2.

TINJAUAN PUSTAKA

Bab ini menjelaskan teori-teori yang mendasar dan berhubungan dengan

permasalahan yang ada.

2.1. Definisi Kualitas

Setiap produk mempunyai sejumlah unsur yang menggambarkan
kualitasnya. Unsur-unsur ini sering dinamakan ciri-ciri kualitas yang dapat
dibedakan dalam beberapa kategori antara lain (Montgomery, 1995):
a. Fisik: yaitu berhubungan dengan kondisi fisik produk seperti panjang, berat,
kekentalan.
b. Indera berhubungan dengan rasa, warna, penampilan.
c. Orientasi waktu: berkaitan dengan rasa pada waktu produk digunakan seperti
kehandalan, kemampuan produk untuk dirawat.

2.2. Konsep Variabilitas

Variasi antar produk yang dihasilkan dalam kegiatan produksi selalu
terjadi, walaupun suatu produk diproses dengan mesin yang berpresisi tinggi,
tenaga kerja yang terampil, bahan baku yang baik, metode kerja yang efisien dan
lingkungan yang ideal. Variabilitas dapat didefinisikan sebagai penyimpangan
suatu hasil proses produksi dari spesifikasi ideal yang telah ditetapkan. Penyebab
adanya variabilitas suatu produk secara umum dibedakan menjadi dua yaitu:
1. Penyebab tak terduga. Variabilitas semata-mata ditimbulkan oleh sebab-sebab
yang tak terduga (tidak dapat ditentukan dengan pasti). Ini merupakan variasi
yang terjadi secara alami, tidak repetitif dan terjadinya sulit untuk diramalkan.
2. Penyebab yang dapat diterka. Variasi terjadi oleh karena adanya penyebab
yang dapat diterka. Hal tersebut mampu dicegah dan diawasi, yaitu kasus yang
disebabkan oleh pengabaian standar tertentu atau menerapkan standar yang
tidak tepat. Beberapa faktor yang bisa menimbulkan variabilitas dalam hal ini
adalah bahan baku yang digunakan, mesin yang digunakan, operator yang
menjalankan proses tersebut, metode kerja yang digunakan dan lingkungan
kerja.
3
Universitas Kristen Petra
 4

Jika variabilitas yang terjadi disebabkan oleh faktor-faktor yang dapat

diterka, maka perlu diadakan perbaikan sehingga variasi yang terjadi berubah
menjadi variasi alami. Jika variabilitas terjadi dengan adanya sebab-sebab tak
terduga dikatakan proses terjadi dalam kondisi terkendali secara statistik.
Sebaliknya kalau variabilitas suatu proses dengan adanya sebab-sebab terduga
maka dikatakan proses dalam kondisi tak terkendali (Montgomery, 1995).

2.3. Metode Taguchi

Genichi Taguchi telah membuat beberapa kontribusi yang signifikan
kepada permasalahan statistika. Metode Taguhi merupakan metode yang
dikembangkan oleh Genichi Taguchi sesudah Perang Dunia II, dimana pada saat
tersebut industri-industri di Jepang memerlukan rekonstruksi besar-besaran.
Pendekatan Taguchi berbeda dengan pendekatan lainnya yang dimana pendekatan
ini lebih menekankan pada aspek kualitas dibandingkan manajemen filosofi atau
statistik. Selain itu Taguchi menggunakan desain eksperimen sebagai alat untuk
membuat produk lebih robust (produk menjadi tidak terpengaruh terhadap faktor
noise). Desain eksperimen ini digunakan sebagai alat untuk mengurangi variasi
terhadap karakteristik kualitas produk dan proses (Peace, 1993).
Kegunaan Metode Taguchi antara lain (Montgomery, 1995):
a. Mendesain proses atau produk sehingga kualitasnya robust terhadap
lingkungannya.
b. Mendesain/mengembangkan produk sehingga kualitasnya robust terhadap
variasi komponen.
c. Meminimumkan variasi di sekitar nilai target.
Untuk mengetahui pengaruh metode taguchi pada kegunaan produk dan
proses yang terkait, Dr. Taguchi mengidentifikasi tiga kontribusi utama terhadap
kualitas yaitu (Peace, 1993):
a. Loss Function
b. Orthogonal Array dan Linear Graph
c. Robustness

Universitas Kristen Petra

 5

2.3.1. Loss Function

Loss Function mempertimbangkan keinginan konsumen untuk
mendapatkan produk yang lebih konsisten dan keinginan produsen untuk
menghasilkan produk dengan biaya rendah. Minimalisasi kerugian yang dialami
oleh konsumen adalah strategi yang mendorong produk yang seragam dan
mengurangi biaya produksi dan konsumsi.
Taguchi mengidentifikasikan loss bagi perusahaan tidak hanya pada reject,
scrapt dan rework tetapi juga penambahan polusi bagi lingkungan, pemakaian
produk tidak bertahan lama atau efek negatif lainnya. Loss bagi perusahaan adalah
biaya akibat terjadinya penyimpangan dari nilai target.
Untuk menghitung besarnya loss bagi perusahaan Taguchi menggunakan
konsep Quadratic Loss Function (QLF). QLF adalah model matematis yang
menghubungkan quality loss dalam nilai uang karena kualitas menyimpang dari
spesifikasi target yang diinginkan. Loss yang dimaksud adalah biaya maintenance,
biaya failure, efek buruk bagi lingkungan seperti polusi atau biaya yang terlalu
besar dalam memproduksi produk. Rumusnya adalah sebagai berikut:
C
K=
T2
Dimana K : konstanta
C : biaya perbaikan per unit
T : interval toleransi (variasi yang dijalankan dalam satu parameter)

Sehingga untuk menghitung nilai QLF digunakan persamaan:

L = K x V2
Dimana L : quality loss dalam nilai uang yang didefinisikan oleh konsumen
sebagai hasil penyimpangan kualitas produk.
V : Mean Square Deviation (MSD) terhadap nilai target

2.3.2. Robustness
Robustness dapat didefinisikan dari sudut pandang produk maupun proses
yaitu:

Universitas Kristen Petra

 6

a. Produk: kemampuan produk untuk memunculkan performansi yang konsisten

sesuai dengan rancangan yang mempunyai efek minimal terhadap pengaruh
perubahan operasi yang tidak terkontrol.
b. Proses : kemampuan dari proses untuk memproduksi produk yang konsisten
dengan efek minimal dari pengaruh perubahan operasi yang tidak terkontrol
(Peace, 1993).

2.3.3. Orthogonal Array

Orthogonal Array adalah desain eksperimen khusus yang merupakan
desain faktorial sebagian dan simetris. Orthogonal berarti efek dari tiap-tiap faktor
secara matematis ditaksir secara independen dari efek faktor yang lain.
Tabel Orthogonal Array terdiri dari kolom dan baris dimana jumlah baris
menentukan jumlah eksperimen yang akan dilakukan sedangkan jumlah kolom
menentukan jumlah faktor yang akan diamati.
Pemilihan jenis Orthogonal Array yang akan digunakan tergantung pada
jumlah derajat bebas total. Penentuan derajat bebas berdasarkan pada (Peace,
1993):
a) Banyaknya faktor utama dan atau interaksi yang diamati.
b) Banyaknya faktor/level yang diamati.
Cara penentuan derajat bebas adalah sebagai berikut:
a. Untuk faktor utama
Misalkan ada faktor A dan B, maka:
VA = (jumlah level faktor A) - 1
= kA - 1 (2.1)
VB = (jumlah level faktor B) - 1
= kB - 1 (2.2)
b. Untuk interaksi
VAB= ((jumlah level faktor A) - 1).((jumlah level faktor B) - 1)
= (kA - 1).(kB - 1) (2.3)
c. Nilai derajat bebas total
Vtotal= (kA - 1)+(kB - 1)+ (kA - 1).(kB - 1) (2.4)

Universitas Kristen Petra

 7

sedangkan tabel Orthogonal Array yang dipilih harus mempunyai jumlah baris
minimum yang tidak boleh kurang dari derajat bebas totalnya.

2.4. Pemasukan Faktor dan atau Interaksi ke Dalam Kolom

Taguchi menyediakan alat untuk membantu memasukkan faktor dan
interaksi ke dalam kolom array. Alat tersebut adalah linear graph dan triangular
tabel. Tiap orthogonal array memiliki kombinasi tertentu dari linear graph dan
triangular tabel.
Linear graph menunjukkan variasi kolom dimana faktor dapat dimasukkan
dan interaksi faktor dievaluasi. Sedangkan triangular tabel mengandung semua
kemungkinan interaksi antar faktor/kolom. Penjelasan tentang linear graph dan
triangular tabel adalah sebagai berikut:
a) Linear graph
Linear graph untuk L8 orthogonal array dengan 4 trial dan 3 kolom, adalah
sebagai berikut:

1 3 2

Graph menunjukkan bahwa faktor A dapat dimasukkan pada kolom 1 dan

faktor B pada kolom 2. Titik pada ujung garis melambangkan kolom yang
tersedia untuk faktor utama, sedang garis sendiri melambangkan kolom yang
akan mengevaluasi interaksi yang ada pada ujung-ujung garis.
b) Triangular tabel
Tabel ini berisi semua kemungkinan interaksi hubungan kolom yang ada pada
Orthogonal Array. Contoh triangular tabel adalah sebagaimana terlihat pada
tabel 2.1.

Tabel 2.1 Contoh tabel triangular

Kolom 2 3
1 3 2
2 - 1

Universitas Kristen Petra

 8

Bila faktor A kolom 2 dan faktor B kolom 3 maka triangular tabel

menunjukkan interaksi AxB pada kolom 1. Triangular tabel menunjukkan 3
kolom yang saling mutually interactive; 1 dan 2 berinteraksi di 3; 1 dan 3
berinteraksi di 2 dan seterusnya.
Di dalam metode Taguchi ini biasanya tidak semua interaksi dimasukkan
ke dalam kolom, hanya sebagian saja yang bisa dimasukkan ke dalam kolom.
Apabila kita ingin memasukkan semua interaksi, sedang jumlah faktor dan level
cukup banyak, maka tentu saja akan menambah jumlah derajat kebebasan dari
Orthogonal Array dan hal ini akan menambah jumlah trial yang harus dilakukan
dalam eksperimen.
Dalam konsep Taguchi tidak mementingkan adanya faktor interaksi
kecuali apabila ada pengetahuan khusus tentang interaksi di beberapa faktor.
Apabila ingin diketahui semua pengaruh dari interaksi faktor sedang jumlah faktor
dan levelnya cukup banyak, hal ini dapat mengurangi efisiensinya dari
eksperimen. Untuk itu disarankan memasukkan interaksi yang benar-benar
dikehendaki, atau ada pengetahuan khusus tentang informasi tersebut.

2.5. Rasio Signal to Noise

Pengulangan terhadap suatu percobaan biasanya memiliki beberapa
manfaat sebagai berikut:
• Penambahan data dapat menganalisa variasi di sekitar nilai target.
• Jika faktor noise bervariasi selama beberapa periode, maka dengan
pengulangan yang dilakukan akan memperlihatkan gangguan tersebut.
Rasio S/N merupakan variasi yang timbul karena pengulangan percobaan
dimana:
S/N = - 10 log (MSD) (2.5)
MSD adalah Mean Square Deviation karakteristik kualitas dari nilai target.
Nilai MSD berbeda untuk setiap karakteristik kualitas yaitu:

a. Untuk karakteristik kualitas smaller is better

MSD =
(y1
2
+ y2 + .... + yn
2 2
) (2.6)
n
Universitas Kristen Petra
 9

Dimana: yn adalah hasil eksperimen

n adalah jumlah pengulangan.

b. Untuk karakteristik kualitas nominal is better

( y1 − m) 2 + ( y2 − m) 2 + .... + ( yi − m) 2
MSD = (2.7)
n
dimana: m adalah nilai target
c. Untuk karakteristik kualitas bigger is better

1 1 1
2
+ 2 + .....+ 2
y y2 yn
MSD = 1 (2.8)
n

2.6. ANOVA
ANOVA adalah suatu teknik perhitungan yang memungkinkan kita
mengestimasi kontribusi dari setiap faktor secara kuantitatif pada respon.
ANOVA dua arah adalah data eksperimen yang terdiri dari dua faktor atau
lebih dan dua kolom atau lebih. Tabel ANOVA dua arah terdiri dari perhitungan
derajat bebas (db), jumlah kuadrat, rata-rata jumlah kuadrat dan F hitung,
ditabelkan sebagai berikut:

Tabel 2.2 Tabel ANOVA

Sumber Variasi Derajat bebas SS MS F hitung
Faktor A Va SSa SSa/Va
Faktor B Vb SSb SSb/Vb Berdasarkan
EMS
Interaksi AxB VaxVb SSaxb Ssaxb/VaxVb
Error Ve SSe SSe/Ve
Total Vt SSt

ANOVA dipakai untukmengambil keputusan atas hipotesa:

Ho: µ1 = µ2 = µ3 = µ4 = µ5 = ….. = µn (perlakuan tidak berpengaruh)

Universitas Kristen Petra

 10

H1: Paling tidak ada satu perlakuan yang berpengaruh

Jika Fhitung > Ftabel maka kita menolak Ho

2.7. Selang Kepercayaan (Confidence Interval)

Selang kepercayaan untuk menaksir hasil dari kondisi optimum adalah
sebagai berikut:

Fα ,v1,v 2 × MS e
CI = Ai ± ( 2.9)
neff

dimana:
Ai = S/N optimal
Fα,v1,v2 = Nilai F tabel dengan derajat kebebasan v1, v2
N = jumlah pengamatan untuk menghitung mean
n eff = jumlah pengulangan efektif

Totalseluruhpercobaan( jumlahrasioS / N )
neff = (2.10)
1 + jumlahderajatbebasseluruhfaktor

Percobaan konfirmasi merupakan tahap akhir yang bertujuan untuk

mengkonfirmasi apakah faktor dan level yang optimum yang diperoleh dari
percobaan utama dapat menghasilkan respon yang optimal. Selang kepercayaan
untuk menaksir hasil dari percobaan konfirmasi adalah:

 1 1
CI = Fα ,v1,v 2 × MSe  +  (2.11)
 neff r 

dimana:
r adalah jumlah percobaan konfirmasi
Jika hasil percobaan konfirmasi berada dalam selang kepercayaan di atas, maka
faktor dan level yang dihasilkan pada percobaan utama telah sesuai dengan apa
yang diharapkan.

Universitas Kristen Petra

 11

2.8. Prosedur Technique for Order Preferenced by Similarity to Ideal Solution

(TOPSIS)
Metode Taguchi menangani/berhubungan dengan masalah 1 dimensi
sedangkan TOPSIS berhubungan dengan masalah multi dimensi.
Persoalan yang biasanya muncul pada masalah multirespon adalah:
(a) Konflik/pertentangan antar respon
(b) Perbedaan satuan pengukuran untuk tiap respon
(c) Kesulitan menentukan/membagi bobot berdasarkan penting/tidaknya tiap
respon.
Untuk memecahkan masalah-masalah ini, perlu diajukan prosedur
optimasi yang skematik. Prosedur yang diajukan mengasumsi semua keputusan
berupa data yang tidak jelas (kabur/fuzzy). Karena itu, penting/tidaknya tiap
respon juga jelas. Kemudian kita menggabungkan informasi yang tidak dapat
dinyatakan angka dan informasi yang tidak sempurna menjadi 1 keputusan. Untuk
mengurangi kompleksitas perhitungan dan memenuhi perspektif loss kualitas
Taguchi, TOPSIS dipakai untuk menemukan indeks pengukuran performa tiap
trial/percobaan. Makin besar nilai TOPSIS makin baik kualitas produk yang
didapat.
Masalah multirespon dengan taguchi dapat diselesaikan dengan
mengasumsikan bobot tiap respon diketahui dan bobot dinyatakan dengan angka
yang jelas. Tetapi sukarlah bagi teknisi untuk menetapkan bobot secara langsung.
Lebih lanjut, teori fuzzy set dapat dipakai untuk menganalisa data yang tidak dapat
secara tepat ditaksir. Pada studi ini, sebuah prosedur melibatkan pengenalan data
fuzzy (tidak jelas) pada masalah Multiple Attribute Decision Making (MADM)
diajukan untuk mencapai optimasi masalah multirespon pada metode Taguchi.
Metode Taguchi menangani/berhubungan dengan masalah 1 dimensi sedangkan
TOPSIS berhubungan dengan masalah multi dimensi.
TOPSIS menganggap bahwa alternatif yang dipilih memiliki jarak terdekat
dari solusi ideal dan jarak terjauh dari negatif solusi ideal. Pendekatan semacam
ini bersifat fungsional dan dapat dipahami. Pendekatan ini hanya menetapkan
bahwa atribut harus berupa angka (dapat diangkakan) dan dibandingkan. Sebagai

Universitas Kristen Petra

 12

contoh, misal sebuah masalah MADM dinyatakan dalam format matriks sebagai
berikut:

X1 X 2 Λ X n
 X11 X12 Λ X1n 
D = A1  X 21 X 22 Λ X 2 n  (2.12)
 X m1 X 2 m Λ X mn 

dimana Ai (i=1,2,…,m) adalah alternatif-alternatif yang mungkin

Xj (j = 1,2,…,n) adalah atribut dimana performa alternatif diukur
Xij= performa alternatif Ai dengan acuan atribut Xj
Menghitung nilai TOPSIS
a) Menghitung nilai matriks keputusan yang telah dinormalisasi,

[ ]
R = rij m×n

X ij
rij = (2.13)
m

∑X
2
ij
i =1

i = 1, 2,.…, m
j = 1,2,…., n

b) Menghitung matriks keputusan normalisasi terbobot,

V = vij[ ] m× n

vij = w j × rij (2.14)

i = 1, 2,.…, m
j = 1,2,…., n
c) Menentukan solusi ideal (Vj+) dan solusi negatif (Vj-)
d) Menghitung ukuran pemisah tiap alternatif terhadap solusi ideal ataupun
solusi negatif

Universitas Kristen Petra

 13

• Ukuran pisah tiap alternatif terhadap solusi ideal

n
Si =
+
∑Vj =1
ij −Vj +

∑ (V +)
n
+
Si =
2
ij (2.15)
j =1

dengan i = 1, 2,3,…n
• Ukuran pisah tiap alternatif terhadap solusi negatif

n
Si − = ∑ (V
j =1
ij − V j −) 2

∑ (V )
n
− − 2
Si = ij (2.16)
j =1

dengan i = 1, 2,3,…n
e) Menghitung nilai kedekatan relatif sebagai nilai TOPSIS

Si−
Ci + = (2.17)
Si+ + Si−

Universitas Kristen Petra