, U3,U4 dan Cp biaya akan berkurang seiring

dengan berkurangnya panjang parameter dan nilai kapabilitas proses. Biaya untuk

faktor t1,t2,t3 dan t4 semuanya berkurang seiring dengan semakin longgarnya

toleransi.

Grafik total biaya untuk faktor U1, U2, U3,U4 dan Cp dapat dilihat pada

Gambar 4.3. Pada grafik tersebut telihat bahwa total biaya terendah berada pada

U1 level 1, U2level 1, U3 level 1, U4 level 1 dan Cp level 1.

Gambar 4.3 Grafik total biaya U dan Cp

Grafik total biaya untuk faktor t1, t2, t3, t4 dapat dilihat pada Gambar 4.4.

Pada grafik tersebut telihat bahwa total biaya terendah berada pada t1 level 3, t2

level 3, t3 level 3, t4 level 3.

Gambar 4.4 Grafik total biayat

Nilai S/N rasio (η) ditentukan sesuai dengan Persamaan 3.1 yang berfungsi

untuk memilih level optimal tiap faktor. S/N rasio menggunakan karakteristik

kualitas smaller the better karena karakteristik kualitas dinyatakan dalam total

biaya sehingga semakin rendah biaya yang dibutuhkan maka semakin baik. Level

optimal diperoleh pada level yang memiliki nilai η terbesar. Hasil perhitungan

S/N rasio untuk seluruh eksperimen dapat dilihat pada Tabel 4.7.


commit to user

IV-8

Tabel 4.7 S/N rasio eksperimen prediksi

Tabel 4.8 S/N rasio tiap faktor

Hasil S/N rasio tiap faktor dapat dilihat pada Tabel 4.8.yang menunjukkan

untuk faktor U1,U2,U3,U4 dan Cp S/N rasio akan bertambah seiring dengan

berkurangnya parameter dan kapabilitas proses. S/N rasio untuk faktor t1,t2,t3 dan

t4 semuanya bertambah seiring dengan semakin longgarnya toleransi.

S/N rasio untuk faktor U dan Cp dapat dilihat pada Gambar 4.5.Pada

grafik tersebut telihat bahwa S/N rasio tertinggi berada pada U1 level 1, U2 level

1, U3 level 1, U4 level 1 dan Cp level 1.

Gambar 4.5 Grafik S/N rasio U dan Cp

Eksperimen η Eksperimen η1 -39,67 15 -37,072 -36,44 16 -37,413 -34,29 17 -37,844 -39,57 18 -36,845 -36,32 19 -37,896 -34,89 20 -36,847 -39,50 21 -37,428 -36,70 22 -37,659 -34,48 23 -36,74

10 -37,72 24 -37,7311 -37,65 25 -37,5412 -36,74 26 -37,0813 -37,50 27 -37,5014 -37,54 rata-rata -37,21

u1 u2 u3 u4 Cp t1 t2 t3 t4Level 1 -36.874957 -37.185153 -37.178224 -37.18233 -37.216919 -38.265101 -37.782933 -38.2683 -37.4005Level 2 -37.368204 -37.223267 -37.223379 -37.224452 -37.202742 -37.016732 -37.193936 -37.0221 -37.1627Level 3 -37.376113 -37.210854 -37.217671 -37.212493 -37.199613 -36.328862 -36.642405 -36.3289 -37.0561


commit to user

IV-9

S/N rasio untuk faktor t1, t2, t3, t4 dapat dilihat pada Gambar 4.6. Pada

grafik tersebut telihat bahwa S/N rasio tertinggi berada pada t1 level 3, t2 level 3,

t3level 3, t4 level 3.

Gambar 4.6 Grafik S/N rasio t

Nilai S/N rasio kemudian digunakan untuk menentukan ANOVA seperti

pada Tabel 4.9. ANOVA digunakan untuk mengetahui efek tiap faktor terhadap

total biaya dan menentukan urutan faktor yang berpengaruh terhadap besarnya

total biaya.

Tabel 4.9 ANOVA

Uji hipotesis dilakukan dengan menyatakan hipotesis sebagai berikut :

H0 = µ1= µ2= µ3= µ4= µ5= µ6= µ7= µ8= µ9, tidak ada perbedaan pengaruh antar

faktor (faktor berpengaruh tidak signifikan).

H1 = µ1≠ µ2≠ µ3≠ µ4≠ µ5≠ µ6≠ µ7≠ µ8≠ µ9, terdapat perbedaan pengaruh antar

faktor (faktor berpengaruh signifikan).

Taraf nyata pengujian (signifikansi) sebesar 5 % atau 0,05 maka didapat

nilai f tabel sebesar 2,46.f-rasio pada Tabel 4.9 kemudian dibandingkan dengan f

tabel. Apabila f-rasio < f tabel maka H0 diterima, sedangkan apabila f-rasio > f

tabel maka H0 ditolak dan H1 diterima. Berdasarkan uji hipotesis tersebut dapat

1 2 3U1 -36,87496 -37,36820 -37,37611 2 0,00483536 0,002418 0,03 0,011%U2 -37,18515 -37,22327 -37,21085 2 0,00688021 0,00344 0,05 0,016%U3 -37,17822 -37,22338 -37,21767 2 0,00958590 0,004793 0,07 0,022%U4 -37,18233 -37,22445 -37,21249 2 0,00848140 0,004241 0,06 0,020%Cp -37,21692 -37,20274 -37,19961 2 0,00153090 0,000765 0,01 0,004%t1 -38,26510 -37,01673 -36,32886 2 17,34207220 8,671036 122,58 40,476%t2 -37,78293 -37,19394 -36,64241 2 5,85572250 2,927861 41,39 13,667%t3 -38,26833 -37,02207 -36,32888 2 17,38546410 8,692732 122,89 40,578%t4 -37,40047 -37,16266 -37,05615 2 1,59374500 0,796873 11,27 3,720%error - - - 9 0,637 0,070738 - 1,486%total - - - 18 42,8449586 - - 100,00%

Factorη average by factor level

DF SS MS F-ratio Contribution to TC


commit to user

IV-10

disimpulkan bahwa faktor t1, t2, t3, t4berpengaruh signifikan terhadap total biaya

sedangkan faktor U1,U2,U3, U4 dan Cp tidak berpengaruh signifikan terhadap total

biaya. Urutan faktor yang berkontribusi pada total biaya adalah

t3,t1,t2,t4,U3,U4,U2,U1 dan Cp.

4.6 Penentuan Setting Level Optimal

Setting level optimum untuk karakteristik kualitas smaller the better, tiap

faktor dipilih berdasarkan nilai S/N rasio terbesar yang berarti pada level tersebut

merupakan level yang menghasilkan total biaya paling minimal. Hasil penentuan

setting level optimal dapat dilihat pada Tabel 4.10.

Tabel 4.10 Setting level optimal

4.7 Eksperimen Konfirmasi

Eksperimen konfirmasi dilakukan dengan menggunakan level-level

optimal yang terpilih kemudian membandingkan hasilnya dengan hasil pada

eksperimen prediksi. Eksperimen konfirmasi juga dilakukan melalui

simulasi.Hasil perhitungan biaya pada eksperimen konfirmasi dapat dilihat pada

Tabel 4.11 dan hasil perhitungan S/N rasio dapat dilihat pada Tabel 4.12.

Tabel 4.11 Total biaya eksperimen konfirmasi

U1 (cm) U2 (cm) U3 (cm) U4 (cm) Cp t1 (cm) t2 (cm) t3 (cm) t4 (cm)

level 1 level 1 level 1 level 1 level 1 level 3 level 3 level 3 level 37.654 2.474 7.965 2.674 1 0.09 0.06 0.09 0.08

Kondisi Optimal

Eksperimen TC Eksperimen TC1 2694 15 26942 2695 16 26953 2697 17 26964 2694 18 26945 2695 19 26966 2695 20 26937 2694 21 26938 2694 22 26949 2698 23 2691

10 2698 24 269411 2695 25 269512 2693 26 269613 2697 27 269614 2695 Rata-rata 2695


commit to user

IV-11

Tabel 4.12 Nilai S/N konfirmasi

Tabel 4.5 dan Tabel 4.11 menunjukkan bahwa pada eksperimen

konfirmasi menghasilkan biaya total yang lebih rendah dibanding eksperimen

prediksi. Eksperimen konfirmasi ini menghemat biaya sebesar $2781

dibandingkan eksperimen prediksi.

Eksperimen η Eksperimen η1 -34,30 15 -34,312 -34,31 16 -34,313 -34,31 17 -34,304 -34,31 18 -34,305 -34,30 19 -34,306 -34,31 20 -34,317 -34,31 21 -34,308 -34,30 22 -34,309 -34,31 23 -34,31

10 -34,30 24 -34,3111 -34,31 25 -34,3012 -34,30 26 -34,3113 -34,31 27 -34,3014 -34,31 Rata-rata -34,3057


commit to user

V-1

BAB V

ANALISIS DAN INTERPRETASI HASIL

Analisis yang dilakukan bertujuan untuk menganalisis total biaya hasil

eksperimen prediksi dan eksperimen konfirmasi, mengetahui faktor dalam

eksperimen yang berpengaruh secara signifikan terhadap total biaya yang

dibutuhkan dalam membuat ragum, serta menganalisis kesesuaian produk dengan

spesifikasi yang ditentukan. Rancangan yang menghasilkan total biaya paling

minimal adalah yang direkomendasikan.

Eksperimen ini bertujuan untuk menentukan nilai optimal faktor

terkontrol yang mempengaruhi besarnya karakteristik kualitas sehingga dapat

meminimalkan total biaya yang dibutuhkan, sehingga jenis karakteristik kualitas

yang digunakan adalah smaller the better karena semakin kecil total biaya yang

dibutuhkan maka akan semakin baik. Faktor terkontrol yang diteliti terdiri

parameter nominal U1, U2, U3, U4, Cp, t1, t2 , t3 dan t4. Setiap faktor tersebut terdiri

dari level 1, level 2 dan level 3 yang nilainya tercantum pada Tabel 4.1 dan Tabel

4.2. Orthogonal array yang digunakan dalam eksperimen ini adalah L27(3)13.

5.1 Analisis Pengaruh Faktor Terhadap Biaya

Analisis pengaruh faktor terhadap biaya dilakukan untuk menentukan level

yang menghasilkan biaya paling minimal untuk tiap faktornya. Berdasarkan Tabel

4.6 untuk faktor U1, U2, U3,U4 dan Cp biaya akan berkurang seiring dengan

berkurangnya parameter, hal ini berarti parameter yang digunakan merupakan

parameter dengan dimensi yang paling rendah dan kapabilitas proses yang paling

rendah. Biaya untuk faktor t1,t2,t3 dan t4 semuanya berkurang seiring dengan

bertambah longgarnya toleransi, hal ini berarti biaya minimal tercapai pada level

toleransi yang paling longgar karena sesuai tujuan dari penelitian ini adalah untuk

meminimalkan biaya manufaktur. Berdasarkan uraian diatas maka semakin ketat

toleransi yang digunakan maka akan menghasilkan biaya manufaktur yang

semakin besar, sedangkan semakin longgar toleransi yang digunakan maka biaya

manufaktur yang digunakan juga akan semakin kecil hal ini senada dengan


commit to user

V-2

kecenderungan biaya manufaktur yang semakin mahal seiring dengan semakin

ketatnya toleransi yang digunakan.

Kondisi optimal tiap faktor terpilih pada level yang menghasilkan total

biaya paling minimal karena karakteristik kualitas yang digunakan adalah smaller

the better yaitu U1 dengan panjang 7,654 cm, U2 dengan panjang 2,474 cm, U3

dengan panjang 7,965 cm, U4 dengan panjang 2,674 cm, Cp sebesar 1, t1 sebesar ±

0,09 cm, t2 sebesar ± 0,06 cm, t3 sebesar ± 0,09 cm dan t4 sebesar ± 0,08 cm.

Level optimal ini mampu menurunkan total biaya yang dibutuhkan, Berdasarkan

Tabel 4.5 dan Tabel 4.11 terlihat bahwa terjadinya penurunan biaya pada

eksperimen konfirmasi sebesar $2781.

5.2 Analisis Pengaruh Faktor Terhadap S/N Rasio

Analisis pengaruh faktor terhadap S/N rasio dilakukan untuk menentukan

level tiap faktor dengan nilai S/N rasio terbesar yang menunujukkan bahwa faktor

tersebut mampu menghasilkan total biaya yang paling minimal. Berdasarkan

Tabel 4.8 untuk faktor U1, U2, U3,U4 dan Cp S/N rasio akan bertambah seiring

dengan berkurangnya berkurangnya panjang parameter, hal ini berarti parameter

yang digunakan merupakan parameter dengan dimensi yang paling rendah dan

kapabilitas proses yang paling rendah. S/N rasio untuk faktor t1,t2,t3 dan t4

semuanya bertambah seiring dengan bertambah longgarnya toleransi, hali ini

berarti biaya minimal tercapai pada level toleransi yang paling longgar, hal ini

senada dengan kecenderungan biaya manufaktur yang semakin mahal seiring

dengan semakin ketatnya toleransi yang digunakan. Gambar 4.4 menunjukan

bahwa nilai S/N rasio terbesar untuk U1 dengan panjang 7,654 cm, U2 dengan

panjang 2,474 cm, U3 dengan panjang 7,965 cm, U4 dengan panjang 2,674 cm, Cp

sebesar 1, t1 sebesar ± 0,09 cm, t2 sebesar ± 0,06 cm, t3 sebesar ± 0,09 cm dan t4

sebesar ± 0,08 cm. Level optimal ini menghasilkan S/N rasio yang lebih besar

karena memaksimalkan S/N rasio berarti meminimalkan total biaya, Berdasarkan

Tabel 4.7 dan Tabel 4.12 terlihat bahwa terjadinya kenaikan S/N rasio pada

eksperimen konfirmasi sebesar 0,0116 yang linier dengan penurunan biaya

sebesar $2781.


commit to user

V-3

5.3 Analisis Signifikansi Pengaruh Faktor Terhadap Biaya

Analisis variansi (ANOVA) dilakukan untuk mengetahui faktor yang

berpengaruh signifikan terhadap total biaya dan kontribusi tiap faktor terhadap

besarnya total biaya. Analisis variansi dilakukan dengan signifikansi 95% seperti

yang terlihat pada Tabel 4.9 maka faktor yang berpengaruh signifikan terhadap

biaya total adalah t1, t2, t3, t4, sedangkan U1, U2, U3, U4 dan Cp tidak berpengaruh

signifikan terhadap besarnya biaya total. Faktor parameter U1, U2, U3, U4 tidak

berpengaruh signifikan terhadap biaya total karena dalam metode Taguchi pada

perancangan parameter bertujuan untuk menentukan faktor terkontrol yang dapat

meminimalkan kerugian kualitas dan tidak mempengaruhi biaya manufaktur

karena biaya manufaktur mempunyai pengaruh yang besar terhadap besarnya

biaya total (Phadke, 1989). Berdasarkan kontribusinya terhadap total biaya maka

faktor t3 mempunyai kontribusi terbesar , sedangkan faktor Cp mempunyai

kontribusi terkecil. Faktor toleransi mempunyai kontribusi sebesar 98,441 %,

faktor parameter sebesar 0,700 % dan faktor Cp sebesar 0,004% .

Cp seharusnya semakin besar nilainya semakin baik karena nilai ini

menunjukkan seberapa baik proses yang berjalan mampu memenuhi batas

toleransi yang ditentukan (Madenhall,1995), namun dalam penelitian ini

kapabilitas proses optimal justru yang nilainya paling rendah karena berdasarkan

uji F kapabilitas proses tidak berpengaruh secara signifikan terhadap biaya total

dan hanya mempunyai kontribusi yang kecil terhadap biaya total. Hal ini

dikarenakan karena semakin besar kapabilitas proses yang digunakan akan

menghasilkan biaya yang besar karena harus menggunakan mesin dengan tingkat

kepresisian yang tinggi, sedangkan tujuan dari penelitian ini adalah untuk

meminimalkan total biaya. Kapabilitas proses optimal walaupun berada pada nilai

yang terendah tetapi sudah mampu meminimalkan kerugian kualitas. Faktor

kapabilitas mesin melekat pada mesin yang digunakan sehingga sulit untuk

dikendalikan karena bersifat acak, sehingga untuk penelitian selanjutnya

kapabilitas proses dapat digunakan sebagai noise factor.

Faktor-faktor dalam eksperimen tersebut kemudian ditentukan level

optimalnya sesuai karakteristik kualitas smaller the better, yang kemudian

digunakan dalam eksperimen konfirmasi. Nilai optimal yang dihasilkan adalah U1


commit to user

V-4

dengan panjang 7,654 cm, U2 dengan panjang 2,474 cm, U3 dengan panjang 7,965

cm, U4 dengan panjang 2,674 cm, Cp sebesar 1, t1 sebesar ± 0,09 cm, t2 sebesar ±

0,06 cm, t3 sebesar ± 0,09 cm dan t4 sebesar ± 0,08 cm.

5.4 Analisis Kualitas Produk

Analisis kualitas produk dilakukan untuk mengetahui kualitas produk

menggunakan parameter dan toleransi optimal dibandingkan dengan upper

specification limit (USL) dan lower specification limit (LSL). Nilai USL dan LSL

ditentukan sebesar µ ± 3σ dengan µ sebesar 0,04274 cm dan σ sebesar 0,00197

cm , sehingga USL dalam penelitian ini sebesar 0,04868 cm dan LSL sebesar

0,03680 cm. Produk yang berada dalam batas USL dan LSL tersebut mampu

memenuhi mekanisme pergerakan ragum dengan baik. Gambar 5.1 merupakan

peta kontrol produk, berdasarkan gambar tersebut 83% produk ragum sesuai

spesifikasi yang ditentukan karena berada dalam batas spesifikasi USL dan LSL,

sedangkan 27 produk ragum yang lain berada diluar spesifikasi.

0,000000

0,010000

0,020000

0,030000

0,040000

0,050000

0,060000

0,070000

1 4 7

10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

97

10

0

LSL

USL

Y

Peta Kontrol Produk

Gambar 5.1 Peta Kontrol Produk

Level optimal yang terpilih menghasilkan produk yang sesuai dengan

spesifikasi hanya sebesar 83%, kemudian dilakukan perbandingan dengan

meningkatkan kualitas produk untuk mengetahui apakah produk dengan kualitas

baik selalu menghasilkan biaya produksi yang lebih mahal. Perbandingan

dilakukan dengan menggunakan toleransi yang paling ketat pada perancangan

ragum yang telah ditentukan. Gambar 5.2 merupakan peta kontrol produk


commit to user

V-5

menggunakan toleransi yang ketat, gambar tersebut menunjukkan 90% produk

ragum dikatakan sesuai dengan spesifikasi.

0,000000

0,010000

0,020000

0,030000

0,040000

0,050000

0,0600001 4 7

10

13

16

19

22

25

28

31

34

37

40

43

46

49

52

55

58

61

64

67

70

73

76

79

82

85

88

91

94

97

10

0

LSL

USL

Y

Peta Kontrol Produk

Gambar 5.2 Peta Kontrol Produk

Ragum dengan level optimal menghasilkan produk yang sesuai spesifikasi

sebesar 83% dengan biaya sebesar $2695, sedangkan ragum dengan menggunakan

toleransi yang ketat menghasilkan produk yang lebih baik karena produk yang

sesuai spesifikasi sebesar 90% dengan biaya sebesar $9280. Gambar 5.3

menunjukkan bahwa peningkatan kualitas produk akan menambah total biaya

yang dibutuhkan.

Gambar 5.3 Grafik biaya dan kualitas produk

Kualitas produk dapat dijadikan sebagai sebagai respon eksperimen karena

selain total biaya, kualitas produk merupakan faktor yang sangat penting sehingga

dapat dihasilkan rancangan produk dengan kualitas dan total biaya yang optimal.

Untuk mengakomodasi kedua respon tersebut dapat digunakan eksperimen

multirespon.


commit to user

VI-1

BAB VI

KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan-kesimpulan serta saran-saran yang dapat

diambil dari penelitian yang telah dilakukan.

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut :

1. Faktor yang berpengaruh signifikan terhadap total biaya dalam

perancangan ragum adalah faktor toleransi.

2. Setting level optimal yang menghasilkan total biaya paling minimal dalam

perancangan ragum adalah U1 sebesar 7,654 cm, U2 sebesar 2,474 cm,

U3 sebesar 7,965 cm, U4 sebesar 2,674 cm, t1 sebesar 0,09 cm,t2 sebesar

0,06 cm, t3 sebesar 0,09 cm, t4 sebesar 0,08 cm dan Cp sebesar 1.

3. Peningkatan kualitas produk menyebabkan peningkatan total biaya, karena

peningkatan kualitas produk dilakukan dengan mengetatkan toleransi yang

digunakan dan menggunakan kapabilitas proses yang besar sehingga

memerlukan biaya manufaktur yang besar.

6.2 Saran

Saran yang dapat diambil dari penelitian ini adalah sebagai berikut :

1. Penelitian selanjutnya dapat menggunakan kapabilitas proses sebagai

noise factor karena kapabilitas proses dipengaruhi oleh kapabilitas mesin

yang digunakan dan bersifat acak sehingga sulit untuk dikendalikan.

2. Kualitas produk dapat dijadikan sebagai respon eksperimen sehingga

dapat diperoleh rancangan produk dengan kualitas dan biaya yang

optimal. Untuk mengakomodasi kedua respon tersebut dapat digunakan

eksperimen multirespon.

perpustakaan.uns.ac.id digilib.uns.ac... · penting yang dihasilkan sehingga efektif dari segi...

Documents

Transcript of perpustakaan.uns.ac.id digilib.uns.ac... · penting yang dihasilkan sehingga efektif dari segi...