BAB 5 HASIL DAN PEMBAHASAN
5.1. Ekstraksi Hasil Pengumpulan Data Pengumpulan data di perusahaan PT. Jasa Putra Plastik dilakukan dari bulan Juli 2004 sampai bulan Desember 2004. Data yang diperoleh dalam penelitian ini merupakan hasil wawancara dan brainstorming dengan pihak perusahaan yang terkait, serta hasil dari pengamatan secara langsung di lapangan.
5.1.1. Data Gaji Berikut ini merupakan data gaji karyawan pabrik yang diperoleh dari hasil wawancara dengan pihak perusahaan yang terkait, yaitu : Tabel 5.1. Data Gaji Karyawan Pabrik PT. Jasa Putra Plastik Karyawan Pabrik
Gaji
Kepala Pabrik
Rp. 25.000
Operator Mesin
Rp. 20.000
Persiapan Bahan Baku
Rp. 20.000
Maintenance
Rp. 38.000
Packing
Rp. 15.000
Pemisahan Scrap
Rp. 22.500
Sumber : PT. Jasa Putra Plastik.
180
5.1.2. Data Harga Bahan Baku Dari hasil wawancara dengan pihak perusahaan diperoleh harga bahan baku pendukung kantong plastik yang digunakan untuk packing adalah Rp. 13.000 per kilogram (300 lembar). Berikut ini merupakan harga bahan baku biji plastik, yaitu : Tabel 5.2. Tabel Harga Bahan Baku Biji Plastik No.
Bahan Baku
1
Polypropylene (PP)
2
Techno ABS (ABS)
3
Nylon (Tipe MV0/Amilam)
4
High density Polyethylene HD)
Jenis Original Gilingan Original Gilingan Original Gilingan Original Gilingan Naso Original Original
5 Polystyrene GP-710 E (PS) 6 HIP Polystyrene (HIP) Sumber : PT. Jasa Putra Plastik.
Harga Rp. 95.00 Rp. 5.500 Rp.12.000 Rp. 9.000 Rp.25.000 Rp.10.000 Rp. 9.800 Rp. 7.000 Rp. 4.500 Rp.11.500 Rp.12.000
Berikut ini merupakan harga bahan baku pigmen warna, yaitu : Tabel 5.3. Tabel Harga Pigmen Warna No.
Warna
Kode
Harga (per kg)
1
Hitam
-
Rp. 25.000
2
Putih
-
Rp. 44.000
3
Grey
1141
Rp. 115.000
4
Biru
6013
Rp. 250.000
5
Pink
6104
Rp. 120.000
6
Gold
8020
Rp. 180.000
Sumber : PT. Jasa Putra Plastik.
181
5.1.3. Data Cacat Semua Produk KWH Meter Periode Januari 2004-Juni 2004 Berikut ini merupakan data jumlah cacat produk KWH Meter periode Januari 2004-Juni 2004, yaitu : Tabel 5.4. Data Jumlah Cacat Produk KWH Meter Periode Januari -Juni 2004 No.
Tipe Produk
1
Produksi
Jumlah Cacat (Pcs) Periode Januari 2004-Juni 2004
(Pcs)
Januari
Febuari
Maret
April
Mei
Juni
Current Coil Bobbin W 10549-2
15000
89
78
83
77
80
75
2
IL Coil Bobbin W 10547-3
15000
52
45
53
61
49
54
3
Insulation Plate W 11241
15000
38
31
30
27
32
24
4
Wedge For Volt Coil W 945-6
15000
18
17
14
15
10
13
5
Insulation Plate W 11242
15000
10
13
19
15
11
7
6
Insulation Plate W 10550-3
15000
15
10
11
10
7
6
Sumber : PT. Jasa Putra Plastik.
5.1.4. Pengumpulan Data Untuk Produk Current Coil Bobbin W 10549-2 5.1.4.1.Spesifikasi Ukuran Kategori utama dalam penentuan kualitas produk current coil bobbin W 10549-2 adalah pemenuhan spesifikasi ukuran produk yang sesuai dengan ketentuan pelanggan. Berikut ini merupakan gambar dan rincian ukuran produk current coil bobbin W 10549-2, yaitu :
182
Sumber : PT. Jasa Putra Plastik. Gambar 5.1. Gambar dan Rincian Ukuran Produk Current Coil Bobbin W 10549-2
Produk current coil bobbin W 10549-2 memiliki empat titik kritis ukuran A, B, C, dan D yang jika produk tidak sesuai dengan salah satu ukuran dari keempat spesifikasi tersebut maka produk dinyatakan cacat. Spesifikasi ukuran produk tersebut adalah sebagai berikut :
183
•
Ukuran A = 0.6 mm ± 0.05 mm
•
Ukuran B = 10.2 mm ± 0.05 mm
•
Ukuran C = 12 mm ± 0.05 mm
•
Ukuran D = 36 mm + 0.36 mm dan 36 mm - 0.05 mm
Sumber : PT. Jasa Putra Plastik. Gambar 5.2. Empat Ukuran Kritis Produk Current Coil Bobbin W 10549-2
5.1.4.2.Data Jenis Cacat Periode Januari 2004-Juni 2004 Berikut ini merupakan data jenis cacat produk current coil bobbin W 10549-2 untuk periode Januari 2004-Juni 2004, yaitu : Tabel 5.5. Jenis Cacat Produk Current Coil Bobbin W 10549-2 Periode Januari 2004 -Juni 2004 Current Coil Bobbin W 10549-2 No. 1 2
Jenis Cacat Ukuran A, B, C, dan D tidak sesuai spesifikasi Produk tidak lengkap (Ada bagian tidak terbentuk)
Frekuensi Cacat Periode Januari 2004 - Juni 2004 Januari
Febuari
Maret
April
Mei
Juni
39
38
41
37
33
36
24
19
23
18
20
15
3
Permukaan produk tidak rata
17
14
15
17
16
16
4
Produk rapuh
9
7
0
5
11
8
89
78
79
77
80
75
Total
Sumber : PT. Jasa Putra Plastik.
184
5.1.4.3.Data Jenis Cacat Periode Juli 2004-September 2004 Berikut ini merupakan hasil pengumpulan data jumlah cacat dan jenis cacat produk current coil bobbin W 10549-2 periode Juli 2004-September 2004. Tabel 5.6. Data Jumlah dan Jenis Cacat Produk Current Coil Bobbin W 10549-2 Periode Juli 2004-September 2004 Current Coil Bobbin W 10549-2 No.
Jenis Cacat
Frekuensi Cacat Periode Juli 2004 - September 2004 Juli
Agustus
September
25
22
22
20
19
18
2
Produk tidak lengkap (Ada bagian tidak terbentuk) Permukaan produk tidak rata
3
Ukuran A tidak sesuai spesifikasi
19
17
17
4
Ukuran B tidak sesuai spesifikasi
9
10
7
5
Produk rapuh
8
6
7
6
Ukuran C tidak sesuai spesifikasi
4
5
5
7
Ukuran D tidak sesuai spesifikasi
2
1
1
85
79
76
1
Total
Sumber : PT. Jasa Putra Plastik.
5.1.4.4.Data Pengukuran Bulan Juli 2004 Cetakan yang digunakan untuk memproduksi produk current coil bobbin W 10549-2 memiliki empat cavity. Oleh karena itu dalam sekali proses, mesin injection moulding akan menghasilkan produk current coil bobbin W 10549-2 sebanyak empat produk. Cavity adalah banyaknya produk yang dihasilkan dalam satu cetakan.
185
Pada bulan Juni 2004 produk ini mengakibatkan terjadinya letupan1 saat digunakan. Setelah diteliti ternyata ukuran bagian A produk dibawah spesifikasi sehingga pelanggan meminta perusahaan untuk memberi tanda pada cavity, karena itu produk yang dihasilkan akan kelihatan mana yang produk pertama, kedua, ketiga, dan keempat. Tujuan dari pelanggan adalah ingin melihat variasi yang terjadi pada masing-masing cavity dengan menganalisanya melalui peta kendali. Oleh karena itu pengukuran dibagi atas empat produk dan masing-masing produk memiliki empat titik kritis. Pengukuran dilakukan secara acak dengan pengambilan sampel sebanyak lima kali. Total observasi untuk masing-masing produk adalah sebanyak 30 observasi. Pengukuran dilakukan dengan cara mengambil produk current coil bobbin W 105492 yang ada di dalam kantong kertas dimana sebagai tempat untuk menaruh produk yang baru selesai diproduksi dari mesin, yang terletak di sebelah operator. Setelah itu dilakukan pengukuran dengan menggunakan alat bantu sigmat yang ketelitiannya 0.01 mm. Data-data hasil pengukuran produk current coil bobbin W 10549-2 untuk masing-masing ukuran dapat dilihat pada lampiran A.
1
Maksud letupan adalah terjadinya bunyi tar dan keluar percikan api kecil kemudian keluar asap saat produk diuji listrik oleh pelanggan sehingga produk menjadi bolong.
186
5.1.5. Pengumpulan Data Untuk Produk IL Coil Bobbin W 10547-3 5.1.5.1.Spesifikasi Ukuran Gambar dan rincian ukuran produk IL coil bobbin W 10547-3 yang sesuai dengan ketentuan pelanggan dapat dilihat pada gambar berikut ini : Tampak Atas 1.5 mm
1.5 mm
2.5 mm 0.7 mm
2.5 mm 0.7 mm
0.5 mm
0.3 mm 0.2 mm
0.3 mm 0.2 mm
0.5 mm
2.2 mm
O
1 .5
m 6m
mm
R
Tampak Samping
10.8 mm
3.8 + 0.01 mm 2 mm
6.45 mm
13.5 + 0.05 mm
29.2 mm
R
0 .2
mm
13.5 + 0.05 mm
0.75 mm
R
5.75 mm
6m m
0.75 mm
6 mm 30 mm
0.8 mm 0.9 mm
Sumber : PT. Jasa Putra Plastik. Gambar 5.3. Gambar dan Rincian Ukuran Produk IL Coil Bobbin W 10547-3
187
Produk IL coil bobbin W 10547-3 memiliki dua titik kritis ukuran A dan B yang jika produk tidak sesuai dengan salah satu ukuran dari kedua spesifikasi tersebut maka produk dinyatakan cacat. Spesifikasi ukuran produk tersebut adalah sebagai berikut :
•
Ukuran A = 13.5 mm ± 0.05 mm
•
Ukuran B = 3.8 mm ± 0.01 mm
Sumber : PT. Jasa Putra Plastik. Gambar 5.4. Dua Ukuran Kritis Produk IL Coil Bobbin W 10547-3
5.1.5.2.Data Jenis Cacat Periode Januari 2004-Juni 2004 Berikut ini merupakan data jenis cacat produk IL coil bobbin W 10547-3 untuk periode Januari2004-Juni 2004, yaitu :
188
Tabel 5.7. Jenis Cacat Produk IL Coil Bobbin W 10547-3 Periode Januari 2004-Juni 2004 IL Coil Bobbin W 10547-3 Frekuensi Cacat Periode Januari 2004 - Juni 2004
No.
Jenis Cacat
1
Ukuran B tidak sesuai spesifikasi
2 3
Produk tidak lengkap (Ada bagian tidak terbentuk) Produk rapuh
4
Ukuran A tidak sesuai spesifikasi Total
Januari
Febuari
Maret
April
Mei
Juni
22
21
19
25
21
21
16
13
17
15
14
16
9
7
10
14
9
13
5
4
7
7
5
4
52
45
53
61
49
54
Sumber : PT. Jasa Putra Plastik.
5.1.5.3.Data Jenis Cacat Periode Juli 2004-September 2004 Berikut ini merupakan hasil pengumpulan data jumlah cacat dan jenis cacat produk IL coil bobbin W 10547-3 periode Juli 2004-September 2004. Tabel 5.8. Data Jumlah dan Jenis Cacat Produk IL Coil Bobbin W 10547-3 Periode Juli 2004-September 2004 IL Coil Bobbin W 10547-3 No.
Jenis Cacat
1
Ukuran B tidak sesuai spesifikasi
2 3
Produk tidak lengkap (Ada bagian tidak terbentuk) Produk rapuh
4
Ukuran A tidak sesuai spesifikasi Total
Sumber : PT. Jasa Putra Plastik.
Frekuensi Cacat Periode Juli 2004 - September 2004 Juli
Agustus
September
25
20
19
19
12
15
8
10
10
4
7
7
56
49
51
189
5.1.5.4. Data Pengukuran Bulan Agustus 2004 Cetakan yang digunakan untuk memproduksi produk
IL coil bobbin W
10547-3 memiliki enam cavity. Oleh karena itu dalam sekali proses, mesin injection moulding akan menghasilkan produk IL coil bobbin W 10547-3 sebanyak enam produk. Pengukuran yang dilakukan pada produk IL coil bobbin W 10547-3 sama dengan produk current coil bobbin W10549-2, yaitu pengukuran dilakukan secara acak dengan pengambilan sampel sebanyak lima kali. Total observasi yang dilakukan adalah sebanyak 30 observasi. Pengukuran dilakukan dengan cara mengambil produk IL coil bobbin W 10547-3 yang ada di dalam kantong kertas dimana sebagai tempat untuk menaruh produk yang baru selesai diproduksi dari mesin, yang terletak di sebelah operator. Setelah itu dilakukan pengukuran dengan menggunakan alat bantu sigmat yang ketelitiannya 0.01 mm. Data-data hasil pengukuran produk IL coil bobbin W 10549-2 untuk ukuran A dan B dapat dilihat pada lampiran A.
5.1.6. Pengumpulan Data Untuk Produk Insulation Plate W 11241 5.1.6.1.Spesifikasi Ukuran Gambar dan rincian ukuran produk insulation plate W 11241yang sesuai dengan ketentuan pelanggan dapat dilihat pada gambar berikut ini :
190
Tampak Atas 50 mm R 2 mm
Tampak Samping R 2 mm
12 mm + 0.05 mm
13 mm + 0.05 mm
44 mm
28.5 mm
38 mm
43 mm
28.5 mm
13 mm + 0.05 mm
44 mm
R 1 mm
R 0.5 mm
R 0.5 mm
38 mm
R 2 mm
15 mm
50 mm
13 mm
12 mm
13 mm
6 mm
6 mm
Tampak Depan Sumber : PT. Jasa Putra Plastik. Gambar 5.5. Gambar dan Rincian Ukuran Produk Insulation Plate W 11241 Produk insulation plate W 11241 memiliki dua tiga kritis ukuran A, B dan C yang jika produk tidak sesuai dengan salah satu ukuran dari ketiga spesifikasi tersebut maka produk dinyatakan cacat. Spesifikasi ukuran produk tersebut adalah sebagai berikut :
191
•
Ukuran A = 12 mm ± 0.05 mm
•
Ukuran B = 13 mm ± 0.05 mm
•
Ukuran C = 13 mm ± 0.05 mm
Sumber : PT. Jasa Putra Plastik. Gambar 5.6. Tiga Ukuran Kritis Produk Insulation Plate W 11241
5.1.6.2.Data Jenis Cacat Periode Januari 2004-Juni 2004 Berikut ini merupakan data jenis cacat produk insulation plate W 11241 untuk periode Januari2004-Juni 2004, yaitu : Tabel 5.9. Jenis Cacat Produk Insulation Plate W 11241 Periode Januari 2004 -Juni 2004 Insulation Plate W 11241 No. 1 2
Jenis Cacat Ukuran A, B, C, dan D tidak sesuai spesifikasi Produk tidak lengkap (Ada bagian tidak terbentuk)
Frekuensi Cacat Periode Januari 2004 - Juni 2004 Januari
Febuari
Maret
April
Mei
Juni
15
12
14
12
15
13
12
10
7
8
7
5
3
Produk rapuh
7
4
7
5
5
4
4
Permukaan produk tidak rata
4
5
2
2
5
2
38
31
30
27
32
24
Total
Sumber : PT. Jasa Putra Plastik.
192
5.1.6.3.Data Jenis Cacat Periode Juli 2004-September 2004 Berikut ini merupakan hasil pengumpulan data jumlah cacat dan jenis cacat produk insulation plate W 11241 periode Juli 2004-September 2004. Tabel 5.10. Data Jumlah dan Jenis Cacat Produk Insulation Plate W 11241 Periode Juli 2004-September 2004 Insulation Plate W 11241 No.
Jenis Cacat
1
Frekuensi Cacat Periode Juli 2004 - September 2004 Juli
Agustus
September
Ukuran A tidak sesuai spesifikasi
12
10
11
2
Permukaan produk tidak rata
11
11
9
3
9
7
8
4
Produk tidak lengkap (Ada bagian tidak terbentuk) Ukuran C tidak sesuai spesifikasi
5
4
4
5
Ukuran B tidak sesuai spesifikasi
3
5
4
6
Produk rapuh
2
1
1
42
38
37
Total
Sumber : PT. Jasa Putra Plastik.
5.1.6.4.Data Pengukuran Bulan September 2004 Cetakan yang digunakan untuk memproduksi produk insulation plate W 11241 memiliki empat cavity. Oleh karena itu dalam sekali proses, mesin injection moulding akan menghasilkan produk insulation plate W 11241 sebanyak empat produk. Pengukuran yang dilakukan pada produk insulation plate W 11241 sama halnya dengan pengukuran kedua jenis produk di atas, yaitu pengukuran dilakukan secara acak dengan pengambilan sampel sebanyak lima kali. Total observasi yang dilakukan adalah sebanyak 30 observasi.
193
Pengukuran dilakukan dengan cara mengambil produk insulation plate W 11241 yang ada di dalam kantong kertas dimana sebagai tempat untuk menaruh produk yang baru selesai diproduksi dari mesin, yang terletak di sebelah operator. Setelah itu dilakukan pengukuran dengan menggunakan alat bantu sigmat yang ketelitiannya 0.01 mm. Data-data hasil pengukuran produk insulation plate W 11241 untuk masing-masing ukuran (A, B, dan C) dapat dilihat pada lampiran A.
5.1.7. Analisa Data Pengukuran Pengukuran
produk
current coil bobbin W 10549-2, il coil bobbin W
10547-3, dan insulation plate W 11241 dilakukan pada bulan yang berbeda karena sesuai dengan permintaan pelanggan yang ingin menganalisa masing-masing produk di bulan yang berbeda, dengan tujuan agar penyelesaian masalah lebih terfokus. Penyelesaian masalah ini dilakukan berdasarkan jumlah cacat terbanyak yang dicatat oleh perusahaan selama ini, namun perusahaan tidak pernah mencatat secara rinci ukuran produk tersebut sehingga dari data historis hanya dapat diketahui jumlah cacat produknya saja. Oleh karena itu atas permintaan pelanggan, sejak bulan Juli perusahaan diminta untuk melakukan pencatatan dan pengukuran produk untuk mengetahui persentase cacat terbesar terjadi pada ukuran kritis produk yang mana sehingga dapat diketahui permasalahannya dan diharapkan dapat berkurang jumlah produk yang cacat atau tidak ada cacat sama sekali karena mengingat kegunaan produk tersebut berhubungan dengan listrik.
194
5.2. Analisa Data dan Pembahasan 5.2.1. Pemilihan Produk Berdasarkan kebijakan dan hasil wawancara dengan pihak perusahaan maka produk yang yang akan diteliti dalam penelitian ini adalah jenis produk KWH Meter karena menurut pihak perusahaan, jenis produk ini yang keuntungannya paling besar dibanding dengan produk lainnya dan pelanggan juga meminta kualitas yang tinggi terhadap produk tersebut karena sifat sensivitasnya yang tinggi terhadap listrik. Jika produk yang dihasilkan tidak sesuai dengan spesifikasi yang telah ditentukan, maka pada saat penggunaannya dapat menimbulkan akibat yang tidak diinginkan seperti terjadi letupan2. Produk jenis KWH Meter terdiri atas enam jenis yaitu current coil bobbin W 10549-2, wedge for volt colt W 945-6, Il coil bobbin W 10547-3, insulation plate W 10550-3, insulation plate W 11241, dan insulation plate W 11242. Dari keenam jenis produk ini akan dibuat diagram Pareto untuk melihat produk mana yang variasi atau cacatnya besar sesuai dengan prinsip Pareto. Untuk jumlah dan persentase cacat produk KWH Meter dapat dilihat pada tabel 5.11 dan diagram Pareto berikut ini :
2
Maksud letupan di sini sama seperti ledakan kecil yang terjadi pada produk current coil bobbin 10549-2.
195
Tabel 5.11. Data Jumlah Cacat Produk KWH Meter Periode Januari 2004-Juni 2004 No.
Produksi
Tipe Produk
Jumlah Cacat (Pcs) Periode Januari 2004-Juni 2004
%
%
Cacat
Kumulatif
482
40.200%
40.200%
54
314
26.188%
66.389%
32
24
182
15.179%
81.568%
15
10
13
87
7.256%
88.824%
19
15
11
7
75
6.255%
95.079%
11
10
7
6
59
4.921%
100%
1199
100%
(Pcs)
Januari
Febuari
Maret
April
Mei
Juni
15000
89
78
83
77
80
75
15000
52
45
53
61
49
15000
38
31
30
27
15000
18
17
14
15000
10
13
15000
15
10
Total
Current Coil Bobbin 1
W 10549-2 IL Coil Bobbin W
2
10547-3 Insulation Plate W
3
11241 Wedge For Volt Coil
4
W 945-6 Insulation Plate W
5
11242 Insulation Plate W
6
10550-3
Total
Sumber : Hasil Analisa dan Pembahasan.
Diagram Pareto Jenis Produk KWH Meter Periode Januari-Juni 2004 100 80 60 500
40 20
0
Defect Count P ercent Cum %
0 in o bb l B C oi
t r r en C u 49 - 2 5 0 1
482 40.2 40.2
W
W in ob b B l i Co I L 47 - 3 314 10 5
26.2 66.4
l a te n P tio a l I n su 4 1 1 1 2 182
15.2 81.6
W dg e We 5 -6 94
lt Vo For
87 7.3 88.8
lW C oi
on l a ti In su 4 2 2 11
Pla
te
75 6.3 95.1
W
te W Pl a io n t a ul I ns 50 -3 59 10 5
4.9 100.0
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.1. Diagram Pareto Cacat Produk KWH Meter Periode Januari-Juni 2004
Percent
Count
1000
196
Dari diagram di atas dapat dilihat bahwa produk current coil bobbin W 10549-2 menunjukkan kontribusi cacat yang paling besar yaitu 40.2%, kemudian diikuti oleh jenis produk Il coil bobbin W 10547-3 sebesar 26.188% dan insulation plate W 11241 sebesar 15.179%. Bila dilihat dari persentase kumulatifnya maka ketiga produk ini telah mencapai 81.568%. Oleh karena itu, sesuai dengan prinsip Pareto yang menyatakan bahwa 80% dari semua masalah diakibatkan oleh 20% dari penyebabnya atau dapat diidentifikasikan sebagai sebuah pandangan yang kritis untuk pemfokusan dari 80% masalah yang timbul, dan mengabaikan sisanya yang 20% itu, maka penelitian akan difokuskan pada produk current coil bobbin W 10549-2, Il coil bobbin W 10547-3, dan insulation plate W 11241.
5.2.2. Produk Current Coil Bobbin W 10549-2 5.2.2.1.Peta Kendali X dan R Untuk produk current coil bobbin W 10549-2, pengukuran produk dibedakan berdasarkan cavity-nya. Karena cetakan produk ini memiliki empat cavity maka pengukuran dibedakan menjadi empat produk, yaitu produk pertama, kedua, ketiga, dan keempat. Masing-masing produk memiliki empat ukuran kritis sehingga masingmasing produk akan memiliki empat peta kendali X dan R yang sesuai dengan ukuran kritisnya. Oleh karena itu, total peta kendali X dan R yang akan dibuat adalah 16 peta kendali. Dalam hal ini, contoh perhitungan dan peta kendali X dan R yang ditampilkan hanya satu saja yaitu untuk produk pertama ukuran A, sedangkan
197
untuk contoh perhitungan dan peta kendali X dan R produk pertama ukuran B hingga produk keempat ukuran D dapat dilihat pada lampiran B. Berikut ini merupakan tabel contoh perhitungan dan peta kendali X dan R untuk produk pertama ukuran A.
198
Tabel 5.12. Perhitungan Peta Kendali X dan R Produk Current Coil Bobbin W 10549-2 Pertama Untuk Ukuran A Jumlah Observasi
Hasil Pengukuran Produk Pertama Ukuran A 1 0.560 0.610 0.560 0.620 0.560 0.600 0.540 0.570 0.620 0.550 0.570 0.550 0.600 0.610 0.580 0.620 0.560 0.580 0.600 0.630 0.550 0.580 0.540 0.560 0.620 0.580 0.620 0.630 0.570 0.630
2 3 1 0.580 0.600 2 0.610 0.620 3 0.600 0.550 4 0.580 0.570 5 0.550 0.610 6 0.590 0.630 7 0.560 0.550 8 0.560 0.580 9 0.590 0.620 10 0.570 0.620 11 0.590 0.620 12 0.540 0.580 13 0.590 0.600 14 0.580 0.590 15 0.550 0.620 16 0.600 0.610 17 0.580 0.550 18 0.560 0.630 19 0.590 0.600 20 0.580 0.620 21 0.560 0.580 22 0.620 0.600 23 0.590 0.590 24 0.590 0.630 25 0.570 0.610 26 0.610 0.550 27 0.600 0.610 28 0.590 0.620 29 0.580 0.550 30 0.570 0.620 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
4 0.580 0.590 0.570 0.610 0.590 0.580 0.610 0.610 0.580 0.580 0.580 0.590 0.580 0.570 0.560 0.590 0.560 0.590 0.580 0.590 0.590 0.630 0.610 0.590 0.550 0.600 0.620 0.630 0.560 0.610
5 0.590 0.630 0.560 0.610 0.570 0.620 0.580 0.560 0.620 0.560 0.620 0.630 0.620 0.580 0.600 0.620 0.590 0.610 0.620 0.610 0.560 0.610 0.580 0.620 0.590 0.560 0.590 0.590 0.620 0.610
Mean
R
0.582 0.612 0.568 0.598 0.576 0.604 0.568 0.576 0.606 0.576 0.596 0.578 0.598 0.586 0.582 0.608 0.568 0.594 0.598 0.606 0.568 0.608 0.582 0.598 0.588 0.580 0.608 0.612 0.576 0.608 17.708 0.5903
0.040 0.040 0.050 0.050 0.060 0.050 0.070 0.050 0.040 0.070 0.050 0.090 0.040 0.040 0.070 0.030 0.040 0.070 0.040 0.050 0.040 0.050 0.070 0.070 0.070 0.060 0.030 0.040 0.070 0.060 1.600 0.05333
199
Batas-batas kendali statistik produk pertama ukuran A : Peta R CL
= R = 1.600/30 = 0.05333
UCL
= D4* R = 2.114*0.05333= 0.1128
LCL
= D3* R = 0*0.05333 = 0
Peta X CL
= X = 17.708/30 = 0.5903
UCL
= X + (A2* R ) = 0.5903 + (0.577*0.05333) = 0.6210
LCL
= X - (A2* R ) = 0.5903 – (0.577*0.05333) = 0.5595 Xbar/R Chart Untuk Produk Pertama Ukuran A 0.625
UCL=0.6210
0.615
Sample Mean
0.605 0.595
Mean=0.5903
0.585 0.575 0.565
LCL=0.5595
0.555 Subgroup
0
10
20
30
UCL=0.1128
Sample Range
0.10
0.05
R=0.05333
0.00
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.1. Peta Kendali X dan R Produk Current Coil Bobbin W 10549-2 Pertama Untuk Ukuran A
200
5.2.2.2.Analisa Peta Kendali X dan R Dalam pembuatan peta kendali, hal yang pertama untuk diperhatikan adalah jenis datanya yaitu termasuk jenis data variabel atau data atribut. Dalam hal ini, data yang akan diamati adalah ukuran produk yang akan diukur dengan menggunakan alat ukur sigmat, sehingga dapat disimpulkan bahwa data di atas termasuk data variabel. Oleh karena itu, peta kendali yang digunakan adalah peta kendali untuk data variabel yaitu peta kendali X dan R karena peta kendali X dan R merupakan dua peta pengendali yang saling membantu dalam mengambil keputusan mengenai kualitas proses. Peta kendali rata-rata ( X ) merupakan peta pengendali untuk melihat apakah proses masih berada dalam batas pengendalian atau tidak. Kondisi tersebut dapat dilihat dari produk yang sedang berada dalam proses sehingga dapat menunjukkan apakah rata-rata produk yang dihasilkan sesuai dengan standar pengendalian yang digunakan perusahaan atau tidak. Sedangkan peta kendali jarak (R atau range) digunakan untuk mengetahui tingkat keakurasian atau ketepatan proses yang diukur dengan mencari range dari sampel yang diambil dalam observasi. Berdasarkan pada hal di atas maka untuk menentukan apakah suatu proses dikatakan terkendali atau tidak, ada dua kondisi yang harus dipenuhi, yaitu semua titik yang diplot di peta kendali harus berada di dalam batas pengendalian atas dan bawah (UCL dan LCL) serta tidak ada pola-pola abnormal tertentu dari titik-titik yang diplot tersebut. Berdasarkan hal tersebut, dapat dilihat bahwa semua titik-titik
201
yang diplot pada peta kendali X dan R produk current coil bobbin W 10549-2 tidak ada yang berada di luar batas pengendalian atas maupun bawah (UCL dan LCL) serta tidak terlihat adanya pola-pola abnormal tertentu. Dengan demikian maka dapat dikatakan bahwa proses telah terkendali dan stabil. Walaupun proses telah berada dalam batas pengendali statistik, namun kondisi
in statistical control tidak selalu identik dengan kepuasan pelanggan. Pada beberapa situasi, proses tidak berada dalam pengendali statistik tetapi tidak memerlukan tindakan karena telah memenuhi spesifikasi. Pada kondisi lain, proses yang in
statistical control justru membutuhkan tindakan karena spesifikasi produk tidak tercapai. Seperti halnya di sini dimana pelanggan justru mengharapkan tidak ada cacat sama sekali namun dalam subgrup di peta kendali mungkin saja terdapat produk yang tidak sesuai spesifikasi. Apabila produk tidak memenuhi spesifikasi, ada beberapa tindakan yang dapat dilakukan seperti mengurangi variabilitas, mengubah spesifikasi, melakukan pensortiran terhadap produk, dan sebagainya. Apabila produk telah memenuhi spesifikasi, maka dapat dilakukan alternatif lain seperti menggunakan proses dengan tepat, mengurangi variabilitas, dan sebagainya. Pada peta kendali masing-masing produk dapat dilihat bahwa produk yang dihasilkan, baik produk pertama, kedua, ketiga, ataupun keempat memang bervariasi. Adanya variasi yang terjadi pada pergerakan titik-titik dalam peta kendali di atas kemungkinan disebabkan oleh penyebab-penyebab yang bersifat umum (common
causes of variation) yang terjadi pada proses, dimana untuk menghilangkannya
202
diperlukan penelusuran elemen-elemen pada sistem dan dilakukan perbaikan oleh pihak manajemen perusahaan. Dari hasil pengamatan dan analisa semua peta kendali
X dan R produk current coil bobbin W 10549-2, maka selanjutnya semua produk dianggap sama tidak lagi dibedakan produk pertama, kedua, ketiga, dan keempat.
5.2.2.3.Diagram Pareto Jenis Cacat Produk Current Coil Bobbin W 10549-2 Seperti yang telah dijelaskan, produk current coil bobbin W 10549-2 memiliki empat titik kritis ukuran A, B, C, dan D yang jika produk tidak sesuai dengan keempat spesifikasi tersebut maka produk dinyatakan cacat. Pada bulan Juli 2004 sampai dengan September 2004 telah dilakukan pengukuran pada produk
current coil bobbin W 10549-2 dimana ditemukan adanya tujuh jenis cacat. Dari semua jenis cacat ini akan dibuat diagram Pareto untuk melihat jenis cacat mana yang paling berpengaruh terhadap produk dan selanjutnya akan lebih difokuskan pada jenis cacat tersebut. Namun cacat yang kurang berpengaruh terhadap produk juga tidak diabaikan. Tujuan utama dalam pembuatan diagram Pareto ini adalah untuk menentukan ukuran yang paling banyak menyebabkan cacat terhadap produk current coil bobbin W 10549-2 dari keempat ukuran kritis. Selanjutnya ukuran tersebut yang akan dijadikan sebagai patokan dalam pengukuran saat pelaksanaan eksperimen. Untuk lebih jelasnya perhitungan persentase dari masing-masing jenis cacat dapat dilihat pada tabel berikut ini :
203
Tabel 5.13. Tabel Persentase Jenis Cacat Produk Current Coil Bobbin W 10549-2 Current Coil Bobbin W 10549-2 No.
Frekuensi Cacat Periode Juli 2004 - September 2004
Jenis Cacat
%
%
Cacat
Kumulatif
69
28.279%
28.279%
18
57
23.361%
51.639%
17
53
21.721%
73.361%
Juli
Agustus
September
25
22
22
20
19
19
17
Total
1
Produk tidak lengkap
2
(Ada bagian tidak terbentuk) Permukaan produk tidak rata
3
Ukuran A tidak sesuai spesifikasi
4
Ukuran B tidak sesuai spesifikasi
9
10
7
26
10.656%
84.016%
5
Produk rapuh
8
6
7
21
8.607%
92.623%
6
Ukuran C tidak sesuai spesifikasi
4
5
5
14
5.738%
98.361%
7
Ukuran D tidak sesuai spesifikasi
2
1
1
4
1.639%
100%
85
79
76
244
100%
Total
Sumber : Hasil Analisa dan Pembahasan.
250
100
200
80
150
60
100
40
50
20
0
0a si si si i ka ik a fi k s if si f e si e e p p p s s ai s uh a ai ai l en r ap u e su es u es u es u ak ks uk ks r od ks ks a a t id a d a p d d o d d k i i i i Pr aa n du Dt Ct Bt At uk P ro ra n r an r an ra n rm 69 P e 57U ku 53U k u 26 21U ku 14U ku 4
Defect Count Percent Cum %
ap gk
28.3 28.3
k i da kt
23.4 51.6
a ra t
21.7 73.4
a fi k es i i sp
Percent
Count
Diagram Pareto Jenis Cacat Produk Current Coil Bobbin W 10549-2
si
10.7 84.0
8.6 92.6
5.7 98.4
1.6 100.0
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.2. Diagram Pareto Jenis Cacat Produk Current Coil BobbinW 10549-2
204
Keterangan : •
Produk tidak lengkap (ada bagian yang tidak terbentuk) Ketentuan produk tidak lengkap menurut perusahaan adalah apabila output yang dihasilkan tidak lengkap karena terdapat bagian produk yang tidak terbentuk, misalnya bagian atas produk tidak terbentuk. Penyebabnya adalah plastisasi bahan baku yang di-setting kurang sehingga bahan baku yang diinjeksi ke cetakan menjadi kurang, akibatnya produk yang dihasilkan tidak terbentuk sebagian atau tidak lengkap. Selain itu juga bisa terjadi karena suhu yang di-setting kurang tinggi sehingga viskositas (kekentalan) bahan baku masih tinggi sehingga saat diinjeksi ke cetakan tidak seluruhnya terinjeksi.
•
Permukaan produk tidak rata Penyebab terjadinya adalah waktu pendinginan yang kurang sehingga produk belum cukup mengeras sudah di-eject keluar dari cetakan, sehingga pin-pin di cetakan (bentuknya bulat) yang memegang produk, menonjol ke permukaan produk akibatnya permukaan produk tidak merata.
•
Produk rapuh Ketentuan produk rapuh menurut perusahaan adalah apabila produk yang dihasilkan dipelintir ke kiri atau ke kanan, maka produk akan mudah patah dan terkadang juga produk yang dihasilkan meleot. Kemungkinan penyebabnya adalah suhu panas yang di-setting terlalu tinggi namun waktu pendinginan yang di-setting kurang sehingga produk mudah rapuh. Produk dengan bahan nilon,
205
biasanya kalau dipelintir ke kanan atau ke kiri tidak akan patah tetapi bersifat alot seperti karet karena bahan nilon mempunyai sifat yang lemas tapi berkekuatan tinggi sehingga tidak mudah rapuh. •
Ukuran A, B, C, dan D yang tidak sesuai spesifikasi Untuk ukurannya dapat dilihat pada gambar 5.2 di atas.
5.2.2.4.Analisa Diagram Pareto Dari diagram Pareto di atas dapat dilihat bahwa kategori cacat produk tidak lengkap (sebagian produk yang tidak terbentuk) menunjukkan konstribusi cacat yang paling besar yaitu sebesar 28.3%. Selanjutnya adalah kategori cacat permukaan produk yang tidak rata, yaitu sebesar 23.4%, ukuran A yang tidak sesuai dengan spesifikasi sebesar 21.7% dan ukuran B yang tidak sesuai dengan spesifikasi sebesar 10.7%. Persentase kumulatif dari keempat jenis cacat tersebut adalah sebesar 84.0%. Sesuai dengan prinsip Pareto maka harusnya keempat jenis cacat ini yang difokuskan namun untuk jenis cacat yang persentase cacatnya tidak terlalu besar juga penting untuk diperhatikan seperti kategori cacat produk rapuh, dan sebagainya. Oleh karena itu, melalui eksperimen dengan metode Taguchi maka kemungkinan jenis cacat yang persentasenya kecil juga teratasi. Hal ini dikarenakan, dalam eksperimen Taguchi memperhatikan semua faktor yang mempengaruhi proses. Faktor tersebut termasuk faktor yang dapat dikontrol (seperti suhu, tekanan injeksi, dan sebagainya) ataupun faktor yang tidak dapat dikontrol (seperti kelembaban, dan sebagainya).
206
Seperti yang telah disebutkan di atas dimana tujuan utama pembuatan diagram Pareto adalah untuk mencari ukuran (dari keempat ukuran kritis) yang akan dijadikan sebagai patokan dalam eksperimen maka ukuran A yang akan dijadikan sebagai patokan pengukuran dalam melakukan eksperimen karena ukuran A menunjukkan konstribusi cacat yang lebih besar yaitu sebesar 21.7% dibanding ukuran B (10.7%), C (5.7%), dan D (1.6%).
5.2.3. Produk IL Coil Bobbin W 10547-3 5.2.3.1. Peta Kendali X dan R Tujuan dari pembuatan peta kendali adalah untuk melihat variasi yang terjadi pada produk IL coil bobbin W 10547-3. Untuk produk ini terdapat dua peta kendali untuk ukuran A dan B, yaitu: A. Ukuran A
207
Tabel 5.14. Perhitungan Peta Kendali X dan R Produk IL Coil Bobbin W 10547-3 Untuk Ukuran A Jumlah Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Hasil Pengukuran Ukuran A 1 2 3 4 5 13.48 13.45 13.50 13.49 13.51 13.55 13.51 13.54 13.49 13.52 13.50 13.48 13.46 13.51 13.47 13.49 13.53 13.49 13.52 13.51 13.45 13.54 13.51 13.48 13.48 13.47 13.49 13.50 13.51 13.52 13.54 13.47 13.52 13.55 13.48 13.52 13.45 13.48 13.50 13.45 13.49 13.51 13.53 13.47 13.48 13.53 13.52 13.54 13.45 13.49 13.53 13.48 13.49 13.52 13.51 13.56 13.47 13.48 13.50 13.50 13.48 13.52 13.52 13.49 13.54 13.45 13.49 13.47 13.47 13.51 13.46 13.51 13.46 13.48 13.47 13.50 13.50 13.50 13.51 13.48 13.54 13.50 13.51 13.55 13.50 13.53 13.47 13.52 13.54 13.45 13.48 13.45 13.54 13.48 13.46 13.46 13.49 13.50 13.45 13.48 13.51 13.50 13.52 13.51 13.53 13.51 13.47 13.49 13.53 13.49 13.48 13.52 13.47 13.50 13.45 13.50 13.51 13.47 13.48 13.52 13.49 13.48 13.52 13.49 13.46 13.53 13.50 13.47 13.51 13.51 13.55 13.48 13.48 13.50 13.50 13.53 13.46 13.52 13.49 13.48 13.45 13.50 13.45 13.47 13.52 13.52 13.47 13.51 13.48 13.53 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
Mean
R
13.49 13.52 13.48 13.51 13.49 13.50 13.51 13.48 13.50 13.51 13.51 13.50 13.51 13.48 13.48 13.50 13.52 13.50 13.48 13.48 13.51 13.50 13.48 13.50 13.49 13.50 13.50 13.50 13.48 13.50 404.90 13.50
0.06 0.06 0.05 0.04 0.09 0.05 0.08 0.07 0.06 0.09 0.05 0.09 0.06 0.06 0.05 0.03 0.05 0.09 0.09 0.05 0.03 0.06 0.07 0.05 0.06 0.06 0.07 0.07 0.07 0.06 1.87 0.06233
208
Batas-batas kendali statistik untuk ukuran A : Peta R CL
= R = 1.87/30 = 0.06233
UCL
= D4* R = 2.114*0.06233= 0.1318
LCL
= D3* R = 0*0.06233= 0
Peta X CL
= X = 404.90/30 = 13.50
UCL
= X + (A2* R ) = 13.50+ (0.577*0.06233) = 13.53
LCL
= X - (A2* R ) = 13.50– (0.577*0.06233) = 13.46
Sample Mean
Xbar/R Chart Untuk Produk IL Coil Bobbin W 10547-3 Ukuran A 13.54 13.53 13.52 13.51 13.50 13.49 13.48 13.47 13.46 13.45
Subgroup
UCL=13.53
Mean=13.50
LCL=13.46 0
10
20
30
0.15
Sample Range
UCL=0.1318 0.10 0.05
0.00
R=0.06233
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.2. Peta Kendali X dan R Produk IL Coil Bobbin W 10547-3 Ukuran A
209
B. Ukuran B Tabel 5.15. Perhitungan Peta Kendali X dan R Produk IL Coil Bobbin W 10547-3 Untuk Ukuran B Jumlah Observasi 1 2 3 4 5 6 7 8 9
Hasil Pengukuran Ukuran B 1 2 3 4 5 3.79 3.79 3.80 3.78 3.81 3.81 3.80 3.81 3.81 3.80 3.78 3.80 3.81 3.81 3.79 3.81 3.78 3.79 3.79 3.80 3.79 3.79 3.80 3.79 3.80 3.81 3.80 3.81 3.79 3.81 3.80 3.81 3.80 3.81 3.81 3.78 3.80 3.79 3.78 3.79 3.81 3.81 3.80 3.80 3.81
Mean
R
3.79 3.81 3.80 3.79 3.79 3.80 3.81 3.79 3.81
0.03 0.01 0.03 0.03 0.01 0.02 0.01 0.02 0.01
10
3.79
3.79
3.80
3.80
3.79
3.79
0.01
11
3.80
3.79
3.80
3.81
3.79
3.80
0.02
12 13 14
3.81 3.80 3.79
3.80 3.77 3.81
3.80 3.81 3.79
3.81 3.79 3.80
3.81 3.81 3.79
3.81 3.80 3.80
0.01 0.04 0.02
15
3.79
3.79
3.80
3.79
3.79
3.79
0.01
16
3.81
3.79
3.80
3.80
3.79
3.80
0.02
17 18 19 20 21 22 23 24 25 26 27 28 29 30
3.79 3.78 3.80 3.81 3.79 3.81 3.78 3.79 3.80 3.80 3.79 3.81 3.80 3.79
3.79 3.80 3.80 3.78 3.81 3.80 3.80 3.77 3.79 3.80 3.80 3.78 3.81 3.80 3.78 3.81 3.79 3.81 3.81 3.79 3.80 3.79 3.79 3.81 3.80 3.79 3.81 3.79 Total Rata-rata
3.79 3.80 3.81 3.79 3.78 3.80 3.79 3.81 3.81 3.81 3.80 3.80 3.79 3.79
3.80 3.79 3.81 3.80 3.80 3.79 3.78 3.79 3.79 3.81 3.80 3.80 3.80 3.80
3.79 3.79 3.81 3.79 3.79 3.80 3.79 3.80 3.80 3.80 3.80 3.80 3.80 3.80 113.92 3.80
0.01 0.02 0.01 0.04 0.02 0.03 0.03 0.03 0.02 0.02 0.01 0.02 0.01 0.02 0.59 0.016511
Sumber : Hasil Analisa dan Pembahasan.
210
Batas-batas kendali statistik untuk ukuran B : Peta R CL
= R = 0.59/30 = 0.01967
UCL
= D4* R = 2.114*0.01967= 0.04158
LCL
= D3* R = 0*0.01967= 0
Peta X CL
= X = 3.80/30 = 3.797
UCL
= X + (A2* R ) = 13.50+ (0.577*0.01967) = 3.809
LCL
= X - (A2* R ) = 13.50– (0.577*0.01967) = 3.786 Xbar/R Chart Untuk Produk IL Coil Bobbin W 10547-3 Ukuran B
Sample Mean
3.81
UCL=3.809
3.80 Mean=3.797 3.79 LCL=3.786
Subgroup
0
10
Sample Range
0.04
20
30
UCL=0.04158
0.03 0.02
R=0.01967
0.01 0.00
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.3. Peta Kendali X dan R Produk IL Coil Bobbin W 10547-3 Ukuran B
211
5.2.3.2.Analisa Peta Kendali X dan R Seperti halnya pada produk current coil bobbin W 10549-2, dalam pembuatan peta kendali, hal yang pertama untuk diperhatikan adalah jenis datanya yaitu termasuk jenis data variabel atau data atribut. Dalam hal ini, data yang akan diamati adalah ukuran produk yang akan diukur dengan menggunakan alat pengukuran sigmat, sehingga dapat disimpulkan bahwa data di atas termasuk data variabel. Oleh karena itu, peta kendali yang digunakan adalah peta kendali untuk data variabel yaitu peta kendali X dan R karena peta kendali X dan R merupakan dua peta pengendali yang saling membantu dalam mengambil keputusan mengenai kualitas proses. Dari peta kendali di atas (grafik 5.3) dapat dilihat bahwa semua titik-titik yang diplot pada peta kendali X dan R produk IL coil bobbin W 10547-3 tidak ada yang berada di luar batas pengendalian atas maupun bawah (UCL dan LCL) serta tidak terlihat adanya pola-pola abnormal tertentu. Dengan demikian maka dapat dikatakan bahwa proses telah terkendali dan stabil. Adanya variasi yang terjadi pada pergerakan titik-titik dalam peta kendali di atas kemungkinan disebabkan oleh penyebabpenyebab yang bersifat umum (common causes of variation) yang terjadi pada proses, dimana untuk menghilangkannya diperlukan penelusuran elemen-elemen pada sistem dan dilakukan perbaikan oleh pihak manajemen perusahaan. Walaupun proses di atas telah berada dalam batas pengendali statistik, namun kondisi in statistical control tidak selalu identik dengan kepuasan pelanggan. Untuk alasannya sama dengan alasan di produk current coil bobbin W 10549-2, yakni kemungkinan proses yang
212
berada dalam pengendali statistik (in statistical control) terdapat produk yang tidak memenuhi spesifikasi sehingga justru dibutuhkan tindakan seperti mengurangi variabilitas, mengubah spesifikasi, melakukan pensortiran produk, dan sebagainya.
5.2.3.3. Diagram Pareto Jenis Cacat Produk IL Coil Bobbin W 10547-3 Produk IL coil bobbin W 10547-3 memiliki dua titik kritis ukuran A dan B, dimana jika produk tidak sesuai dengan kedua spesifikasi tersebut maka produk dinyatakan cacat. Pada bulan Juli 2004 sampai dengan September 2004 telah dilakukan pengukuran pada produk current coil bobbin W 10549-2 dimana ditemukan adanya empat jenis cacat. Dari semua jenis cacat ini akan dibuat diagram Pareto untuk melihat jenis cacat mana yang paling berpengaruh terhadap produk dan selanjutnya akan lebih difokuskan pada jenis cacat tersebut. Namun cacat yang kurang berpengaruh terhadap produk juga tidak diabaikan. Seperti halnya produk current coil bobbin W 10549-2, tujuan utama dalam pembuatan diagram Pareto ini adalah untuk menentukan ukuran yang paling banyak menyebabkan cacat terhadap produk IL coil bobbin W 10549-2 dari kedua ukuran kritis. Selanjutnya ukuran tersebut yang akan dijadikan sebagai patokan dalam pengukuran saat pelaksanaan eksperimen. Untuk lebih jelasnya perhitungan persentase dari masing-masing jenis cacat dapat dilihat pada tabel berikut ini :
213
Tabel 5.16. Tabel Persentase Jenis Cacat Produk IL Coil Bobbin W 10547-3 IL Coil Bobbin W 10547-3 Frekuensi Cacat Periode Juli 2004 No.
Jenis Cacat
Total
September 2004
1
Ukuran B tidak sesuai spesifikasi
2 3
Produk tidak lengkap (Ada bagian tidak terbentuk) Produk rapuh
4
Ukuran A tidak sesuai spesifikasi Total
%
%
Cacat
Kumulatif
Juli
Agustus
September
24
17
20
61
39.103%
39.103%
17
15
13
45
28.846%
67.949%
7
10
9
26
16.667%
84.615%
8
7
9
24
15.385%
100%
56
49
51
156
100%
Sumber : Hasil Analisa dan Pembahasan.
Diagram Pareto Jenis Cacat Produk IL Coil Bobbin W 10547-3 100
150
100
Count
60 40
50
Percent
80
20 0
Defect Count P ercent Cum %
U
r an ku
B
a t id
e si i sp su a e s k
61 39.1 39.1
f i ka
si
o du Pr
k i da kt
l
p ka e ng
45 28.8 67.9
du k Pr o
uh ra p
26 16.7 84.6
n ur a Uk
At
i da
e si i sp su a e s k
f i ka
si
0
24 15.4 100.0
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.3. Diagram Pareto Jenis Cacat Produk IL Coil Bobbin W 10549-2
214
Keterangan : Untuk jenis cacat yang terjadi pada produk il coil bobbin W 10547-3, yaitu jenis cacat produk yang dihasilkan tidak lengkap atau terdapat bagian produk yang tidak terbentuk dan produk yang dihasilkan mudah rapuh, ketentuannya sama dengan ketentuan jenis cacat untuk produk current coil bobbin W 10549-2. Sedangkan untuk ukuran A dan B yang tidak sesuai dengan spesifikasi, untuk ukurannya dapat dilihat pada gambar 5.4 di atas.
5.2.3.4.Analisa Diagram Pareto Dari diagram Pareto di atas dapat dilihat bahwa kategori cacat untuk ukuran B yang tidak sesuai dengan spesifikasi menunjukkan konstribusi cacat yang paling besar yaitu sebesar 39.1%. Selanjutnya adalah kategori cacat untuk produk yang tidak lengkap, sebesar 28.8%, dan kategori cacat untuk produk rapuh adalah sebesar 16.3%. Persentase kumulatif dari ketiga jenis cacat tersebut adalah sebesar 84.6%. Sesuai dengan prinsip Pareto maka harusnya keempat jenis cacat ini yang difokuskan namun untuk jenis cacat yang persentase cacatnya tidak terlalu besar juga penting untuk diperhatikan seperti kategori cacat ukuran A yang tidak sesuai dengan spesifikasi, sebesar 15.4%. Oleh karena itu, melalui eksperimen dengan metode Taguchi maka kemungkinan jenis cacat yang persentasenya kecil juga teratasi. Hal ini dikarenakan, dalam eksperimen Taguchi memperhatikan semua faktor yang mempengaruhi proses. Faktor tersebut termasuk faktor yang dapat dikontrol (seperti
215
suhu, tekanan injeksi, dan sebagainya) ataupun faktor yang tidak dapat dikontrol (seperti kelembaban, dan sebagainya). Seperti yang telah disebutkan di atas dimana tujuan utama pembuatan diagram Pareto adalah untuk mencari ukuran (dari kedua ukuran kritis) yang akan dijadikan sebagai patokan dalam eksperimen, maka ukuran B yang akan dijadikan sebagai patokan pengukuran dalam melakukan eksperimen karena ukuran B menunjukkan konstribusi cacat yang lebih besar yaitu sebesar 39.1% dibanding ukuran A yaitu sebesar 15.4%.
5.2.4. Produk Insulation Plate W 11241 5.2.4.1.Peta Kendali X dan R Seperti halnya pada produk IL coil bobbin, tujuan pembuatan peta kendali produk ini adalah untuk melihat variasi yang terjadi pada produk. Produk ini memiliki tiga peta kendali untuk ukuran A, B, dan C, yaitu :
216
A. Ukuran A Tabel 5.17. Perhitungan Peta Kendali X dan R Produk Insulation Plate W 11241 Untuk Ukuran A Jumlah Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Hasil Pengukuran Ukuran A 1 2 3 4 5 11.98 11.95 12.01 11.97 12.00 12.04 11.99 12.03 12.04 11.98 11.95 11.97 12.00 11.95 11.99 11.96 12.05 11.98 12.02 12.00 12.01 11.95 11.96 12.00 11.95 12.00 12.03 12.01 11.97 12.04 11.96 12.00 11.97 12.01 12.01 11.99 12.00 12.00 11.98 11.99 11.95 12.00 11.96 11.98 12.01 12.05 12.00 11.95 12.01 12.03 12.00 11.99 11.98 11.99 12.01 11.98 12.04 12.05 11.98 11.97 11.95 12.00 11.97 12.01 11.97 11.97 11.99 11.98 12.02 12.00 12.05 12.00 11.97 12.01 12.03 11.95 11.95 11.99 11.98 12.00 12.02 11.97 12.01 11.98 12.03 12.00 11.99 11.98 11.99 11.98 11.99 11.96 12.00 12.01 11.97 12.01 12.05 11.96 11.99 12.01 12.00 12.00 11.98 11.99 12.03 12.00 11.97 12.03 11.97 11.98 11.98 11.99 12.01 11.98 12.03 12.04 11.98 12.05 12.03 12.03 11.99 12.02 12.00 11.98 11.99 12.01 12.04 11.98 12.03 12.05 11.97 11.95 12.01 11.95 11.96 12.05 12.00 11.98 12.03 11.98 12.00 11.96 11.98 11.97 11.99 12.03 12.05 11.98 11.95 12.01 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
Mean
R
11.98 12.02 11.97 12.00 11.97 12.01 11.99 11.99 11.98 12.01 11.99 12.00 11.98 11.99 12.01 11.97 12.00 11.99 11.99 12.00 12.00 11.99 12.00 12.03 12.00 12.02 11.97 12.01 11.98 12.00 359.85 12.00
0.06 0.06 0.05 0.09 0.06 0.07 0.05 0.02 0.06 0.10 0.03 0.08 0.06 0.05 0.08 0.05 0.06 0.02 0.05 0.09 0.05 0.06 0.05 0.07 0.04 0.07 0.06 0.07 0.04 0.10 1.80 0.06
217
Batas-batas kendali statistik untuk ukuran A : Peta R CL
= R = 1.80/30 = 0.06
UCL
= D4* R = 2.114*0.01967= 0.1269
LCL
= D3* R = 0*0.01967= 0
Peta X CL
= X = 359.85/30 = 12.00
UCL
= X + (A2* R ) = 12.00+ (0.577*0.1269) = 12.03
LCL
= X - (A2* R ) = 12.00– (0.577*0.1269) = 11.96 Xbar/R Chart Untuk Produk Insulation Plate W11241 ukuran A
Sample Mean
12.035 12.025 12.015 12.005
UCL=12.03
11.995 11.985 11.975 11.965
Mean=12.00
LCL=11.96
11.955 Subgroup
0
10
20
30
0.15
Sample Range
UCL=0.1269 0.10 0.05
0.00
R=0.06
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.4. Peta Kendali X dan R Produk Insulation Plate W 11241 Ukuran A
218
B. Ukuran B Tabel 5.18. Perhitungan Peta Kendali X dan R Produk Insulation Plate W 11241 Untuk Ukuran B Jumlah Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Hasil Pengukuran Ukuran A 1 2 3 4 5 13.00 12.95 12.96 13.00 12.96 12.97 12.98 13.00 12.99 13.01 13.05 13.05 12.99 13.01 13.04 12.97 13.00 12.95 12.99 12.96 12.95 13.05 13.01 13.03 13.04 12.95 13.00 13.01 12.96 12.95 12.99 13.01 13.00 12.98 13.01 13.03 13.00 13.05 12.99 13.05 12.96 12.99 12.97 12.96 12.95 12.99 13.01 13.01 13.05 13.02 13.01 13.05 12.98 13.00 12.95 13.03 12.98 12.99 12.97 12.97 12.98 12.96 13.05 12.99 13.00 13.00 12.96 12.95 12.99 12.96 13.03 13.04 12.97 12.97 13.01 13.00 12.98 13.00 12.99 12.98 12.99 13.02 12.96 13.01 13.03 13.05 13.05 12.95 13.01 13.02 12.99 12.97 13.04 12.97 12.97 13.04 12.95 13.00 13.05 12.99 12.97 13.01 13.02 12.99 12.95 12.99 12.98 12.98 12.99 13.00 13.04 12.98 12.97 13.01 12.97 13.00 12.97 13.01 13.04 12.98 12.96 13.05 13.02 12.96 12.95 12.99 13.01 12.98 13.01 13.01 12.95 12.97 13.02 13.00 12.95 12.99 13.04 13.05 13.02 13.05 12.97 12.97 13.00 12.97 12.99 13.00 13.04 13.01 12.98 13.00 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
Mean
R
12.97 12.99 13.03 12.97 13.02 12.97 13.00 13.02 12.97 13.02 13.00 12.99 13.00 12.97 13.00 12.99 13.00 13.02 12.99 13.01 12.99 12.99 12.99 13.00 12.99 13.00 12.98 13.03 12.98 13.01 389.87 13.00
0.05 0.04 0.06 0.05 0.10 0.06 0.03 0.06 0.04 0.06 0.10 0.06 0.09 0.05 0.07 0.02 0.07 0.10 0.07 0.10 0.07 0.02 0.07 0.07 0.10 0.03 0.07 0.06 0.03 0.06 1.86 0.06
219
Batas-batas kendali statistik untuk ukuran B : Peta R CL
= R = 1.86/30 = 0.062
UCL
= D4* R = 2.114*0.062= 0.01311
LCL
= D3* R = 0*0.062= 0
Peta X CL
= X = 389.87/30 = 13.00
UCL
= X + (A2* R ) = 13.00+ (0.577*0.062) = 13.03
LCL
= X - (A2* R ) = 13.00– (0.577*0.062) = 12.96
Sample Mean
Xbar/R Chart Untuk Produk Insulation Plate W 11241 Ukuran B 13.04 13.03 13.02 13.01 13.00 12.99 12.98 12.97 12.96 12.95
Subgroup
UCL=13.03
Mean=13.00
LCL=12.96 0
10
20
30
0.15
Sample Range
UCL=0.1311 0.10 0.05
0.00
R=0.062
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.5. Peta Kendali X dan R Produk Insulation Plate W 11241 Ukuran B
220
C. Ukuran C Tabel 5.19. Perhitungan Peta Kendali X dan R Produk Insulation Plate W 11241 Untuk Ukuran C Jumlah Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Hasil Pengukuran Ukuran A 1 2 3 4 5 12.97 12.98 12.95 12.96 12.98 12.99 13.02 13.05 13.01 13.05 13.04 12.95 13.01 13.03 13.04 12.97 13.00 12.95 12.99 12.96 13.05 12.95 13.04 13.03 13.04 12.95 13.00 12.99 12.96 12.95 12.99 13.05 13.00 12.98 13.01 13.03 13.00 13.05 12.99 13.05 12.96 12.99 12.97 12.99 12.95 12.99 13.01 13.01 12.99 13.02 13.01 13.05 12.98 13.00 12.95 12.98 12.98 13.01 12.97 12.97 12.98 12.96 13.05 12.99 13.00 12.96 12.96 12.95 13.00 12.96 13.03 13.04 12.97 12.97 13.01 13.00 12.98 13.00 12.99 12.98 12.99 13.02 12.96 13.01 13.03 13.05 13.05 12.95 13.01 13.03 12.99 12.97 13.01 12.97 12.95 13.04 13.05 13.00 13.05 12.99 12.97 13.01 13.02 12.99 12.95 12.99 12.98 12.98 12.99 13.00 13.00 12.95 12.97 13.00 12.96 13.00 12.97 13.01 13.04 12.98 12.96 13.05 13.02 12.96 12.95 12.99 13.01 12.98 13.01 13.01 12.95 12.97 13.02 13.00 12.95 12.98 13.04 13.04 13.02 13.03 12.97 12.97 13.00 12.97 12.99 13.00 13.04 13.01 13.04 13.00 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
Mean
R
12.97 13.02 13.01 12.97 13.02 12.97 13.01 13.02 12.97 13.00 13.00 12.98 13.00 12.97 13.00 12.99 13.00 13.02 12.98 13.03 12.99 12.99 12.98 13.00 12.99 13.00 12.98 13.02 12.98 13.02 389.88 13.00
0.03 0.06 0.09 0.05 0.10 0.05 0.07 0.06 0.04 0.03 0.10 0.04 0.09 0.05 0.07 0.02 0.07 0.10 0.06 0.06 0.07 0.02 0.05 0.07 0.10 0.03 0.07 0.06 0.03 0.04 1.78 0.05937
221
Batas-batas kendali statistik untuk ukuran C : Peta R CL
= R = 1.78/30 = 0.1255
UCL
= D4* R = 2.114*0.1255= 0.05933
LCL
= D3* R = 0*0.1255= 0
Peta X CL
= X = 1.780/30 =13.00
UCL
= X + (A2* R ) = 13.00+ (0.577*0.05933) = 13.03
LCL
= X - (A2* R ) = 13.00– (0.577*0.05933) = 12.96
Sample Mean
Xbar/R Chart Untuk Produk Insulation plate W 11241 Ukuran c 13.035 13.025
UCL=13.03
13.015 13.005 12.995 12.985 12.975
Mean=13.00
12.965 12.955
LCL=12.96
Subgroup
0
10
20
30
0.15
Sample Range
UCL=0.1255 0.10 0.05
0.00
R=0.05933
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.6. Peta Kendali X dan R Produk Insulation Plate W 11241 Ukuran C
222
5.2.4.2.Analisa Peta Kendali X dan R Data untuk produk insulation plate W 11241 juga merupakan jenis data variabel sehingga peta kendali yang digunakan juga merupakan peta kendali X dan R karena peta kendali X dan R merupakan dua peta pengendali yang saling membantu dalam mengambil keputusan mengenai kualitas proses. Untuk menentukan apakah suatu proses dikatakan terkendali atau tidak, ada dua kondisi yang harus dipenuhi, yaitu semua titik yang diplot di peta kendali harus berada di dalam batas pengendalian atas dan bawah (UCL dan LCL) serta tidak ada pola-pola abnormal tertentu dari titik-titik yang diplot tersebut. Berdasarkan hal tersebut dapat dilihat bahwa semua titik-titik yang diplot pada peta kendali X dan R produk insulation plate W 11241 tidak ada yang berada di luar batas pengendalian atas maupun bawah (UCL dan LCL) serta tidak terlihat adanya pola-pola abnormal tertentu. Dengan demikian maka dapat dikatakan bahwa proses telah terkendali dan stabil. Adanya variasi yang terjadi pada pergerakan titiktitik dalam peta kendali di atas kemungkinan disebabkan oleh penyebab-penyebab yang bersifat umum (common causes of variation) yang terjadi pada proses, dimana untuk menghilangkannya diperlukan penelusuran elemen-elemen pada sistem dan dilakukan perbaikan oleh pihak manajemen perusahaan. Seperti halnya dengan kedua produk di atas, walaupun proses di atas telah berada dalam batas pengendali statistik, namun kondisi in statistical control tidak selalu identik dengan kepuasan pelanggan karena kemungkinan proses yang berada
223
dalam pengendali statistik (in statistical control) terdapat produk yang tidak memenuhi spesifikasi sehingga justru dibutuhkan tindakan seperti mengurangi variabilitas, mengubah spesifikasi, melakukan pensortiran produk, dan sebagainya.
5.2.4.3.Diagram Pareto Jenis Cacat Produk Insulation Plate W 11241 Produk insulation plate W 11241 memiliki tiga titik kritis ukuran A, B, dan C, dimana jika produk tidak sesuai dengan kedua spesifikasi tersebut maka produk dinyatakan cacat. Pada bulan Juli 2004 sampai dengan September 2004 telah dilakukan pengukuran pada produk insulation plate W 11241 dimana ditemukan adanya enam jenis cacat. Dari semua jenis cacat ini akan dibuat diagram Pareto untuk melihat jenis cacat mana yang paling berpengaruh terhadap produk dan selanjutnya akan lebih difokuskan pada jenis cacat tersebut. Namun cacat yang kurang berpengaruh terhadap produk juga tidak diabaikan. Seperti halnya produk current coil bobbin W 10549-2 dan il coil bobbin W 10547-3, tujuan utama dalam pembuatan diagram Pareto ini juga untuk menentukan ukuran yang paling banyak menyebabkan cacat terhadap produk insulation plate W 11241 dari ketiga ukuran kritis tersebut. Selanjutnya ukuran tersebut yang akan dijadikan sebagai patokan dalam pengukuran saat pelaksanaan eksperimen. Untuk lebih jelasnya perhitungan persentase dari masing-masing jenis cacat dapat dilihat pada tabel berikut ini :
224
Tabel 5.20. Tabel Persentase Jenis Cacat Produk Insulation Plate W 11241 Insulation Plate W 11241 Frekuensi Cacat Periode Juli No.
Jenis Cacat
2004 - September 2004
Total
Juli
Agustus
September
%
%
Cacat
Kumulatif
1
Ukuran A tidak sesuai spesifikasi
13
12
11
36
30.769%
30.769%
2
Permukaan produk tidak rata
12
12
10
34
29.060%
59.829%
3
9
7
8
24
20.513%
80.342%
4
Produk tidak lengkap (Ada bagian tidak terbentuk) Ukuran C tidak sesuai spesifikasi
3
2
5
10
8.547%
88.889%
5
Ukuran B tidak sesuai spesifikasi
3
4
2
9
7.692%
96.581%
6
Produk rapuh
2
1
1
4
3.419%
100%
42
38
37
117
100%
Total
Sumber : Hasil Analisa dan Pembahasan.
Diagram Pareto Jenis Cacat Produk Insulation plate W 11241 100 80 60 50
40
Percent
Count
100
20 0
Defect Count P ercent Cum %
u Uk
ra n
A
sua se ak ti d
36 30.8 30.8
i si f pe is
Pe
si ka
n aa uk rm
pr o
k du
34 29.1 59.8
ak tid
a ra t
P
uk r od
le ak ti d
24 20.5 80.3
p ka ng
u Uk
ra n
C
sua se ak ti d
10 8.5 88.9
i si f pe is
an ur Uk
si ka
B
sua se ak ti d
9 7.7 96.6
i si f pe is
0
si ka od Pr
uk
r ap
uh
4 3.4 100.0
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.4. Diagram Pareto Jenis Cacat Produk Insulation Plate W 11241
225
Keterangan : Untuk jenis cacat yang terjadi pada produk insulation plate W 11241, yaitu jenis cacat produk yang dihasilkan tidak lengkap atau terdapat bagian produk yang tidak terbentuk dan produk yang dihasilkan mudah rapuh, ketentuannya sama dengan ketentuan jenis cacat untuk produk current coil bobbin W 10549-2. Sedangkan untuk ukuran A, B dan C yang tidak sesuai dengan spesifikasi, untuk ukurannya dapat dilihat pada gambar 5.6 di atas.
5.2.4.4.Analisa Diagram Pareto Dari diagram Pareto di atas dapat dilihat bahwa kategori cacat untuk ukuran A yang tidak sesuai dengan spesifikasi menunjukkan konstribusi cacat yang paling besar yaitu sebesar 30.8%. Selanjutnya adalah kategori cacat untuk produk yang permukaannya tidak rata , sebesar 29.1%, dan kategori cacat untuk produk yang tidak lengkap adalah sebesar 20.5%. Persentase kumulatif dari ketiga jenis cacat tersebut adalah sebesar 80.3%. Sesuai dengan prinsip Pareto maka harusnya ketiga jenis cacat ini yang difokuskan namun untuk jenis cacat yang persentase cacatnya tidak terlalu besar juga penting untuk diperhatikan seperti kategori cacat ukuran C yang tidak sesuai dengan spesifikasi, dan sebagainya. Oleh karena itu, melalui eksperimen dengan metode Taguchi maka kemungkinan jenis cacat yang persentasenya kecil juga teratasi. Hal ini dikarenakan, dalam eksperimen Taguchi memperhatikan semua faktor yang mempengaruhi proses. Faktor tersebut termasuk faktor yang dapat
226
dikontrol (seperti suhu, tekanan injeksi, dan sebagainya) ataupun faktor yang tidak dapat dikontrol (seperti kelembaban, dan sebagainya). Seperti yang telah disebutkan di atas dimana tujuan utama pembuatan diagram Pareto adalah untuk mencari ukuran (dari ketiga ukuran kritis) yang akan dijadikan sebagai patokan dalam eksperimen, maka ukuran A yang akan dijadikan sebagai patokan pengukuran dalam melakukan eksperimen karena ukuran A menunjukkan konstribusi cacat yang lebih besar yaitu sebesar 30.8% dibanding dengan ukuran C (8.5%) dan ukuran B (7.7%).
5.2.5. Diagram Sebab Akibat Diagram sebab akibat diperlukan untuk identifikasi penyebab timbulnya kecacatan pada produk current coil bobbin W 10549-2, IL coil bobbin W 10547-3, dan insulation plate W 11241. Diagram sebab akibat untuk ketiga jenis produk tersebut adalah sama karena produksinya menggunakan jenis mesin yang sama, hanya saja beda cetakan. Kategori penyebab produk cacat dan bervariasi yang dianggap cukup berpengaruh adalah manusia, mesin, material, metode dan lingkungan. Identifikasi faktor-faktor yang berpengaruh terhadap proses dilakukan dengan dua cara yaitu pertama, penentuan faktor-faktor diperoleh dari manual mesin, buku teks, dan jurnal mengenai injection moulding. Kedua, berdasarkan hasil pengamatan dan wawancara dengan pihak perusahaan. Dari kedua sumber informasi tersebut
227
maka dapat diketahui faktor-faktor yang berpengaruh terhadap proses adalah sebagai berikut : 1. Manusia (tenaga kerja) Berdasarkan hasil brainstorming maka diperoleh faktor-faktor dari manusia yang mungkin berpengaruh pada proses adalah : •
Kurangnya ketelitian dalam setting mesin
•
Kecerobohan dalam pemasangan cetakan (cetakan longgar)
•
Kelalaian bekerja (tidak isi air penampungan) Faktor manusia merupakan faktor yang sulit dikendalikan karena menyangkut
pribadi dan karakteristik masing-masing individu. Faktor ini hanya bisa diarahkan ke arah yang lebih baik, misalnya melakukan pelatihan agar meminimasi terjadinya kesalahan-kesalahan yang mungkin terjadi. 2. Mesin Berdasarkan hasil brainstorming maka diperoleh faktor-faktor dari mesin yang mungkin berpengaruh pada proses adalah : •
Waktu injeksi Waktu injeksi merupakan waktu yang diperlukan untuk menginjeksi bahan baku ke dalam cetakan, yaitu mulai dari bahan baku dimasukkan ke dalam mesin hingga terinjeksi ke dalam cetakan. Apabila waktu injeksi yang di-
setting ke mesin kurang maka bahan baku tidak terinjeksi seluruhnya maka produk yang dihasilkan mungkin tidak lengkap atau terdapat bagian yang
228
tidak terbentuk. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum. •
Waktu pendinginan Waktu pendinginan merupakan waktu yang diperlukan untuk mendinginkan bahan baku yang telah terinjeksi ke dalam cetakan. Apabila waktu pendinginan kurang maka produk yang dihasilkan mungkin saja rapuh. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum.
•
Tekanan injeksi Tekanan injeksi yang dilakukan oleh mesin injection moulding adalah sebanyak tiga kali. Maksudnya adalah saat mesin mau menginjeksi bahan baku ke dalam cetakan, yaitu mulai dari awal injeksi hingga bahan baku terinjeksi ke dalam cetakan, dilakukan dengan tiga kali tekanan injeksi. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum.
•
Kecepatan injeksi Kecepatan injeksi yang dilakukan oleh mesin untuk menginjeksi bahan baku hingga masuk ke cetakan juga dilakukan sebanyak tiga kali. Hal ini mungkin berhubungan dengan tekanan injeksi yang juga dilakukan tiga kali. Apabila kecepatan injeksi yang di-setting tidak tepat akan mengakibatkan proses cetakan menjadi tidak merata sehingga akan mempengaruhi kualitas produk
229
yang dihasilkan. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum. •
Suhu zone 1 Di dalam area ini harus dijaga suhunya agar bahan baku yang telah berada di dalam mesin tidak mendingin. Jika di area ini suhunya kurang panas maka bahan baku mungkin saja mendingin sehingga sulit untuk diinjeksi dan kemungkinan bahan baku akan mengeras di dalam mesin dan mungkin saja menyebabkan mesin jadi mampet. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum.
•
Suhu zone 2 Area ini merupakan tempat bahan baku mengalami plastisasi atau dikatakan pusat terjadinya pemanasan material sehingga suhunya harus dijaga agar panasnya konsisten. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum.
•
Suhu nozzle
Nozzle merupakan tempat keluarnya cairan material. Untuk itulah pengaturan suhu nozzle yang tepat sangatlah diperlukan, agar bahan baku yang mengalir ke dalam cetakan lancar. Jika suhu nozzle kurang maka mungkin saja material akan mendingin dan mengeras di nozzle. Hal ini dapat mengakibatkan nozzle
230
menjadi mampet dan mungkin mempengaruhi kualitas produk yang dihasilkan. •
Plastisasi Plastisasi yang dimaksud di sini adalah banyaknya bahan baku yang diinjeksi ke dalam cetakan untuk menjadi suatu produk. Plastisasi yang terjadi di dalam mesin juga sebanyak tiga kali. Hal ini mungkin berhubungan dengan tekanan injeksi dan kecepatan injeksi yang juga terjadi tiga kali. Faktor ini termasuk ke dalam faktor yang dapat dikendalikan sehingga faktor ini dapat dirubah untuk mencapai kondisi yang optimum.
•
Perawatan Faktor perawatan merupakan faktor yang sulit dikendalikan. Walaupun mesin sudah dirawat dengan baik tapi tetap saja terdapat hal-hal lain yang tidak dapat dikendalikan, seperti terjadinya kerusakan PCB mesin injection
moulding, dan sebagainya. •
Umur mesin Faktor umur mesin merupakan faktor yang sulit dikendalikan karena menyangkut kesluruhan bagian mesin dan cara penggunaannya setiap hari. Dan hal ini sulit sekali untuk dikendalikan karena yang menggunakan mesin lebih dari 1 operator atau tidak selalu sama operatornya.
231
3. Material Berdasarkan hasil brainstorming maka diperoleh faktor-faktor dari material yang mungkin berpengaruh pada proses adalah : •
Kelembaban Dalam buku panduan disebutkan bahwa kandungan uap air dalam material atau biji plastik sangat berpengaruh pada kualitas produk yang dihasilkan. Faktor ini merupakan faktor yang sulit dikendalikan.
•
Supplier Faktor supplier merupakan faktor yang tidak bisa dikendalikan karena menyangkut kebutuhan perusahaan akan kebutuhan bahan baku dan kerja sama yang telah dijalin perusahaan selama ini. Biasanya perusahaan memiliki lebih dari satu supplier namun untuk bahan baku nilon perusahaan hanya memiliki satu supplier karena perusahaan pernah membeli bahan baku dari
supplier lain, ternyata kualitas bahan bakunya tidak bagus. Karena alasan tersebut, perusahaan selalu membeli bahan baku nilon untuk produk KWH Meter dari supplier yang sama. 4. Metode Berdasarkan hasil brainstorming maka diperoleh faktor-faktor dari metode yang mungkin berpengaruh pada proses adalah :
232
•
Penyimpanan barang jadi kurang baik Barang jadi yang telah diproduksi tidak tertata dengan rapi di lantai produksi sehingga mungkin saja terinjak dan produk mungkin saja dapat rusak.
•
Penyetingan awal mesin Metode
penyetingan
mesin
atau
penyetingan
awal
mesin
sangat
mempengaruhi hasil produksi perusahaan. Dimana setiap mau memproduksi, yang harus di-setting adalah waktu injeksi, waktu pendinginan, suhu zone 1, suhu zone 2, suhu nozzle, tekanan injeksi, kecepatan injeksi, dan plastisasi. Dalam hal penyetingan ke mesin ini, perusahaan masih belum memiliki standar. 5. Lingkungan Berdasarkan hasil brainstorming maka diperoleh faktor-faktor dari lingkungan yang mungkin berpengaruh pada proses adalah suhu lingkungan saat produksi. Dimana hal ini mungkin saja dapat berpengaruh pada kelembaban material.
233
Diagram Sebab Akibat Produk Cacat dan Bervariasi Environment
Materials
Personnel
Original Suhu
Kelalaian bekerja (tidak isi air penampungan)
Kelembaban
Supplier
Kurangnya ketelitian setting mesin Kecerobohan dalam pemasangan cetakan (cetakan longgar)
Produk Cacat dan Bervariasi
Umur mesin Waktu injeksi Plastisasi 1 Penyimpanan barang jadi kurang baik
Waktu pendinginan Plastisasi 2 Plastisasi 3 Tekanan injeksi 1
P enyetingan awal mesin
Tekanan injeksi 2 Tekanan injeksi 3
Suhu zone 1 Suhu zone 2
Suhu nozzle Perawatan
Kecepatan injeksi 1
Kecepatan injeksi 2 Kecepatan injeksi 3
Environment
Methods
Machines
Sumber : Hasil Brainstorming Dengan Pihak Perusahaan. Diagram 5.5. Diagram Sebab Akibat Produk Cacat dan Bervariasi
5.2.6. Pembuatan P-Diagram Dari diagram sebab akibat di atas (pada subbab 5.2.5) dapat terlihat dengan jelas, faktor-faktor yang mungkin berpengaruh terhadap terjadinya kecacatan pada produk. Dari faktor-faktor tersebut dilakukan lagi brainstorming dengan pihak perusahaan untuk menentukan faktor-faktor yang paling berpengaruh terhadap proses atau terjadinya kecacatan pada produk, dimana menurut pihak perusahaan adalah faktor mesin dan faktor material.
234
Faktor-faktor dari mesin yang kemungkinan berpengaruh adalah waktu injeksi (injection time), waktu pendinginan (cooling time), suhu zone 1, suhu zone 2, suhu nozzle, tekanan injeksi 1, tekanan injeksi 2, tekanan injeksi 3, kecepatan injeksi 1, kecepatan injeksi 2, kecepatan injeksi 3, plastisasi 1, plastisasi 2, dan plastisasi 3. Alasannya adalah faktor tersebut merupakan faktor-faktor yang harus di-setting ke mesin injection moulding saat mau menjalankan proses produksi. Sedangkan dari faktor material yang mungkin berpengaruh adalah kelembaban karena selama ini perusahaan tidak pernah mengetahui bahwa bahan baku jenis nilon memiliki kelembaban yang cukup tinggi sehingga setelah dibuka harus ditutup lagi dengan rapat. Selama ini perusahaan tidak pernah merapikan atau menutup kembali bahan baku yang telah digunakan sehingga mungkin saja mengandung kelembaban yang sangat tinggi, dimana hal ini akan mempengaruhi kualitas dari produk yang dihasilkan. Oleh karena itu, berdasarkan hasil brainstorming dengan pihak perusahaan, akan dilakukan pemisahan faktor-faktor tersebut menjadi faktor terkontrol, faktor
signal, dan faktor tidak terkontrol. Dalam hal ini, sistem yang akan diteliti termasuk sistem yang statis, yaitu sistem yang output-nya mempunyai target yang tetap dimana nilai target tidak bergantung pada signal input yang di-set oleh system user atau operator. Oleh karena itu, dalam hal ini dimensi cetakan dan material tidak berpengaruh pada responses (kualitas produk) yang dihasilkan namun pada P-diagram berikut ini, tetap digambarkan faktor signal karena untuk menghasilkan
235
suatu produk pasti ada input-nya. Untuk lebih jelasnya dapat dilihat pada P-diagram berikut ini : Noise Factors Kelembaban Material
X
Signal Factors
M
Injection Moulding
- Dimensi Cetakan - Material
Y
Response Variables Produk Current Coil Bobbin W 10549-2, IL Coil Bobbin W 10547-3, dan Insulation Plate W 11241
Z
Control Factors 1. Waktu Injeksi 2. Waktu Pendinginan 3. Suhu Zone 1 4. Suhu Zone 2 5. Suhu Nozzle 6. Tekanan Injeksi 1 7. Tekanan Injeksi 2 8. Tekanan Injeksi 3 9. Kecepatan Injeksi 1 10. Kecepatan Injeksi 2 11. kecepatan Injeksi 3 12. Plastisasi 1 13. Plastisasi 2 14. Plastisasi 3
Sumber : Hasil Analisa dan Brainstorming. Diagram 5.6. P-Diagram Untuk Ketiga Produk Dari diagram diatas dapat terlihat bahwa faktor terkontrol terdiri atas 14 faktor. Percobaan yang dilakukan dengan banyak faktor akan mengakibatkan hasil percobaan menjadi kurang akurat. Oleh karena itu, akan dilakukan screening designs terlebih dahulu sebelum melakukan percobaan dengan metode Taguchi.
5.2.7. Screening Designs Tujuan dari pelaksanaan screening designs adalah untuk mengurangi jumlah faktor yang ada dengan mengidentifikasi faktor-faktor pokok yang mempengaruhi
236
kualitas produk sehingga percobaan akan benar-benar terarah kepada proses perbaikan berdasarkan faktor yang benar-benar penting saja. Cara penyaringan faktor-faktor tersebut dilakukan dengan menggunakan percobaan fractional factorial dengan dua level. Kombinasi percobaan yang seharusnya dilakukan untuk empat belas (14) faktor adalah sebanyak 214 percobaan = 16384 percobaan. Oleh karena itu, dengan dilakukannya percobaan fractional factorial maka percobaan yang dilakukan adalah antara 16, 32, 64, dan 128 percobaan. Dalam eksperimen ini dipilih 1/1024 fractions, berarti total percobaan yang dilakukan adalah sebanyak 16 kali dengan masingmasing percobaan dilakukan perulangan atau replikasi hingga tiga kali dan dilakukan secara acak, sehingga total percobaan menjadi 48 percobaan. Data yang acak untuk percobaan dan kombinasi level percobaan diperoleh dengan menggunakan bantuan software Minitab 2002 versi 13.2, dan proses perhitungan untuk mencari faktor-faktor yang sangat berpengaruh terhadap proses juga menggunakan bantuan software Minitab 2002 versi 13.2. Kombinasi level percobaan yang akan dilakukan untuk ketiga produk tersebut adalah sama. Perumusan kombinasi percobaannya adalah : 1/1024 (a - 1)(b – 1)(c – 1)(d – 1)(e – 1) (f – 1)(g – 1)(h – 1)(j – 1)(k – 1)(l – 1)(m – 1)(n – 1)(o-1). Data acak untuk melakukan percobaan (randomize) dapat dilihat pada tabel berikut ini :
237
Tabel 5.21. Data Hasil Pengacakan Urutan Running Untuk Pelaksanaan Eksperimen Faktor
Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
A 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
B 1 1 2 2 1 1 2 2 2 1 2 2 1 1 2 2
C 2 2 2 2 1 1 1 1 1 1 1 1 2 2 2 2
D 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
E 2 1 1 2 1 2 2 1 1 2 2 1 2 1 1 2
F 1 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2
G 2 1 2 1 2 1 2 1 1 2 1 2 1 2 1 2
H 2 2 1 1 2 2 1 1 1 1 2 2 1 1 2 2
J 1 2 2 1 1 2 2 1 2 1 2 2 2 1 1 2
Sumber : Hasil Analisa dan Pembahasan. Ketentuan hipotesisnya adalah : 1. H01 : Faktor A tidak signifikan H02 : Faktor B tidak signifikan H03 : Faktor C tidak signifikan H04 : Faktor D tidak signifikan H05 : Faktor E tidak signifikan H06 : Faktor F tidak signifikan H07 : Faktor G tidak signifikan H08 : Faktor H tidak signifikan H09 : Faktor J tidak signifikan
K 2 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2
L 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
M 2 1 2 1 1 2 1 2 2 1 2 1 1 2 1 2
N 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2
O 2 2 1 1 1 1 2 2 2 2 1 1 1 1 2 2
Replikasi 1 1 2 3 4 5 6 7 8 25 26 27 28 29 30 31 32
Randomize Replikasi Replikasi 2 3 9 17 10 18 11 19 12 20 13 21 14 22 15 23 16 24 33 41 34 42 35 43 36 44 37 45 38 46 39 47 40 48
238
H010 : Faktor K tidak signifikan H011: Faktor L tidak signifikan H012 : Faktor M tidak signifikan H013 : Faktor N tidak signifikan H014 : Faktor O tidak signifikan 2. H11 : Faktor A signifikan H12 : Faktor B signifikan H13 : Faktor C signifikan H14 : Faktor D signifikan H15 : Faktor E signifikan H16 : Faktor F signifikan H17 : Faktor G signifikan H18 : Faktor H signifikan H19 : Faktor J signifikan H110 : Faktor K signifikan H111 : Faktor L signifikan H112 : Faktor M signifikan H113 : Faktor N signifikan H114 : Faktor O signifikan 3. Taraf nyata α = 0.05 4. Wilayah kritik : P-value ≤ α
239
5.2.7.1.Screening Designs Produk Current Coil Bobbin W 10549-2 Penentuan setting level faktor yang akan diuji untuk produk current coil
bobbin W 10549-2 adalah dua level, yaitu 1 menunjukkan low level (level yang biasanya digunakan perusahaan) dan 2 menunjukkan high level. Penentuan level ini sesuai dengan hasil brainstorming dengan pihak perusahaan, yaitu : Tabel 5.22. Tabel Setting Percobaan Produk Current Coil Bobbin W 10549-2 Kode Nama Faktor level 1 Level 2 A Waktu Injeksi (detik) 2 5 B Waktu Pendinginanan (detik) 3 6 o C Suhu Zone 1 ( C) 245 250 o D Suhu Zone 2 ( C) 235 240 E Suhu Nozzle (posisi) 2 1/2 4 2 F Tekanan Injeksi 1 (kg/cm ) 35 40 2 G Tekanan Injeksi 2 (kg/cm ) 25 32 2 H Tekanan Injeksi 3 (kg/cm ) 13 16 3 J Kecepatan Injeksi 1 (cm /detik) 36 41 3 K Kecepatan Injeksi 2 (cm /detik) 28 32 3 L Kecepatan Injeksi 3 (cm /detik) 15 20 M Plastisisasi 1 (gram) 3.9 4.3 N Plastisisasi 2 (gram) 3.0 3.5 O Plastisisasi 3 (gram) 1.7 2.0 Sumber : Hasil Brainstorming Dengan Pihak Perusahaan. Untuk ketentuan keyakinan kebenaran dalam penelitian ini ditentukan sebesar 95% berarti peneliti berkeyakinan bahwa kebenaran penelitian ini adalah 95%. Tingkat taraf nyata ( α ) sebesar 0.05, artinya faktor-faktor dalam penelitian berpengaruh signifikan pada kondisi 5%. Jika P-value dibawah 0.05 maka faktor dikatakan signifikan terhadap proses atau sebaliknya, jika P-value di atas 0.05 maka
240
faktor dikatakan tidak signifikan. Kombinasi level percobaan yang akan dilakukan beserta dengan hasil, setelah dilakukan percobaan dapat dilihat pada tabel 5.23 berikut ini. Tabel 5.23. Data Hasil Screening Design Produk Current Coil Bobbin W 10549-2 Faktor
Trial
Replikasi 1
Replikasi 2
Replikasi 3
A
B
C
D
E
F
G
H
J
K
L
M
N
O
1
1
1
2
1
2
1
2
2
1
2
1
2
1
2
0.59
0.60
0.59
2
2
1
2
1
1
2
1
2
2
1
2
1
1
2
0.61
0.62
0.60
3
1
2
2
1
1
2
2
1
2
1
1
2
2
1
0.55
0.57
0.58
4
2
2
2
1
2
1
1
1
1
2
2
1
2
1
0.60
0.60
0.59
5
1
1
1
2
1
2
2
2
1
2
2
1
2
1
0.57
0.56
0.58
6
2
1
1
2
2
1
1
2
2
1
1
2
2
1
0.60
0.62
0.63
7
1
2
1
2
2
1
2
1
2
1
2
1
1
2
0.58
0.60
0.59
8
2
2
1
2
1
2
1
1
1
2
1
2
1
2
0.61
0.63
0.64
9
1
2
1
1
1
1
1
1
2
2
2
2
2
2
0.60
0.59
0.58
10
2
1
1
1
2
2
2
1
1
1
1
1
2
2
0.63
0.62
0.65
11
1
2
1
1
2
2
1
2
2
1
2
2
1
1
0.58
0.60
0.59
12
2
2
1
1
1
1
2
2
2
2
1
1
1
1
0.62
0.64
0.63
13
1
1
2
2
2
2
1
1
2
2
1
1
1
1
0.60
0.60
0.58
14
2
1
2
2
1
1
2
1
1
1
2
2
1
1
0.57
0.60
0.59
15
1
2
2
2
1
1
1
2
1
1
1
1
2
2
0.59
0.60
0.61
16
2
2
2
2
2
2
2
2
2
2
2
2
2
2
0.56
0.57
0.58
Sumber : Hasil Eksperimen. Hasil perhitungannya adalah sebagai berikut : Factorial Design Fractional Factorial Design Fit: CCB versus A, B, ... Factors
: 14
Base Design
: 14, 16 Resolution with blocks: III
Runs
: 48
Replicates
: 3 Fraction: 1/1024
Blocks
:2
Center pts (total)
: 0
241
Fractional Factorial Fit: CCB versus A, B, ... Estimated Effects and Coefficients for CCB (coded units) Term
Effect
Coef
SE Coef
T
P
Constant
0.59479
0.001517
392.16
0.000
Block
-0.00271
0.001517
-1.79
0.084
A
-0.00375
-0.00187
0.001517
-1.24
0.225
B
0.00458
0.00229
0.001517
1.51
0.141
C
-0.00958
-0.00479
0.001517
-3.16
0.003
D
-0.01042
-0.00521
0.001517
-3.43
0.002
E
0.00875
0.00437
0.001517
2.88
0.007
F
-0.01208
-0.00604
0.001517
-3.98
0.000
G
0.00208
0.00104
0.001517
0.69
0.497
H
0.01042
0.00521
0.001517
3.43
0.002
J
-0.00292
-0.00146
0.001517
-0.96
0.343
K
-0.00542
-0.00271
0.001517
-1.79
0.084
L
-0.00792
-0.00396
0.001517
-2.61
0.014
M
-0.00875
-0.00437
0.001517
-2.88
0.007
N
0.00375
0.00187
0.001517
1.24
0.225
O
-0.02375
-0.01188
0.001517
-7.83
0.000
242
Kesimpulan : Terima H01, dan simpulkan bahwa faktor A tidak signifikan Terima H02, dan simpulkan bahwa faktor B tidak signifikan Tolak H03, dan simpulkan bahwa faktor C signifikan Tolak H04, dan simpulkan bahwa faktor D signifikan Tolak H05, dan simpulkan bahwa faktor E signifikan Tolak H06, dan simpulkan bahwa faktor F signifikan Terima H07, dan simpulkan bahwa faktor G tidak signifikan Tolak H08, dan simpulkan bahwa faktor H signifikan Terima H09, dan simpulkan bahwa faktor J tidak signifikan Terima H010, dan simpulkan bahwa faktor K tidak signifikan Tolak H011, dan simpulkan bahwa faktor L signifikan Tolak H012, dan simpulkan bahwa faktor M signifikan Terima H013, dan simpulkan bahwa faktor N tidak signifikan Tolak H014, dan simpulkan bahwa faktor O signifikan Dari perhitungan di atas, yaitu pada kolom P (P-value) dapat terlihat bahwa faktor-faktor yang nilainya lebih kecil dari 0.05 ada delapan faktor, dimana faktorfaktor inilah yang signifikan berpengaruh terhadap proses, yaitu suhu zone 1 (C), suhu zone 2 (D), suhu nozzle (E), tekanan injeksi 1 (F), tekanan injeksi 3 (H), kecepatan injeksi 3 (L), plastisasi 1 (M), dan plastisasi 3 (O). Selanjutnya, kedelapan faktor inilah yang akan digunakan dalam percobaan dengan metode Taguchi.
243
Sebenarnya semua faktor-faktor di atas berpengaruh signifikan terhadap proses, hanya saja berbeda di besarnya pengaruh persentase faktor tersebut, seperti faktor A bernilai 0.225, artinya faktor A berpengaruh signifikan pada kondisi 22.5 %. Karena telah ditentukan bahwa faktor akan berpengaruh signifikan dengan kondisi maksimal di 5% maka untuk faktor yang di atas 5% dianggap tidak berpengaruh signifikan pada proses.
5.2.7.2. Screening Designs Produk IL Coil Bobbin W 10547-3 Penentuan setting level faktor yang akan diuji untuk produk IL coil bobbin W 10547-3 adalah dua level, yaitu 1 menunjukkan low level (level yang biasanya digunakan perusahaan) dan 2 menunjukkan high level. Hal ini sesuai dengan hasil
brainstorming dengan pihak perusahaan, yaitu :
244
Tabel 5.24. Tabel Setting Percobaan Produk IL Coil Bobbin W 10547-3 Kode
Nama Faktor
level 1
Level 2
3.5
6
A
Waktu Injeksi (detik)
B
Waktu Pendinginanan (detik)
2
5.5
C
o
Suhu Zone 1 ( C)
235
240
D
Suhu Zone 2 (oC)
230
235
E
Suhu Nozzle (posisi)
2
4
F
Tekanan Injeksi 1 (kg/cm2)
57
63
G
Tekanan Injeksi 2 (kg/cm2)
48
52
H
Tekanan Injeksi 3 (kg/cm2)
21
26
J
Kecepatan Injeksi 1 (cm3/detik)
58
62
K
Kecepatan Injeksi 2 (cm3/detik)
51
56
L
Kecepatan Injeksi 3 (cm3/detik)
38
41
M
Plastisisasi 1 (gram)
4.3
4.7
N
Plastisisasi 2 (gram)
3.2
3.6
O
Plastisisasi 3 (gram)
1.8
2.1
Sumber : Hasil Brainstorming Dengan Pihak Perusahaan. Untuk ketentuan keyakinan kebenaran dalam penelitian ini ditentukan sebesar 95% berarti peneliti berkeyakinan bahwa kebenaran penelitian ini adalah 95%. Tingkat taraf nyata ( α ) sebesar 0.05, artinya faktor-faktor dalam penelitian berpengaruh signifikan pada kondisi 5%. Jika P-value dibawah 0.05 maka faktor dikatakan signifikan terhadap proses atau sebaliknya, jika P-value di atas 0.05 maka faktor dikatakan tidak signifikan. Kombinasi level percobaan yang akan dilakukan beserta dengan hasil berikut ini :
setelah dilakukan percobaan dapat dilihat pada tabel 5.25
245
Tabel 5.25. Data Hasil Screening Design Produk IL Coil Bobbin W 10547-3 Faktor
Trial
Replikasi 1
Replikasi 2
Replikasi 3
A
B
C
D
E
F
G
H
J
K
L
M
N
O
1
1
1
2
1
2
1
2
2
1
2
1
2
1
2
3.81
3.80
3.81
2
2
1
2
1
1
2
1
2
2
1
2
1
1
2
3.80
3.79
3.80
3
1
2
2
1
1
2
2
1
2
1
1
2
2
1
3.80
3.81
3.81
4
2
2
2
1
2
1
1
1
1
2
2
1
2
1
3.79
3.80
3.79
5
1
1
1
2
1
2
2
2
1
2
2
1
2
1
3.80
3.80
3.79
6
2
1
1
2
2
1
1
2
2
1
1
2
2
1
3.80
3.81
3.81
7
1
2
1
2
2
1
2
1
2
1
2
1
1
2
3.79
3.79
3.80
8
2
2
1
2
1
2
1
1
1
2
1
2
1
2
3.79
3.80
3.79
9
1
2
1
1
1
1
1
1
2
2
2
2
2
2
3.81
3.80
3.81
10
2
1
1
1
2
2
2
1
1
1
1
1
2
2
3.80
3.79
3.80
11
1
2
1
1
2
2
1
2
2
1
2
2
1
1
3.80
3.79
3.79
12
2
2
1
1
1
1
2
2
2
2
1
1
1
1
3.79
3.81
3.79
13
1
1
2
2
2
2
1
1
2
2
1
1
1
1
3.79
3.79
3.80
14
2
1
2
2
1
1
2
1
1
1
2
2
1
1
3.79
3.80
3.79
15
1
2
2
2
1
1
1
2
1
1
1
1
2
2
3.81
3.80
3.80
16
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3.79
3.79
3.80
Sumber : Hasil Eksperimen. Hasil perhitungannya adalah sebagai berikut : Factorial Design Fractional Factorial Design Fit: IL CB versus A, B, ... Factors
: 14
Base Design
: 14, 16 Resolution with blocks: III
Runs
: 48
Replicates
: 3 Fraction: 1/1024
Blocks
:2
Center pts (total)
: 0
246
Fractional Factorial Fit: IL CB versus A, B, ... Estimated Effects and Coefficients for IL (coded units) Term
Effect
Coef
SE Coef
T
P
Constant
3.79813
0.000908
4182.48
0.000
Block
0.00104
0.000908
1.15
0.260
A
-0.00375
-0.00187
0.000908
-2.06
0.047
B
-0.00292
-0.00146
0.000908
-1.61
0.118
C
0.00042
0.00021
0.000908
0.23
0.820
D
-0.00292
-0.00146
0.000908
-1.61
0.118
E
-0.00208
-0.00104
0.000908
-1.15
0.260
F
-0.00375
-0.00188
0.000908
-2.06
0.047
G
-0.00042
0.00021
0.000908
-0.23
0.820
H
0.00208
0.00104
0.000908
1.15
0.260
J
0.00208
0.00104
0.000908
1.15
0.260
K
-0.00125
-0.00062
0.000908
-0.69
0.496
L
-0.00458
-0.00229
0.000908
-2.52
0.017
M
0.00375
0.00188
0.000908
2.06
0.047
N
0.00458
0.00229
0.000908
2.52
0.017
O
0.00125
0.00062
0.000908
0.69
0.496
247
Kesimpulan : Tolak H01, dan simpulkan bahwa faktor A signifikan Terima H02, dan simpulkan bahwa faktor B tidak signifikan Terima H03, dan simpulkan bahwa faktor C tidak signifikan Terima H04, dan simpulkan bahwa faktor D tidak signifikan Terima H05, dan simpulkan bahwa faktor E tidak signifikan Tolak H06, dan simpulkan bahwa faktor F signifikan Terima H07, dan simpulkan bahwa faktor G tidak signifikan Terima H08, dan simpulkan bahwa faktor H tidak signifikan Terima H09, dan simpulkan bahwa faktor J tidak signifikan Terima H010, dan simpulkan bahwa faktor K tidak signifikan Tolak H011, dan simpulkan bahwa faktor L signifikan Tolak H012, dan simpulkan bahwa faktor M signifikan Tolak H013, dan simpulkan bahwa faktor N signifikan Terima H014, dan simpulkan bahwa faktor O tidak signifikan Dari perhitungan di atas, yaitu pada kolom P (P-value) dapat terlihat bahwa faktor-faktor yang konstribusinya lebih kecil dari 0.05 ada lima faktor, dimana faktorfaktor inilah yang signifikan berpengaruh terhadap proses, yaitu waktu injeksi (A), tekanan injeksi 1 (F), kecepatan injeksi 3 (L), plastisasi 1 (M), dan plastisasi 2 (N). Selanjutnya, kelima faktor inilah yang akan digunakan dalam percobaan dengan metode Taguchi. Seperti halnya dengan produk current coil bobbin W 10549-2
248
dimana sebenarnya semua faktor-faktor di atas berpengaruh signifikan terhadap proses, hanya saja berbeda di besarnya pengaruh persentase faktor tersebut, seperti faktor C bernilai 0.820, artinya faktor C berpengaruh signifikan pada kondisi 82%. Karena telah ditentukan bahwa faktor akan berpengaruh signifikan dengan kondisi maksimal di 5% maka untuk faktor yang di atas 5% dianggap tidak berpengaruh signifikan pada proses.
5.2.7.3.Screening Designs Produk Insulation Plate W 11241 Penentuan setting level faktor yang akan diuji untuk produk insulation plate W 11241 adalah dua level, yaitu 1 menunjukkan low level (level yang biasanya digunakan perusahaan) dan 2 menunjukkan high level.. Hal ini sesuai dengan hasil
brainstorming dengan pihak perusahaan, yaitu :
249
Tabel 5.26. Tabel Setting Percobaan Produk Insulation Plate W 11241 Kode
Nama Faktor
level 1
Level 2
2.5
6
A
Waktu Injeksi (detik)
B
Waktu Pendinginanan (detik)
9
15
C
o
Suhu Zone 1 ( C)
210
255
D
Suhu Zone 2 (oC)
200
240
E
Suhu Nozzle (posisi)
1
4
F
Tekanan Injeksi 1 (kg/cm2)
58
62
G
Tekanan Injeksi 2 (kg/cm2)
46
53
H
Tekanan Injeksi 3 (kg/cm2)
7
14
J
Kecepatan Injeksi 1 (cm3/detik)
55
61
K
Kecepatan Injeksi 2 (cm3/detik)
49
55
L
Kecepatan Injeksi 3 (cm3/detik)
10
15
M
Plastisisasi 1 (gram)
5.0
5.2
N
Plastisisasi 2 (gram)
4.3
4.5
O
Plastisisasi 3 (gram)
2.8
3.0
Sumber : Hasil Brainstorming Dengan Pihak Perusahaan. Untuk keyakinan kebenaran dalam penelitian ini sama dengan kedua produk di atas yakni sebesar 95% dan tingkat taraf nyata ( α ) ditentukan sebesar 0.05, artinya faktor-faktor dalam penelitian berpengaruh signifikan pada kondisi 5%. Jika P-value dibawah 0.05 maka faktor dikatakan signifikan terhadap proses atau sebaliknya, jika P-value di atas 0.05 maka faktor dikatakan tidak signifikan.Kombinasi level percobaan yang akan dilakukan beserta dengan hasil setelah dilakukan percobaan dapat dilihat pada tabel 5.27 berikut ini :
250
Tabel 5.27. Data Hasil Screening Design Produk Insulation Plate W 11241 Faktor
Trial
Replikasi 1
Replikasi 2
Replikasi 3
A
B
C
D
E
F
G
H
J
K
L
M
N
O
1
1
1
2
1
2
1
2
2
1
2
1
2
1
2
11.99
12.02
12.01
2
2
1
2
1
1
2
1
2
2
1
2
1
1
2
12.01
11.97
12.00
3
1
2
2
1
1
2
2
1
2
1
1
2
2
1
12.00
12.01
11.98
4
2
2
2
1
2
1
1
1
1
2
2
1
2
1
12.00
11.99
11.96
5
1
1
1
2
1
2
2
2
1
2
2
1
2
1
11.99
11.97
12.02
6
2
1
1
2
2
1
1
2
2
1
1
2
2
1
12.04
12.02
12.05
7
1
2
1
2
2
1
2
1
2
1
2
1
1
2
11.99
12.01
12.02
8
2
2
1
2
1
2
1
1
1
2
1
2
1
2
11.97
11.98
11.96
9
1
2
1
1
1
1
1
1
2
2
2
2
2
2
12.00
12.03
12.01
10
2
1
1
1
2
2
2
1
1
1
1
1
2
2
12.01
12.00
11.98
11
1
2
1
1
2
2
1
2
2
1
2
2
1
1
11.96
11.98
11.97
12
2
2
1
1
1
1
2
2
2
2
1
1
1
1
12.00
11.99
12.01
13
1
1
2
2
2
2
1
1
2
2
1
1
1
1
11.99
11.98
12.00
14
2
1
2
2
1
1
2
1
1
1
2
2
1
1
11.96
12.00
12.01
15
1
2
2
2
1
1
1
2
1
1
1
1
2
2
12.03
12.02
12.05
16
2
2
2
2
2
2
2
2
2
2
2
2
2
2
11.99
12.01
12.00
Sumber : Hasil Eksperimen. Hasil perhitungannya adalah sebagai berikut : Factorial Design Fractional Factorial Design Fit: 11241 versus A, B, ... Factors
: 14
Base Design
: 14, 16 Resolution with blocks: III
Runs
: 48
Replicates
: 3 Fraction: 1/1024
Blocks
:2
Center pts (total)
: 0
251
Fractional Factorial Fit: 11241 versus A, B, ... Estimated Effects and Coefficients for 11241 (coded units) Term
Effect
Coef
SE Coef
T
P
Constant
11.9988
0.002375
5051.33
0.000
Block
-0.0004
0.002375
-0.18
0.862
A
-0.0050
-0.0025
0.002375
-1.05
0.300
B
-0.0075
-0.0037
0.002375
-1.58
0.124
C
0.0008
0.0004
0.002375
0.18
0.862
D
0.0075
0.0037
0.002375
1.58
0.124
E
-0.0000
-0.0000
0.002375
-0.00
1.000
F
-0.0200
-0.0100
0.002375
-4.21
0.000
G
-0.0000
-0.0000
0.002375
-0.00
1.000
H
0.0108
0.0054
0.002375
2.28
0.029
J
0.0117
0.0058
0.002375
2.46
0.020
K
-0.0083
-0.0042
0.002375
-1.75
0.089
L
-0.0100
-0.0050
0.002375
-2.10
0.043
M
-0.0017
-0.0008
0.002375
-0.35
0.728
N
0.0158
0.0079
0.002375
3.33
0.002
O
0.0075
0.0037
0.002375
1.58
0.124
252
Kesimpulan : Terima H01, dan simpulkan bahwa faktor A tidak signifikan Terima H02, dan simpulkan bahwa faktor B tidak signifikan Terima H03, dan simpulkan bahwa faktor C tidak signifikan Terima H04, dan simpulkan bahwa faktor D tidak signifikan Terima H05, dan simpulkan bahwa faktor E tidak signifikan Tolak H06, dan simpulkan bahwa faktor F signifikan Terima H07, dan simpulkan bahwa faktor G tidak signifikan Tolak H08, dan simpulkan bahwa faktor H signifikan Tolak H09, dan simpulkan bahwa faktor J signifikan Terima H010, dan simpulkan bahwa faktor K tidak signifikan Tolak H011, dan simpulkan bahwa faktor L signifikan Terima H012, dan simpulkan bahwa faktor M tidak signifikan Tolak H013, dan simpulkan bahwa faktor N signifikan Terima H014, dan simpulkan bahwa faktor O tidak signifikan Dari perhitungan di atas, yaitu pada kolom P (P-value) dapat terlihat bahwa faktor-faktor yang konstribusinya lebih kecil dari 0.05 ada lima faktor, dimana faktorfaktor inilah yang signifikan berpengaruh terhadap proses, yaitu tekanan injeksi 1 (F), tekanan injeksi 3 (H), kecepatan injeksi 1 (J), kecepatan injeksi 3 (L), dan plastisasi 2 (N). Selanjutnya, kelima faktor inilah yang akan digunakan dalam percobaan dengan metode Taguchi.
253
5.2.8. Perencanaan Eksperimen dengan Metode Taguchi 5.2.8.1.Produk Current Coil Bobbin W 10549-2 Langkah-langkah yang dilakukan dalam melakukan percobaan dengan metode Taguchi adalah sebagai berikut : 1. Penentuan variabel tak bebas (karakteristik kualitas yang diamati) Karakteristik kualitas produk yang diamati adalah ukuran A produk (lihat gambar 5.2), yang memiliki nilai target 0.6 mm ± 0.05 mm. Oleh karena itu karakteristik kualitas yang digunakan adalah nominal is the best. Untuk pengukuran ini digunakan alat ukur Sigmat dengan tingkat ketelitian 0.01 mm.
2. Penentuan variabel bebas (identifikasi faktor-faktor yang berpengaruh) Setelah dilakukan screening design untuk produk current coil bobbin W 10549-2 maka diperoleh faktor-faktor yang lebih terarah dalam melakukan percobaan dengan metode Taguchi. Untuk itu dibuat lagi P-Diagram baru untuk memperjelas faktor terkontrol, faktor tidak terkontrol, faktor signal, dan response.
254
Noise Factors Kelembaban
X
Signal Factors
M
Injection Moulding
- Dimensi Cetakan - Material
Y
Response Variables Produk Current Coil Bobbin W 10549-2
Z
Control Factors 1. Suhu Zone 1 2. Suhu Zone 2 3. Suhu Nozzle 4. Tekanan Injeksi 1 5. Tekanan Injeksi 3 6. kecepatan Injeksi 3 7. Plastisasi 1 8. Plastisasi 3
Sumber : Hasil Analisa dan Brainstorming. Diagram 5.7. P-Diagram Baru Untuk Produk Current Coil Bobbin W 10549-2 Berdasarkan pada P-diagram di atas dapat terlihat dengan jelas faktor-faktor yang mempengaruhi percobaan, yaitu : a. Faktor Signal Faktor signal merupakan faktor input hingga menghasilkan suatu output (response) setelah melalui suatu proses. Dalam hal ini faktor signal yang digunakan adalah dimensi cetakan dan material. Dimensi cetakan menyatakan bentuk dari produk yang dihasilkan (output-nya), dalam hal ini khususnya adalah ukuran yang akan diamati yaitu ukuran A produk. Sedangkan material menyatakan bahan baku yang digunakan dalam proses yaitu nilon atau PA 6 MV0. Karena sistem yang diteliti merupakan sistem yang statis dimana output yang diinginkan memiliki target yang tepat sehingga tidak dipengaruhi faktor
255
signal maka dalam percobaan Taguchi, dimensi cetakan dan material tidak mempengaruhi kualitas produk. b. Faktor Noise Faktor noise adalah faktor yang tidak terkendali. Hal ini terjadi karena perubahannya tidak dapat diatur oleh operator melainkan disebabkan oleh kondisi lingkungan sekitar. Pada penelitian ini, yang menjadi faktor noise adalah kandungan uap air material atau kelembaban. Dengan asumsi bahwa semakin lama material disimpan maka kandungan uap airnya makin tinggi. Dari informasi yang diperoleh, waktu penyimpanan material paling lama adalah satu bulan. c. Faktor Terkontrol Faktor terkontrol adalah faktor yang dapat dikontrol karena tersedia panel pada mesin injection moulding untuk mengatur nilai-nilainya. Panel yang ada pada mesin injection moulding terdiri dari dua jenis yaitu berupa digital dan menggunakan jarum penunjuk. Yang termasuk dalam faktor terkontrol adalah suhu zone 1 (A), suhu zone 2 (B), suhu nozzle (C), tekanan injeksi 1 (D), tekanan injeksi 3 (E), kecepatan injeksi 3 (F), plastisasi 1 (G), dan plastisasi 3 (H). Dari statik P-diagram di atas dapat dibuat fungsi matematis dari sistem nyata perusahaan untuk produk current coil bobbin W 10549-2, dimana tujuannya adalah untuk mempermudah penyelesaian masalah, yaitu :
Y = f (Z) + X
256
Dari fungsi matematis di atas dapat terlihat bahwa responses (Y) yang menggambarkan produk cacat yang dihasilkan, dipengaruhi oleh faktor noise (X) dan fungsi Z yang menyatakan faktor-faktor terkontrol yakni f (A, B, C, D, E, F, G, H). Faktor-faktor pada fungsi Z dan X merupakan faktor yang akan diselesaikan dengan melakukan eksperimen dengan metode Taguchi.
3. Penentuan jumlah level dan nilai tiap faktor Jumlah level yang digunakan dalam melakukan percobaan adalah dua level, yaitu 1 menyatakan kondisi rendah sedangkan level 2 menyatakan kondisi tinggi. Penentuan level ini merupakan hasil brainstorming dengan pihak perusahaan terutama operator yang telah berpengalaman dan juga berdasarkan pada buku panduan. Nilai-nilai level faktor yang digunakan adalah sebagai berikut : •
Faktor noise (faktor tidak terkontrol) Berdasarkan pada buku panduan material nilon, disebutkan bahwa kandungan uap air material atau kelembaban material diindikasi sangat berpengaruh pada kualitas produk yang dihasilkan. Fenomena yang dapat diukur dari material adalah berapa lama material itu disimpan. Semakin lama material disimpan maka semakin tinggi kandungan uap airnya. Oleh karena itu, saat percobaan digunakan dua jenis material nilon berdasarkan lamanya material nilon disimpan, yaitu kondisi pertama, menggunakan material yang baru datang (kurang dari tujuh hari), dan kondisi kedua, menggunakan material yang telah lama disimpan (satu bulan).
257
•
Faktor terkontrol Saat melakukan produksi produk, biasanya perusahaan selalu melakukan percobaan dalam memproduksi produk yang dihasilkan dimana pada perusahaan disebutkan sebagai pra produksi. Jumlah percobaan yang dilakukan sebelum produksi (pra produksi) adalah pada rentang 10-25 kali percobaan. Tujuannya adalah untuk melihat kualitas produk yang dihasilkan, apakah sudah sesuai dengan spesifikasi atau belum. Penyetingan pada mesin injection moulding selalu berdasarkan pada penyetingan bulan sebelumnya. Nilai-nilai level faktor yang digunakan untuk faktor terkontrol adalah : A. Suhu Zone 1 Biasanya suhu yang di-setting untuk zone 1 adalah pada rentang antara 245 oC-250 oC. Untuk itu, penentuan level 1 ditetapkan pada suhu 245oC dan level 2 ditetapkan pada suhu 250 oC. B. Suhu Zone 2 Biasanya suhu yang di-setting untuk zone 2 adalah pada rentang antara 235 oC-240 oC. Untuk itu, penentuan level 1 ditetapkan pada suhu 235oC dan level 2 ditetapkan pada suhu 240 oC. C. Suhu Nozzle Penyetingan suhu pada nozzle adalah berdasarkan pada jarum penunjuk dimana penyetingan dilakukan secara manual dengan memutar panel yang ada. Rentang panel yanga da pada mesin injection moulding adalah antara 1-4.
258
Untuk produk current coil bobbin W 10549-2 biasanya berada pada rentang antara 21/2 sampai 4. Oleh karena itu, penentuan level 1 ditetapkan pada posisi 21/2 dan level 2 ditetapkan pada posisi 4. D. Tekanan Injeksi 1 Tekanan injeksi 1 yang biasanya di-setting adalah berada pada rentang antara 35-40 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 35 kg/ cm2 dan level 2 pada tekanan 40 kg/cm2. E. Tekanan Injeksi 3 Tekanan injeksi 3 yang biasanya di-setting adalah berada pada rentang antara 13-16 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 13 kg/ cm2 dan level 2 pada tekanan 16 kg/cm2. F. Kecepatan Injeksi 3 Kecepatan injeksi 3 yang biasanya di-setting adalah berada pada rentang antara 15-20 cm3/detik. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 15 cm3/detik dan level 2 pada tekanan 20 cm3/detik. G. Plastisasi 1 Plastisasi 1 yang biasanya di-setting adalah berada pada rentang antara 3.9-4.3 gram. Oleh karena itu, penentuan level 1 ditetapkan pada 3.9 gram dan level 2 pada 4.3 gram.
259
H. Plastisasi 3 Plastisasi 3 yang biasanya di-setting adalah berada pada rentang antara 1.7-2.0 gram. Oleh karena itu, penentuan level -1 ditetapkan pada 1.7 gram dan level 1 pada 2.0 gram. Untuk lebih jelasnya penentuan nilai-nilai level faktor terkontrol dan tidak terkontrol dapat dilihat pada tabel berikut ini : Tabel 5.28. Tabel Nilai Level Faktor Untuk Eksperimen Produk Current Coil
Bobbin W 10549-2 Kode
Nama Faktor o
Klasifikasi Faktor
Range
level 1
Level 2
A
Suhu Zone 1 ( C)
Kontrol
245 – 250
245
250
B
Suhu Zone 2 (oC)
Kontrol
235 – 240
235
240
C
Suhu Nozzle (posisi)
D E
Kontrol
1–4
2½
4
2
Kontrol
35 – 40
35
40
2
Kontrol
13 – 16
13
16
Tekanan Injeksi 1 (kg/cm ) Tekanan Injeksi 3 (kg/cm ) 3
F
Kecepatan Injeksi 3 (cm /detik)
Kontrol
15 – 20
15
20
G
Plastisisasi 1 (gram)
Kontrol
3.9 – 4.3
3.9
4.3
H
Plastisisasi 3 (gram)
Kontrol
1.7 - 2.0
1.7
2.0
X
Kelembaban (hari)
Noise
-
7
30
Sumber : PT. Jasa Putra Plastik dan Hasil Analisa dan Pembahasan.
4. Identifikasi adanya interaksi antar faktor Berdasarkan hasil brainstorming dengan pihak perusahaan, dapat diketahui bahwa kemungkinan terdapat faktor yang saling berinteraksi dimana perubahan pada salah satu faktor akan mempengaruhi faktor yang lain. Interaksi yang mungkin terjadi
260
adalah antara tekanan injeksi 1 dengan plastisasi 1 (DxG), tekanan injeksi 3 dengan kecepatan injeksi 3 (ExF), dan tekanan injeksi 3 dengan plastisasi 3 (ExH).
5. Perhitungan derajat kebebasan (Degree of Freedom) Perhitungan derajat kebebasan dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor yang diamati. Perhitungan derajat kebebasan dalam penelitian ini adalah : •
Dof untuk faktor A
= nA – 1
= 2-1
= 1
•
Dof untuk faktor B
= nB – 1
= 2-1
= 1
•
Dof untuk faktor C
= nC – 1
= 2-1
= 1
•
Dof untuk faktor D
= nD – 1
= 2-1
= 1
•
Dof untuk faktor E
= nE – 1
= 2-1
= 1
•
Dof untuk faktor F
= nF – 1
= 2-1
= 1
•
Dof untuk faktor G
= nG – 1
= 2-1
= 1
•
Dof untuk faktor H
= nH – 1
= 2-1
= 1
•
Dof untuk faktor DxG
= (nD – 1)(nG –1)
= (2-1)(2-1)
= 1
•
Dof untuk faktor ExF
= (nE – 1)(nF –1)
= (2-1)(2-1)
= 1
•
Dof untuk faktor ExH
= (nE – 1)(nH – 1)
= (2-1)(2-1)
= 1 +
Total DOF
= 11
261
6. Pemilihan Orthogonal Array (OA) Dalam pemilihan orthogonal array (OA) haruslah disesuaikan dengan dof yang diperoleh, yaitu 11 faktor yang terlibat dalam percobaan maka digunakan L16.
7. Persiapan dan pelaksanaan percobaan Persiapan dan pelaksanaan percobaan meliputi penentuan jumlah replikasi dan randomisasi pelaksanaan percobaan. Karena terbatasnya waktu, biaya dan fasilitas maka jumlah replikasi yang dilakukan dengan kondisi yang sama dalam percobaan adalah sebanyak dua kali untuk masing-masing material (sesuai dengan lamanya penyimpanan material, yaitu penyimpanan kurang lebih 7 hari dan kurang lebih 30 hari). Sedangkan untuk teknik randomisasi percobaan dilakukan berdasarkan pada undian. Caranya adalah menulis angka dari 1-16 pada kertas-kertas yang sudah dipotong terlebih dahulu kemudian lipat kertas-kertas yang sudah ditulis angkanya lalu diacak dan dimasukkan ke dalam kotak lalu dikocok-kocok kotaknya. Hal ini dilakukan dengan empat kali pengambilan.
262
Tabel 5.29. Tabel Hasil Pengacakan Urutan Pelaksanaan Percobaan Produk Current Coil Bobbin W 10549-2 Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
A 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
B 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2
C 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1
D 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1
E 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
Inner Array F EXF 1 1 2 1 1 1 2 1 1 1 2 1 1 1 2 1 2 2 1 2 2 2 1 2 2 2 1 2 2 2 1 2
G 1 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1
DXG 1 2 2 1 2 2 2 1 1 2 2 1 1 2 2 1
H 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
EXH 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1
Outer Array X1 X2 11 3 6 14 1 13 13 12 6 6 14 3 10 11 8 8 9 8 12 6 12 14 4 7 14 4 7 13 5 15 10 1 2 12 9 4 15 2 5 2 13 9 1 10 3 16 16 16 16 1 2 11 7 10 11 9 5 7 15 5 4 5 3 15
Sumber : Hasil Analisa dan Pembahasan. Pengambilan data percobaan dilakukan dengan mengikuti hasil pengacakan pada tabel 5.29 dimana X1 menyatakan material nilon yang disimpan kurang lebih tujuh hari dan X2 merupakan material nilon yang telah disimpan kurang lebih 30 hari. Pengambilan dan pengukuran produk dilakukan secara acak selama proses berlangsung. Hasil eksperimen dapat dilihat pada tabel berikut ini :
263
Tabel 5.30. Data Hasil Eksperimen Produk Current Coil Bobbin W 10549-2 Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
A 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
B 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2
C 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1
D 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1
E 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
Inner Array F EXF G 1 1 1 2 1 2 1 1 1 2 1 2 1 1 2 2 1 1 1 1 2 2 1 1 2 2 1 1 2 2 2 2 1 1 2 2 2 2 2 1 2 1 2 2 2 1 2 1
DXG 1 2 2 1 2 2 2 1 1 2 2 1 1 2 2 1
H 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
EXH 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1
Outer Array X1 X2 0.61 0.60 0.56 0.57 0.58 0.59 0.61 0.59 0.62 0.57 0.64 0.61 0.58 0.61 0.62 0.61 0.60 0.59 0.62 0.63 0.59 0.63 0.55 0.58 0.61 0.57 0.59 0.63 0.56 0.61 0.63 0.65 0.63 0.61 0.59 0.63 0.58 0.56 0.61 0.59 0.60 0.61 0.59 0.60 0.59 0.61 0.61 0.60 0.55 0.60 0.59 0.57 0.61 0.60 0.58 0.62 0.63 0.60 0.59 0.61 0.60 0.59 0.63 0.61
Sumber : Hasil Eksperimen.
8. Hasil Perhitungan Simulasi Untuk menganalisa data hasil percobaan maka digunakan metode Signal to
Noise Ratio (SNR) untuk mengetahui pengaruh dari masing-masing faktor dan interaksi terhadap sebaran atau varians dari hasil yang diharapkan. Jenis rasio SNR yang digunakan dalam penelitian ini adalah nominal is the best, dimana hal ini ditentukan sesuai dengan tipe karakteristik kualitas produk yang diamati. Hasil perhitungan dan contoh perhitungan SNR produk current coil bobbin W 10549-2 dapat dilihat pada berikut ini.
264
Tabel 5.31. Hasil Perhitungan SNR Produk Current Coil Bobbin W 10549-2 Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Inner Array A 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
B 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2
C 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1
D 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1
E 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
F 1 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1
EXF 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
Outer Array G 1 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1
DXG 1 2 2 1 2 2 2 1 1 2 2 1 1 2 2 1
H 1 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2
EXH 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1
X1 0.61 0.60 0.58 0.59 0.62 0.57 0.58 0.61 0.60 0.59 0.59 0.63 0.61 0.57 0.56 0.61 0.63 0.61 0.58 0.56 0.60 0.61 0.59 0.61 0.55 0.60 0.61 0.60 0.63 0.60 0.60 0.59
X2 0.56 0.57 0.61 0.59 0.64 0.61 0.62 0.61 0.62 0.63 0.55 0.58 0.59 0.63 0.63 0.65 0.59 0.63 0.61 0.59 0.59 0.60 0.61 0.60 0.59 0.57 0.58 0.62 0.59 0.61 0.63 0.61
Responses Mean 0.585 0.593 0.610 0.605 0.610 0.588 0.600 0.613 0.615 0.585 0.600 0.603 0.578 0.603 0.608 0.608
S 0.024 0.013 0.029 0.017 0.018 0.033 0.026 0.039 0.019 0.021 0.008 0.010 0.022 0.017 0.017 0.017
SNT 27.810 33.458 26.328 30.864 30.478 24.999 27.324 24.005 30.135 28.975 37.324 35.977 28.314 30.950 31.022 31.022
Sumber : Hasil Analisa dan Pembahasan. Contoh Perhitungan SNR untuk trial kesatu : •
Mean Responses : Mean = µ =
Mean1 = •
1 n ∑y n i =1 i
0.61 + 0.60 + 0.56 + 0.57 = 0.585 4
Standard Deviation : S=
n
∑ i =1
S=
4
∑ i =1
( y − µ )2 i
n −1
(0.61 − 0.585) 2 + (0.60 − 0.585) 2 + (0.56 − 0.585) 2 + (0.57 − 0.585) 2 = 0.024 4 −1
265
•
Signal to Noise Ratio “Nominal is The Best” (SNT) : 2
y SN T = 10 log( 2 ) S (0.585) 2 SN T = 10 log( ) (0.024) 2 SN T = 27.810db
9. Penentuan efek faktor dan interaksi faktor (perhitungan main effect)
Untuk perhitungan penentuan efek faktor dan interaksi faktor (perhitungan main effect) pada produk current coil bobbin W 10549-2 menggunakan bantuan software Minitab 2002 versi 13.2. a. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap rata-rata. •
Main effects plots for mean Berikut ini merupakan grafik dari main effects plots faktor terkontrol pada nilai rata-rata : Response Table for Means Level A 1 0.599375 2 0.600625 Delta 0.001250 Rank 6
B 0.594375 0.605625 0.011250 1
C 0.599063 0.600937 0.001875 4
D 0.600625 0.599375 0.001250 6
Level 1 2 Delta Rank
F 0.600313 0.599687 0.000625 8
G 0.6025 0.5975 0.0050 3
H 0.595937 0.604063 0.008125 2
E 0.600625 0.599375 0.001250 6
266
Main Effects P lot for Means A
B
C
D
E
F
G
H
0.6050
Mean
0.6025
0.6000
0.5975
0.5950
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.7. Main Effect Plot Faktor Terkontrol pada Nilai Rata-rata Untuk Produk Current Coil Bobbin W 10549-2 Dari grafik 5.7 dapat terlihat bahwa faktor B (suhu zone 2) dan H (plastisasi 3) mempunyai pengaruh yang sangat signifikan pada nilai rata-rata. Sedangkan faktor G (plastisasi 1) mempunyai pengaruh yang cukup signifikan pada nilai rata-rata dan faktor A (suhu zone 1) ,C (suhu nozzle), D (tekanan injeksi 1), E (tekanan injeksi 3), dan F (kecepatan injeksi 3) mempunyai pengaruh yang kurang signifikan.
267
•
Interaction Plot for Mean
Interaction P lot for Means 1
2
1
2
1
2
D
0.605
2 0.600
1
Mean
0.595
E
0.605
2 0.600
1
0.595
G
F
H
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.8. Interaction Plot Faktor Terkontrol Pada Mean Untuk Produk Current Coil bobbin W 10549-2 Dari grafik 5.8 dapat terlihat bahwa faktor-faktor yang saling berinteraksi adalah faktor tekanan injeksi 1 dengan plastisasi 1 (DxG), faktor tekanan injeksi 3 dengan kecepatan injeksi 3 (ExF), dan tekanan injeksi 3 dengan plastisasi 3 (ExH). Suatu faktor dikatakan berinteraksi apabila dua garis tidak saling sejajar dan bersilangan. Jika dua garis saling sejajar maka faktor tersebut dikatakan tidak berinteraksi. Apabila kedua garis sasling bersilangan maka jika salah satu faktor makin naik maka faktor lainnya menurun atau sebaliknya. Bila kedua garis tidak saling sejajar maka jika salah satu faktor makin naik maka faktor lainnya makin naik juga atau sebaliknya.
268
b. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap signal to noise ratio (SNR). Main effect plots for S/N ratio Berikut ini merupakan grafik dari main effects plots faktor terkontrol pada signal to noise ratio (SNR) : Response Table for Signal to Noise Ratios Nominal is best (10*Log(Ybar**2/s**2)) Level A B C 1 31.3588 29.3899 31.5113 2 28.5144 30.4833 28.3620 Delta 2.8444 1.0934 3.1493 Rank 3 6 1
D 29.2189 30.6543 1.4354 5
Level 1 2 Delta Rank
H 28.4289 31.4443 3.0155 2
E 29.8418 30.0314 0.1895 7
F 29.8580 30.0152 0.1572 8
G 29.0717 30.8015 1.7298 4
Main Effects P lot for S/N Ratios
A
31.6
B
C
D
E
F
G
H
30.8
S/N Ratio
•
30.0
29.2
28.4 1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.9. Main Effect Plot Faktor Terkontrol pada S/N Ratio Untuk Produk Current Coil Bobbin W 10549-2
269
Dari grafik 5.9 dapat terlihat bahwa faktor A (suhu zone 1), C (suhu nozzle) dan H (plastisasi 3) mempunyai pengaruh yang sangat signifikan pada besarnya SNR. Sedangkan faktor B (suhu zone 2), D (tekanan injeksi 1) dan G (plastisasi 1) mempunyai pengaruh yang cukup signifikan pada besarnya SNR serta faktor E (tekanan injeksi 3) dan F (kecepatan injeksi 3) mempunyai pengaruh yang kurang signifikan. •
Interaction Plot for S/N ratio Interaction P lot for S/N Ratios 2
1
2
1
2
1
D
31
2
30 29
S/N Ratio
1
E
31
2
30 29
1
G
F
H
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.10. Interaction Plot Faktor Terkontrol Pada SNR Untuk Produk Current Coil bobbin W 10549-2 Dari grafik 5.10 dapat terlihat bahwa faktor yang saling berinteraksi adalah faktor tekanan injeksi 3 dengan kecepatan injeksi 3 (ExF). Sedangkan untuk faktor tekanan injeksi 3 dengan plastisasi 3 (ExH) dan faktor tekanan injeksi 1 dengan plastisasi 1 (DxG) tidak menunjukkan adanya interaksi satu sama lain karena kedua garis tersebut sejajar.
270
10. Pemilihan Level Faktor Utama
Dari hasil main effect plot dan interaction plot faktor pada nilai rata-rata dan variansi (SNR) dapat terlihat dengan jelas faktor-faktor yang berpengaruh secara signifikan maupun tidak signifikan terhadap produk dan faktor yang berinteraksi maupun tidak berinteraksi satu sama lain. Namun kendalanya adalah faktor-faktor yang berpengaruh secara signifikan pada nilai rata-rata mungkin saja tidak berpengaruh secara signifikan pada variansi seperti pada nilai rata-rata, yang berpengaruh signifikan adalah faktor B dan H sedangkan pada variansi yang berpengaruh signifikan adalah faktor A, C, dan H. Tabel 5.32. Faktor Terkontrol Yang Berpengaruh Signifikan Rata-rata Ada Tidak B, G, dan H A, C, dan D Ada Varian E dan F Tidak Sumber : Hasil Analisa dan Pembahasan.
Bila ditinjau dari aspek teknis, sebenarnya semua faktor berpengaruh signifikan pada produk namun kemungkinan karena pemilihan level yang tidak tepat maka menyebabkan pengaruh tiap level tersebut menjadi tidak nampak. Kemungkinan penyebab dari hal ini adalah belum adanya standar ukuran yang jelas dalam menentukan besar kecilnya pengaruh faktor terhadap rata-rata dan variansi pada plot tersebut sehingga dalam membedakan pengaruh faktor terhadap rata-rata atau variansi mengalami kesulitan. Oleh karena itu, untuk proses optimasinya dapat digunakan two-step optimization, yaitu menentukan setting yang meminimasi variansi
271
kemudian melakukan penyesuaian pada faktor terkontrol yang mempunyai pengaruh besar terhadap rata-rata karakteristik kualitas produk tanpa merubah nilai variansi. Untuk setting optimalnya dapat dilihat pada tabel berikut ini : Tabel 5.33. Setting Optimum Untuk Produk Current Coil Bobbin W 10549-2 Kode
Faktor
Rata-rata
Variansi Kesimpulan
A
Suhu Zone 1 (oC)
-
A1
A1
B
Suhu Zone 2 (oC)
B2
B2
B2
C
Suhu Nozzle (posisi)
-
C1
C1
D
Tekanan Injeksi 1 (kg/cm2)
-
D2
D2
E
Tekanan Injeksi 3 (kg/cm2)
-
-
E1
F
Kecepatan Injeksi 3 (cm3/detik)
-
-
F2
G
Plastisisasi 1 (gram)
G1
G2
G1
H
Plastisisasi 3 (gram)
H2
H2
H2
Sumber : Hasil Analisa dan Pembahasan. Untuk faktor A, C, dan D hanya berpengaruh signifikan pada variansi sehingga pemilihan level faktor utama berdasarkan pada nilai SNR terbesar, yaitu A1, C1, dan D2. Sedangkan untuk faktor B, G, dan H yang berpengaruh signifikan terhadap nilai rata-rata dan variansi, maka pemilihan level faktor utama disesuaikan pada rata-rata dengan menggunakan faktor yang akan mempengaruhi perubahan nilai rata-rata bukan nilai SNR, yaitu B2, G1, dan H2. Untuk faktor-faktor yang tidak berpengaruh signifikan terhadap rata-rata maupun variansi, maka seharusnya pemilihan level faktor utama berdasarkan pada nilai SNR terbesar, yaitu E2 dan F2. Akan tetapi pada interaction plot terlihat bahwa faktor E dan F saling berinteraksi dimana jika tekanan injeksi makin tinggi maka kecepatan injeksi makin menurun atau
272
sebaliknya sehingga untuk faktor E dipilih level satu (E1) karena disesuaikan juga dengan faktor H (pada interaction plot for mean menunjukkan adanya interaksi). Untuk material, tidak ada pemilihan antara material yang lebih kurang 7 hari maupun 30 hari karena dengan adanya setting-an yang optimal telah mengurangi sensitivitas material yang digunakan sehingga dalam pemrosesan dapat digunakan material yang lebih kurang 7 hari maupun 30 hari.
11. Percobaan Konfirmasi dan Implementasi
Percobaan konfirmasi dilakukan untuk mengetahui hasil dari percobaan Taguchi. Namun dalam hal ini, hasil percobaan konfirmasi tidak tercatat karena hasil dari percobaan konfirmasi menunjukkan hasil yang cukup bagus sehingga langsung diimplementasikan perusahaan. Setting yang digunakan pada saat percobaan adalah untuk faktor-faktor yang telah diabaikan dari screening design, menggunakan setting yang biasanya digunakan perusahaan (level 1). Sedangkan faktor yang levelnya diperoleh dari percobaan Taguchi dapat dilihat pada tabel di bawah ini :
273
Tabel 5.34. Setting Percobaan Konfirmasi Current Coil Bobbin W 10549-2 Kode
Nama Faktor
Level
Setting
A
Suhu Zone 1 (oC)
1
245
B
Suhu Zone 2 (oC)
2
240
C
Suhu Nozzle (posisi)
1
2 1/2
D
Tekanan Injeksi 1 (kg/cm2)
2
40
E
Tekanan Injeksi 3 (kg/cm2)
1
13
F
Kecepatan Injeksi 3 (cm3/detik)
2
20
G
Plastisisasi 1 (gram)
1
3.9
H
Plastisisasi 3 (gram)
2
2.0
Sumber : Hasil Analisa dan Pembahasan.
Percobaan konfirmasi dan implementasi hasil percobaan Taguchi dilakukan pada bulan November 2004. Data hasil pengukuran percobaan Taguchi untuk produk current coil bobbin W 10549-2 dapat dilihat pada tabel di bawah ini :
274
Tabel 5.35. Perhitungan Peta Kendali X dan R Ukuran A Produk Current Coil Bobbin W 10549-2 Setelah Percobaan Taguchi Jumlah Observasi
Current Coil Bobbin W 10549-2 1 0.580 0.610 0.590 0.600 0.580 0.600 0.610 0.580 0.610 0.590 0.600 0.620 0.620 0.610 0.600 0.590 0.630 0.580 0.600 0.600 0.590 0.580 0.600 0.610 0.600 0.580 0.610 0.610 0.590 0.610
2 3 4 1 0.580 0.610 0.580 2 0.580 0.620 0.600 3 0.600 0.590 0.580 4 0.580 0.600 0.620 5 0.620 0.610 0.590 6 0.590 0.580 0.610 7 0.590 0.600 0.630 8 0.590 0.620 0.630 9 0.570 0.590 0.580 10 0.610 0.620 0.580 11 0.600 0.590 0.600 12 0.640 0.590 0.590 13 0.600 0.590 0.590 14 0.600 0.590 0.600 15 0.590 0.600 0.560 16 0.600 0.610 0.580 17 0.580 0.600 0.600 18 0.600 0.630 0.590 19 0.590 0.600 0.580 20 0.580 0.620 0.590 21 0.560 0.600 0.590 22 0.620 0.600 0.590 23 0.590 0.600 0.610 24 0.590 0.600 0.590 25 0.570 0.590 0.600 26 0.610 0.610 0.600 27 0.600 0.580 0.590 28 0.630 0.600 0.590 29 0.620 0.580 0.590 30 0.570 0.590 0.610 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
5 0.600 0.590 0.610 0.610 0.590 0.600 0.590 0.590 0.610 0.600 0.620 0.590 0.610 0.580 0.600 0.620 0.590 0.610 0.630 0.590 0.600 0.610 0.580 0.590 0.600 0.580 0.610 0.590 0.600 0.610
Mean
R
0.590 0.600 0.594 0.602 0.598 0.596 0.604 0.602 0.592 0.600 0.602 0.606 0.602 0.596 0.590 0.600 0.600 0.602 0.600 0.596 0.588 0.600 0.596 0.596 0.592 0.596 0.598 0.604 0.596 0.598 17.936 0.5979
0.030 0.040 0.030 0.040 0.040 0.030 0.040 0.050 0.040 0.040 0.030 0.050 0.030 0.030 0.040 0.040 0.050 0.050 0.050 0.040 0.040 0.040 0.030 0.020 0.030 0.030 0.030 0.040 0.040 0.040 1.130 0.03767
275
Batas-batas kendali statistik untuk ukuran A : Peta R
CL
= R = 1.130/30 = 0.03767
UCL
= D4* R = 2.114*0.03767= 0.07965
LCL
= D3* R = 0*0.03767= 0
Peta X
CL
= X = 17.936/30 = 0.5979
UCL
= X + (A2* R ) = 0.5979+ (0.577*0.03767) = 0.6196
LCL
= X - (A2* R ) = 0.5979– (0.577*0.03767) = 0.5761 Xbar/R Chart Untuk Produk Current Coil Bobbin W 10549-2 Setelah Pecobaan T aguch 0.62
UCL=0.6196
Sample Mean
0.61 0.60
Mean=0.5979
0.59 0.58
LCL=0.5761
0.57
Sample Range
Subgroup
0
10
20
30
UCL=0.07965
0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
R=0.03767
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.11. Peta Kendali X dan R Ukuran A Produk CurrentCoil Bobbin W 10549-2 Setelah Percobaan Taguchi
276
Dari grafik di atas dapat dilihat bahwa rata-rata ukuran A produk telah berada pada sekitar area nilai target, berarti variansi produk telah berkurang bila dibandingkan dengan peta kendali sebelum percobaan Taguchi. Walaupun penyetingan ini belum bisa mencapai target ukuran namun adanya percobaan Taguchi telah membantu dalam mencari penyetingan yang optimum. Penyetingan yang optimum untuk ukuran A produk, belum tentu optimum bagi ukuran kritis produk lainnya sehingga diadakan juga pengecekan untuk ukuran kritis produk lainnya yaitu ukuran B, C, dan D. Selain itu juga ditinjau dari jenis cacat lainnya. Caranya adalah dengan melihat jumlah cacat produk yang dihasilkan pada bulan November 2004, yaitu : Tabel 5.36. Data Jumlah Cacat Produk Current Coil Bobbin W 10549-2 Setelah Percobaan Taguchi Current Coil Bobbin W 10549-2 No.
Jenis Cacat
Frekuensi Cacat November 2004
2
Produk tidak lengkap (Ada bagian tidak terbentuk) Permukaan produk tidak rata
3
Ukuran A tidak sesuai spesifikasi
2
4
Ukuran B tidak sesuai spesifikasi
4
5
Produk rapuh
0
6
Ukuran C tidak sesuai spesifikasi
2
7
Ukuran D tidak sesuai spesifikasi
2
1
Total
Sumber : PT. Jasa Putra Plastik.
11 7
28
277
Dari hasil implementasi di atas dapat terlihat bahwa jumlah cacat setelah percobaan Taguchi, sudah berkurang jumlahnya jika dibandingkan dengan bulan sebelumnya. Walaupun hal ini masih belum mencapai target dari perusahaan untuk tidak ada cacat sama sekali, namun optimasi proses telah berhasil dilaksanakan.
5.2.8.2.Produk IL Coil Bobbin W 10547-3
Langkah-langkah yang dilakukan dalam melakukan percobaan dengan metode Taguchi adalah sebagai berikut : 1. Karakteristik kualitas yang diamati
Karakteristik kualitas produk yang diamati adalah ukuran B produk (lihat gambar 5.4), yang memiliki nilai target 3.8 mm ± 0.01 mm. Oleh karena itu karakteristik kualitas yang digunakan adalah nominal is the best. Untuk pengukuran ini digunakan alat ukur Sigmat dengan tingkat ketelitian 0.01 mm.
2. Identifikasi faktor-faktor yang berpengaruh
Setelah dilakukan screening design untuk produk IL Coil Bobbin W 10547-3 maka diperoleh faktor-faktor yang lebih terarah dalam melakukan percobaan dengan metode Taguchi. Untuk itu dibuat lagi P-Diagram baru untuk memperjelas faktor terkontrol, faktor tidak terkontrol, signal, dan response.
278
Noise Factors Kelembaban
X
Signal Factors
M
Injection Moulding
Y
- Dimensi Cetakan - Material
Response Variables Produk IL Coil Bobbin W 10547-3
Z
Control Factors 1. 2. 3. 4. 5.
Waktu Injeksi Tekanan Injeksi 1 Kecepatan Injeksi 3 Plastisasi 1 Plastisasi 2
Sumber : Hasil Analisa dan Brainstorming. Diagram 5.8. P-Diagram Baru Untuk Produk IL Coil Bobbin W 10547-3 Berdasarkan pada P-diagram di atas dapat terlihat dengan jelas faktor-faktor yang mempengaruhi percobaan, yaitu : a. Faktor Signal Sama halnya dengan produk current coil bobbin W 10549-2, faktor signal yang digunakan adalah dimensi cetakan dan material. Pada produk IL coil bobbin W 10547-3 dimensi cetakan yang akan diamati adalah ukuran B produk. Sedangkan untuk material adalah sama dengan produk current coil bobbin W 10549-2 yaitu nilon atau PA 6 MV0. Karena sistem yang diteliti merupakan sistem yang statis dimana output yang diinginkan memiliki target yang tepat sehingga tidak dipengaruhi faktor signal maka dalam percobaan Taguchi, dimensi cetakan dan material tidak mempengaruhi kualitas produk.
279
b. Faktor Noise Sama halnya dengan produk current coil bobbin W 10549-2, yang menjadi faktor noise adalah kandungan uap air material atau kelembaban. Dengan asumsi bahwa semakin lama material disimpan maka kandungan uap airnya makin tinggi. Dari informasi yang diperoleh, waktu penyimpanan material paling lama adalah satu bulan. c. Faktor Terkontrol Mesin injection moulding yang digunakan untuk memproduksi produk IL coil bobbin W 10547-3 adalah sama dengan produk current coil bobbin W 10549-2, sehingga pada mesin injection moulding juga terdapat panel yang terdiri dari dua jenis yaitu berupa digital dan menggunakan jarum penunjuk. Yang termasuk dalam faktor terkontrol adalah waktu injeksi (A), tekanan injeksi 1 (B), tekanan injeksi 3 (C), plastisasi 1 (D), dan plastisasi 2 (E). Dari statik P-diagram di atas dapat dibuat fungsi matematis dari sistem nyata perusahaan untuk produk IL coil bobbin W 10547-3, dimana tujuannya adalah untuk mempermudah penyelesaian masalah, yaitu :
Y = f (Z) + X Sama halnya dengan produk current coil bobbin W 10549-2, bahwa Y merupakan responses yang menyatakan produk yang dihasilkan, dipengaruhi oleh faktor-faktor berupa faktor-faktor terkontrol (Z) yakni f ( A, B, C, D, E) dan faktor X (noise)
280
dimana merupakan faktor yang akan diselesaikan dengan melakukan eksperimen dengan metode Taguchi.
3. Penentuan jumlah level dan nilai tiap faktor
Jumlah level yang digunakan dalam melakukan percobaan adalah dua level, yaitu 1 menyatakan kondisi rendah sedangkan level 2 menyatakan kondisi tinggi. Penentuan level ini merupakan hasil brainstorming dengan pihak perusahaan terutama operator yang telah berpengalaman dan juga berdasarkan pada buku panduan. Penentuan nilai level faktor yang digunakan untuk faktor noise, yaitu berupa kelembaban material adalah sama dengan produk current coil bobbin W 10549-2. Sedangkan penentuan nilai-nilai level faktor untuk faktor terkontrol adalah sebagai berikut : A. Waktu Injeksi Waktu injeksi yang biasanya di-setting adalah berada pada rentang antara 3.5-6 detik. Oleh karena itu, penentuan level 1 ditetapkan pada 3.5 detik dan level 2 pada 6 detik. B. Tekanan Injeksi 1 Tekanan injeksi 1 yang biasanya di-setting adalah berada pada rentang antara 57-63 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 57 kg/ cm2 dan level 2 pada tekanan 63 kg/cm2.
281
C. Tekanan Injeksi 3 Tekanan injeksi 3 yang biasanya di-setting adalah berada pada rentang antara 21-26 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 21 kg/ cm2 dan level 2 pada tekanan 26 kg/cm2. D. Plastisasi 1 Plastisasi 1 yang biasanya di-setting adalah berada pada rentang antara 4.3-4.7 gram. Oleh karena itu, penentuan level 1 ditetapkan pada 4.3 gram dan level 2 pada 4.7 gram. E. Plastisasi 2 Plastisasi 3 yang biasanya di-setting adalah berada pada rentang antara 3.2-3.6 gram. Oleh karena itu, penentuan level 1 ditetapkan pada 3.2 gram dan level 2 pada 3.6 gram. Untuk lebih jelasnya penentuan nilai-nilai level faktor terkontrol dan tidak terkontrol dapat dilihat pada tabel berikut ini : Tabel 5.37. Tabel Nila Level Faktor Untuk Eksperimen Produk IL Coil Bobbin W 10547-3 Kode
Nama Faktor
A
Waktu Injeksi (detik)
B
Tekanan Injeksi 1 (kg/cm2) 2
Klasifikasi Faktor
Range
level 1
Level 2
Kontrol
3.5 - 6
3.5
6
Kontrol
57 - 63
57
63
C
Tekanan Injeksi 3 (kg/cm )
Kontrol
21 - 26
21
26
D
Plastisisasi 1 (gram)
Kontrol
4.3 – 4.7
4.3
4.7
E
Plastisisasi 2 (gram)
Kontrol
3.2 – 3.6
3.2
3.6
X
Kelembaban (hari)
Noise
-
7
30
Sumber : PT. Jasa Putra Plastik dan Hasil Analisa dan Pembahasan.
282
4. Identifikasi adanya interaksi antar faktor
Berdasarkan hasil brainstorming dengan pihak perusahaan, dapat diketahui bahwa kemungkinan terdapat faktor yang saling berinteraksi dimana perubahan pada salah satu faktor akan mempengaruhi faktor yang lain. Interaksi yang mungkin terjadi pada produk IL coil bobbin W 10547-3 adalah antara tekanan injeksi 1 dengan plastisasi 1 (BxD).
5. Perhitungan derajat kebebasan (Degree of Freedom)
Perhitungan derajat kebebasan dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor yang diamati. Perhitungan derajat kebebasan dalam penelitian ini adalah : •
Dof untuk faktor A
= nA – 1
= 2-1
= 1
•
Dof untuk faktor B
= nB – 1
= 2-1
= 1
•
Dof untuk faktor C
= nC – 1
= 2-1
= 1
•
Dof untuk faktor D
= nD – 1
= 2-1
= 1
•
Dof untuk faktor E
= nE – 1
= 2-1
= 1
•
Dof untuk faktor BxD
= (nB – 1)(nD –1)
= (2-1)(2-1)
= 1 +
Total DOF
= 6
283
6. Pemilihan Orthogonal Array (OA)
Dalam pemilihan orthogonal array (OA) haruslah sesuai dengan jumlah dof yang diperoleh, yaitu enam faktor yang terlibat dalam percobaan Taguchi maka digunakan orthogonal array L8.
7. Persiapan dan pelaksanaan percobaan
Persiapan dan pelaksanaan percobaan meliputi penentuan jumlah replikasi dan randomisasi pelaksanaan percobaan. Karena terbatasnya waktu, biaya dan fasilitas maka jumlah replikasi yang dilakukan dengan kondisi yang sama dalam percobaan adalah sebanyak dua kali untuk masing-masing material (sesuai dengan lamanya penyimpanan material, yaitu penyimpanan kurang lebih 7 hari dan kurang lebih 30 hari). Sedangkan untuk teknik randomisasi percobaan sama seperti pada perlakuan produk current coil bobbin W 10549-2 dimana dilakukan berdasarkan pada undian. Tabel 5.38. Tabel Hasil Pengacakan Urutan Pelaksanaan Percobaan Produk IL Coil Bobbin W 10547-3 Inner Array A B C D BxD E 1 1 1 1 1 1 1 2 1 1 1 2 2 2 3 1 2 2 1 2 1 4 1 2 2 2 1 2 5 2 1 2 1 1 2 6 2 1 2 2 2 1 7 2 2 1 1 2 2 8 2 2 1 2 1 1 Sumber : Hasil Analisa dan Pembahasan. Trial
Outer Array X1 X2 4 6 1 7 7 3 5 4 3 8 6 3 2 1 8 6 5 2 4 8 1 5 2 1 6 4 7 2 8 7 3 5
284
Pengambilan data percobaan dilakukan dengan mengikuti hasil pengacakan pada tabel 5.38 dimana X1 menyatakan material nilon yang disimpan kurang lebih tujuh hari dan X2 merupakan material nilon yang telah disimpan kurang lebih 30 hari. Pengambilan dan pengukuran produk dilakukan secara acak selama proses berlangsung. Hasil eksperimen dapat dilihat pada tabel berikut ini : Tabel 5.39. Data Hasil Eksperimen Produk IL Coil Bobbin W 10547-3 Inner Array A B C D BxD 1 1 1 1 1 1 2 1 1 1 2 2 3 1 2 2 1 2 4 1 2 2 2 1 5 2 1 2 1 1 6 2 1 2 2 2 7 2 2 1 1 2 8 2 2 1 2 1 Sumber : Hasil Eksperimen. Trial
Outer Array E 1 2 1 2 2 1 2 1
X1
3.80 3.79 3.81 3.80 3.79 3.79 3.80 3.80
X2
3.79 3.79 3.79 3.80 3.80 3.81 3.79 3.81
3.79 3.80 3.80 3.81 3.79 3.80 3.80 3.81
3.81 3.79 3.81 3.81 3.79 3.80 3.79 3.80
8. Hasil Perhitungan Simulasi
Seperti halnya pada produk current coil bobbin W 10549-2, untuk menganalisa data hasil percobaan digunakan metode Signal to Noise Ratio (SNR) untuk mengetahui pengaruh dari masing-masing faktor dan interaksi terhadap sebaran atau varians dari hasil yang diharapkan. Jenis rasio SNR yang digunakan adalah nominal is the best karena ditentukan sesuai dengan tipe karakteristik kualitas produk
285
yang diamati. Hasil perhitungan dan contoh perhitungan SNR produk IL coil bobbin W 10547-3 dapat dilihat pada berikut ini : Tabel 5.40. Hasil Perhitungan SNR Produk IL Coil Bobbin W 10547-3 Inner Array
Trial
Outer Array
Responses Mean
S
SNT
3.81
3.80
0.010
51.968
3.80
3.79
3.79
0.005
57.599
3.79
3.80
3.81
3.80
0.010
51.979
3.80
3.80
3.81
3.81
3.81
0.006
56.378
2
3.79
3.80
3.79
3.79
3.79
0.005
57.599
2
1
3.79
3.81
3.80
3.80
3.80
0.008
53.357
1
2
2
3.80
3.79
3.80
3.79
3.80
0.006
56.355
2
1
1
3.80
3.81
3.81
3.80
3.81
0.006
56.378
A
B
C
D
BxD
E
X1
X2
1
1
1
1
1
1
1
3.80
3.79
3.79
2
1
1
1
2
2
2
3.79
3.79
3
1
2
2
1
2
1
3.81
4
1
2
2
2
1
2
5
2
1
2
1
1
6
2
1
2
2
7
2
2
1
8
2
2
1
Sumber : Hasil Analisa dan Pembahasan. Contoh Perhitungan SNR untuk trial kesatu : •
Mean Responses : 1 n Mean = µ = ∑ y n i =1 i Mean1 =
•
3.80 + 3.79 + 3.79 + 3.81 = 3.80 4
Standard Deviation : S=
n
∑
( y − µ )2
i =1
S=
4
∑ i =1
S = 0.010
i
n −1 (3.80 − 3.80) 2 + (3.79 − 3.80) 2 + (3.79 − 3.80) 2 + (3.81 − 3.80) 2 4 −1
286
•
Signal to Noise Ratio “Nominal is The Best” (SNT) : 2
y SN T = 10 log( 2 ) S (3.80) 2 SN T = 10 log( ) (0.010) 2 SN T = 51.968db
9. Penentuan efek faktor dan interaksi faktor (perhitungan main effect)
Untuk perhitungan penentuan efek faktor dan interaksi faktor (perhitungan main effect) pada produk IL coil bobbin W 10547-3 menggunakan bantuan software Minitab 2002 versi 13.2. a. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap rata-rata. •
Main effects plots for mean Berikut ini merupakan grafik dari main effects plots faktor terkontrol pada nilai rata-rata : Response Table for Means Level A B 1 3.79938 3.79563 2 3.79813 3.80188 Delta 0.00125 0.00625 Rank 5 1
C 3.7975 3.8000 0.0025 4
D 3.79688 3.80063 0.00375 3
E 3.80125 3.79625 0.00500 2
287
Main Effects Plot for Means A
B
C
D
E
3.8020
Mean
3.8005
3.7990
3.7975
3.7960 1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.12. Main Effect Plot Faktor Terkontrol pada Nilai Rata-rata Untuk Produk IL Coil Bobbin W 10547-3 Dari grafik 5.12 dapat terlihat bahwa faktor B (tekanan injeksi 1) dan E (plastisasi 2) mempunyai pengaruh yang sangat signifikan pada nilai rata-rata. Faktor D (plastisasi 1) mempunyai pengaruh yang cukup signifikan pada nilai rata-rata. Sedangkan faktor C (tekanan injeksi 3) dan faktor A (waktu injeksi) mempunyai pengaruh yang kurang signifikan pada nilai rata-rata.
288
•
Interaction Plot for Mean
Interaction Plot for M eans 2
1
3.805
B
3.800
Mean
2
3.795
1
D
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.13. Interaction Plot Faktor Terkontrol Pada Nilai Rata-rata Untuk Produk IL Coil bobbin W 10547-3 Dari grafik 5.13 dapat terlihat bahwa faktor tekanan injeksi 1 dan plastisasi 1 (BxD) menunjukkan adanya interaksi satu sama lain karena kedua garis tersebut tidak sejajar sehingga jika tekanan injeksi makin tinggi maka plastisasi 1 juga makin tinggi atau sebaliknya.
b. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap signal to noise ratio (SNR). •
Main effect plots for S/N ratio Berikut ini merupakan grafik dari main effects plots faktor terkontrol pada signal to noise ratio (SNR) :
289
Response Table for Signal to Noise Ratios Nominal is best (10*Log(Ybar**2/s**2)) Level A B C 1 54.4811 55.1307 55.5752 2 55.9224 55.2728 54.8283 Delta 1.4412 0.1422 0.7469 Rank 3 5 4
D 54.4754 55.9281 1.4527 2
E 53.4205 56.9830 3.5625 1
Main Effects P lot for S/N Ratios A
B
C
D
E
5 6 .7
S/N Ratio
5 5 .9
5 5 .1
5 4 .3
5 3 .5 1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.14. Main Effect Plot Faktor Terkontrol pada S/N Ratio Untuk Produk IL Coil Bobbin W 10547-30 Dari grafik 5.14 dapat terlihat bahwa faktor E (plastisasi 2) mempunyai pengaruh yang sangat signifikan pada besarnya SNR. Sedangkan faktor A (waktu injeksi) dan D (plastisasi 1) mempunyai pengaruh yang cukup signifikan dan faktor C (tekanan injeksi 3) serta faktor B (tekanan injeksi 1) mempunyai pengaruh yang kurang signifikan pada besarnya SNR.
290
•
Interaction Plot for S/N ratio
Interaction P lot for S/N Ratios 2
1
5 6 .2
B
5 5 .2
S/N Ratio
2
5 4 .2
1
D
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.15. Interaction Plot Faktor Terkontrol Pada SNR Untuk Produk IL Coil bobbin W 10547-3 Dari grafik 5.15 dapat terlihat bahwa faktor tekanan injeksi 1 dan plastisasi 1 (BxD) saling berinteraksi satu sama lain dimana jika tekanan injeksi 1 makin tinggi maka plastisasi 1 makin menurun atau sebaliknya.
10. Pemilihan Level Faktor Utama
Sama halnya dengan produk current coil bobbin W 10549-2, kendala yang dialami adalah faktor-faktor yang berpengaruh secara signifikan pada nilai rata-rata mungkin saja tidak berpengaruh secara signifikan pada variansi seperti pada nilai rata-rata, yang berpengaruh signifikan adalah faktor B dan E sedangkan pada variansi yang berpengaruh signifikan adalah faktor A, D, dan E.
291
Tabel 5.41. Faktor Terkontrol Yang Berpengaruh Signifikan Untuk Produk IL Coil Bobbin W 10547-3 Rata-rata Ada Tidak D dan E A Ada Varian B C Tidak Sumber : Hasil Analisa dan Pembahasan.
Bila ditinjau dari aspek teknis, sebenarnya semua faktor berpengaruh signifikan pada produk. Alasan penyebab dari hal ini adalah sama seperti pada produk current coil bobbin W 10549-2. Di sini juga mengalami kendala yang sama yakni mengalami kesulitan dalam membedakan pengaruh faktor terhadap rata-rata atau variansi. Oleh karena itu, untuk proses optimasinya juga digunakan two-step optimization, yaitu menentukan setting yang meminimasi variansi kemudian melakukan penyesuaian pada faktor terkontrol yang mempunyai pengaruh besar terhadap rata-rata karakteristik kualitas produk tanpa merubah nilai variansi. Untuk setting optimalnya dapat dilihat pada tabel berikut ini : Tabel 5.42. Setting Optimum Untuk Produk IL Coil Bobbin W 10547-3 Kode
Faktor
Rata-rata
Variansi
Kesimpulan
-
A2
A2
A
Waktu Injeksi (detik)
B
Tekanan Injeksi 1 (kg/cm2)
B2
-
B2
C
Tekanan Injeksi 3 (kg/cm2)
-
-
C1
D
Plastisisasi 1 (gram)
D2
D2
D2
E
Plastisisasi 2 (gram)
E1
E2
E1
Sumber : Hasil Analisa dan Pembahasan.
292
Untuk faktor D dan E yang berpengaruh signifikan pada rata-rata dan variansi, maka pemilihan level faktor utama disesuaikan pada nilai rata-rata jika level faktor utama pada rata-rata dan variansi berbeda, yaitu D2 dan E1. Sedangkan untuk faktor A yang hanya berpengaruh signifikan pada variansi maka pemilihan level faktor utama berdasarkan pada SNR terbesar, yaitu A2. Faktor B hanya berpengaruh signifikan pada rata-rata sehingga pemilihan level faktor utama berdasarkan nilai rata-rata yang mendekati target, yaitu B2 . Akan tetapi pada interaction plot for mean menunjukkan adanya interaksi dengan plastisasi 1 (faktor D) dimana jika tekanan injeksi makin naik maka plastisasi 1 makin naik sehingga pemilihan level untuk faktor B tetap level dua, namun pada interaction plot for SNR menunjukkan bahwa jika tekanan injeksi 1 makin naik maka plastisasi 1 makin menurun atau sebaliknya maka pemilihan level untuk faktor B harusnya level satu karena plastisasi 1 sudah level dua. Karena untuk faktor utama B tidak berpengaruh signifikan pada variansi sehingga pemilihan level untuk faktor B tetap berdasarkan pada nilai rata-rata yang mendekati target, yaitu B2. Faktor C yang tidak berpengaruh pada nilai rata-rata dan variansi maka pemilihan level faktor utama berdasarkan pada SNR terbesar, yaitu C1. Untuk material, tidak ada pemilihan antara material yang lebih kurang 7 hari maupun 30 hari karena dengan adanya setting-an yang optimal telah mengurangi sensitivitas material yang digunakan sehingga dalam pemrosesan dapat digunakan material yang lebih kurang 7 hari maupun 30 hari.
293
11. Percobaan Konfirmasi dan Implementasi
Percobaan konfirmasi dilakukan untuk mengetahui hasil dari percobaan Taguchi. Namun dalam hal ini hasil percobaan konfirmasi tidak tercatat karena hasil dari percobaan konfirmasi menunjukkan hasil yang cukup bagus sehingga langsung diimplementasikan. Setting yang digunakan pada saat percobaan adalah untuk faktorfaktor yang telah diabaikan dari screening design, menggunakan setting yang biasanya digunakan perusahaan (level 1). Sedangkan faktor yang levelnya diperoleh dari percobaan Taguchi dapat dilihat pada tabel di bawah ini : Tabel 5.43. Setting Percobaan Konfirmasi IL Coil Bobbin W 10547-3 Kode
Nama Faktor
Level
Setting
A
Waktu Injeksi (detik)
2
6
B
Tekanan Injeksi 1 (kg/cm2)
2
63
C
Tekanan Injeksi 3 (kg/cm2)
1
21
D
Plastisisasi 1 (gram)
2
4.7
E
Plastisisasi 2 (gram)
1
3.2
Sumber : Hasil Analisa dan Pembahasan.
Percobaan konfirmasi dan implementasi hasil percobaan Taguchi dilakukan pada bulan November 2004. Data hasil pengukuran percobaan Taguchi untuk produk IL coil bobbin W 10547-3 dapat dilihat pada tabel di bawah ini :
294
Tabel 5.44. Perhitungan Peta Kendali X dan R Produk IL Coil Bobbin W 10547-3 Setelah Percobaan Taguchi Jumlah Observasi
IL Coil Bobbin W 10547-3 1 3.80 3.81 3.81 3.80 3.79 3.80 3.81 3.80 3.80 3.79 3.81 3.79 3.80 3.80 3.81 3.79 3.80 3.79 3.81 3.81 3.79 3.80 3.81 3.79 3.80 3.81 3.80 3.81 3.79 3.81
2 3 4 1 3.79 3.81 3.80 2 3.79 3.80 3.79 3 3.80 3.81 3.80 4 3.79 3.78 3.81 5 3.80 3.81 3.81 6 3.81 3.80 3.81 7 3.80 3.81 3.79 8 3.79 3.80 3.79 9 3.80 3.81 3.81 10 3.81 3.79 3.80 11 3.80 3.81 3.81 12 3.81 3.80 3.78 13 3.81 3.81 3.79 14 3.81 3.80 3.81 15 3.79 3.80 3.81 16 3.81 3.79 3.80 17 3.79 3.79 3.80 18 3.79 3.80 3.81 19 3.80 3.81 3.80 20 3.81 3.80 3.79 21 3.79 3.80 3.80 22 3.79 3.80 3.79 23 3.79 3.79 3.80 24 3.81 3.81 3.81 25 3.81 3.79 3.81 26 3.80 3.80 3.81 27 3.81 3.79 3.80 28 3.79 3.79 3.81 29 3.80 3.80 3.79 30 3.81 3.80 3.81 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
5 3.79 3.78 3.81 3.79 3.79 3.80 3.79 3.79 3.80 3.79 3.80 3.79 3.79 3.78 3.79 3.79 3.79 3.81 3.81 3.80 3.80 3.79 3.80 3.79 3.79 3.81 3.79 3.79 3.80 3.79
Mean
R
3.798 3.794 3.806 3.794 3.800 3.804 3.800 3.794 3.804 3.796 3.806 3.794 3.800 3.800 3.800 3.796 3.794 3.800 3.806 3.802 3.796 3.794 3.798 3.802 3.800 3.806 3.798 3.798 3.796 3.804 113.980 3.799
0.020 0.030 0.010 0.030 0.020 0.010 0.020 0.010 0.010 0.020 0.010 0.030 0.020 0.030 0.020 0.020 0.010 0.020 0.010 0.020 0.010 0.010 0.020 0.020 0.020 0.010 0.020 0.020 0.010 0.020 0.530 0.01767
295
Batas-batas kendali statistik untuk ukuran B : Peta R
CL
= R = 0.530/30 = 0.01767
UCL
= D4* R = 2.114*0.01767= 0.03736
LCL
= D3* R = 0*0.01767= 0
Peta X
CL
= X = 113.980/30 = 3.799
UCL
= X + (A2* R ) = 3.799+ (0.577*0.01767) = 3.810
LCL
= X - (A2* R ) = 3.799– (0.577*0.01767) = 3.789
Sample Mean
Xbar/R Chart Unt uk Produk IL Coil Bobbin W 10547-3 Set elah Percobaan T aguchi 3.81
UCL=3.810
3.80
Mean=3.799
3.79
LCL=3.789
Subgroup
0
10
20
0.04
30
UCL=0.03736
Sample Range
0.03 0.02
R=0.01767
0.01 0.00
LCL=0
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.16. Peta Kendali X dan R Produk ILCoil Bobbin W 10547-3 Setelah Percobaan Taguchi
296
Dari grafik di atas (sample mean) dapat dilihat bahwa rata-rata ukuran produk masih belum berada pada sekitar area nilai target, berarti produk masih cukup bervariasi. Bila dibandingkan dengan grafik sebelum percobaan Taguchi, maka variasi produk setelah percobaan Taguchi sudah berkurang. Hal ini dapat dilihat dari rata-rata range yang diperoleh, yakni pada awalnya rata-rata range adalah 0.019667 sedangkan setelah percobaan Taguchi menjadi 0.01767. Dari rata-rata tersebut terlihat bahwa perbedaannya sangat sedikit, hanya 0.001997. Penyebab dari hal ini, kemungkinan karena kesalahan dalam pemilihan faktor-faktor eksperimen, adanya faktor-faktor lain yang signifikan terhadap proses namun terabaikan, pemilihan level percobaan yang kurang tepat, atau penyebab lainnya yang tak teridentifikasi. Walaupun penyetingan ini belum bisa mencapai target ukuran atau tidak sesuai dengan yang diharapkan namun adanya percobaan Taguchi telah membantu dalam mencari penyetingan yang optimum. Penyetingan yang optimum untuk ukuran B produk, belum tentu optimum bagi ukuran kritis produk lainnya sehingga diadakan juga pengecekan untuk ukuran kritis produk lainnya yaitu ukuran A dan jenis cacat lainnya. Caranya adalah dengan melihat jumlah cacat produk yang dihasilkan pada bulan November 2004, yaitu :
297
Tabel 5.45. Data Jumlah Cacat Produk IL Coil Bobbin W 10547-3 Setelah Percobaan Taguchi IL Coil Bobbin W 10547-3 No.
Jenis Cacat
Frekuensi Cacat November 2004
1
Ukuran B tidak sesuai spesifikasi
10
2 3
Produk tidak lengkap (Ada bagian tidak terbentuk) Produk rapuh
4
Ukuran A tidak sesuai spesifikasi Total
3 1 3 17
Sumber : PT. Jasa Putra Plastik.
Dari hasil implementasi di atas dapat terlihat bahwa jumlah cacat setelah percobaan Taguchi, sudah berkurang jumlahnya jika dibandingkan dengan bulan sebelumnya. Walaupun hal ini masih belum mencapai target dari perusahaan untuk tidak ada cacat sama sekali, namun optimasi proses telah berhasil dilaksanakan.
5.2.8.3.Produk Insulation Plate W 11241
Langkah-langkah yang dilakukan dalam melakukan percobaan dengan metode Taguchi adalah sebagai berikut : 1. Karakteristik kualitas yang diamati
Karakteristik kualitas produk yang diamati adalah ukuran A produk (lihat gambar 5.6), yang memiliki nilai target 12 mm ± 0.05 mm. Oleh karena itu karakteristik kualitas yang digunakan adalah nominal is the best. Untuk pengukuran ini digunakan alat ukur Sigmat dengan tingkat ketelitian 0.01 mm.
298
2. Identifikasi faktor-faktor yang berpengaruh
Setelah dilakukan screening design untuk produk insulation plate W 11241 maka diperoleh faktor-faktor yang lebih terarah dalam melakukan percobaan dengan metode Taguchi. Untuk itu dibuat lagi P-Diagram baru untuk memperjelas faktor terkontrol, faktor tidak terkontrol, signal, dan response.
Noise Factors Kelembaban
X
Signal Factors
M
Injection Moulding
Y
- Dimensi Cetakan - Material
Response Variables ProdukInsulation Plate W 11241
Z
Control Factors 1. 2. 3. 4. 5.
Tekanan Injeksi 1 Tekanan Injeksi 3 Kecepatan Injeksi 1 Kecepatan Injeksi 3 Plastisasi 2
Sumber : Hasil Analisa dan Brainstorming. Diagram 5.9. P-Diagram Baru Untuk Produk Insulation Plate W 11241 Berdasarkan pada P-diagram di atas dapat terlihat dengan jelas faktor-faktor yang mempengaruhi percobaan, yaitu : a. Faktor Signal Sama halnya dengan kedua produk di atas, faktor signal yang digunakan adalah dimensi cetakan dan material. Pada produk insulation plate W 11241 dimensi cetakan yang akan diamati adalah ukuran A produk. Sedangkan untuk material
299
adalah sama dengan kedua produk di atas yaitu nilon atau PA 6 MV0. Karena sistem yang diteliti merupakan sistem yang statis dimana output yang diinginkan memiliki target yang tepat sehingga tidak dipengaruhi faktor signal maka dalam percobaan Taguchi, dimensi cetakan dan material tidak mempengaruhi kualitas produk. b. Faktor Noise Sama halnya dengan kedua produk di atas, yang menjadi faktor noise adalah kandungan uap air material atau kelembaban. Dengan asumsi bahwa semakin lama material disimpan maka kandungan uap airnya makin tinggi. Dari informasi yang diperoleh, waktu penyimpanan material paling lama adalah satu bulan. c. Faktor Terkontrol Mesin injection moulding yang digunakan untuk memproduksi produk insulation plate W 11241 adalah sama dengan kedua produk di atas, sehingga pada mesin injection moulding juga terdapat panel yang terdiri dari dua jenis yaitu berupa digital dan menggunakan jarum penunjuk. Yang termasuk dalam faktor terkontrol adalah tekanan injeksi 1 (A), tekanan injeksi 3 (B), kecepatan injeksi 1 (C), kecepatan injeksi 3 (D), dan plastisasi 2 (E). Dari statik P-diagram di atas dapat dibuat fungsi matematis dari sistem nyata perusahaan untuk produk insulation plate W 11241, dimana tujuannya adalah untuk mempermudah penyelesaian masalah, yaitu :
Y = f (Z) + X
300
Sama halnya dengan kedua produk di atas, bahwa Y merupakan responses yang menyatakan produk yang dihasilkan, dipengaruhi oleh faktor-faktor berupa faktorfaktor terkontrol (fungsi Z) yakni f ( A, B, C, D, E) dan faktor X (noise) dimana merupakan faktor yang akan diselesaikan dengan melakukan eksperimen dengan metode Taguchi.
3. Penentuan jumlah level dan nilai tiap faktor
Jumlah level yang digunakan dalam melakukan percobaan adalah dua level, yaitu 1 menyatakan kondisi rendah sedangkan level 2 menyatakan kondisi tinggi. Penentuan level ini merupakan hasil brainstorming dengan pihak perusahaan terutama operator yang telah berpengalaman dan juga berdasarkan pada buku panduan. Nilai-nilai level faktor yang digunakan adalah sebagai berikut : A. Tekanan Injeksi 1 Tekanan injeksi 1 yang biasanya di-setting adalah berada pada rentang antara 58-62 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 58 kg/ cm2 dan level 2 pada tekanan 62 kg/cm2. B. Tekanan Injeksi 3 Tekanan injeksi 3 yang biasanya di-setting adalah berada pada rentang antara 7-14 kg/cm2. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 7 kg/ cm2 dan level 2 pada tekanan 14 kg/cm2.
301
C. Kecepatan Injeksi 1 Kecepatan injeksi 1 yang biasanya di-setting adalah berada pada rentang antara 55-61 cm3/detik. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 55 cm3/detik dan level 2 pada tekanan 61 cm3/detik. D. Kecepatan Injeksi 3 Kecepatan injeksi 3 yang biasanya di-setting adalah berada pada rentang antara 10-15 cm3/detik. Oleh karena itu, penentuan level 1 ditetapkan pada tekanan 10 cm3/detik dan level 2 pada tekanan 15 cm3/detik. E. Plastisasi 2 Plastisasi 2 yang biasanya di-setting adalah berada pada rentang antara 4.3-4.5 gram. Oleh karena itu, penentuan level 1 ditetapkan pada 4.3 gram dan level 2 pada 4.5 gram. Untuk lebih jelasnya penentuan nilai-nilai level faktor terkontrol dan tidak terkontrol dapat dilihat pada tabel berikut ini : Tabel 5.46. Tabel Nilai Level Faktor Untuk Eksperimen Produk Insulation Plate W 11241 Klasifikasi Kode A B
Nama Faktor
Faktor
Range
level 1
Level 2
2
Kontrol
58 - 62
58
62
2
Kontrol
7 - 14
7
14
Tekanan Injeksi 1 (kg/cm ) Tekanan Injeksi 3 (kg/cm ) 3
C
Kecepatan Injeksi 1 (cm /detik)
Kontrol
55 - 61
55
61
D
Kecepatan Injeksi 3 (cm3/detik)
Kontrol
10 - 15
10
15
E
Plastisisasi 2 (gram)
Kontrol
4.3 - 4.5
4.3
4.5
X
Kelembaban (hari)
Noise
-
7
30
Sumber : PT. Jasa Putra Plastik dan Hasil Analisa dan Pembahasan.
302
4. Identifikasi adanya interaksi antar faktor
Berdasarkan hasil brainstorming dengan pihak perusahaan, dapat diketahui bahwa kemungkinan terdapat faktor yang saling berinteraksi dimana perubahan pada salah satu faktor akan mempengaruhi faktor yang lain. Interaksi yang mungkin terjadi pada produk insulation plate W 11241 adalah antara tekanan injeksi 1 dengan kecepatan injeksi 1 (AxC) dan tekanan injeksi 3 dengan kecepatan injeksi 3 (BxD).
5. Perhitungan derajat kebebasan (Degree of Freedom)
Perhitungan derajat kebebasan dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor yang diamati. Perhitungan derajat kebebasan dalam penelitian ini adalah : •
Dof untuk faktor A
= nA – 1
= 2-1
= 1
•
Dof untuk faktor B
= nB – 1
= 2-1
= 1
•
Dof untuk faktor C
= nC – 1
= 2-1
= 1
•
DOF untuk faktor AxC
= (nA – 1)(nC –1)
= (2-1)(2-1)
= 1
•
Dof untuk faktor D
= nD – 1
= 2-1
= 1
•
Dof untuk faktor BxD
= (nB– 1)(nC –1)
= (2-1)(2-1)
= 1
•
Dof untuk faktor E
= nE – 1
= 2-1
= 1
Total DOF
= 7
303
6. Pemilihan Orthogonal Array (OA)
Dalam pemilihan orthogonal array (OA) haruslah sesuai dengan dof yang telah diperoleh, yaitu tujuh faktor yang terlibat dalam percobaan Taguchi maka seharusnya digunakan orthogonal array L8. Akan tetapi, delapan percobaan tidak cukup untuk dilakukan karena kemungkinan terjadi pembauran antara faktor interaksi dengan faktor utama. Oleh karena itu jumlah percobaan diperbanyak menjadi 16 percobaan sehingga orthogonal array yang dipilih adalah L16.
7. Persiapan dan pelaksanaan percobaan
Persiapan dan pelaksanaan percobaan meliputi penentuan jumlah replikasi dan randomisasi pelaksanaan percobaan. Karena terbatasnya waktu, biaya dan fasilitas maka jumlah replikasi yang dilakukan dengan kondisi yang sama dalam percobaan adalah sebanyak dua kali untuk masing-masing material (sesuai dengan lamanya penyimpanan material, yaitu penyimpanan kurang lebih 7 hari dan kurang lebih 30 hari). Sedangkan untuk teknik randomisasi percobaan sama seperti pada perlakuan kedua produk di atas dimana dilakukan berdasarkan pada undian.
304
Tabel 5.47. Tabel Hasil Pengacakan Urutan Pelaksanaan Percobaan Produk Insulation Plate W 11241 Inner Array A B C AXC D BxD 1 1 1 1 1 1 1 2 1 1 1 1 2 1 3 1 2 2 2 1 1 4 1 2 2 2 2 1 5 1 1 2 2 1 2 6 1 1 2 2 2 2 7 1 2 1 1 1 2 8 1 2 1 1 2 2 9 2 1 1 2 1 1 10 2 1 1 2 2 1 11 2 2 2 1 1 1 12 2 2 2 1 2 1 13 2 1 2 1 1 2 14 2 1 2 1 2 2 15 2 2 1 2 1 2 16 2 2 1 2 2 2 Sumber : Hasil Analisa dan Pembahasan. Trial
E 1 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1
Outer Array X1 X2 5 12 3 9 8 9 11 13 9 5 4 12 10 4 1 8 11 13 2 5 13 1 12 6 3 3 16 1 1 15 5 11 16 6 15 14 2 14 7 10 4 7 10 4 7 10 8 15 6 8 13 7 12 11 14 3 14 16 9 2 15 2 6 16
Pengambilan data percobaan dilakukan dengan mengikuti hasil pengacakan pada tabel 5.47 dimana X1 menyatakan material nilon yang disimpan kurang lebih tujuh hari dan X2 merupakan material nilon yang telah disimpan kurang lebih 30 hari. Pengambilan dan pengukuran produk dilakukan secara acak selama proses berlangsung. Hasil eksperimen dapat dilihat pada tabel berikut ini :
305
Tabel 5.48. Data Hasil Eksperimen Produk Insulation Plate W 11241 Inner Array A B C AXC D 1 1 1 1 1 1 2 1 1 1 1 2 3 1 2 2 2 1 4 1 2 2 2 2 5 1 1 2 2 1 6 1 1 2 2 2 7 1 2 1 1 1 8 1 2 1 1 2 9 2 1 1 2 1 10 2 1 1 2 2 11 2 2 2 1 1 12 2 2 2 1 2 13 2 1 2 1 1 14 2 1 2 1 2 15 2 2 1 2 1 16 2 2 1 2 2 Sumber : Hasil Eksperimen. Trial
Outer Array BxD 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
E 1 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1
X1
11.96 11.99 12.02 11.95 12.00 11.98 12.01 12.03 11.98 12.00 12.03 12.00 12.01 11.96 12.03 11.99
X2
11.98 11.98 12.01 11.97 11.99 12.00 11.97 11.99 12.00 12.04 11.97 11.96 12.02 11.97 12.04 12.01
12.00 11.97 12.03 12.01 12.01 12.01 12.03 12.00 12.02 11.98 12.02 12.03 11.97 12.00 11.98 12.04
12.01 12.00 11.99 12.02 12.01 11.99 12.05 12.01 11.99 12.01 12.00 11.98 12.02 11.99 12.00 11.98
8. Hasil Perhitungan Simulasi
Seperti halnya pada kedua produk di atas, untuk menganalisa data hasil percobaan digunakan metode Signal to Noise Ratio (SNR) untuk mengetahui pengaruh dari masing-masing faktor dan interaksi terhadap sebaran atau varians dari hasil yang diharapkan. Jenis rasio SNR yang digunakan adalah nominal is the best karena ditentukan sesuai dengan tipe karakteristik kualitas produk yang diamati. Hasil perhitungan dan contoh perhitungan SNR produk insulation plate W 11241 dapat dilihat pada berikut ini :
306
Tabel 5.49. Hasil Perhitungan SNR Produk Insulation Plate W 11241 Trial 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Inner Array A 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
B 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2
C 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1
AXC 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2
D 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2
Outer Array BxD 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2
E 1 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1
X1 11.96 11.99 12.02 11.95 12.00 11.98 12.01 12.03 11.98 12.00 12.03 12.00 12.01 11.96 12.03 11.99
Responses X2
11.98 11.98 12.01 11.97 11.99 12.00 11.97 11.99 12.00 12.04 11.97 11.96 12.02 11.97 12.04 12.01
12.00 11.97 12.03 12.01 12.01 12.01 12.03 12.00 12.02 11.98 12.02 12.03 11.97 12.00 11.98 12.04
12.01 12.00 11.99 12.02 12.01 11.99 12.05 12.01 11.99 12.01 12.00 11.98 12.02 11.99 12.00 11.98
Mean 11.99 11.99 12.01 11.99 12.00 12.00 12.02 12.01 12.00 12.01 12.01 11.99 12.01 11.98 12.01 12.01
S 0.02217 0.01291 0.01708 0.03304 0.00957 0.01291 0.03416 0.01708 0.01708 0.02500 0.02646 0.02986 0.02380 0.01826 0.02754 0.02872
SNT 54.6579 59.3543 56.9438 51.1937 61.9633 59.3615 50.9250 56.9402 56.9329 53.6303 53.1363 52.0762 54.0540 56.3403 52.7941 52.4227
Sumber : Hasil Analisa dan Pembahasan. Contoh Perhitungan SNR untuk trial kesatu : •
Mean Responses : 1 n Mean = µ = ∑ y n i =1 i Mean1 =
•
11.96 + 11.98 + 12.00 + 12.01 = 11.99 4
Standard Deviation : S=
n
∑ i =1
S=
4
∑ i =1
( y − µ )2 i
n −1 (11.96 − 11.99) 2 + (11.98 − 11.99) 2 + (12.00 − 11.99) 2 + (12.01 − 11.99) 2 4 −1
307
S = 0.022
•
Signal to Noise Ratio “Nominal is The Best” (SNT) : 2
y SN T = 10 log( 2 ) S (11.99) 2 SN T = 10 log( ) (0.022) 2 SN T = 54.658db
9. Penentuan efek faktor dan interaksi faktor (perhitungan main effect)
Untuk perhitungan penentuan efek faktor dan interaksi faktor (perhitungan main effect) pada produk insulation plate W 11241 menggunakan bantuan software Minitab 2002 versi 13.2. a. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap rata-rata. •
Main effects plots for mean Berikut ini merupakan grafik dari main effects plots faktor terkontrol pada nilai rata-rata : Response Table for Means Level A B 1 11.9991 11.9950 2 12.0016 12.0056 Delta 0.0025 0.0106 Rank 4 1
C 12.0031 11.9975 0.0056 3
D 12.0047 11.9959 0.0087 2
E 12.0012 11.9994 0.0019 5
308
Main Effects P lot for Means A
B
C
D
E
1 2 .0 0 5 0
Mean
1 2 .0 0 2 5
1 2 .0 0 0 0
1 1 .9 9 7 5
1 1 .9 9 5 0 1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.17. Main Effect Plot Faktor Terkontrol pada Nilai Rata-rata Untuk Produk Insulation Plate W 11241 Dari grafik 5.17 dapat terlihat bahwa faktor B ( tekanan injeksi 3) dan D (plastisasi 1) mempunyai pengaruh yang sangat signifikan pada nilai rata-rata. Faktor C (plastisasi 1) mempunyai pengaruh yang cukup signifikan pada nilai rata-rata. Sedangkan faktor A (tekanan injeksi 1) dan faktor E (plastisasi 2) mempunyai pengaruh yang kurang signifikan pada nilai rata-rata.
309
•
Interaction Plot for Mean Interaction P lot for Means 2
1
1
2 12.012
A 2
12.002
12.012
B 2
Mean
11.992
1
12.002
11.992
1
C
D
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.18. Interaction Plot Faktor Terkontrol Pada Nilai Rata-rata Untuk Produk Insulation Plate W 11241 Dari grafik 5.18 dapat terlihat bahwa faktor tekanan injeksi 1 dan kecepatan injeksi 1 (AxC) saling berinteraksi satu sama lain sehingga jika tekanan injeksi 1 makin naik maka kecepatan injeksi 1 makin menurun atau sebaliknya. Demikian juga dengan faktor tekanan injeksi 2 dengan kecepatan injeksi 2 (BxD) menunjukkan adanya interaksi satu sama lain karena garis kedua faktor tersebut tidak sejajar sehingga makin menurun tekanan injeksi 2 maka kecepatan injeksi 2 juga makin menurun atau sebaliknya.
310
b. Pengaruh main effect faktor terkontrol dan interaksi faktor yang mempunyai efek signifikan terhadap signal to noise ratio (SNR). •
Main effect plots for S/N ratio Berikut ini merupakan dari main effects plots faktor terkontrol pada signal to noise ratio (SNR) : Response Table for Signal to Noise Ratios Nominal is best (10*Log(Ybar**2/s**2)) Level A B C 1 56.4175 57.0368 54.7078 2 53.9240 53.3047 55.6336 Delta 2.4934 3.7321 0.9258 Rank 2 1 3
D 55.1759 55.1656 0.0103 5
E 54.8706 55.4709 0.6002 4
Main Effects P lot for S/N Ratios
A
5 7 .2
B
C
D
E
S/N Ratio
5 6 .2
5 5 .2
5 4 .2
5 3 .2 1
2
1
2
1
2
1
2
1
2
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.19. Main Effect Plot Faktor Terkontrol pada S/N Ratio Untuk Produk Insulation Plate W 11241 Dari grafik 5.19 dapat terlihat bahwa faktor A (tekanan injeksi 1) dan faktor B (tekanan injeksi 3) mempunyai pengaruh yang sangat signifikan pada
311
besarnya SNR. Sedangkan faktor C (kecepatan injeksi 1) dan E (plastisasi 2) mempunyai pengaruh yang cukup signifikan dan faktor D (kecepatan injeksi 3) tidak berpengaruh signifikan terhadap besarnya SNR. •
Interaction Plot for S/N ratio
Interaction P lot for S/N Ratios 1
2
1
2
57
A 2
1
53
B
57
S/N Ratio
55
2 55
1
53
C
D
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.20. Interaction Plot Faktor Terkontrol Pada SNR Untuk Produk Insulation Plate W 11241 Dari grafik 5.20 dapat terlihat bahwa faktor tekanan injeksi 1 dengan kecepatan injeksi 1 (AxC) dan faktor tekanan injeksi 2 dengan kecepatan injeksi 2 (BxD) menunjukkan adanya interaksi satu sama lain karena kedua garis tersebut tidak sejajar sehingga jika tekanan injeksi 1 dan tekanan injeksi 2 makin naik maka kecepatan injeksi 1 dan keceptan injeksi 2 makin naik atau sebaliknya..
312
10. Pemilihan Level Faktor Utama
Kendala yang terjadi pada produk ini sama halnya dengan kendala yang terjadi pada kedua produk di atas. Pada nilai rata-rata, yang berpengaruh signifikan adalah faktor B, D, dan C sedangkan pada variansi yang berpengaruh signifikan adalah faktor B dan A. Tabel 5.50. Faktor Terkontrol Yang Berpengaruh Signifikan Untuk Produk Insulation Plate W 11241 Rata-rata
Varian
Ada
Ada
Tidak
B
A dan C
D dan E Tidak Sumber : Hasil Analisa dan Pembahasan. Bila ditinjau dari aspek teknis, sebenarnya semua faktor berpengaruh signifikan pada produk. Alasan penyebab dari hal ini adalah sama dengan kedua produk di atas. Di sini juga mengalami kendala yang sama yakni mengalami kesulitan dalam membedakan pengaruh faktor terhadap rata-rata atau variansi. Oleh karena itu, untuk proses optimasinya juga digunakan two-step optimization, yaitu menentukan setting yang meminimasi variansi kemudian melakukan penyesuaian pada faktor terkontrol yang mempunyai pengaruh besar terhadap rata-rata karakteristik kualitas produk tanpa merubah nilai variansi. Untuk setting optimalnya dapat dilihat pada tabel berikut ini :
313
Tabel 5.51. Setting Optimum Untuk Produk Insulation Plate W 11241 Kode
Faktor 2
Rata-rata
Variansi
Kesimpulan
A
Tekanan Injeksi 1 (kg/cm )
-
A1
A1
B
Tekanan Injeksi 3 (kg/cm2)
B2
B1
B2
D1 E1
C2 -
C2 D1 E1
C Kecepatan Injeksi 1 (cm3/detik) D Kecepatan Injeksi 3 (cm3/detik) E Plastisisasi 2 (gram) Sumber : Hasil Analisa dan Pembahasan.
Untuk faktor B yang berpengaruh signifikan pada nilai rata-rata dan variansi, maka pemilihan level faktor utama disesuaikan pada nilai rata-rata dengan menggunakan faktor yang akan mempengaruhi perubahan nilai rata-rata bukan variansi, yaitu B2. Namun pada grafik interaction plot for mean dan for SNR menunjukkan bahwa faktor B berinteraksi dengan faktor D ( kecepatan injeksi 3). Sehingga dalam pemilihan level tersebut harus dipertimbangkan lagi faktor lainnya dimana dapat terlihat bahwa faktor D hanya berpengaruh signifikan pada nilai ratarata maka pemilihan level faktor utama harusnya berdasarkan pada nilai rata-rata yang mendekati target, yaitu D1. Karena faktor B dan D sama-sama berpengaruh signifikan pada nilai rata-rata maka setting-an untuk kedua level tersebut harus bertebalikan. Dapat dilihat bahwa, setting-an kedua faktor tersebut telah berbeda sehingga penyetingan faktor B dan D tidak mengalami perubahan yakni tetap B2 dan D1. Demikian juga dengan faktor A dan C dimana faktor A dan C hanya berpengaruh signifikan terhadap variansi maka pemilihan level faktor utama harusnya berdasarkan pada SNR terbesar, yaitu A1 dan C2. Namun karena kedua faktor tersebut menunjukkan adanya interaksi sehingga dalam pemilihan level faktor harus
314
dipertimbangkan hal lain, dimana kedua faktor A dan C sama-sama berpengaruh signifikan terhadap variansi sehingga penyetingan untuk kedua faktor tersebut harus bertebalikan. Ternyata hal tersebut telah benar sehingga penyetingan tidak berubah, tetap A1 dan C2. Untuk faktor E yang hanya berpengaruh signifikan pada nilai ratarata maka pemilihan level faktor utama berdasarkan pada nilai rata-rata yang mendekati target, yaitu E1. Untuk material, tidak ada pemilihan antara material yang lebih kurang 7 hari maupun 30 hari karena dengan adanya setting-an yang optimal telah mengurangi sensitivitas material yang digunakan sehingga dalam pemrosesan dapat digunakan material yang lebih kurang 7 hari maupun 30 hari.
11. Percobaan Konfirmasi dan Implementasi Hasil Percobaan
Percobaan konfirmasi dilakukan untuk mengetahui hasil dari percobaan Taguchi. Namun dalam hal ini hasil percobaan konfirmasi tidak tercatat karena hasil dari percobaan konfirmasi menunjukkan hasil yang cukup bagus sehingga langsung diimplementasikan. Setting yang digunakan pada saat percobaan adalah untuk faktorfaktor yang telah diabaikan dari screening design, menggunakan setting yang biasanya digunakan perusahaan (level 1). Sedangkan faktor yang levelnya diperoleh dari percobaan Taguchi dapat dilihat pada tabel di bawah ini :
315
Tabel 5.52. Setting Percobaan Konfirmasi Insulation Plate W 11241 Kode
Nama Faktor
Level
Setting
A
Tekanan Injeksi 1 (kg/cm2)
1
58
B
Tekanan Injeksi 3 (kg/cm2)
2
14
3
C
Kecepatan Injeksi 1 (cm /detik)
2
61
D
Kecepatan Injeksi 3 (cm3/detik)
1
10
E
Plastisisasi 2 (gram)
1
4.3
Sumber : Hasil Analisa dan Pembahasan.
Percobaan konfirmasi dan implementasi hasil percobaan Taguchi dilakukan pada bulan November 2004. Data hasil pengukuran percobaan Taguchi untuk produk insulation plate W 11241 dapat dilihat pada tabel di bawah ini :
316
Tabel 5.53. Perhitungan Peta Kendali X dan R Produk Insulation Plate W 11241 Setelah Percobaan Taguchi Jumlah Observasi
Insulation Plate W 11241 1 12.00 12.02 11.98 12.03 11.97 12.01 11.98 12.00 11.97 12.04 12.03 11.95 12.00 11.99 12.03 11.98 12.00 12.00 11.99 12.01 12.00 12.02 11.98 12.00 11.96 12.02 12.00 11.99 12.00 12.01
2 3 4 1 11.98 12.01 11.99 2 12.00 11.99 12.01 3 12.01 11.97 12.02 4 11.99 12.02 11.98 5 12.00 12.03 12.05 6 12.00 11.99 11.97 7 12.05 11.99 12.03 8 11.99 12.04 12.03 9 12.00 12.03 11.97 10 11.98 11.99 12.03 11 12.00 12.01 11.98 12 11.99 12.01 11.97 13 12.02 11.96 12.01 14 12.00 12.05 12.02 15 12.00 11.98 12.01 16 12.02 12.00 11.97 17 11.97 12.01 11.98 18 11.96 12.00 11.99 19 12.04 11.98 12.01 20 11.95 12.00 12.00 21 12.00 11.98 12.04 22 11.97 12.03 11.97 23 12.01 11.99 11.99 24 11.99 12.01 12.03 25 12.01 11.97 12.02 26 11.99 11.98 12.05 27 11.96 12.03 11.97 28 12.00 12.02 12.03 29 11.99 11.95 12.02 30 11.98 12.01 11.97 Total Rata-rata Sumber : Hasil Analisa dan Pembahasan.
5 12.00 11.95 11.96 12.04 12.02 12.01 12.01 11.98 12.01 11.99 11.99 12.00 11.99 12.01 11.99 12.00 12.01 12.01 12.00 11.98 11.99 11.99 12.02 11.98 11.95 12.00 11.95 11.99 11.97 12.03
Mean
R
11.996 0.030 11.994 0.070 11.988 0.060 12.012 0.060 12.014 0.080 11.996 0.040 12.012 0.070 12.008 0.060 11.996 0.060 12.006 0.060 12.002 0.050 11.984 0.060 11.996 0.060 12.014 0.060 12.002 0.050 11.994 0.050 11.994 0.040 11.992 0.050 12.004 0.060 11.988 0.060 12.002 0.060 11.996 0.060 11.998 0.040 12.002 0.050 11.982 0.070 12.008 0.070 11.982 0.080 12.006 0.040 11.986 0.070 12.000 0.060 359.954 1.730 11.998 0.05767
317
Batas-batas kendali statistik untuk ukuran A : Peta R
CL
= R = 1.730/30 = 0.05767
UCL
= D4* R = 2.114*0.05767= 0.1219
LCL
= D3* R = 0*0.05767= 0
Peta X
CL
= X = 359.954/30 = 11.998
UCL
= X + (A2* R ) = 11.998+ (0.577*0.05767) = 12.03
LCL
= X - (A2* R ) = 11.998– (0.577*0.05767) = 11.97 Xbar/R Chart Untuk Produk Insulation Plate W 11241 Setelah Percobaan T aguchi
Sample Mean
12.04 UCL=12.03
12.03 12.02 12.01 12.00
Mean=11.998
11.99 11.98 11.97
LCL=11.97
11.96 Subgroup
0
10
20
30
UCL=0.1219
Sample Range
0.10 R=0.05767
0.05
LCL=0
0.00
Sumber : Hasil Analisa dan Pembahasan. Grafik 5.21. Peta Kendali X dan R Produk Insulation Plate W 11241 Setelah Percobaan Taguchi
318
Dari grafik di atas (sample mean) dapat dilihat bahwa rata-rata ukuran produk telah berada pada sekitar area nilai target, berarti variansi produk telah berkurang bila dibandingkan dengan peta kendali sebelum percobaan Taguchi. Walaupun penyetingan ini belum bisa mencapai target ukuran namun adanya percobaan Taguchi telah membantu dalam mencari penyetingan yang optimum. Penyetingan yang optimum untuk ukuran A produk, belum tentu optimum bagi ukuran kritis produk lainnya sehingga diadakan juga pengecekan untuk ukuran kritis produk lainnya yaitu ukuran B dan C, selain itu juga dilihat jumlah jenis cacat lainnya. Caranya adalah dengan melihat jumlah cacat produk yang dihasilkan pada bulan November 2004, yaitu : Tabel 5.54. Data Jumlah Cacat Produk Insulation Plate W 11241 Setelah Percobaan Taguchi Insulation Plate W 11241 No.
Jenis Cacat
Frekuensi Cacat November 2004
1
Ukuran A tidak sesuai spesifikasi
4
2
Permukaan produk tidak rata
0
3 4
Produk tidak lengkap (Ada bagian tidak terbentuk) Ukuran C tidak sesuai spesifikasi
5
Ukuran B tidak sesuai spesifikasi
1
6
Produk rapuh
0
Total
Sumber : PT. Jasa Putra Plastik.
5 2
12
319
Dari hasil implementasi di atas dapat terlihat bahwa jumlah cacat setelah percobaan Taguchi, sudah berkurang jumlahnya jika dibandingkan dengan bulan sebelumnya. Walaupun hal ini masih belum mencapai target dari perusahaan untuk tidak ada cacat sama sekali, namun optimasi proses telah berhasil dilaksanakan.
5.2.9. Taguchi Loss Function3 5.2.9.1.Produk Current Coil Bobbin W 10549-2
Untuk menghitung quality loss function perlu diketahui rincian biaya yang harus ditanggung oleh perusahaan untuk memproduksi produk current coil bobbin W 10549-2. Adapun rincian biaya-biayanya adalah sebagai berikut : 1. Biaya listrik Listrik yang diperlukan untuk menghidupkan mesin injection moulding adalah sebanyak 9 Ampere. Untuk itu, dalam perhitungannya akan diubah satuannya ke Kilo Watt dengan mengalikan 0.22 KW, kemudian dikalikan 7 jam kerja untuk satu shift dan dikalikan dengan biaya per Kilo Watt listrik. Biaya listrik untuk mesin injection moulding = 9 A*0.22 KW*7 jam*Rp. 600*3 shift = Rp. 24.948,. 2. Biaya tenaga kerja Untuk biaya tenaga kerja yang sistem kerjanya per shift, diasumsikan bahwa produk selesai diproduksi dalam waktu sehari. Sedangkan untuk tenaga kerja
3
Asumsi perhitungan biaya dan jumlah shift kerja untuk masing-masing produk dapat dilihat pada lampiran E.
320
yang sistem kerjanya non-shift, diasumsikan bahwa pekerjaan selesai dikerjakan dalam waktu satu hari. - Operator
= Rp. 20.000*3 shift
= Rp. 60.000,-
- Persiapan bahan baku
= Rp. 5.000*3 shift
= Rp. 15.000,-
- Pembersihan Scrap
= Rp. 22.500*1 hari
= Rp. 22.500,-
- Packing
= Rp. 15.000*1 hari
= Rp. 15.000,- +
Total biaya tenaga kerja
= Rp. 112.5 00,-
3. Biaya Material •
Biaya Material Nilon Asumsi bahwa empat cavity beserta dengan cangkangnya memerlukan material sebanyak 9.2 gram. Untuk 35000 pcs maka memerlukan = 35000 pcs × 9.2 gram = 80500 gram = 80.5kg 4 pcs Biaya material 80.5 kg = 80.5 kg * Rp. 25.000/kg = Rp. 2.012.500,-
•
Biaya Pigmen Hitam Setiap 5 kg nilon memerlukan kira-kira 25 gram pigmen warna hitam. Untuk 80.5 kg nilon memerlukan pigmen =
80.5kg × 0.025kg = 0.4025kg 5kg
Biaya pigmen 0.4025 kg = Rp 0.4025 kg*Rp. 25.000 = Rp. 10.062,5,= Rp. 10.063,-
321
•
Biaya kantong plastik 1 kg plastik = 300 lembar = Rp. 13.000,Jika diasumsikan 1 lembar plastik = Rp. 13.000 / 300 = Rp. 43,333,= Rp. 44,-/plastik 1 kantong plastik memuat 300 pcs produk current coil bobbin W 10549-2,jadi 35000 produk memerlukan plastik kira-kira =
35000 = 117 lembar, biaya 600
untuk 117 plastik = Rp. 44 * 117 = Rp. 5.148,Total biaya material = Rp. 2.012.500 + Rp. 10.063 + Rp. 5.148 = Rp. 2.027.711,-
Total keseluruhan biaya yang harus dikeluarkan oleh perusahaan untuk memproduksi produk current coil bobbin W 10549-2 sebanyak 35000 pcs adalah = Rp. 24.948 + Rp. 112.500 + Rp. 2.027.711 = Rp. 2.165.159,-.
Diketahui : Nilai target = t = 0.6 mm Toleransi = ∆ = 0.05 mm Biaya penolakan 35000 pcs produk = Rp. 2.375.159,Biaya penolakan per produk =
Rp.2.165.159 = Rp. 61,862,-/produk 35000 pcs L(x)
Produksi per bulan = 35000 pcs/bulan.
= Rp. 62,- /produk
322
Sebelum Percobaan
Setelah mengetahui bahwa ukuran A yang akan dijadikan sebagai patokan dalam pengukuran selanjutnya maka untuk perhitungan biaya yang loss juga menggunakan patokan ukuran A. Data ukuran A yang digunakan untuk perhitungan biaya merupakan data ukuran A yang diambil secara acak dari data pengukuran keempat produk. Data-data yang diperoleh adalah sebagai berikut :
323
Tabel 5.55. Hasil Pengukuran Produk Current Coil Bobbin W 10549-2 Ukuran A Sebelum Percobaan Taguchi Current Coil Bobbin W 10549-2 1 2 3 4 5 1 0.62 0.59 0.62 0.58 0.62 2 0.59 0.60 0.63 0.61 0.58 3 0.58 0.57 0.58 0.55 0.60 4 0.60 0.58 0.57 0.62 0.60 5 0.58 0.59 0.61 0.57 0.57 6 0.58 0.58 0.60 0.60 0.58 7 0.58 0.57 0.58 0.55 0.60 8 0.60 0.63 0.63 0.62 0.60 9 0.62 0.60 0.60 0.63 0.65 10 0.63 0.64 0.62 0.61 0.61 11 0.57 0.58 0.55 0.56 0.62 12 0.61 0.58 0.59 0.57 0.58 13 0.61 0.61 0.62 0.59 0.63 14 0.58 0.62 0.60 0.63 0.61 15 0.56 0.59 0.63 0.59 0.62 16 0.64 0.59 0.59 0.59 0.60 17 0.61 0.59 0.59 0.54 0.59 18 0.57 0.53 0.57 0.57 0.58 19 0.61 0.62 0.61 0.58 0.59 20 0.63 0.61 0.58 0.62 0.62 21 0.63 0.61 0.59 0.61 0.57 22 0.58 0.58 0.60 0.57 0.58 23 0.65 0.63 0.64 0.62 0.61 24 0.63 0.59 0.61 0.60 0.64 25 0.580 0.570 0.580 0.550 0.600 26 0.590 0.580 0.600 0.590 0.580 27 0.60 0.65 0.64 0.60 0.64 28 0.61 0.67 0.61 0.62 0.61 29 0.630 0.590 0.620 0.630 0.590 30 0.570 0.580 0.550 0.560 0.620 Rata-rata Sumber : Hasil Analisa dan Pembahasa. Trial
Mean
Standar Deviasi
0.606 0.602 0.576 0.594 0.584 0.588 0.576 0.616 0.620 0.622 0.576 0.586 0.612 0.608 0.598 0.602 0.584 0.564 0.602 0.612 0.602 0.582 0.630 0.614 0.576 0.588 0.626 0.624 0.612 0.576 0.599
0.037 0.033 0.030 0.039 0.031 0.021 0.030 0.027 0.034 0.024 0.038 0.030 0.025 0.038 0.052 0.043 0.052 0.036 0.031 0.038 0.036 0.022 0.026 0.035 0.030 0.015 0.047 0.051 0.036 0.038 0.03420
324
Mencari k k = L0/∆2 k = Rp. 62 / (0.05)2 k = 24800
Rata-rata kerugian per produk L(y) = k (S2+( y - t)2) L(y) = 24800 ((0.03420)2 + (0.599-0.6)2) L(y) = Rp. 29,03187,- = Rp. 30,-/pcs
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 30 * 35000 pcs = Rp. 1.050.000,-
Setelah Percobaan
Untuk data hasil pengukuran setelah percobaan dapat dilihat pada tabel 5.35. Data-data yang diperlukan untuk perhitungan adalah : •
Mean ( y )
= 0.598
•
Standar Deviasi
= 0.02860
325
Rata-rata kerugian per produk L(y) = k (S2+( y - t)2) L(y) = 24800 ((0.02860)2 + (0.598-0.6)2) L(y) = Rp. 20,38461,- = Rp. 21,-/pcs
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 21 * 35000 pcs = Rp. 735.000,-
Biaya yang dapat dihemat Cost Saving setelah percobaan Taguchi adalah = Rp. 1.050.000 - Rp.735.000,= Rp. 315.000,Persentase penurunan kerugian produk setelah percobaan Taguchi adalah sebesar =
Rp. 315.000,× 100% = 30% Rp.1.05.000,−
5.2.9.2.Produk IL Coil Bobbin W 10547-3
Untuk menghitung quality loss function perlu diketahui rincian biaya yang harus ditanggung oleh perusahaan untuk memproduksi produk IL coil bobbin W 10547-3 adalah sebagai berikut : 1. Biaya listrik Listrik yang diperlukan untuk menghidupkan mesin injection moulding adalah sebanyak 9 Ampere. Untuk itu, dalam perhitungannya akan diubah satuannya ke
326
Kilo Watt dengan mengalikan 0.22 KW, kemudian dikalikan 7 jam kerja untuk satu shift dan dikalikan dengan biaya per Kilo Watt listrik. Biaya listrik untuk mesin injection moulding = 9 A*0.22 KW*7 jam*Rp. 600*2 shift = Rp.16.632,-. 2. Biaya tenaga kerja Untuk biaya tenaga kerja yang sistem kerjanya per shift, diasumsikan bahwa produk selesai diproduksi dalam waktu dua shift. Sedangkan untuk tenaga kerja yang sistem kerjanya non-shift, diasumsikan bahwa pekerjaan selesai dikerjakan dalam waktu satu hari. - Operator
= Rp. 20.000*2 shift
= Rp. 40.000,-
- Persiapan bahan baku
= Rp. 5.000*2 shift
= Rp. 10.000,-
- Pembersihan Scrap
= Rp. 22.500*1 hari
= Rp. 22.500,-
- Packing
= Rp. 15.000*1 hari
= Rp. 15.000,- +
Total biaya tenaga kerja
= Rp. 87.500,-
3. Biaya Material •
Biaya Material Nilon Asumsi bahwa enam cavity beserta dengan cangkangnya memerlukan material sebanyak 9.85 gram. Untuk 35000 pcs maka memerlukan Asumsi bahwa enam cavity memerlukan material sebanyak 9.85 gram. Untuk 35000 pcs maka memerlukan = 35000 pcs × 9.85 gram = 57458.333gram = 57.458kg 6 pcs Biaya material 57.458 kg = 57.458 kg * Rp. 25.000/kg = Rp. 1.436.450,-
327
•
Biaya Pigmen Hitam Setiap 5 kg nilon memerlukan kira-kira 25 gram pigmen warna hitam. Untuk 57.458 kg nilon memerlukan pigmen =
57.458kg × 0.025kg = 0.28729kg 5kg
Biaya pigmen 0.28729 kg = Rp 0.28729 kg*Rp. 25.000 = Rp. 7.182,25,= Rp. 7.183,•
Biaya Kantong Plastik 1 kg plastik = 300 lembar = Rp. 13.000,Jika diasumsikan 1 lembar plastik = Rp. 13.000 / 300 = Rp. 43,333,= Rp. 44,-/plastik 1 kantong plastik memuat 600 pcs produk current coil bobbin W 10549-2,jadi 35000 produk memerlukan plastik kira-kira=
35000 = 59 lembar, biaya 600
untuk 59 plastik = Rp. 44 * 59 = Rp. 2.596,Total biaya material = Rp. 1.436.450+ Rp. 7.18 + Rp. 2.596 = Rp. 1.444.351,-,-
Total keseluruhan biaya yang harus dikeluarkan oleh perusahaan untuk memproduksi produk IL coil bobbin W 10547-3 sebanyak 35000 pcs adalah = Rp. 16.632 + Rp. 87.500 + Rp. 1.444.351 = Rp. 1.548.483,-.
328
Diketahui : Nilai target = t = 3.80 mm Toleransi = ∆ = 0.01 mm Biaya penolakan 35000 pcs produk = Rp. 2.180.596,Biaya penolakan per produk =
Rp.1.548.483 = Rp.44,2424,-/produk 35000 pcs L(x)
= Rp. 45,-/produk
Produksi per bulan = 35000 pcs/bulan.
Sebelum Percobaan
Untuk data hasil pengukuran sebelum percobaan dapat dilihat pada tabel 5.15. Data-data yang diperlukan untuk perhitungan adalah : •
Mean ( y )
= 0.580
•
Standar Deviasi
= 0.16511
Mencari k k = L0/∆2 k = Rp. 45 / (0.01)2 k = 450000
Rata-rata kerugian per produk L(y) = k (S2+( y - t)2) L(y) = 450000 ((0.016511)2 + (3.8-3.8)2) L(y) = Rp. 122,6759,- = Rp. 123,-/ pcs
329
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 123 * 35000 pcs = Rp. 4.305.000,-
Setelah Percobaan
Untuk data hasil pengukuran sebelum percobaan dapat dilihat pada tabel 5.44. Data-data yang diperlukan untuk perhitungan adalah : •
Mean ( y )
= 3.799
•
Standar Deviasi
= 0.01516
Rata-rata kerugian per produk L(y) = k (S2+( y -t)2) L(y) = 450000 ((0.01516)2 + (3.799-3.80)2) L(y) = Rp. 103,8715,- = Rp. 104,-/ pcs
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 104* 35000 pcs = Rp. 3.640.000,-
Biaya yang dapat dihemat Cost Saving setelah percobaan Taguchi adalah = Rp.4.305.000-Rp.3.640.000 = Rp. 665.000,Persentase penurunan kerugian produk setelah percobaan Taguchi adalah sebesar =
Rp. 665.000,× 100% = 15.45% Rp.4.305.000,−
330
5.2.9.3.Produk Insulation Plate W 11241
Untuk menghitung quality loss function perlu diketahui rincian biaya yang harus ditanggung oleh perusahaan untuk memproduksi produk insulation plate W 11241 adalah sebagai berikut : 1. Biaya listrik Listrik yang diperlukan untuk menghidupkan mesin injection moulding adalah sebanyak 9 Ampere. Untuk itu, dalam perhitungannya akan diubah satuannya ke Kilo Watt dengan mengalikan 0.22 KW, kemudian dikalikan 7 jam kerja untuk satu shift dan dikalikan dengan biaya per Kilo Watt listrik. Biaya listrik untuk mesin injection moulding = 9 A*0.22 KW*7 jam*Rp. 600*6 shift = Rp. 49.896,-. 2. Biaya tenaga kerja Untuk biaya tenaga kerja yang sistem kerjanya per shift, diasumsikan bahwa produk selesai diproduksi dalam waktu sehari. Sedangkan untuk tenaga kerja yang sistem kerjanya non-shift, diasumsikan bahwa pekerjaan selesai dikerjakan dalam waktu dua hari. - Operator
= Rp. 20.000*6 shift
= Rp. 120.000,-
- Persiapan bahan baku
= Rp. 5.000*6 shift
= Rp.
- Pembersihan Scrap
= Rp. 22.500*1 hari
= Rp. 22.500,-
- Packing
= Rp. 15.000*1 hari
= Rp. 15.000,- +
Total biaya tenaga kerja
30.000,-
= Rp. 187.500,-
331
3. Biaya Material •
Biaya Material Nilon Asumsi bahwa empat cavity memerlukan material sebanyak 12.35 gram. Untuk 35000 pcs maka memerlukan = 35000 pcs × 12.35 gram = 108062.5 gram = 108.063kg 4 pcs Biaya material 108.063 kg = 108.063 kg * Rp. 25.000/kg = Rp. 2.701.575,-
•
Biaya Pigmen Hitam Setiap 5 kg nilon memerlukan kira-kira 25 gram pigmen warna hitam. Untuk 108.063 kg nilon memerlukan pigmen =
108.063kg × 0.025kg = 0.5403kg 5kg
Biaya pigmen 0.5403 kg = Rp 0.5403 kg*Rp. 25.000 = Rp. 13.507,5 ,= Rp. 13.507,•
Biaya Kantong Plastik 1 kg plastik = 300 lembar = Rp. 13.000,Jika diasumsikan 1 lembar plastik = Rp. 13.000 / 300 = Rp. 43,333,= Rp. 44,-/plastik 1 kantong plastik memuat 200 pcs produk current coil bobbin W 10549-2,jadi 35000 produk memerlukan plastik kira-kira =
35000 = 175 lembar, biaya 200
untuk 175 plastik = Rp. 44 * 175 = Rp. 7.700,Total biaya material = Rp. 2.701.575 + Rp. 13.507 + Rp. 7.700 = Rp. 2.722.782,-
332
Total keseluruhan biaya yang harus dikeluarkan oleh perusahaan untuk memproduksi produk insulation plate W 11241 sebanyak 35000 pcs adalah = Rp. 49.896 + Rp. 187.500 + Rp. 2.722.782 = Rp. 2.960.178,-.
Diketahui : Nilai target = t = 12.0 mm Toleransi = ∆ = 0.05 mm Biaya penolakan 35000 pcs produk = Rp. 3.059.011,Biaya penolakan per produk =
Rp.2.960.178 = Rp. 84,57651,-/produk 35000 pcs L(x)
= Rp.85,-/produk
Produksi per bulan = 35000 pcs/bulan.
Sebelum Percobaan
Untuk data hasil pengukuran sebelum percobaan dapat dilihat pada tabel 5.17. Data-data yang diperlukan untuk perhitungan adalah : •
Mean ( y )
= 12.00
•
Standar Deviasi
= 0.046139
Mencari k k = L0/∆2 k = Rp. 85 / (0.05)2 k = 34000
333
Rata-rata kerugian per produk L(y) = k (S2+( y - t)2) L(y) = 34000 ((0.046139)2 + (12.0-12.0)2) L(y) = Rp. 72,379,- = Rp. 73,-/ pcs
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 73 * 35000 pcs = Rp. 2.555.000,-
Setelah Percobaan
Untuk data hasil pengukuran sebelum percobaan dapat dilihat pada tabel 5.52. Data-data yang diperlukan untuk perhitungan adalah : •
Mean ( y )
= 11.998
•
Standar Deviasi
= 0.04401
Rata-rata kerugian per produk L(y) = k (S2+( y - t)2) L(y) = 34000 ((0.04401)2 + (11.998-12.0)2) L(y) = Rp. 65.98992,- = Rp. 66,-/ pcs
Kerugian untuk 35000 pcs Total kerugian 35000 pcs = Rp. 66 * 35000 pcs = Rp. 2.310.000,-
334
Biaya yang dapat dihemat Cost Saving setelah percobaan Taguchi adalah = Rp.2.555.000-Rp.2.310.000 = Rp. 245.000,Persentase penurunan kerugian produk setelah percobaan Taguchi adalah sebesar =
Rp. 245.000,× 100% = 9.59% Rp.2.555.000,−
5.2.9.4.Analisa Taguchi Loss Function
Ukuran yang digunakan Taguchi untuk mengetahui apakah setting optimal yang dihasilkan memberikan hasil yang lebih baik adalah menggunakan quality loss function. Tetapi belum diketahui secara pasti, apakah keuntungan secara finansial tersebut merupakan yang tertinggi. Walaupun demikian, dalam tataran rekayasa metode ini telah terbukti memberikan hasil yang baik. Dari perhitungan loss function di atas dapat diketahui penghematan atas biaya kerugian, dengan membandingkan antara sebelum percobaan dan setelah percobaan dilakukan, yaitu : •
Untuk produk current coil bobbin W 10549-2 Biaya kerugian 35000 produk sebelum percobaan adalah sebesar Rp. 1.050.000,sedangkan setelah percobaan Taguchi menjadi Rp. 735.000,-. Berarti telah terjadi penghematan sebesar Rp. 315.000,- dengan penurunan persentase kerugian sebesar 30%.
335
•
Untuk produk IL coil bobbin W 10547-3 Biaya kerugian 35000 produk sebelum percobaan adalah sebesar Rp. 4.305.000,sedangkan setelah percobaan Taguchi menjadi Rp. 3.640.000,-. Berarti telah terjadi penghematan sebesar Rp. 665.000,- dengan penurunan persentase kerugian sebesar 15.45%.
•
Untuk produk insulation plate W 11241 Biaya kerugian 35000 produk sebelum percobaan adalah sebesar Rp. 2.555.000,sedangkan setelah percobaan Taguchi menjadi Rp. 2.310.000,-. Berarti telah terjadi penghematan sebesar Rp. 245.000,- dengan penurunan persentase kerugian sebesar 9.59%. Walaupun penyetingan dari hasil percobaan Taguchi belum bisa mencapai
target ukuran namun adanya percobaan Taguchi telah membantu dalam mencari penyetingan yang optimum dan telah membantu perusahaan dalam menghemat biaya kerugian yang diderita selama ini.
5.3. Pengembangan Sistem Informasi 5.3.1. Analisa dan Pembahasan Sistem Berjalan
Perusahaan PT. Jasa Putra Plastik, hingga saat ini masih belum menggunakan sistem informasi. Semua hal yang ada di perusahaan masih dilakukan secara manual, baik dalam hal pembuatan laporan, kegiatan produksi, dan sebagainya, sehingga dirasakan kurang efektif dan efisien karena kegiatan produksi yang masih manual
336
menyebabkan sulitnya mengakses informasi produksi, banyaknya cacat produk, serta efisiensi produksi dan penyetingan yang belum optimal. Oleh karena itu, sudah saatnya
perusahaan
menerapkan
sistem
informasi
yang
diharapkan
dapat
menghasilkan suatu ketepatan, kecepatan, dan keakuratan terhadap hasil pengolahan data dan informasi di segala hal yang berkaitan dengan kegiatan manufaktur. Untuk sistem perusahaan yang berjalan sekarang, setiap mau melakukan proses produksi staf produksi akan mencari informasi mengenai produk yang akan diproduksi. Informasi yang diperlukan adalah mengenai jumlah produksi produk, ukuran yang harus ditepati (jika ada), dan nilai setting-an mesin injeksi bulan sebelumnya. Informasi tersebut harus dicari oleh staf produksi dari buku pencatatan sebelumnya. Setelah itu akan dicatat ke sebuah kertas dan diberikan kepada kepala pabrik. Kertas informasi tersebut akan digantung di lantai produksi agar dapat dilihat oleh semua pekerja yang ada di lantai produksi. Untuk mesin injeksi manual, yang melakukan penyetingan adalah operator mesin namun untuk mesin injeksi semimanual, yang melakukan penyetingan adalah kepala pabrik karena operator tidak mengerti penyetingannya. Namun sebelumnya, hal tersebut pernah diajarkan ke operator mesin semimanual namun mereka tetap merasa tidak mampu untuk melakukannya karena penyetingannya lebih banyak dan lebih rumit dibandingkan dengan mesin injeksi manual sehingga sulit untuk melakukan percobaan untuk mencari penyetingan yang sesuai.
337
Perusahaan memiliki empat mesin injeksi semimanual sehingga untuk penyetingannya, kepala pabrik dibantu oleh staf produksi dan terkadang oleh manajer produksi karena penyetingan ke mesin tidak hanya sekedar di-setting saja tetapi harus menunggu sampai produk diproduksi dahulu (simulasi produksi) untuk melihat output yang dihasilkan apakah ada cacat atau tidak. Hal ini cukup memakan waktu, karena perusahaan tidak memiliki pencatatan untuk penyetingan yang optimal tetapi dicoba-coba berdasarkan nilai penyetingan sebelumnya. Menurut hasil wawancara dengan manajer produksi perusahaan, Pak William, kekurangan-kekurangan yang dirasakan terhadap sistem perusahaan yang berjalan saat ini adalah : 1. Waktu yang dihabiskan untuk mencari informasi mengenai produk yang akan diproduksi dirasakan tidak efektif. 2. Adanya simulasi produksi untuk mencari setting-an yang optimal setiap melakukan proses produksi cukup memakan waktu dan biaya, meskipun produk hasil simulasi yang dihasilkan dapat dihancurkan lagi menjadi bahan baku. 3. Belum adanya kepastian penyetingan yang optimal untuk mesin injeksi semimanual maka penyetingan ke mesin tetap harus dilakukan oleh kepala pabrik dan staf produksi karena kerumitannya untuk melakukan simulasi sehingga operator mesin merasa tidak mampu untuk melakukannya.
338
4. Banyaknya kertas informasi produksi yang harus disimpan setiap selesai melakukan proses produksi seperti jumlah cacat yang dihasilkan, nilai setting-an mesin, dan sebagainya. 5. Kesulitan untuk mengetahui informasi produksi beberapa tahun yang lalu seperti ingin mengetahui jumlah cacat produksi tahun 2001 maka staf produksi harus membongkar arsip tahun 2001. 6. Informasi yang ingin diketahui oleh manajer seperti jumlah cacat bulan lalu, tidak dapat diperoleh secara langsung karena harus dicari dahulu di arsip-arsip.
Informasi yang diperlukan 1. Jumlah produk yang akan diproduksi. 2. Ukuran produk. 3. Nilai setting-an ke mesin injeksi.
lis r tu i n t e uks or a P rod p a r l ua t a na je Manajer Produksi mb Me a d a M p e k
Dokumen Produksi
Staf Produksi
Mencatat informasi ke kertas Memberikan informasi kepada Kepala Pabrik
Operator mesin melihat instruksi produksi
Operator Mesin
Informasi Produksi
Informasi produksi ditempel ke dinding
Kepala Pabrik Setting ke mesin injeksi
Setting ke mesin injeksi
Mesin injeksi manual
Mesin injeksi semi manual Staf Produksi
NB : Penyetingan untuk mesin injeksi semi manual terkadang dibantu Manajer Produksi
Sumber : Hasil Analisa dan Wawancara Dengan Pihak Perusahaan. Gambar 5.7. Sistem Kerja Perusahaan yang Berjalan Saat Ini
339
5.3.2. Usulan Sistem Informasi
Dari hasil analisa dan pembahasan sistem yang berjalan sekarang di perusahaan PT. Jasa Putra Plastik maka diusulkan, agar perusahaan mulai menggunakan sistem informasi dalam pelaksanaan produksinya untuk meningkatkan kualitas produk karena semakin ketatnya persaingan saat ini. Sistem informasi yang diusulkan untuk membantu perusahaan dalam meningkatkan kualitas produk adalah Sistem Informasi Simulasi Taguchi.
5.3.3. Tujuan Pengembangan Sistem Informasi
Sistem Informasi Simulasi Taguchi merupakan sebuah aplikasi yang dapat membantu perusahaan dalam mencari penyetingan yang optimal dengan simulasi metode Taguchi. Tujuan utama dari perancangan sistem informasi ini adalah membantu perusahaan mencari penyetingan yang optimal dalam meningkatkan kualitas produk, sehingga perusahaan cukup sekali saja melakukan simulasi secara langsung di lantai produksi, selanjutnya dilakukan dengan sistem informasi. Tujuan lain dari perancangan sistem informasi ini adalah : 1. Bagian produksi perusahaan dapat memperoleh informasi yang berhubungan dengan produksi secara cepat dan akurat, seperti informasi mengenai produk yang akan diproduksi beserta dengan ukuran dan penyetingannya. 2. Setiap proses produksi berlangsung, operator dan kepala pabrik tidak perlu lagi melakukan simulasi untuk mencari penyetingan yang optimal, tetapi cukup sekali
340
saja jika produk yang akan diproduksi adalah produk baru (untuk memperoleh ukurannya) karena selanjutnya dapat disimulasikan dengan sistem informasi. 3. Perusahaan tidak perlu lagi menyimpan kertas informasi produksi setiap selesai melakukan proses produksi, sehingga mengurangi arsip dan dokumen perusahaan. 4.
Memudahkan staf perusahaan dalam pembuatan laporan produksi secara periodik.
5. Mempermudah manajer produksi dalam mengontrol kegiatan proses produksi.
5.3.4. Pembuatan SRS (System/Software Requirement Specification)
Sebelum merancang suatu sistem informasi yang baru, perlu diketahui apa yang ingin pengguna dapatkan dari sistem tersebut. Oleh karena itu perlu dilakukan SRS (System/Software Requirement Specification) untuk mengetahui kebutuhan pengguna dari sistem informasi yang akan dirancang. SRS adalah pernyataan tertulis mengenai apa saja yang akan dilakukan oleh sistem informasi yang akan dirancang. Fungsi SRS selain mencatat kebutuhan pengguna juga sebagai kendali saat pengembangan dilaksanakan sehingga diharapkan setiap tahapan pengembangan sistem (analisa, perancangan, implementasi, dan pengujian) sesuai dengan apa yang diharapkan. Untuk mengetahui kebutuhan pengguna sistem, dilakukan dengan cara brainstorming, wawancara, pengamatan langsung ke lapangan, dan mempelajari sistem yang sedang berjalan. Hasil wawancara yang didapatkan dari manajer pabrik,
341
Bapak William dapat dibuat SRS atau sistem definisi untuk sistem informasi yang akan dirancang. Sistem definisi untuk sistem informasi yang akan dirancang adalah sebagai berikut : Sistem informasi yang akan dirancang merupakan sistem informasi simulasi Taguchi yang bersifat stand alone sehingga perusahaan hanya memiliki satu komputer dan satu printer saja. Sistem Informasi Simulasi Taguchi merupakan sistem informasi yang dapat membantu bagian produksi perusahaan dalam memperoleh penyetingan yang optimal dengan menggunakan simulasi metode Taguchi. Setiap memasuki sistem, user harus melakukan login. Simulasi di sistem informasi akan dilakukan oleh staf produksi dengan menggunakan data penyetingan yang pernah dilakukan sebelumnya. Sedangkan untuk produk baru yang belum memiliki data penyetingan, akan dilakukan simulasi produksi dahulu (produk akan dicetak), selanjutnya akan dicari penyetingan yang optimal dengan menggunakan sistem informasi simulasi Taguchi. Untuk melakukan simulasi Taguchi di sistem informasi, terdapat beberapa tahapan yang harus dilakukan, yaitu : •
Pemilihan patokan ukuran produk Pada tahap ini staf produksi akan memilih dahulu produk yang akan disimulasikan beserta data cacat yang ingin dihitung. Secara otomatis sistem informasi akan menghitung persentase data cacat produk. Hasil perhitungan dapat ditampilkan dalam bentuk grafik, yaitu grafik persentase cacat produk. Dari hasil
342
tersebut staf produksi dapat memilih ukuran produk mana yang akan dijadikan sebagai patokan untuk melakukan simulasi di sistem informasi (jika produk memiliki beberapa ukuran kritis). Pemilihan ukuran produk, dilakukan berdasarkan pada persentase cacat terbesar dari ukuran kritis produk. •
Pengurangan faktor Faktor yang di-setting ke mesin sangat banyak, sehingga pada awal simulasi, sistem informasi akan mengeliminasi faktor untuk memperoleh faktor-faktor yang benar-benar berpengaruh pada proses produksi saja. Pengurangan faktor menggunakan cara atau metode fractional factorial design. Dalam melakukan eliminasi faktor, staf produksi harus meng-entry replikasi percobaan dan memilih jumlah percobaan yang akan disimulasikan. Selain itu juga dapat mengacak level percobaan. Selanjutnya staf produksi akan meng-entry ukuran produk. Dari beberapa parameter input tersebut maka sistem informasi akan membaca data input yang telah di-entry oleh staf produksi. Dari hasil perhitungan yang diperoleh, sistem informasi akan langsung memberikan hasil keputusan untuk faktor-faktor yang benar-benar berpengaruh saja, sehingga staf produksi tidak perlu menganalisanya lagi. Faktor-faktor hasil simulasi fractional factorial design, akan disimulasikan lagi dengan Taguchi design, untuk memperoleh penyetingan level faktor yang optimal.
343
•
Simulasi Taguchi Untuk melakukan simulasi Taguchi Design, staf produksi harus mengisi replikasi percobaan dahulu dan memilih jumlah percobaan yang mau disimulasikan atau memilih orthogonal array serta mengacak urutan percobaan. Apabila terdapat faktor yang saling berinteraksi maka staf produksi dapat tentukan dahulu. Selanjutnya staf produksi dapat memilih untuk mengisi secara manual kolom faktor yang akan disimulasikan pada form input manual atau secara otomatis ditentukan oleh sistem informasi.
•
Analisa simulasi Taguchi Hasil analisa perhitungan Taguchi pada analyze Taguchi design terdapat pada tabel respon, yaitu menghitung main effect terhadap mean dan signal to noise ratio (SNR). Hasil main effect masing-masing faktor dapat dilihat juga melalui grafik. Untuk melakukan perhitugnan Taguchi, staf produksi akan meng-entry dahulu ukuran produk sehingga sistem informasi akan membaca data input yang di-entry untuk perhitungan. Dari hasil perhitungan, sistem informasi telah memberikan hasil keputusan pemilihan penyetingan level faktor yang optimal sehingga staf produksi tidak perlu menganalisanya lagi. Tujuannya adalah memudahkan staf produksi dalam pengambilan keputusan. Hasil keseluruhan simulasi akan disimpulkan pada optimation, sehingga hasilnya dapat disimpan ataupun dicetak. Selain itu, juga dapat dipilih lagi produk baru yang ingin
344
disimulasikan lagi. Tujuan adanya optimation adalah untuk memudahkan staf produksi melihat hasil akhir dari simulasi yang dilakukan. Pemilihan level penyetingan yang sudah optimal dapat disimpan dalam database sehingga setiap melakukan produksi tidak perlu lagi dilakukan simulasi produksi tetapi dapat dilihat atau dicetak dari laporan setting. Oleh karena itu, setiap melakukan proses produksi, staf produksi akan mencetak informasi yang diperlukan seperti ukuran kritis produk, jumlah produk yang akan diproduksi, dan nilai penyetingan ke mesin injeksi, lalu diberikan kepada kepala pabrik dan diletakkan di lantai produksi agar dapat dilihat oleh semua operator mesin. Setelah selesai memproduksi produk, kepala pabrik akan memberikan catatan kepada staf produksi mengenai banyaknya produk yang cacat dari hasil produksi keseluruhan produk, agar dapat di-entry ke sistem informasi. Semua yang di-entry oleh staf produksi seperti data produk, faktor, jenis cacat, dan jumlah produksi serta hasil simulasi dapat disimpan dalam sistem dan juga dapat dihapus dari sistem jika tidak diperlukan lagi. Dengan adanya sistem informasi, staf produksi tidak perlu lagi membuat laporan secara tertulis kepada manajer produksi tetapi dapat langsung dicetak dari sistem. Beberapa kriteria FACTOR yang dapat diperoleh dari sistem definisi di atas adalah :
345
Tabel 5.56. Sistem Definisi Dengan Kriteria FACTOR Kriteria
Keterangan
F (Functionality)
Mendukung semua kegiatan yang berhubungan dengan proses produksi, untuk memperoleh penyetingan yang optimal dan menghasilkan informasi secara cepat dan akurat.
A (Application Domain)
Staf Produksi
C (Conditions)
Sistem harus dapat melakukan simulasi dan memberikan keputusan secara tepat dan akurat, serta dapat menyajikan informasi secara cepat dan ter-update.
T (Technology)
Teknologi yang diperlukan untuk mendukung pelaksanaan sistem ini adalah sebuah komputer dan printer.
O (Objects)
Produk, Faktor, Jenis Cacat, Jumlah Produksi, User, Setting.
R (Responsibility)
Alat pelaksanaan simulasi produksi dan medium penyajian informasi.
Sumber : Hasil Analisa Dari Wawancara.
1
Information System
Staff Produksi 2
Printer
Keterangan : 1. Staf Produksi dapat meng-entry data-data ke sistem informasi dan melakukan simulasi Taguchi. 2. Staf Produksi dapat mencetak laporan-laporan yang dibutuhkan.
Sumber : Hasil Analisa Dari Wawancara. Gambar 5.8. Gambaran Umum Sistem Informasi Simulasi Taguchi
346
5.3.5. Problem Domain Analysis 5.3.5.1.Class
Class dalam OOAD digunakan sebagai fokus yang akan mempermudah penyelesaian permasalahan yang kompleks. Dengan berdasarkan pada definisi sistem, berikut telah diidentifikasi class candidate yang meringkas berbagai kata benda yang ada, yaitu : Tabel 5.57. Tabel Class Candidate 1. Sistem informasi simulasi Taguchi 2. Sistem informasi 3. Bagian produksi 4. Data penyetingan 5. Staf produksi 6. Produk 7. Simulasi produksi 8. Ukuran produk 9. Ukuran kritis 10. Persentase data cacat 11. Grafik persentase cacat produk 12. Faktor 13. Proses produksi 14. Fractional factorial design 15. Hasil keputusan 16. Hasil simulasi 17. Taguchi design Sumber : Hasil Analisa dan Pembahasan.
18. Level Faktor 19. Form Input manual 20. Tabel respon 21. Analyze Taguchi design 22. Optimation 23. Database 24. Jumlah produksi 25. Nilai penyetingan 26. Mesin injeksi 27. Lantai produksi 28. Operator mesin 29. Kepala pabrik 30. Laporan 31. Cacat 32. Manajer produksi 33. Layar komputer 34. User
Class candidate di atas akan dianalisa untuk mendapatkan class yang sesuai dengan problem domain dari sistem informasi simulasi Taguchi. Class merupakan kumpulan dari objek yang mempunyai atribut, behavioral pattern, dan structure.
347
Oleh karena itu, untuk membantu pemilihan class yang tepat maka dilakukan analisa terhadap behavioral pattern atau event trace dari sistem, yaitu : •
Setiap masuk ke sistem, harus dilakukan login dahulu.
•
Simulasi Taguchi di sistem informasi akan disimulasikan oleh staf produksi.
•
Untuk produk yang belum memiliki data penyetingan harus dicetak dahulu.
•
Setiap mau melakukan proses produksi, faktor-faktor yang ada (parameter mesin) harus di-setting dahulu ke mesin. Saat mesin dimatikan, faktor-faktor tersebut harus di-setting ulang.
•
Setelah selesai produksi baru akan diketahui jumlah produksi produk dan itu yang akan di-entry ke sistem.
•
Produk yang cacat akan ada jika saat produksi terjadi reject, dan akan di-entry ke sistem (jenis cacat).
•
Staf produksi meng-entry data produk, faktor, jenis cacat, dan jumlah produksi. Dengan adanya bantuan ringkasan class candidate dan behavioral pattern
tersebut, maka didapatkan class yang terdapat pada sistem informasi simulasi Taguchi , yaitu : Tabel 5.58. Tabel Class 1. Produk
4. Jumlah Produksi
2. Faktor
5. User
3. Jenis Cacat Sumber : Hasil Analisa dan Pembahasan.
348
5.3.5.2.Event
Event adalah sesuatu yang terjadi pada waktu yang terbatas dan tidak memiliki durasi. Selain itu, juga dapat diartikan dengan transmisi satu arah suatu informasi dari suatu objek ke objek yang lain. Dengan berdasarkan pada definisi sistem, maka event dari setiap class dapat diidentifikasikan dalam event candidate sebagai berikut: Tabel 5.59. Tabel Event Candidate 18. Membaca parameter/data input 1. Membantu 19. Menganalisa 2. Memperoleh 20. Mengacak urutan percobaan 3. Menggunakan 21. Disimpan 4. Melakukan simulasi 22. Disimulasikan 5. Dicetak 23. Memilih orthogonal array 6. Dicari 24. Ditentukan 7. Memilih produk 25. Disimpulkan 8. Dijadikan patokan 26. Dihapus 9. Ditampilkan data/grafik 27. Dilihat 10. Menghitung persentase cacat 28. Diproduksi 11. Mengeliminasi faktor 29. Dicetak 12. Meng-entry replikasi 30. Diletakkan 13. Memilih jumlah percobaan 31. Di-entry 14. Mengacak level percobaan 32. Dihitung 15. Memilih orthogonal array 33. Membuat 16. Memberikan keputusan 34. Di-reject 17. Di-setting Sumber : Hasil Analisa dan Pembahasan. Berdasarkan pada event candidate dan behaviour pattern di atas maka dapat diidentifikasi event table berikut ini :
349
Tabel 5.60. Event Table No
Events Classes
1
Produk
2
Faktor
3
Jenis Cacat
4
Jumlah Produksi
5
User
Dicetak
Di-setting
Reject
Login
* + * * +
Sumber : Hasil Analisa dan Pembahasan. Keterangan :
+ = sekali
* = berulang
5.3.5.3.Class Diagram
Class diagram merupakan diagram yang menggambarkan bagaimana hubungan antara class-class yang ada dalam sebuah model. Berikut ini merupakan class diagram yang menggambarkan hubungan antara class-class yang ada dalam suatu sistem informasi simulasi Taguchi, yaitu :
350
User -Kode User : String -Nama User : String -Password : String +Login() +Logout()
1..1
1..*
JumlahProduksi
Jenis Cacat
-Kode Produk : String -Tanggal Produksi : Date -Jumlah Produksi : Integer +Dicetak/Diproduksi()
-Nama Produk -Jenis Cacat : String -Jumlah Cacat : Integer -Tanggal Produksi : Date +Direject()
1
*
* 1
Faktor -Kode Produk : String -Kode Faktor : String -Nama Faktor : String -Satuan -Nilai Faktor : Integer -Level Faktor : Integer +Disetting() +Dimatikan()
Produk
1..*
1..1
-Kode Produk : String -Nama Produk : String -Kode Kritis : String -Ukruan Kritis : Integer +Dicetak()
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.10. Class Diagram Untuk Problem Domain
5.3.5.4.State Chart
State chart merupakan suatu diagram yang menggambarkan daur hidup dari sebuah class dalam suatu sistem. Berikut ini adalah state chart dari masing-masing class, yaitu : •
State Chart Produk / Dicetak Ada
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.11. State Chart Produk
351
•
State Chart Faktor / Disetting
/ Dimatikan(mesin) Ada
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.12. State Chart Faktor
•
State Chart Jenis Cacat / Direject Ada
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.13. State Chart Jenis Cacat
•
State Chart Jumlah Produksi / Dicetak/Diproduksi Ada
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.14. State Chart Jumlah Produksi
•
State Chart User / Login
/ Logout Aktif
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.15. State Chart User
352
5.3.6. Application Domain Analysis 5.3.6.1.Use Case Diagram dan Use Case Analysis
Use case diagram merupakan diagram yang menggambarkan fungsionalitas dari suatu sistem yang digambarkan sebagai transaksi antara pengguna dengan sistem. Sebelum membuat use case diagram akan dibuat dahulu tabel aktor untuk membantu dalam pembuatan use case diagram. Tabel aktor merupakan tabel yang menggambarkan hubungan antara aktor dengan use case yang akan dilakukan pada sistem. Dibawah ini merupakan tabel aktor dari dari Sistem Informasi Simulasi Taguchi, yaitu : Tabel 5.61. Tabel Aktor Use Cases
Aktor Staf Produksi
Meng-entry data produk
X
Meng-entry data faktor
X
Meng-entry jumlah cacat
X
Meng-entry jumlah produksi produk
X
Melakukan simulasi Taguchi
X
Membuat laporan
X
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.16 di bawah ini merupakan use case diagram Sistem Informasi Simulasi Taguchi secara keseluruhan sedangkan diagram 5.17 merupakan use case diagram yang khusus menggambarkan sistem untuk case “melakukan simulasi Taguchi”.
353
Sistem Informasi Simulasi Taguchi Di PT. Jasa Putra Plastik Mengentry_data_prod uk
Mengentry_data_fakt or
Mengentry_jumlah_ca cat
Mengentry_junlah_pr oduksi_produk Staf Produksi Melakukan_simulasi_ Taguchi
Membuat_laporan
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.16. Use Case Sistem Informasi Simulasi Taguchi
354
Sistem Informasi Simulasi Taguchi Di PT. Jasa Putra Plastik Memilih_jenis_produ k <
> Membuat_data_dan_grafik _persentase_cacat_produ k
<>
Memilih_tanggal_pro duksi
Mengentry_replikasi _percobaan <> Memilih_jumlah_perc <> obaan
Pengurangan_faktor
<> <>
Taguchi_design
<>
Mengacak_level_perc obaan
Mengacak_urutan_per cobaan
<>
staf produksi
<>
Mengentry_ukuran_pr oduk
Input_manual «extends»
Penentuan_kolom_fak tor <> «extends»
<>
Membuat_perhitungan _mean
Perhitungan_SNR
Otomatis_ditentukan _sistem
<>
<>
Melihat_grafik_respon_ masing-masing_faktor
Sumber : Hasil Analisa dan Pembahasan. Diagram 5.17. Use Case Untuk Case Melakukan Simulasi Taguchi
355
Berikut ini merupakan use case analysis untuk semua case dalam use case Sistem Informasi Simulasi Taguchi : Tabel 5.62. Use Case Analysis Meng-entry Data Produk Use case name
Meng-entry data produk
Brief description
Use case ini menjelaskan proses untuk mengentry data produk yang dipesan pelanggan oleh Staf Produksi
Pre condition
Staf Produksi mengetahui dan memiliki data produk yang akan di-entry ke dalam sistem.
Basic flow
Step 1. Use case ini dimulai ketika Staf Produksi mau memasukkan data produk yang dipesan pelanggan. Step 2. Staf Produksi memasukkan data produk yang baru, yaitu kode produk, nama produk, kode ukuran kritis, ukuran kritis, toleransi ukuran produk, gambar produk, dan gambar ukuran produk yang kritis. Step 3. Sistem akan menyimpan data produk yang telah di-entry Staf Produksi. Step 4. Use case selesai.
Alternative flow
Step 2. Jika kode produk yang dimasukkan sama dengan kode produk yang sudah ada dalam sistem maka sistem akan menampilkan produk yang telah ada dalam sistem sehingga Staf Produksi harus mengganti kode produk.
Special requirement
Kode produk dan kode ukuran kritis tidak boleh ada yang sama.
Post condition
Data telah tersimpan ke dalam sistem.
Sumber : Hasil Analisa dan Pembahasan.
356
Tabel 5.63. Use Case Analysis Meng-entry Data Faktor Use case name
Meng-entry data faktor
Brief description
Use case ini menjelaskan proses untuk mengentry data faktor dan nilai level faktor yang akan digunakan untuk melakukan simulasi oleh staf produksi.
Pre condition
1. Staf Produksi mengetahui dan memiliki data faktor
yang akan di-entry ke dalam
sistem. 2. Data produk yang akan di-entry faktornya harus sudah terisi. Basic flow
Step 1. Use case ini dimulai ketika Staf Produksi mau memasukkan data faktor untuk produk yang dipesan pelanggan. Step 2. Staf Produksi memilih produk yang akan di-entry faktornya. Step 3. Staf Produksi memasukkan data faktor yaitu kode faktor, nama faktor, nilai faktor yang akan dieksperimenkan, dan level masing-masing faktor. Step 4. Sistem akan menyimpan data faktor yang telah di-entry Staf Produksi. Step 5. Use case selesai.
Alternative flow
Step 3. Jika kode yang dimasukkan sama dengan kode faktor yang sudah ada maka sistem akan menampilkan faktor yang telah ada dalam sistem sehingga Staf Produksi harus mengganti kode faktor.
Special requirement
Kode faktor tidak boleh ada yang sama.
Post condition
Data telah tersimpan ke dalam sistem.
Sumber : Hasil Analisa dan Pembahasan.
357
Tabel 5.64. Use Case Analysis Meng-entry Jumlah Cacat Use case name
Meng-entry jumlah cacat
Brief description
Use case ini menjelaskan proses untuk meng-entry jumlah cacat produk yang telah diproduksi perusahaan sesuai dengan jenis ukuran kritis produk oleh staf produksi.
Pre condition
Data produk dan data faktor untuk produk yang akan di-entry data cacatnya harus sudah terisi.
Basic flow
Step 1. Use case ini dimulai ketika Staf Produksi mau memasukkan jumlah cacat produk yang telah diproduksi sesuai dengan jenis ukuran kritis produk. Step 2. Staf Produksi akan memilih produk, tahun dan bulan produksi produk, serta jenis ukuran kritis yang akan dimasukkan jumlah cacatnya. Step 3. Staf Produksi akan memasukkan data jumlah cacat produk sesuai jenis ukuran kritis produk. Step 4. Sistem akan menyimpan jumlah cacat produk yang telah di-entry Staf Produksi. Step 5. Use case selesai.
Alternative flow Special requirement Post condition
Data telah tersimpan ke dalam sistem.
Sumber : Hasil Analisa dan Pembahasan.
358
Tabel 5.65. Use Case Analysis Meng-entry Jumlah Produksi Produk Use case name
Meng-entry jumlah produksi produk
Brief description
Use case ini menjelaskan proses untuk mengentry jumlah produk yang akan diproduksi oleh perusahaan dimana data akan di-entry oleh Staf Produksi.
Pre condition
Data produk untuk produk yang akan di-entry jumlah produksinya harus sudah terisi.
Basic flow
Step 1. Use case ini dimulai ketika Staf Produksi mau memasukkan jumlah produk yang akan diproduksi oleh perusahaan. Step 2. Staf Produksi akan memilih produk, tahun dan bulan produksi produk. Step 3. Staf Produksi memasukkan data jumlah produksi produk. Step 4. Sistem akan menyimpan jumlah produksi produk yang telah di-entry Staf Produksi. Step 5. Use case selesai.
Alternative flow Special requirement Post condition
Data telah tersimpan ke dalam sistem.
Sumber : Hasil Analisa dan Pembahasan.