See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/324603371

ANALISIS KUALITAS PRODUK GENTENG DENGAN METODE TAGUCHI

Article · February 2014

CITATIONS READS

0 1,492

1 author:

Muhammad Yusuf
Institut Sains and Teknologi Akprind Yogyakarta
13 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Failure Analysis of Fiber Reinforced Composites View project

All content following this page was uploaded by Muhammad Yusuf on 19 April 2018.

The user has requested enhancement of the downloaded file.

 ANALISIS KUALITAS PRODUK GENTENG DENGAN METODE TAGUCHI

Muhammad Yusuf
Jurusan Teknik Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

ABSTRACT
Consumers are quality elevators because ultimately the consumer who decides
the quality and the ability to select the desired product , so that customer satisfaction is
the practical definition of high quality . Attainment and maintenance of the level of
customer satisfaction with quality products , a factor that determines the health, growth,
and survival of the company.
Taguchi method to overcome these problems in order to perform design of
experiments obtained value level setting tile manufacturing process right , so getting the
printout quality . Thus the approach of this problem is done by using a sturdy design
(robust design) that the principle of quality improvement.
Factors that affect the design quality tile products include: levels of clay , waste
returns , granularyti factors , agalmatolite factors , factors and factor quantity feldspar
charger concent . Setting the level of the process of making the most optimal tile to
minimize product defects in comparison composition , based on the data samples were
obtained before and after the experiment a reduction in average defect from 35% to 22 %
.
Keywords : setting levels , Taguchi , quality , product defects , the control factor .

INTISARI
Konsumen merupakan elevator kualitas karena pada akhirnya konsumen yang
memutuskan suatu kualitas dan memilih dengan kemampuannya produk yang diinginkan,
sehingga kepuasan konsumen merupakan definisi praktis dari kualitas tinggi. Pencapaian
dan pemeliharaan tingkat kepuasan konsumen terhadap kualitas produk, merupakan
faktor yang menentukan kesehatan, pertumbuhan, dan kelangsungan hidup perusahaan.
Metode Taguchi dalam mengatasi masalah tersebut melakukan perancangan
eksperimen agar supaya diperoleh nilai setting level proses pembuatan produk genteng
yang tepat, sehingga mendapatkan hasil cetakan yang berkualitas. Dengan demikian
pendekatan masalah ini dilakukan dengan menggunakan perancangan kokoh (robust
design) yang berprinsip pada peningkatan kualitas.
Faktor-faktor yang berpengaruh dalam perancangan kualitas produk genteng
antara lain : kadar tanah liat, waste return, faktor granularyti, faktor agalmatolite, faktor
charger quantity serta faktor felspar concent. Setting level proses pembuatan genteng
yang paling optimal untuk meminimasi kecacatan produk dalam perbandingan
komposisinya, berdasarkan data penelitian diperoleh sampel sebelum dan sesudah
eksperimen terjadi pengurangan rata-rata cacat dari 35% menjadi 22 %.
Kata kunci : setting level, taguchi, kualitas, cacat produk, faktor kendali.

PENDAHULUAN waktu yang singkat dengan hasil

Proses pembuatan produk
genteng diawali dengan pengolahan
bahan mentah tanah liat, proses
selanjutnya adalah penggilingan,
pada proses ini juga ditambahkan
sedikit pasir laut. Tujuan
penambahan pasir laut adalah supaya
tanah tidak terlalu lembek sehingga
mempermudah proses penggilingan.
Penggilingan berlangsung dalam
berupa tanah liat yang telah tercetak
kotak sesuai dengan ukuran genteng
yang akan dibuat. Tahap berikutnya
pengeringan genteng diletakan di
dalam rak dalam waktu 2 hari dengan
menggunakan sinar matahari.
Pengeringan genteng selanjutnya
berlangsung di dalam tungku.
Pengeringan dalam tungku
berlangsung selama 2 hari atau 48
jam. Pengeringan dilakukan dengan
cara memasukkan genteng ke dalam
tungku kemudian dipanaskan dengan
menggunakan bahan bakar berupa
kayu. Pengeringan ini merupakan
pengeringan tahap akhir.
Pengeringan ini juga sebagai pra
pembakaran. Proses selanjutnya
adalah pembakaran. Pembakaran
berlangsung selama 12 jam dimana
suhu ditingkatkan sampai dengan
kurang lebih 800oC.
Fungsi pengendalian kualitas
ini harus dilaksanakan sebelum
maupun pada saat pekerjaan
pembuatan dilakukan. Kegiatan
pengendalian kualitas merupakan
keseluruhan merupakan kumpulan
aktivitas, dimana untuk mencapai
kondisi produk yang dihasilkan harus
sesuai yang diinginkan oleh
konsumen. Pengendalian kualitas
untuk mencapai produk yang mampu
memenuhi harapan dan memuaskan
keinginan pelanggan diperlukan
perencanaan yang seksama, meliputi
pemakaian peralatan yang sesuai,
inspeksi yang terus menerus dan
tindakan korektif bilamana
diperlukan.
Metode Taguchi dalam
mengatasi masalah tersebut
melakukan perancangan eksperimen
agar supaya diperoleh nilai setting
level proses pembuatan produk
genteng yang tepat, sehingga
mendapatkan hasil cetakan yang
berkualitas. Dengan demikian
pendekatan masalah ini dilakukan
dengan menggunakan perancangan
kokoh (robust design) yang
berprinsip pada peningkatan kualitas.
TINJAUAN PUSTAKA
Metode taguchi adalah salah
satu metode yang digunakan dalam
kegiatan off line quality control pada
tahap desain proses produksi, yang
dimaksud dengan off line quality control
adalah aktivitas pengendalian kualitas
dalam perancangan produk, atau
dengan kata lain off line quality control
adalah pengendalian secara preventif,
dilakukan pada saat awal untuk
menghasilkan produk dengan kualitas
tinggi.
Genichi Taguchi menekankan
tiga pendekatan dalam proses
perancangan kualitas (Belavendram,
1995) sebagai berikut :
1. System design, yaitu tahap
konseptual pada pembuatan
produk atau inovasi proses.
2. Parameter design, yaitu suatu fase
yang penting untuk
mengidentifikasikan setting atau
proses dari produk dan parameter
yang dapat mengurangi adanya
variansi karena memiliki kepekaan
dalam teknik perancangan
3. Tolerance design, yaitu suatu fase
untuk menambah kualitas produk
dengan membatasi toleransi pada
proses atau parameter dari produk
untuk mengurangi variansi, karena
pada saat toleransi dipersempit,
variansi dapat dikurangi sehingga
dapat meningkatkan kualitas
meskipun diperlukan biaya yang
cukup banyak.
Dalam melaksanakan
perancangan kualitas diperlukan data
yang berkaitan dengan proses
pembuatan produk dan faktor–faktor
yang berpengaruh untuk menentukan
rancangan pelaksanaan eksperimen
yaitu :
a. Faktor terkendali, yaitu parameter
yang nilainya dapat dikontrol oleh
ahli rekayasa desain.
b. Faktor tak terkendali (noise), yaitu
parameter yang nilainya sulit atau
mahal untuk dikendalikan.
c. Faktor signal, yaitu parameter-
parameter yang berupa signal. Jika
signal konstan disebut karakteristik
statis dan jika signal mempunyai
nilai berubah-ubah disebut
karakterisrik dinamis. Faktor ini tidak
diatur oleh ahli rekayasa desain
melainkan oleh pengguna
 berdasarkan kondisi yang ada pada
saat itu.
d. Faktor skala (adjustment factors),
yaitu faktor yang berupa skala.
Pada gambar 1 menunjukkan
hubungan antara faktor terkendali, faktor
tidak terkendali, faktor signal, dan
responnya yang mempengaruhi
karakteristik kualitas suatu produk.

Faktor terkendali

Faktor signal (m) Y = f(x,m,z) Respon (y)

Faktor tidak terkendali (z)

Gambar 1. Faktor perancangan kualitas

Dalam menentukan faktor-faktor berubah dari eksperimen yang pertama

yang berpengaruh dalam eksperimen
beserta setting level ada beberapa hal
yang harus dipertimbangkan antara lain
: berbeda memiliki keseimbangan dan
a. Factor levels, merupakan jumlah
level atau atribut yang diberikan
oleh faktor yang berpengaruh
dalam eksperimen.
b. Number of factor levels, faktor
kualitatif selalu dilakukan dalam
eksperimen sedangkan untuk faktor
kuantitatif biasanya juga meskipun
penentuan sulit.
c. Range of factor levels, semakin
luas range yang digunakan dalam
eksperimen, maka kemungkinan
ditemukannya efek dari faktor yang
ada dalam penentuan karakteristik
kualitas akan semakin baik.
d. Feasibility of factor levels, bahwa
pertimbangan yang penting dalam
memilih level untuk tiap faktornya
adalah apakah level yang dipilih
memungkinkan atau dapat
dijalankan dalam membuat
kombinasi eksperimen.
1. Orthogonal arrays
Orthogonal arrays adalah
angka-angka dari suatu matrik yang
diatur dalam baris dan kolom, kolom
mewakili faktor spesifik yang dapat
sampai dengan eksperimen selanjutnya,
susunan matriknya disebut orthogonal
karena level pada faktor-faktor yang
dapat dipisahkan dari pengaruh faktor
lain dalam eksperimen. Orthogonal
arrays dapat diartikan sebagai matrik
keseimbangan dari faktor dan levelnya
selama pengaruh dari satu faktor atau
levelnya tidak dibaurkan dengan
pengaruh dari faktor atau level lainnya.
Notasi dapat dituliskan sebagai berikut :
 
Lx N y
Keterangan :
L = menunjukkan latin squares
(matrik yang diatur dengan
seimbang yang dibutuhkan
untuk eksperimen statistik)
x = menunjukkan jumlah baris
N = menunjukkan jumlah level
y = menunjukkan jumlah kolom
Taguchi hanya menyediakan
dua macam orthogonal arrays dasar,
yaitu orthogonal arrays dengan faktor-
faktornya yang mempunyai dua level
dan orthogonal arrays dengan faktor-
faktornya yang mempunyai tiga level.
Bilamana orthogonal arrays yang siap
pakai tidak tersedia maka perlu
dilakukan modifikasi.
2. Analisa Variansi diklasifikasikan dalam skala diskret.
Analisa variansi adalah suatu Biasanya data-data tersebut
metode yang membagi variansi menjadi merupakan penilaian dari tidak
sumber variansi yang dapat adanya kecacatan, sedikit
diidentifikasikan dan merupakan kecacatan, banyak kecacatan
pengumpulan derajat kebebasan dalam (none/some/severe) atau kategori
eksperimen. Data-data yang diambil, (good/fair/bad)
baik data kondisi sebenarnya maupun c. Digital, yaitu suatu data yang
data hasil eksperimen dalam robust memiliki nilai 0 atau 1.
design dapat dibedakan menjadi tiga
tipe yaitu : PEMBAHASAN
a. Variabel, yaitu data yang dapat Kondisi awal berfungsi untuk
dipertanggungjawabkan selama mendapatkan informasi dari keadaan
pengukuran dalam skala yang sebenarnya di perusahaan yang
kontinu. mencakup kondisi permasalahan,
b. Atribut, yaitu data dari eksperimen kondisi proses produksi dan kondisi
yang mempunyai karakteristik yang lingkungan kerja, diperoleh data sebagai
bukan kontinu tetapi dapat berikut :

Tabel 1 Data kondisi awal

No Percobaan Hasil
Defect Total
1 2 3 4 5 6 7 8 9 10 Cacat Baik
Unit 4 3 4 3 5 3 3 4 3 3 35 69 100

Sebelum melakukan
perhitungan persentase kecacatan USL  LSL 32  26
produk dan signal to noise ratio, produk Cp    1.01
atau prosesnya terlebih dahulu 6 5.964
dilakukan perhitungan indeks 35
kemampuan prosesnya atau capability % defect  x 100  35%
process (CP) sebagai berikut :
100
Perhitungan signal to noise ratio
untuk mengetahui variansi yang timbul
dapat dilihat pada tabel 2 dibawah ini.

Tabel 2 Perhitungan signal to noise ratio

No Percobaan
Defect Mean 
1 2 3 4 5 6 7 8 9 10
Unit 4 3 4 3 5 3 3 4 3 3 3.5 0.994

Dengan hasil dari tabel 2 dapat dicari Data Eksperimen

signal to noise ratio pada kondisi Eksperimen yang dilakukan
sebenarnya sebagai berikut : terdiri dari delapan kali percobaan dan

snSTB   10 Log  y   2 
2 dari setiap percobaan dilakukan
sebanyak 20 kali, hasil dari eksperimen
 
yang telah dilaksanakan dapat dilihat
  10 Log 10.599 pada tabel 3 dibawah ini.
  10.253 dB
 Tabel 3 Orthogonal arrays dan hasil eksperimen
Faktor Tidak Terkendali
HxI 1 1 2 2
I 1 2 2 1
Faktor Terkendali H 1 2 1 2
NO A B AxB C AxC BxC D R1 R2 R3 R4
1 1 1 1 1 1 1 1 0 1 2 1
2 1 1 1 2 2 2 2 2 1 1 1
3 1 2 2 1 1 2 2 2 3 2 1
4 1 2 2 2 2 1 1 1 1 1 0
5 2 1 2 1 2 1 2 3 2 2 2
6 2 1 2 2 1 2 1 1 3 2 4
7 2 2 1 1 2 2 1 1 0 2 2
8 2 2 1 2 1 1 2 2 2 3 2

Kondisi eksperimen berfungsi untuk terbaiknya (tabel 5) dapat mengurangi

mendapatkan informasi dari keadaan kecacatan, diperoleh data sebagai
setelah dilakukan eksperimen penelitian berikut
(tabel 4) sehingga kombinasi level

Tabel 4 Data Eksperimen

Defect No Percobaan Produk Produk
1 2 3 4 5 6 7 8 9 10 baik cacat
Unit 2 2 3 2 2 1 2 2 3 3 78 22

Tabel 5 Kombinasi level terbaik

A B AxB C AxC BxC D Produk baik Produk cacat Total

1 2 1 2 2 1 1 78 22 100

Perhitungan signal to noise ratio membandingkan dengan kondisi

dihitung untuk mendapatkan variansi sebenarnya di perusahaan seperti pada
yang terjadi pada setting level optimal tabel 6,
dan dapat digunakan untuk
,
Tabel 6 Perhitungan signal to noise ratio konfirmasi
Defect No Percobaan Mean 
1 2 3 4 5 6 7 8 9 10
Unit 2 2 3 2 2 1 2 2 3 3 2.2 0.632

Setelah diketahui nilai rata-rata Analisis Variansi

kecacatan produk dan standar 1. Menghitung nilai respon untuk
deviasinya, maka dapat dihitung signal masing-masing percobaan.
0 1 2 1
 
to noise ratio sebagai berikut :
2 yi  1
sn STB   10 Log y   2
4
Dengan cara yang sama untuk
sn STB   10 Log 5.239   7.193 dB
masing-masing percobaan, maka
diperoleh nilai responnya pada
tabel 7 dibawah ini.
 Tabel 7 Nilai respon tiap percobaan
Faktor Terkendali
NO A B AxB C AxC BxC D Nilai
1 1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2 1,25
3 1 2 2 1 1 2 2 2
4 1 2 2 2 2 1 1 0,75
5 2 1 2 1 2 1 2 2,25
6 2 1 2 2 1 2 1 2,5
7 2 2 1 1 2 2 1 1,25
8 2 2 1 2 1 1 2 1,75

2. Menghitung nilai rata-rata total, 3. Membuat tabel respon untuk nilai

y
 yi rata-ratanya.
1.00  1.25  2.00  0.75
n A1 
4
0  1  2  1  ...  2
y A1  1.25
32
97 Dengan cara perhitungan yang
y  3.03 sama untuk masing-masing faktor
32
dan levelnya, maka diperoleh nilai
respon dari efek faktor seperti pada
tabel 8 dan tabel 9 dibawah ini.

Tabel 8 Tabel respon dari efek faktor

A B AxB C AxC BxC D
Level 1 1.25 1.75 1.31 1.62 1.81 1.44 1.38
Level 2 1.94 1.44 1.88 1.56 1.38 1.75 1.81

Tabel 9 Interaksi faktor AxB dan AxC

Interaction 1 2 1 2

1 3 .5 .0
1 2 7 0 0
5 5 0 0

.3 .5 .7 .1
2 7 0 5 2
5 0 0 5

Dari tabel interaksi 9 dapat paling berpengaruh adalah faktor

diketahui bahwa dari interaksi A1B1 A1B1 dan A1C2. Sedangkan untuk
dan A1C2 dengan rata-rata interaksi antara B dan C dapat
kecacatan yang paling rendah dan dilihat pada tabel 10 dibawah ini.
 Tabel 10 Interaksi faktor B dan C
Interaction C1 C2
B1 1.625 1.875
B2 1.625 1.25

Dari tabel 5.8, dapat diketahui Dengan diperoleh nilai respon

bahwa interaksi antara B dan C masing-masing faktor dan
yang memiliki rata-rata kecacatan interaksinya, maka dapat dibuat
paling rendah dan berpengaruh grafik respon dalam eksperimen
adalah faktor B pada Taguchi seperti pada gambar 2
level 2 dan faktor C pada level 2. dibawah ini.

Grafik Respon

2,5
Rata-rata kecacatan

2
1,5 Level 1
1 Level 2
0,5
0
A B AxB C AxC BxC D
Faktor

Gambar 2 Grafik respon rata-rata kecacatan produk

Dari gambar 2 dapat diterlihat =11.77

bahwa untuk level 1 yang 2 2
SB=16x(1.75) +16x(1.44) -73.45
mempunyai rata-rata kecacatan
=8.73
yang lebih tinggi adalah faktor B 2 2
dan AxC, sedangkan untuk SAxB=16x(1.31) +16(1.88) -73.45
level 2 yang mempunyai rata-rata =10.56
kecacatan yang lebih tinggi adalah 2 2
SC=16x(1.62) +16x(1.56) -73.45
faktor A, D, faktor interaksi AxB dan
=7.48
interaksi antara faktor BxC. 2 2
4. Menghitung the total sum of squares SAxC=16x(1.81) +16x(1.38) -73.45
dengan menggunakan rumus =9.44
sebagai berikut : 2 2
SBxC=16x(1.44) +16x(1.75) -73.45
ST   yi2 =8.73
2 2
 02  12  22  ...  22 SD=16x(1.88) +16x(1.81) -73.45
=9.44
 115
5. Menghitung the sum of squares due
7. Menghitung the mean sum of square,
to error dengan menggunakan rumus
11.77
: MA   11.77
Sm  n y
2 1
8.73
 8 3.03  73.45
2 MB   8.73
1
6. Menghitung the sum of squares
7.48
untuk masing-masing faktor,
2 2
MC   7.48
SA=16x(1.25) +16x(1.94) -73.45 1
 9.44 SAxB’ = 10.56 - 1 (0.16) =10.40
MD   9.44 SAxC’ = 9.44 - 1 (0.16) = 9.28
1 SD’ = 9.44 - 1 (0.16) = 9.28
9.44 10. Menghitung persen kontribusi,
MAxC   9.44
1 11.61
A  x100%  27.94
10.56 41.45
MAxB   10.56
1 10.40
 AxB  x100%  25.03
8.73 41.45
MBxC   8.73
1 9.28
 AxC  x100%  22.33
8. Menentukan pooling faktor yang tidak 41.45
penting.
9.28
Pooling dilakukan dengan melihat D  x100%  22.33
nilai terkecil dari Mq, jadi faktor 41.45
yang di pooling adalah faktor B, C, 11. Membuat tabel analisis variansi
dan BxC. hasil perhitungan diperoleh,
9. Menghitung the pure sum of square,
SA’ = 11.77 - 1 (0.16) =11.61

Tabel 11 Analisis variansi

Faktor Pool Sq v Mq Sq' %
A 11,77 1 11,77 11,61 27,94
B Y 8,73 1 8,73
AxB 10,56 1 10,56 10,4 25,03
C Y 7,48 1 7,48
AxC 9,44 1 9,44 9,28 22,33
BxC Y 8,73 1 8,73
D 9,44 1 9,44 9,28 22,33
e Y 48,89 24 2,04
Pooled e 4,34 27 0,16 2,37
St 41,55 31 2,89 100
Mean 73,45
ST 115

Sebelum menghitung confidence

interval predicted (interval
  
 predicted  y  A2  y  A2 xB1  y 
kepercayaan prediksi), maka  A 2C 2  y   D 2  Y 
terlebih dahulu menentukan the
=A2+A2xB1+A2C2+D2-XY
predicted process mean untuk
faktor-faktor yang penting yang =1.94+2.375+2.125+1.81-
diketahui dari perhitungan analisa 2(3.03)
variansi yaitu faktor A, AxB, AxC =2.19
dan D. Dengan Interval kepercayaan prediksi
mempertimbangkan tabel respon merupakan perkiraan interval antara
untuk efek faktor dapat ditentukan dua nilai statistik dengan tingkat
level yang menghasilkan hasil probabilitas tertentu dimana nilai
terbaik yaitu faktor A2, yang sebenarnya dari suatu
A2 x B1, A2xC2 dan D2, maka parameter berada didalamnya.
perhitungan the predicted process Confidence interval perkiraannya
mean adalah: dapat dihitung dengan rumus
sebagai berikut :
  1   predicted  CI   predicted   predicted  CI
CI  F , v1.v1 x Ve x  
 neff  2.19  0.29   predicted  2.19  0.29
1.90   predicted  2.48
1 
CI  F0.05;,1, 28 x 0.16 x    0,29dB
8  Dengan jumlah replikasi sebanyak
20 kali, maka perhitungan signal to
Sehingga interval kepercayaan noise ratio dapat diperoleh pada
prediksinya dapat dihitung sebagai tabel 12 dibawah ini.
berikut :

Tabel 12 Perhitungan signal to noise ratio

Eks A B AxB C AxC BxC D S/N ratio
1 1 1 1 1 1 1 1 -1.76
2 1 1 1 2 2 2 2 -2.43
3 1 2 2 1 1 2 2 -6.53
4 1 2 2 2 2 1 1 1.25
5 2 1 2 1 2 1 2 -7.20
6 2 1 2 2 1 2 1 -8.75
7 2 2 1 1 2 2 1 -3.52
8 2 2 1 2 1 1 2 -6.28

Pemilihan level terbaik yaitu diketahui ranking dari signal to noise

level yang mempunyai rata-rata signal ratio masing-masing level pada tabel 13
to noise ratio yang tinggi, maka dapat dibawah ini.

Tabel 13 Ranking nilai respon signal to noise ratio

A B AxB C AxC BxC D
Level 1 -2.37 -5.04 -3.50 -4.75 -5.83 -3.50 -3.20
Level 2 -6.44 -3.77 -5.31 -4.05 -2.98 -5.31 -5.61
L1-L2 4.07 1.28 1.81 0.70 2.85 1.81 2.41
Ranking 1 6 4 7 2 4 3

Dengan memperhatikan hasil a. Faktor Lime content yang digunakan

tabel 5.11 untuk memilih nilai signal to sebesar 5 % agar genteng semakin
noise ratio yang lebih besar untuk kuat.
masing-masing levelnya, maka b. Faktor granularity digunakan adalah
penentuan setting level terbaik fine.
diprioritaskan pada level-level faktor c. Faktor agalmatolite yang digunakan
yang mempunyai pengaruh yang besar sebesar 43%.
dalam mengurangi variansi karakteristik d. Faktor galmatolite type yang
kualitas. Sehingga pemilihan setting digunakan adalah cheaper mixture.
level terbaiknya pada tabel 14 dibawah e. Faktor charge quantity sebesar
ini. 1200 kg.
Tabel 14 Hasil setting level terbaik f. Faktor waste return sebesar 0%.
A B A C A B D g. Faktor feldspar concent 0 %.
x x x
B C C Perbandingan Sebelum dan Sesudah
Level 1 2 1 2 2 1 1 Optimasi
Tabel perbandingan nilai rata-
Sehingga setting level optimal hasil rata kecacatan produk dan standar
eksperimen adalah sebagai berikut : deviasinya untuk sebelum dan sesudah
optimisasi yang diperoleh dari tabel 1
dan 6 untuk sampel sebanyak 100 dapat b. Adanya setting level optimal hasil
dilihat pada tabel 15 dibawah ini. eksperimen kualitas produk genteng
semakin baik.
Tabel 15 Perbandingan sebelum dan
sesudah optimisasi DAFTAR PUSTAKA
Sebelum Sesudah Belavendram, N., 1995, Quality By
optimisasi optimisasi Design, Taguchi Technics for
Rata-rata Industrial Experimentation, First
3.5 2.2 Edition, Prentice Hall, London
cacat
Standar Dougles C. Montgomery, 1990,
0.994 0.632 Introduction to Statistical Quality
deviasi
Mean Control, Jhon Wiley & Sond Inc,
square Washington
10.599 5.239 Montgomery, Douglas C., 1991, Design
deviation
(MSD) and Analysis of Experiments, Third
Edition, Mc Graw-Hill, New York
KESIMPULAN Ross, Philip J, 1996, Taguchi
Hasil penelitian dapat disimpulkan Techniques for Quality
berdasarkan evaluasi kerugian kualitatif Engineering, Second Edition, Mc
karena adanya variansi adalah sebagai Graw-Hill, New York.
berikut : Taguchi, Genichi, 1989, Quality
a. Berdasarkan data penelitian Engineering in Production
diperoleh dari sampel sebelum dan Systems, Mc Graw-Hill Book
sesudah eksperimen terjadi Company, Singapura.
pengurangan rata-rata cacat dari
35% menjadi 22 %
 Biodata Penulis
Muhammad Yusuf, Ir., MT. dilahirkan di Yogyakarta tanggal 14 Oktober 1964.
Menyelesaikan studi S1 tahun 1994 di jurusan Teknik dan Manajemen Industri
Universitas Islam Indonesia Yogyakarta. Menyelesaikan Studi S2 tahun 2006 di Jurusan
Teknik Industri bidang Rekayasa Kualitas Institut Teknologi Sepuluh Nopember
Surabaya. Saat ini bertugas sebagai tenaga pengajar di Jurusan Teknik Industri Institut
Sains & Teknologi AKPRIND Yogyakarta. Email : yusuf@akprind.ac.id

View publication stats