PERANCANGAN ALAT INSPEKSI DAN KLASIFIKASI PRODUK KERAMIK LANTAI BERBASIS PENGOLAHAN CITRA DIGITAL (Studi Kasus : PT Kwali Mass) Maria Christina, Yudha Prasetyawan Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email:
[email protected];
[email protected] Abstrak
Penelitian Tugas Akhir ini difokuskan pada perancangan prototype inspeksi dan klasifikasi berbasis pengolahan citra digital. Dengan menggunakan sistem Automated Multiple View Inpection, yaitu non-contact inspeksi terotomasi yang diamati dua atau lebih sudut pandang dan juga pendekatan Pengolahan Citra Digital, Seven Tools of Quality, RCA, sistem ini diterapkan pada bidang manufaktur, yaitu keramik lantai yang digunakan sebagai obyek penelitian. Mekanisme sistem yang dirancang terdiri dari proses inspeksi, proses grading dan proses klasifikasi. Sistem tersebut juga didukung dengan prototype dan software Eclipse yang terintegrasi. Pembuatan prototype dilakukan dengan merancang bentuk prototype yang mengakomodasi tiga proses tersebut, sedangkan pembuatan software Eclipse dilakukan dengan memodifikasi software Eclipse yang biasanya digunakan sebagai sistem dalam android dan juga sudah pernah digunakan dalam penelitian Tugas Akhir sebelumnya. Prototype yang dirancang telah melakukan proses inspeksi, grading dan klasifikasi. Prototype yang dirancang dalam penelitian ini membutuhkan biaya Rp 11.118.450,-. Pengujian mekanisme sistem inspeksi dan klasifikasi pada prototype tersebut dilakukan terhadap 150 sampel keramik lantai. Produk amatan tersebut diklasifikasikan ke dalam tiga tipe, yaitu prima, ekonomi dan KW, serta ke dalam accepted dan rejected produk. Hasil pengujian tersebut didapatkan bahwa kecepatan inspeksi antara operator dengan prototype sama, yaitu 3 detik. Selain itu juga terdapat 3 dari 150 keramik lantai yang salah teridentifikasi (tingkat kesalahan 2%), sehingga tingkat akurasinya adalah 98%. Kata kunci: Pengolahan Citra Digital, Automated Multi-View Inspection System, Seven Tools of Quality, RCA Abstract
This final project is focused on designing an inspection and classification tools based on digital image processing. By using Automated Multiple View Inspection, which is an automated non-contact inspection that observed from two or more points of view and also using Digital Image Processing, Seven Tools of Quality, RCA, this system is trying to apply to manufacture, which is floor tiles that used as research objects. The designed mechanism consists of the inspection process, the process of grading and classification process. The system is also supported by the integrated of prototyping and Eclipse software. The making of prototype is done by designing a machine that accommodate those process, while Eclipse software is done by modifying the Eclipse software that is usually used as android system and also has been made in previous final research. The prototype that was designed has done an inspection. Grading, and classification process. Prototype designed in this study requires a cost of Rp 11.118.450,-. Testing the mechanism of inspection and classification systems on the instrument was conducted on 150 samples of ceramics floor. Those ceramics are classified into three types, namely Primary, Economy, and KW, as well as to the accepted or rejected products. The test result is obtained that the speed of inspection between operator and machine is same, which is 3 seconds. In addition, there are 3 of 150 ceramics floor mistakenly identified, so that the accuracy was 98%. Keywords: Digital Image Processing, Automated Multi-View Inspection System, Seven Tools of Quality, RCA
1
inspeksi maka dibuatlah suatu perancangan prototype inspeksi otomasi yang dapat memberikan kemudahan sistem inspeksi untuk memperlancar produktifitas. Prototype inspeksi otomatis yang telah dibuat ini dapat digunakan untuk menginspeksi produk multi varian atau lebih dari satu macam produk yang belum pernah ada hingga saat ini.
1. Pendahuluan Dalam kondisi kemajuan jaman seperti ini, sektor industri khususnya bidang properti memegang peranan yang sangat penting. Hal ini dikarenakan sektor properti dapat menghasilkan devisa yang cukup besar dan dapat menciptakan lapangan kerja bagi masyarakat. Maka pembangunan di bidang properti perlu terus ditingkatkan dan diarahkan agar sektor properti makin menjadi penggerak utama ekonomi yang efisien dan berdaya saing tinggi. Industri keramik memiliki peran yang sangat signifikan dalam pembangunan ekonomi nasional karena industri keramik merupakan sektor unggulan untuk menopang Produk Domoestik Bruto (GDP). Salah satu permasalahan yang sering terjadi di perusahaan saat ini adalah pengendalian mutu dalam menghadapi permintaan yang semakin bervariasi untuk produk yang berkualitas. Persoalan ini timbul karena kurangnya kontrol produktifitas pada setiap work station dan juga penerapan tools proses inspeksi yang belum optimal. Hingga saat ini, proses inspeksi keramik masih ada yang dilakukan secara manual satu per satu padahal jumlah produksi keramik bisa mencapai ratusan bahkan jutaan buah. Selain dapat memperlambat proses produksi, inspeksi manual juga memiliki kemungkinan error yang tinggi karena dilakukan oleh tenaga manusia. PT Kwali Mass sebagai salah satu perusahaan penghasil keramik lantai harus menunjukkan kualitas produk yang lebih baik tetapi dengan harga yang terjangkau supaya dapat bersaing dengan perusahaan penghasil keramik lainnya. Seperti penelitian yang dilakukan oleh Melvyn L.Smith dan Richard J. Stamp (2000) dimana pada penelitian ini dalam melakukan inspeksi keramik lantai menggunakan metode topografi, yaitu mendeteksi cacat dengan menggunakan cahaya. Penelitian lainnya yang dilakukan oleh L. Kehoe, G. Coyle, S.Murray, C.M. Flannery, dan G.M. Crean (2000) yang pada penelitiannya dalam melakukan inspeksi keramik lantai menggunakan laser ultrasonik, namun dengan menggunakan laser ultrasonik akurasi hasilnya sekitar 60-100%. Berdasarkan permasalah di atas, maka dapat dilihat bahwa dengan adanya kemajuan teknologi seperti sekarang ini, maka sangat riskan sekali apabila sistem proses inspeksi dilakukan secara manual. Pada PT.Kwali Mass, inspeksi akhir masih dilakukan secara manual dengan adanya beberapa ketentuan atau jenis cacat yang berjumlah dua puluh enam jenis, sedangkan operator hanya dapat menginspeksi satu lantai keramik hanya dalam tiga detik saja. Oleh karena itu, untuk memudahkan Divisi Pengendalian Kualitas dalam melakukan sistem
2. Gambaran Umum Rancagan Software Dalam peneilitian ini software Eclipse digunakan untuk membaca jenis cacat pada produk amatan yang telah di-capture oleh web camera. Secara umum langkah kerja dari software Eclipse dapat ditunjukkan dengan flow chart di bawah ini:
Gambar 1 Flow Chart Alur Kerja Software
Langkah kerja software Eclipse diawali dengan memasukkan data berupa citra produk master. Citra produk master atau produk yang dianggap paling baik kemudian diubah menjadi grayscale. Lalu data produk master ini digunakan sebagai pembanding dengan produk amatan nantinya. Selanjutnya dilakukan capture produk amatan yang diinspeksi dan diklasifikasi. Sama seperti produk master, citra produk amatan ini kemudian diubah menjadi grayscale. Ketika software membaca bahwa produk amatan merupakan jenis cacat retak, yang berarti
2
jenis cacat selain membingkai atau cacat printing, maka produk amatan masuk dalam klasifikasi KW. Begitu juga ketika software membaca bahwa produk amatan merupakan jenis cacat membingkai, maka produk amatan masuk dalam klasifikasi Ekonomi. Tetapi, ketika software membaca bahwa tidak ada jenis cacat apapun pada produk amatan, maka produk tersebut masuk dalam klasifikasi Prima. 3.
Gambar 5 Tidak Ada Error
5.
Pengujian Software Eclipse
Pengujian dilakukan dengan men-capture keramik lantai. Berikut contoh hasil capture produk amatan dari berbagai jenis cacat yang diolah dalam software Eclipse:
Rancangan Prototype
Rancangan prototype ini terdiri dari beberapa komponen penting, yaitu tiga webcam camera, lintasan conveyor, dan limit switch. Komponen penting inilah yang mendukung fungsi inspeksi dan klasifikasi pada prototype.
Gambar 6 Interface Glaze Mengelupas
Gambar 7 Interface Cacat Printing
Setelah diketahui interface dari beberapa defect, maka berikut ini adalah contoh hasil running video dengan satu produk amatan dalam satu klasifikasi: Gambar 2 Rancangan Prototype
4.
Verifikasi Rancangan Sistem
Verifikasi ini dilakukan untuk memastikan bahwa sistem dari prototype tersebut dapat berjalan dan bebas error. Verifikasi yang dilakukan adalah dengan mengecek apakah software tersebut bebas error. Selain itu juga dicek apakah prototype tersebut dapat berjalan dengan baik (sensor, motor, web camera, conveyor, dan limit switch mampu berfungsi sesuai tugasnya). Kemudian dilihat apakah software tersebut telah sinkron dengan prototype dan dapat berjalan dengan penyesuaian yang ada. Hasil uji verifikasi menunjukkan bahwa sistem terverifikasi, hal ini dapat ditunjukkan dengan tidak muncul lagi tampilan seperti yang ditunjukkan gambar berikut ini:
Gambar 8 Running untuk Klasifikasi KW
Produk amatan pada gambar 13 merupakan produk yang memiliki jenis cacat glaze mengelupas, maka ketika software selesai membaca jenis cacatnya, produk tersebut masuk sesuai klasifikasinya, karena produk merupakan produk cacat glaze mengelupas maka limit switch ketiga membuka dan limit switch kedua menutup dimana limit switch ketiga membawa produk ke samping menuju conveyor klasifikasi KW. 6. Uji Validasi Mekanisme validasi dilakukan dengan dua langkah. Langkah pertama adalah uji validasi proses klasifikasi dimana akan membandingkan antara hasil proses klasifikasi software terhadap proses klasifikasi manual. Sedangkan langkah yang kedua adalah uji validasi proses klasifikasi antara menggunakan prototype dan menggunakan operator. Dan operator yang digunakan dalam pengujian ini adalah operator baru. Dari hasil running yang telah dilakukan didapatkan tiga error yang terjadi pada software saat membaca jenis cacat.Kesalahan ini dikarenakan cacat membingkai tidak terlalu tampak karena cacat tersebut berada di tepi keramik dan garis bingkai sangatlah tipis sehingga kamera tidak terlalu dapat menjangkau atau men-capture dari cacat tersebut.Besar error yang terjadi pada software
Gambar 3 Textbox Error
Jika terdapat textbox ini usahakan untuk tidak melanjutkan “RUN”. Selain itu error dapat dilihat jika dalam suatu baris terdapat tanda “X”, seperti gambar berikut ini: Gambar 4 Error dengan Tanda X
Ketika ada tanda seperti itu, maka harus dilakukan perubahan coding hingga tanda “X” tersebut menghilang seperti berikut ini:
3
Xbar-S Chart of C1, ..., C15
adalah sebesar 2%.Hal ini menunjukkan berarti software pada prototype tersebut dapat membaca jenis cacat dengan akurat. Dan dari hasil pengujian operator didapatkan dua error yang terjadi karena operator kebingungan saat membaca jenis cacat tersebut termasuk dalam klasifikasi yang mana kerugian yang didapatkan tiap hari sebesar Rp 374.774.400,-. Hal ini sangat merugikan karena angka kerugian yang diperoleh sangat tinggi.Dengan demikian maka menggunakan prototype lebih baik dibandingkan menggunakan operator.
U C L=107.26 Sample M ean
105
LC L=90.84 1
2
3
4
5
6
7
8
9
10
Sample U C L=16.37 Sample StDev
15.0 12.5 _ S =10.41
10.0 7.5 5.0
LC L=4.46 1
2
3
4
5
6
7
8
9
10
Sample
Gambar 11 Peta Pengendali Kontrol X Bar-S Charts untuk Luasan
Berdasarkan grafik yang ada maka dapat dilihat ada sisi yang out of control, yaitu pada pengamatan 8 dan 9, hal ini dikarenakan jumlah sampel dalam pengamatan tersebut banyak yang jauh dari ukuran sebenarnya, yaitu 10 cm. Begitu juga dengan grafik pada sisi B, dimana pada pengamatan 8 dan 9 pada sisi B mengalami out of control. Dan penyebabnya pun sama, yaitu sampel pada pengamatan tersebut banyak yang jauh dari dimensi yang sebenarnya. Sedangkan untuk grafik luasan, jika dilihat dari S Chart, maka dapat dilihat bahwa tidak ada sampel yang out of control sehingga X bar-S Charts pada gambar 5.4 adalah reliable. UCL dan LCL ini dapat direkomendasikan untuk menjadi batas spesifikasi yang baru, jika memang dimensi (proses pengukuran) tidak memungkinkan untuk dilakukan perbaikan sistem lebih lanjut. Untuk control charts kedua adalah capability process dan untuk mencari Cp diperlukan nilai standar deviasi ( ) yang telah diperoleh dari hasil pengukuran 150 sampel keramik, yaitu sebesar 10.55. perhitungan Cp adalah sebagai berikut:
Control Charts, Pareto Chart, Cause and Effect Diagram Dalam control charts ini menggunakan S charts dan P charts, menggunakan dua variabel control charts dikarenakan output yang dihasilkan berupa variabel dan atribut. Untuk variabel menggunakan S charts, sedangkan untuk atribut menggunakan P charts. X Bar-S Chart untuk sisi A, sisi B dan luas didapatkan dengan mencari nilai UCL dan LCL lalu diplotting dengan menggunakan software Minitab.Nilai UCL untuk X pada sisi A adalah 10.49 dan LCL 9.29. sedangkan nilai UCL untuk S adalah 1.21, LCL sisi B 0.33. Dan nilai UCL untuk X pada sisi B adalah 10.58 dan LCL 9.45. Untuk UCL S adalah 10.58 dan LCL 9.45. Dan UCL untuk X pada luas adalah 107.26 dan LCL 90,84. Sedangkan untuk S nilai UCL 16.36 dan LCL 4.46. Contoh perhitungan nilai UCL dan LCL X bar pada sisi A adalah sebagai berikut CL = = 9,89 = 9,89 + (0.789 x 0,76) = 10.49 = 9.89 - (0.789 x 0.76) = 9.29 Sehingga hasil plottingnya adalah sebagai berikut:
Keterangan: USL = 99,50,LSL= 98,75, = 10.55 Untuk lebih memastikan persentase fraksi jumlah produk cacat (fraction of nonconforming) maka estimasinya adalah sebagai berikut:
Xbar-S Chart of C1, ..., C15
Sample M ean
95
90
7.
UC L=10.553
10.50
_ _ X=99.05
100
10.25 _ _ X=10.016
10.00 9.75 9.50
LC L=9.479
1
1
2
3
4
5
6
7
8
9
10
Sample UC L=1.0699
Sample StDev
1.0 0.8
= 0,972 = 97,2% Hal ini menunjukkan bahwa dimensi pada sampel produk tidak baik,sehingga perlu dilakukan pengendalian kualitas yang lebih ketat dan perbaikan terhadap proses pengukuran untuk memenuhi kepuasan konsumen. Nilai Cp hanya digunakan sebagai estimasi dan untuk mengetahui yang aktual maka dilakukan perhitungan Cpk. Berikut ini perhitungan Cpk: Cpk = min (Cpu, Cpl) = min
_ S=0.6807
0.6 0.4 LC L=0.2915
1
0.2 1
2
3
4
5
6
7
8
9
10
Sample
Gambar 9 Peta Pengendali Kontrol X Bar-S Charts untuk Sisi A Xbar-S Chart of C1, ..., C15 U C L=10.553
Sample M ean
10.50 10.25
_ _ X=10.016
10.00 9.75 9.50
LC L=9.479
1
1
2
3
4
5
6
7
8
9
10
Sample U C L=1.0699
Sample StDev
1.0 0.8
_ S=0.6807
0.6 0.4 LC L=0.2915
1
0.2 1
2
3
4
5
6
7
8
9
10
Sample
= min
Gambar 10 Peta Pengendali Kontrol X Bar-S Charts untuk Sisi B
= min (Cpu = 0,0142, Cpl = 0,0095) = 0,0095
4
Nilai tersebut lebih kecil dibandingkan nilai Cp. Nilai ini menunjukkan bahwa proses berada di luar center. Hal ini dikarenakan spesifikasi yang telah ditetapkan terlalu tinggi, yaitu selisih antara UCL dan LCL yang ditetapkan hanya berjarak 0,2 cm. Setelah melakukan perhitungan pada S Charts maka selanjutnya melakukan perhitungan untuk P Charts untuk mengetahui dalam sekali running dengan 15 sampel produk keramik lantai terdapat ada berapa jumlah produk yang cacat. Berikut ini adalah perhitungan untuk CL, UCL dan LCL pada P Charts:
Gambar 14 Cause and Effect Diagram Cacat Tetesan Air
Cacat tetesan air adalah cacat yang berupa tetesan air yang membekas pada permukaan keramik akibat ada cairan yang jatuh pada biscuit tile yang menyebabkan pembekasan pada keramik setelah dibakar. Adapun faktor-faktor penyebab masalah cacat tetesan air antara lain: 1. Man (Manusia) : Operator kurang jeli dalam melihat masalah-masalah kecil seperti ini. 2. Method (Metode) : Tidak pernah dilakukan pengecekan terhadap tabung penampung sebelum diisi dengan air. Dan sering melakukan pengisian tanpa melakukan pembersihan terlebih dahulu. 3. Machines (Mesin) : Conveyor yang berjalan terlalu cepat. 4. Equipment (Alat) : Lempengan sebagai tempat cairan ada lubang kecil di bagian belakang sehingga saat keramik sudah disiram air, keramik tersebut sebagian ada yang tertetes oleh air yang keluar dari lubang tersebut sehingga keramik seperti ada benjolan ketika selesai dibakar.
= 0.43 = 0.81 = 0.05 Setelah didapatkan nilai UCL dan LCL maka dapat di plotting dengan menggunakan software Minitab. P Chart of Jumlah Cacat 0.9 UCL=0.8172
0.8 0.7
Proportion
0.6 0.5
_ P=0.4333
0.4 0.3 0.2 0.1
LCL=0.0495
0.0 1
2
3
4
5 6 Sample
7
8
9
10
Gambar 12 Peta Pengendali Kontrol untuk P Charts
8. Nilai Ekonomis Jika dilihat dari P Charts, maka dapat dilihat bahwa tidak ada sampel yang out of control.Akan tetapi, nilai jumlah cacat tertinggi didapatkan pada pengamatan pertama.Hal ini dikarenakan saat pengambilan sampel yang dilakukan acak, terdapat banyak produk cacat yang terambil. Pareto Chart digunakan untuk mengetahui jenis cacat yang sering terjadi.
Nilai ekonomis ini diawali dengan penetapan defender dan challenger, dimana operator proses inspeksi adalah sebagai defender sedangkan prototype yang dibuat ini adalah sebagai challenger. Prototype yang dibuat diperkirakan memiliki umur ekonomis selama tiga tahun. Nilai Present Worth (P) dapat dihitung dengan rumus A*(P/A. 6,2%,12). Diketahui nilai bunga bank saat ini (BI Rate) adalah 6% per tahun, dimajemukkan per bulan selama setahun. Sehingga didapatkan i efektif per bulan adalahb 6,2%. Dengan rumus tersebut didapatkan P sebesar Rp 19.963.234,32. Nilai P sebagai pengeluaran ini juga sama di tahun ke-2 dan ke-3 dianggap sebagai nilai A1. Berdasarkan sumber dari perusahaan dan ada error yang terjadi dengan operator adalah sebesar 1,3% maka terdapat 3.744 pcs per bulan yang salah identifikasi. Sehingga nilai kerugian adalah sebesar Rp 34.070.400,-. Nilai ini dapat dianggap sebagai kerugian yang harus ditanggung oleh perusahaan tiap bulannya. Selanjutnya akan dihitung nilai Present Worth (P) dari prototype baru ini dan dihasilkan biaya investasi atas satu prototype tersebut,sehingga didapatkan total
Pareto Chart of Jenis Cacat 180
100
160 140
Count
100
60
80
40
60 40
20
20 0
t a g g s si ka i a h j ec h e r ze A ir b ble rn tin ta n u p a in a g Gla e nt n a Ot D e sa Re Bu W Pr in M a g e l a m b in s t L e m e te p il M n il No ete an T in a ca Gop M e M T Go la C e e z K a Gl Count 84 11 9 9 8 8 6 5 5 4 3 3 7 Percent 52 7 6 6 5 5 4 3 3 2 2 2 4 Cum % 52 59 64 70 75 80 83 86 90 92 94 96 100
Jenis Cacat
Percent
80
120
c fe
t
0
Gambar 13 Hasil Pareto Chart dengan Minitab
Cause and Effect Diagram digunakan untuk mengetahui penyebab-penyebab dari jenis cacat yang sering terjadi, yaitu cacat tetesan air.
5
yang panas. Selain itu, kapabilitas proses pengukuran dimensi dalam kondisi sangat jauh dari baik dikarenakan spesifikasi yang ditentukan terlalu ketat hanya 0,2 cm. Dan dengan tingkat akurasi sebesar 98% sehingg dapat dikatakan bahwa alat tersebut dapat membaca jenis cacat secara akurat Adapun saran yang dapat diberikan adalah alat dan software masih diperlukan perbaikan kecil agar siap dipasarkan. Dan dalam pengembangan penelitian selanjutnya dapat ditambahkan sensor dimensi dan kecepatan konveyor dapat ditingkatkan.
biaya investasinya adalah Rp 53.361.963,89 + Rp 66.710.700 = Rp 120.072.663,89 Setelah didapatkan nilai Present Worth dari biaya investasi dan profit, selanjutnya dapat dihitung selisih di antara keduanya. Sehingga dari hasil perhitungan Rp 1.052.507.168 – (Rp 53.361.963,89 + Rp 66.710.700) = Rp 932.434.504,1 yang merupakan pendapatan bagi perusahaan apabila mengaplikasikan prototype ini. Dari perhitungan ini dapat dibandingkan nilai Present Worth dari aset lama (operator sortir) dengan aset baru (prototype yang dirancang). Didapatkan bahwa pada aset lama aliran kasnya berupa outflow sebesar Rp 61.920.000,- yang merupakan biaya atau upah bagi operator sortir yang akan dikeluarkan perusahaan selama umur ekonomis. Sedangkan pada aset baru aliran kasnya berupa inflow sebesar Rp 932.434.504,1, yang merupakan pendapatan bagi perusahaan apabila mengaplikasikan prototype tersebut selama umur ekonomisnya. Jadi akan lebih menguntungkan perusahaan ketika mengaplikasikan prototype tersebut.
DAFTAR PUSTAKA Dhillon, B. 2006. Maintenability, Maintenance, and Reliability for Engineers. Boca Raton, Florida: CRC Press Taylor & Francis Group. Granovetter, Mark. 2004. Threshold Models of Collective Behavior. The American Journal of Sociology: Volume 83 No. 6 Groover, Mikell. P. 2001. Automation, Production Systems, and Computer Integrated Manufacturing. London : Prentice Hall Inc. Indonesia, Bank. 2013. BI Rate. Dipetik Juli 9, 2013, dari http://www.bi.go.id/web/id/Moneter/BI+Rat e/Data+BI+Rate/ Kehoe, L., G. Coyle, S. Murray, C. M. Flannery, dan G.M. Crean. 2000. Laser Ultrasonic Surface Wave Inspection of Alumina Ceramics of Varying Density. Journal of Ultrasonics 38: 508-512. Mery, Domingo dan Miguel Carrasco. 2005. Automated Multiple View Inspection Based on Uncalibrated Image Sequences. SCIALNCS 3540, pp. 1238-1247. Montgomery, Douglas C. 2005. Statistical Quality Control: A Modern Introduction. Arizona: John Wiley & Sons, Inc. Schon, John A. 1999. Introduction to Manufacturing Processes: Proses Manufaktur. Yogyakarta : Andi. templates/pareto/pareto-chart-barchart-histogram-and-pareto-principle-8020rule/. Smith, Melvyn L., dan Richard J. Stamp. 2000. Automated Inspection of Textured Ceramic Tiles. Journal of Computer in Industry 4: 7382. dari http://lorien.ncl.ac.uk/ming/spc/spc0.htm.
9. Analisis Sensitivitas Analisis sensitivitas merupakan analisis yang dilakukan untuk mengetahui akibat dari perubahan parameter. Dengan melihat grafik analisis sensitivitas tornado untuk defender maka dapat diketahui bahwa dengan upah turun 10%, maka biaya akan berkurang sebesar Rp 597.951,45, sedangkan dengan upah naik 10%, maka biaya akan bertambah yaitu sebesar Rp 586.883,89. Tetapi jika dilihat dari nilai bunga dapat diketahui bahwa apabila bunga turun 10%, maka biaya akan bertambah sebesar Rp 5.336.196,39, sedangkan jika bunga naik 10%, maka biaya akan berkurang sebesar Rp 10.672.392,78. Sedangkan dengan melihat grafik analisis sensitivitas tornado untuk challenger dapat diketahui bahwa dengan operasional turun 10%, maka biaya akan berkurang sebesar Rp 2.085.877,17, sedangkan dengan operaional naik 10%, maka biaya akan bertambah yaitu sebesar Rp 2.047.269,39. Tetapi jika nilai bunga turun 10%, maka biaya akan bertambah sebesar Rp 18.614.538,57, sedangkan jika bunga naik 10%, maka biaya akan berkurang sebesar Rp 37.229.277,14. Dan dapat disimpulkan bahwa biaya upah dan juga biaya operasional lebih sensitif dibandingkan nilai bunga. 10. Kesimpulan dan Saran
Wasista, Alat yang dirancang dapat mengidetifikasi kualitas accept atau reject dan mana produk tipe prima, ekonomi, dan KW. Hasil identifikasi menggunakan metode RCA, yaitu adanya operator lalai, peralatan yang mulai rusak dan lingkungan
6
Sigit. 2009. “Transformasi Derajat Keabuan”, Dipetik Februari 14,2013, dari http://wasistaeepis.blogspot.com/2009/03/transformasiderajat-keabuan.html
