OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK Ricky Afi Damaris (1), Bobby O. P. Soepangkat(2) 1 Mahasiswa MMT ITS, 2Staf Pengajar MMT ITS Program Studi Magister Manajemen Teknologi – Bidang Keahlian Manajemen Industri – Program Pasca Sarjana – Institut Teknologi Sepuluh Nopember (ITS) Jalan Cokroaminoto 12 A. Surabaya 60264. Indonesia. Telp: (031) 5613922 E-mail:
[email protected] Abstrak PT. X yang berlokasi di Gresik adalah salah satu perusahaan swasta penghasil batako yang baru didirikan. Persaingan industri yang semakin ketat mendorong perusahaan untuk menambahkan bottom ash pada adonan batako yang umumnya hanya menggunakan komposisi pasir (agregat halus), semen dan air. Penambahan bottom ash bertujuan untuk penghematan bahan baku utama yang harganya semakin mahal, sehingga perusahaan bisa tetap bersaing. Tetapi saat ini PT. X yang berlokasi di Gresik masih menghasilkan batako dengan mutu yang rendah. Dalam upaya memperbaiki kualitas batako tersebut perlu dilakukan suatu penelitian untuk dapat menentukan komposisi pasir, air, semen dan bottom ash yang tepat agar batako dapat memenuhi spesifikasi. Optimasi dilakukan dengan menggunakan metode Taguchi multirespon. Hasil penelitian menunjukkan bahwa faktor air semen (FAS) dan bottom ash adalah faktor-faktor yang mempunyai kontribusi besar dalam menghasilkan batako dengan mutu yang tinggi. Berdasarkan hasil optimasi yang telah divalidasi dalam eksperimen konfirmasi, kombinasi level faktor yang menghasilkan nilai kuat tekan yang maksimum dan daya serap yang minimum adalah faktor air semen (FAS) yang diseting pada nilai 0,4, bottom ash yang diseting pada nilai 5 bagian, dan pasir yang diseting pada nilai 2 bagian. Penggunaan seting yang optimal ini menghasilkan peningkatan laba untuk satu buah batako sebesar 25%. Kata kunci: batako, bottom ash, daya serap air, karakter kualitas yang kritis, kuat tekan, metode Taguchi dan Optimasi Respon Serentak Pendahuluan PT. X yang berlokasi di Gresik adalah salah satu perusahaan swasta penghasil batako yang baru didirikan. Pada saat ini PT. X yang berlokasi di Gresik berusaha meningkatkan kualitas produknya, namun tetap memberikan harga yang murah agar dapat diminati oleh masyarakat luas. Oleh karena itu perusahaan dalam membuat batako menambahkan bottom ash pada adonan yang umumnya hanya menggunakan campuran agregat halus (pasir), semen dan air. Penambahan bottom ash bertujuan untuk mengurangi penggunaan semen dan agregat halus (pasir) yang harganya semakin mahal, sehingga perusahaan dapat memberikan harga yang murah dengan kualitas terbaik. Batako yang baik adalah yang masingmasing permukaannya rata dan saling tegak lurus serta mempunyai kuat tekan 1
yang tinggi. Persyaratan batako menurut PUBI (1982) pasal 6 antara lain adalah bahwa permukaan batako harus mulus, berumur minimal satu bulan, pada waktu pemasangan harus sudah kering, berukuran panjang ±400 mm, lebar ±200 mm, tebal ±100-200 mm, kadar air 25-35% dari berat, dan memiliki kuat tekan antara 45-50 kg/cm2. Titik berat pencapaian target mutu yang dikehendaki ialah pada pengaturan komposisi bahan. Perubahan komposisi bahan akan berpengaruh pada mutu batako, sehingga masing-masing bahan tersebut harus dikombinasikan untuk mendapatkan komposisi bahan yang tepat agar kualitas batako yang dihasilkan sesuai dengan spesifikasi Optimasi Respon Serentak Optimasi dilakukan pada proses-proses yang memiliki karakteristik kinerja tunggal dan karakteristik dengan lebih dari dua kinerja atau multi karakteristik. Pada kasus yang terakhir, karakteristik kualitas dari masing-masing kinerja mungkin berbeda dalam perhitungan rasio signal to noise. Hal ini mengakibatkan aplikasi dari desain eksperimen Taguchi tidak dapat digunakan secara langsung. Oleh karena itu, perhitungan rasio signal to noise dengan menggunakan fungsi logaritmik dari total loss function kemudian dikenalkan untuk menyelesaikan permasalahan tersebut. Hal pertama yang perlu dilakukan adalah menentukan nilai loss function yang sesuai dengan karakteristik kualitas dari masing-masing respon. Nilai loss function yang digunakan pada penelitian ini adalah karakteristik kualitas “semakin kecil semakin baik” dan “semakin besar semakin baik,” yang menggunakan persamaan (Nian et al., 1998) sebagai berikut: a. Untuk karakteristik kualitas “semakin kecil semakin baik” 1 n 2 (1) L = y ij
∑
n i =1
ijk
b. Untuk karakteristik kualitas “semakin besar semakin baik” Lij =
1 n 1 ∑ 2 n i =1 yijk
(2)
dengan: Lij = loss function dari karakteristik performa ke-i pada eksperimen ke-j. N = banyaknya replikasi. yijk = nilai dari karakteristik performa ke-i pada eksperimen ke-j saat replikasi ke-k. Loss function tersebut kemudian dinormalisasi dengan menggunakan persamaan (Nian et al., 1998): Sij = L ij (3) L ij
dengan: Sij = loss function dari karakteristik performa ke-i pada eksperimen ke-j yang telah dinormalisasi. L ij = rata-rata loss function dari karakteristik performa ke-i pada eksperimen ke-j.
2
Metode pembobotan dapat digunakan untuk menentukan karakteristik performa yang paling penting sesuai dengan urutan prioritas. Berdasarkan metode pembobotan, total loss function dihitung dengan menggunakan persamaan (Nian et al., 1998): m
TLj=
∑w S i =1
i
(4)
ij
dengan: TLj = total loss function pada eksperimen ke-j. m = banyaknya karaktersitik performa yang diamati. wi = faktor pembobotan untuk karakteristik performa ke-i. Total loss function yang diperoleh kemudian ditransformasikan ke dalam rasio signal to noise multirespon dengan menggunakan persamaan (Nian et al., 1998): (5) ηj = –10 log (TLj) Rancangan Percobaan Seting Faktor dalam proses pembuatan batako Penentuan faktor kendali proses pembuatan batako berdasarkan kemudahan penentuan besaran faktor dalam pelaksanaan penelitian, serta pengamatan yang mendalam di lapangan. 3 faktor kendali yang dipilih, yaitu faktor air semen, bottom ash, dan agregat halus. Penentuan rentang level dari faktor-faktor didasarkan pada range yang diijinkan perusahaan, pengalaman operator dan pertimbangan dari bagian PPC (Production Planning and Control). Agar interval level tersebut tidak bervariasi terlalu jauh, maka dapat disederhanakan menjadi tiga tingkat level faktor sebagai berikut: Faktor Air Semen (FAS) : 0,4; 0,5; dan 0,6 Bottom ash : 4; 5; dan 6 bagian Agregat halus : 3; 2; dan 1 bagian Pemilihan Matriks Orthogonal Berdasarkan penjelasan sebelumnya, faktor kendali yang dipilih ada 3 dengan tiga level yang digunakan untuk masing-masing faktor kendali sehingga rancangan matriks orthogonal yang digunakan adalah L9(34). Rancangan percobaan matriks orthogonal L9 ditunjukkan pada Tabel 1 berikut ini: Tabel 1 Rancangan Percobaan Taguchi No 1 2 3 4 5 6 7 8 9
A 1 1 1 2 2 2 3 3 3
B 1 2 3 1 2 3 1 2 3
C 1 2 3 2 3 1 3 1 2
Error 1 2 3 2 1 2 2 3 1
Prosedur Percobaan Percobaan dilakukan dengan mengambil data kuat tekan dan daya serap air pada batako untuk tiap-tiap kombinasi seperti ditunjukkan pada tabel 1. 3
Eksperimen dilakukan dengan replikasi (pengulangan) sebanyak tiga kali untuk mengatasi kesulitan dalam menentukan level faktor gangguan (noise) yang terjadi selama proses pembuatan batako berlangsung (Vaani and Hameedullah, 2005). Perhitungan Rasio Signal to Noise Data hasil eksperimen yang diambil pada penelitian ini adalah kuat tekan dan daya serap air pada batako. Tabel 2 menunjukkan semua data yang diperoleh selama eksperimen. Tabel 2 Data Hasil Eksperimen Seting faktor, kombinasi ke1
2
3
4
5
6
7
8
9
Replikasi 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
Kuat Tekan Kg/cm2 41.87 41.87 31.16 60.37 59.98 62.32 57.45 42.84 39.92 31.16 34.08 29.21 42.84 35.05 36.03 31.16 29.21 29.21 23.37 33.11 31.16 38.95 31.16 31.16 27.26 37.00 29.21
Daya Serap Air % 13.94 23.92 18.86 22.22 23.09 26.10 22.66 21.93 21.52 23.43 21.41 24.79 25.15 27.85 26.12 23.04 24.89 24.82 29.12 27.75 25.22 12.96 12.50 13.43 26.32 15.06 22.75
Dalam percobaan ini, dilakukan pengamatan terhadap 2 variabel respon. Variabel respon pertama adalah kuat tekan dengan karakteristik kualitas lebih besar lebih baik (bigger-is-better). Variabel respon yang kedua adalah daya serap air dengan karakteristik kualitas lebih kecil lebih baik (smaller-is-better). Tabel 3 menunjukkan rasio S/N multirespon dengan kombinasi yang berbeda dari faktor pembobotan, yang dihitung dengan menggunakan Persamaan (1)-Persamaan (5). Ada tiga skenario yang akan digunakan pada penelitian ini, dengan masingmasing faktor bobot adalah w1 = 0,8338: 0,1662 untuk skenario pertama; w2 = 0,7170: 0,2830 untuk skenario kedua; serta w3 = 0,8850: 0,1150 untuk skenario ketiga. Desain eksperimen Taguchi yang memanfaatkan bentuk ortogonal memungkinkan adanya pemisahan pengaruh setiap faktor pada level yang berbeda. Sebagai contoh, nilai tengah rasio S/N multirespon dari faktor FAS pada level satu dihitung dengan mencari nilai rata-rata rasio S/N multirespon pada eksperimen pertama hingga ketiga. Nilai tengah rasio S/N multirespon dari faktor FAS pada level kedua dihitung dengan mencari nilai rata-rata rasio S/N 4
multirespon pada eksperimen keempat hingga keenam. Nilai tengah rasio S/N multirespon dari faktor FAS pada level ketiga dihitung dengan mencari nilai ratarata rasio S/N multirespon pada eksperimen ketujuh hingga kesembilan. Hal ini berlaku juga untuk nilai tengah rasio S/N multirespon faktor yang lain. Rata-Rata Rasio S/N multirespon untuk masing-masing skenario dirangkum pada Tabel 4Tabel 6. Tabel 3 Rasio S/N Multirespon untuk Masing-masing Skenario Seting faktor, kombinasi ke1 2 3 4 5 6 7 8 9
Skenario 1 w = 0,8338: 0,1662 0,7784 3,4684 1,9216 -0,7317 0,3347 -1,1447 -1,7189 0,2203 -0,8803
Skenario 2 w = 0,7170: 0,2830 0,8611 2,6667 1,6491 -0,6600 0,0661 -1,0679 -1,7056 0,6403 -0,7296
Skenario 3 w = 0,8850: 0,1150 0.7664 3.5995 1.9630 -0.7421 0.3755 -1.1558 -1.7208 0.1620 -0.9020
Tabel 4 Rata-Rata Rasio S/N Multirespon untuk Skenario 1 Simbol Faktor Level 1 Level 2 A FAS 2,0561 -0,5139 B Bottom Ash -0,5574 1,3412 C Agregat halus -0,0487 0,6188 Rata-rata total rasio S/N multirespon
Level 3 -0,7930 -0,0345 0,1791
Selisih 2,8491 1,8985 0,6675 0,2498
Peringkat 1 2 3
Tabel 5 Rata-Rata Rasio S/N Multirespon untuk Skenario 2 Simbol Faktor Level 1 Level 2 A FAS 1,7257 -0,5539 B Bottom Ash -0,5015 1,1244 C Agregat halus 0,1445 0,4257 Rata-rata total rasio S/N multirespon
Level 3 -0,5983 -0,0495 0,0032
Selisih 2,3240 1,6259 0,4225 0,1911
Peringkat 1 2 3
Tabel 6 Rata-Rata Rasio S/N Multirespon untuk Skenario 3 Simbol Faktor Level 1 Level 2 A FAS 2.1096 -0.5075 B Bottom Ash -0.5655 1.3790 C Agregat halus -0.0758 0.6518 Rata-rata total rasio S/N multirespon
Level 3 -0.8203 -0.0316 0.2059
Selisih 2.9299 1.9445 0.4459 0,2606
Peringkat 1 2 3
(a) (b) (c) Gambar 1 Grafik Rata-Rata Rasio S/N Multirespon untuk: (a) Skenario 1, (b) Skenario 2, dan (c) Skenario 3 Gambar 1 menunjukkan grafik rata-rata rasio S/N multirespon untuk masingmasing skenario. Berdasarkan grafik-grafik di atas, kombinasi faktor yang akan
5
menghasilkan respon optimum untuk masing-masing skenario menurut metode Taguchi dirangkum pada Tabel 7 berikut ini: Tabel 7 Kombinasi Optimum Faktor Menurut Taguchi Skenario ke1 2 3
FAS Level 1 Level 1 Level 1
Bottom Ash Level 2 Level 2 Level 2
Agregat halus (pasir) Level 2 Level 2 Level 2
Analisis Variansi (ANAVA) Pada tahap ini dilakukan pengklasifikasian hasil eksperimen secara statistik sesuai dengan sumber variasi sehingga dapat diidentifikasi kontribusi masingmasing faktor. Pada kasus optimasi respon serentak, jumlah kuadrat total (total sum of square) dihitung dengan menggunakan persamaan berikut ini: p
SST
=
∑ (η j=1
j
− ηm ) 2
(6)
Jumlah kuadrat total masing-masing faktor dihitung dengan menjumlahkan kuadrat dari selisih rasio S/N masing-masing level terhadap rata-rata total rasio S/N, sehingga Tabel ANAVA untuk tiap-tiap skenario ditunjukkan pada Tabel 8Tabel 10 berikut ini: Tabel 8 Hasil Analisis Variansi untuk Skenario Pertama Sumber variasi FAS Bottom Ash Agregat halus (pasir) Error Total
db 2 2 2 2 8
SS 14.8003 5.7703 0.6907 0.2415 21,5028
MS 7.4001 2.8851 0.3454 0.1207
Fhitung 61.2938 23.8970 2.8607
Persen kontribusi 67.7067% 25.7121% 2.0894%
Tabel 9 Hasil Analisis Variansi untuk Skenario Kedua Sumber variasi FAS Bottom Ash Agregat halus (pasir) Error Total
db 2 2 2 2 8
SS 10.5994 4.2257 0.2775 0.5730 15.6757
MS 5.2997 2.1129 0.1388 0.2865
Fhitung 18.4969 7.3743 0.4844
Persen kontribusi 63.9610% 23.3018% -1.8850%
Tabel 10 Hasil Analisis Variansi untuk Skenario Ketiga Sumber variasi FAS Bottom Ash Agregat halus (pasir) Error Total
db 2 2 2 2 8
SS 15.5312 6.0560 0.8076 0.2195 22.6143
MS 7.7656 3.0280 0.4038 0.1097
Fhitung 70.7704 27.5951 3.6800
Persen kontribusi 67.7083% 25.8091% 2.6008%
Eksperimen Konfirmasi Eksperimen konfirmasi dilakukan untuk memvalidasi hasil yang diperoleh. Kombinasi awal adalah kombinasi seting faktor yang dipakai saat ini di perusahaan, sedangkan kombinasi optimum adalah kombinasi seting faktor yang diperoleh dari hasil optimasi. Eksperimen konfirmasi dilakukan dengan replikasi sebanyak tiga kali untuk masing-masing skenario. Secara ringkas, hasil tersebut ditunjukkan pada Tabel 11 berikut ini:
6
Tabel 11 Data yang Diperoleh pada Eksperimen Konfirmasi Kuat Tekan Kg/cm2 29.21 31.16 30.19 61.34 60.37 63.29
Kombinasi faktor Kombinasi awal Kombinasi optimum
Daya Serap Air % 24.82 26.09 25.00 22.76 22.82 23.12
Rasio S/N prediksi yang diperoleh dengan menggunakan kombinasi faktorfaktor yang berpengaruh secara signifikan terhadap respon pada level optimalnya dihitung dengan menggunakan persamaan berikut:
ηˆ =
q
η m + ∑ (η i − η m )
(7)
i =1
Tabel 12 menunjukkan rasio S/N multirespon eksperimen konfirmasi yang dihitung menggunakan Persamaan (1)-Persamaan (5). Tabel 12 Rasio S/N Multirespon pada Eksperimen Konfirmasi Skenario ke1 2 3
Prediksi 3,5166 2,8935 3,6192
Rasio S/N multirespon (dB) Kombinasi Kombinasi Peningkatan awal optimum -1,1181 3,6767 4,7948 -1,0922 2,9170 4,0092 -1,1219 3,8002 4,9221
Penurunan Variasi Penurunan nilai variasi ini ditandai dengan adanya penurunan deviasi standar. Perhitungan penurunan deviasi standar ini diawali dengan perhitungan menggunakan persamaan (Roy, 2001): − (( S / N )improved −( S / N ) current )/2 ]0 , (8) σ =σ 10 [ improved
current
Hasil perhitungan persamaan (8) selanjutnya digunakan untuk menghitung jumlah penurunan deviasi standar, yang selanjutnya digunakan sebagai indikasi ada tidaknya penurunan variasi. Menurut Roy (2001), persamaan penurunan deviasi standar ditunjukkan sebagai berikut:
Penurunan Deviasi S tan dar = 100% −
σ improved , σ current
(9)
Tabel 13 menunjukkan penurunan deviasi menggunakan persamaan (8) dan persamaan (9).
standar
yang
Tabel 13 Prosentase Penurunan deviasi standar Keterangan
Skenario 1
Skenario 2
Skenario 3
σ improved (%) σ current Penurunan deviasi standar (%)
58
63
57
42
37
43
7
dihitung
Berdasarkan penurunan deviasi standar yang ditunjukkan pada tabel 13, dilakukan perhitungan penurunan deviasi standar untuk kuat tekan dan daya serap air pada batako. Tabel 14 menunjukkan penurunan deviasi standar untuk kuat tekan dan daya serap air pada batako, yang dihitung berdasarkan bobot dari masing-masing CTQ dengan menggunakan skenario 1, 2 dan 3. Tabel 14 Prosentase Penurunan deviasi standar kuat tekan dan daya serap air Penurunan Deviasi Standar Kuat Tekan (%) Daya Sertap Air (%)
Skenario 1
Skenario 2
Skenario 3
34,98 6,97
26,53 10,47
35,06 6,67
Peningkatan Laba Perhitungan prosentase peningkatan laba ini berhubungan dengan peghematan biaya bahan baku, yaitu selisih antara biaya bahan baku yang menggunakan komposisi yang lama dengan biaya bahan baku yang menggunakan komposisi yang optimal. Hasil perhitungan besar nilai penghematan bahan baku adalah sebagai berikut: Besar penghematan = biaya produksi komposisi lama – biaya produksi komposisi baru = Rp. 1680 -1650 = Rp. 30,00 Langkah selanjutnya adalah menghitung besar laba satu buah batako yang menggunakan komposisi bahan baku yang optimal dengan cara sebagai berikut: Laba satu buah batako = Laba satu buah batako dengan komposisi yang lama + Besar penghematan penggunaan komposisi yang optimal = Rp. 120 + Rp. 30 = Rp. 150,00 Dengan demikian, prosentase kenaikan laba satu buah batako yang menggunakan komposisi bahan baku yang optimal adalah sebagai berikut: 150 − 120 Prosentase kenaikan laba satu buah batako = x100% 120 = 25% Kesimpulan Hasil optimasi menunjukkan bahwa variabel proses atau faktor dalam pembuatan batako yang memiliki kontribusi paling besar dalam mengurangi variasi dari CTQ kuat tekan dan daya serap air batako secara serentak adalah faktor air semen (FAS). Besar kontribusi faktor FAS dalam mengurangi variasi dari CTQ kuat tekan dan daya serap air batako secara serentak pada skenario pertama adalah sebesar 67,71%, skenario kedua sebesar 63,96%, serta skenario ketiga sebesar 67,71%. Untuk dapat menghasilkan respon kuat tekan dan daya serap air yang optimum secara serentak, FAS diseting pada rasio 0,4, bottom ash diseting pada 5 bagian, serta agregat halus diseting pada 2 bagian. Pada penelitian ini juga didapatkan penurunan deviasi standar kuat tekan berdasarkan skenario pertama, kedua, dan ketiga berturut-turut sebesar 34,98%, 26,53% dan 35,06%. Untuk daya serap air, penurunan deviasi standar daya serap air berdasarkan skenario pertama, kedua dan ketiga adalah sebesar 6,97%, 10,47% dan 6,67%.
8
Penggunaan kombinasi yang optimal menghasilkan peningkatan laba satu buah batako, yaitu sebesar 25%. Daftar Pustaka Nian, C. Y., Yang, W. H., dan Tarng, Y. S., 1998, Optimization of Turning Operations with Multiple Performance characteristics, Journal of Materials Processing Technology, Elsevier, No. 95, hal. 90-96. Roy, R. K., 2001, Design of Experiments Using the Taguchi Approach, John Wiley & Sons Inc., United States of America Vaani, T., dan Hameedullah, M., 2005, Optimization of Control Parameters in Electric Discharge Machining of Hardened Tool Steel with Copper Electroplated Aluminium Electrodes, No. 110, hal 665-668.
Metode Perancangan Percobaan • Identifikasi Variabel • Penetapan level faktor • Penentuan nilai bobot • Pemilihan Orthogonal Array Penentuan Prosedur Percobaan Pengolahan Data Perhitungan Rasio Signal to Noise Pelaksanaan Eksperimen Konfirmasi Perhitungan Penurunan Variasi Perhitungan Peningkatan Laba
9
