Optimasi Jaringan Akses Fiber To The Home Dengan Menggunakan Metode Multiresponse Surface Dan Desirability Function Di PT.TKM

(1)

E-ISSN:2549-1601X Technology Science and Engineering Journal, Volume 1 No 3 November 2017 ISSN: 2549-1601

157

Optimasi Jaringan Akses Fiber To The Home Dengan Menggunakan

Metode Multiresponse Surface Dan Desirability Function Di PT.TKM

Aryantini, Bobby Oedy P. Soepangkat

Program Studi Magister Manajemen Teknologi ITS Surabaya Jl.Cokroaminoto 12A, Surabaya, 60264

ni.luh15@mhs.mmt.its.ac.id, Bops_1994@me.its.ac.id

ABSTRAK

Teknologi serat optik merupakan teknologi baru yang dapat memberikan solusi untuk memenuhi kebutuhan akan akses internet. Dua critical-to-quality characteristics (CTQs) yang cukup penting pada proses transmisi sinyal pada jaringan FTTH adalah link power budget (LPB) dan rise time budget (RTB). Spesifikasi dari LPB adalah -27 dBm sampai dengan -9 dBm, sedangkan spesifikasi dari RTB adalah 0 ns sampai dengan 1 ns. Hasil dari analisis kemampuan proses dan peta kendali x̄ dan R dengan menggunakan pengaturan saat ini, menunjukkan bahwa proses transmisi sinyal di jaringan FTTH dengan CTQs atau respon LPB dan RTB adalah sudah terkendali namun belum memenuhi spesifikasi.

Agar kedua CTQs tersebut dapat memenuhi spesifikasinya, perlu dilakukan penyesuaian terhadap parameter-parameter penting dari jaringan FTTH, yaitu daya pancar (Dp), panjang gelombang (Pg) dan attenuation (At), dengan melakukan optimasi. Pada penelitian ini, perancangan percobaannya menggunakan metode response surface, sedangkan untuk optimasinya menggunakan fungsi desirability. Variabel respon yang diamati pada percobaan ini adalah CTQs dari jaringan FTTH, yaitu LPB dan RTB. Faktor-faktor yang divariasikan adalah parameter teknis FTTH, yaitu Dp, Pg dan At. Penelitian ini juga menghitung penurunan biaya kerugian menggunakan Taguchi loss function.

Optimasi menghasilkan nilai LPB sebesar -17,875 dBm dan RTB sebesar 0,4993 ns. Pengaturan level-level dari parameter teknis FTTH yang menghasilkan LPB dan RTB yang optimal adalah Dp sebesar 1 dBm, Pg sebesar 1540 nm dan At sebesar 12,2 dB. Penurunan biaya kerugian total adalah sebesar Rp 88.056/SSL atau 83% dari biaya kerugian sebelum dilakukan optimasi.

Kata kunci: Desirability, link power budget, rise time budget, responce surface. A.PENDAHULUAN

Seiring era globalisasi yang semakin berkembang, masyarakat dituntut untuk memperoleh informasi baru secara cepat dan akurat. Hal itu berdampak pada kebutuhan masyarakat akan teknologi telekomunikasi dan bandwith yang semakin tinggi. Teknologi serat optik yang memberikan solusi untuk permasalahan bandwidth adalah fiber to the home (FTTH).Sistem komunikasi serat optik secara umum dimulai dari pemancar yang berfungsi sebagai sumber pengirim informasi, selanjutnya detektor sebagai penerima informasi dan media transmisi sebagai sarana untuk melewatkannya.Teknologi FTTH ini telah digunakan oleh beberapa perusahaan telekomunikasi, salah satunya adalah PT. TKM.Perusahaan ini merupakan penyedia layanan dan jaringan telekomunikasi terbesar di Indonesia.

Dua CTQs yang cukup penting dari jaringan FTTH adalah link power budget (LPB) danrise time budget (RTB). Menurut International Telecommunication Union (2009), link power budget (LPB) adalah total daya dari link serat optik dan rise time budget (RTB) adalah total waktu dispersi dari link serat optik. Hasil dari peta kendali x̄ dan R dengan menggunakan pengaturan saat ini, menunjukkan bahwa proses transmisi sinyal di jaringan FTTH dengan CTQs atau respon LPB dan RTB adalah sudah terkendali. Hasil analisis kemampuan proses pada proses transmisi sinyal dengan CTQs atau respon LPB dan RTB adalah belum memenuhi spesifikasi. Spesifikasi nilai LPB adalah minimal -27 dBm dan maksimal -9 dBm, sedangkan spesifikai rise time budget (RTB) minimal adalah 0 ns dan maksimal adalah 1 ns.Agar kedua CTQs tersebut dapat memenuhi spesifikasinya, perlu dilakukan penyesuaian terhadap parameter-parameter penting dari jaringan FTTH, yaitu daya pancar (Dp), panjang gelombang (Pg) dan attenuation (At), dengan melakukan optimasi.

(2)

158

Pada penelitian ini, perancangan percobaannya menggunakan metode response surface.Penelitian tentang optimasirespon LPB dan RTB pada jaringan FTTH belum pernah dilakukan, tetapi RSM telah digunakan pada beberapa penelitian. Kung dan Chiang (2008) menggunakan RSM pada penelitiannya untuk memodelkan dan menganalisis kemampuan mesin wire electrical discharge machining (WEDM) pada proses pemotongan oxide-based ceramic. Tzeng and Yang (2008) mengimplementasikan RSM untuk menentukan parameter yang optimal pada proses bubut pada mesin SKD11. Chuang dkk. (2009) menggunakan RSM untuk menentukan parameter yang optimal pada proses injection moulding.

Berdasarkan hal-hal yang telah dijelaskan, maka akan dilakukan penelitian untuk menentukan level-level dari faktor-faktor jaringan FTTH agar dapat memenuhi spesifikasi.Pada penelitian ini, metode response surface digunakan untuk perancangan percobaan optimasi sedangkan untuk optimasinyaakan digunakan fungsi desirability. Variabel respon pada percobaan ini adalah LPB dan RTB. Faktor-faktor yang divariasikanadalah daya pancar (Dp), panjang gelombang (Pg) dan attenuation (At). Pada penelitian ini, dihitung juga penurunan biaya kerugian menggunakan persamaan Taguchi loss function.Setelah dilakukan optimasi terhadap parameter teknis dari jaringan FTTH, diharapkan kedua CTQs tersebut dapat sesuai dengan spesifikasi dan dapat mengurangi biaya kerugian yang terjadi.

B. TINJAUAN PUSTAKA

Desain eksperimen memerlukan tahapan-tahapan penting agar mengarah dan mengena pada hasil yang diharapkan oleh peneliti. Langkah-langkah untuk melakukan eksperimen diantaranya (Montgomery, 2009): identifikasi masalah, penentuan respon, penentuan faktor dan level, penentuan metode desain eksperimen, pelaksanaan percobaan, analisis data, penentuan suatu keputusan.

RSM adalah sekumpulan teknik matematika dan statistika yang berguna untuk menganalisis permasalahan tentang variabel bebas atau variabel proses yang mempengaruhi variabel tak bebas atau respon. Tujuan RSM adalah untuk mengoptimumkanrespon dan mendapatkan hasil optimum secara tepat dan efisien (Montgomery, 2009).Pada RSM, variabel bebas didefinisikan sebagai X1, X2, ..., XK dan diasumsikan sebagai variabel kontinyu, sedangkan respon didefinisikan sebagai variabel tak bebas Y (Montgomery, 2009).

Menurut Wu dan Hamada (2000), rancangan percobaan yang umum digunakan adalah central composite design (CCD) dan Box-Behnken Design (BBD). Rancangan percobaan pada penelitian ini menggunakan metode BBD.Metode ini dikembangkan olehBox dan Behnken untuk percobaan orde dua. Rancangan BBD hanya dapat diterapkan pada percobaan yang memiliki minimal 3 faktor, dengan elemen penyusunnya sebagai berikut:

1. Rancangan 2k_faktorial_{incomplete block design}_{, dimana k adalah banyaknya faktor, yaitu} percobaan pada titik (0, ±1..., ±1), (±1, 0..., ±1), (±1, ±1..., 0).

2. Center runs (nc), yaitu percobaan pada titik pusat (0, 0..., 0), dimana jumlah center runs

minimal 3 untuk berbagai jumlah faktor k

Analisis statistik hasil percobaan terdiri dari analisis regresi, penyusunan model regresi, pengujian model dan optimasi dengan menggunakan fungsi desirability. Perumusan model regresi menggunakan orde dua karena bersifat lebih fleksibel dibandingkan orde pertama (Wu dan Hamada, 2000). Persamaan regresi orde dua ditampilkan pada persamaan 1.

y =0 +



 k i 1 ixi+



 k i 1 ii +



   k i k j 1 1 1 ijxixj +  (1)

Pengujian model statistik dilakukan dengan uji kecukupan model, uji koefisien regresi, dan uji asumsi residual. Hasil pemodelan yang telah melalui beberapa uji tersebut, kemudian akandioptimasi dengan fungsi desirability. Secara umum persamaan dari fungsi desirability adalah D=(d1 d2 … dm)1/m. (Montgomery, 2009). Optimasi untuk respon LPB dan RTB memiliki tujuan nominal- the- best. Tujuan nominal-the-best adalah mengharapkan nilai respon berada di target (Ti) antara Li dan Ui dengan definisi d sebagai berikut:

(3)

159 di = 0 yî<Li di = i i i i i L T L y            ˆ Li yˆ i Ti di = i i i i i T U y U            ˆ Ti yˆ i Ui (2) di = 0 yî< Li atau yî>Ui

Pada penelitian ini, perhitungan biaya kerugian menggunakan persamaan Taguchi loss function.Tujuan dari quality loss function adalah mengevaluasi kerugian kualitas secara kuantitatif yang disebabkan adanya variansi.Taguchi loss function merumuskan hubungan antara kualitas dengan biaya kerugian sesuai dengan yang ditunjukkan pada Tabel 1.

Tabel 1. Rumus Taguchi loss function

Karakteristik Kualitas Kerugian pada tiap produk Kerugian rata-rata per produk dalam distribusi

Higher-is-better L = k(1/y2) L = k( ) 1+ ]

Nominal-is-best L = k(y m)2 _{L = k [} _m)2_]

Lower-is-better L = k(y2₎ _{L = k [} ₎2_]

C.METODOLODI

Identifikasi masalah dilakukan dengan pengamatan secara langsung ke perusahaan untuk mengetahui proses dan kondisi riil perusahaan. Dari pengamatan tersebut didapat identifikasi permasalahan yang terjadi, terutama pada proses transmisi sinyal dari server sampai kepada pelanggan.Variabel respon yang diamati pada penelitian ini adalah CTQs pada proses transmisi sinyal pada jaringan FTTH, yaitu LPB dan RTB. Pada penelitian ini, variabel respon LPB sebagai y1 dan variabel respon RTB sebagai y2. Faktor-faktor yang diubah pada penelitian ini adalah parameter teknis jaringan FTTH, yaitu daya pancar (Dp), panjang gelombang (Pg) dan attenuation (¬¬¬At). Untuk penentuan level faktor, digunakan level atas dan level bawah yang diprediksi dapat mencakup level faktor yang menghasilkan nilai respon optimal. Faktor dan level faktor yang digunakan pada penelitian ini disajikan dalam Tabel 2 berikut ini:

Tabel 2. Penentuan Level Faktor

No Faktor Level bawah

(-1) Level tengah (0) Level atas (+1) 1 Daya pancar (x1) 1 dBm 3 dBm 5 dBm 2 Panjang gelombang (x2) 1430 nm 1490 nm 1550 nm 3 Attenuation (x3) 12 dB 15 dB 18 dB

Perancangan percobaan dilakukan dengan menggunakan program Minitab 16 dan menghasilkan 15 kombinasi percobaan berdasarkan rancangan Box-Benken yang ditampilkan pada Tabel 3.

(4)

160

Tabel 3. Rancangan Percobaan Box-Behnken.

StdOrder RunOrder Pengkodean Tanpa Pengkodean

x1 x2 x3 x1 x2 x3 3 1 -1 1 0 1 dBm 1550 nm 15 dB 8 2 1 0 1 5 dBm 1490 nm 18 dB 12 3 0 1 1 3 dBm 1550 nm 18 dB 10 4 0 1 -1 3 dBm 1550 nm 12 dB 1 5 -1 -1 0 1 dBm 1430 nm 15 dB 5 6 -1 0 -1 1 dBm 1490 nm 12 dB 11 7 0 -1 1 3 dBm 1430 nm 18 dB 14 8 0 0 0 3 dBm 1490 nm 15 dB 13 9 0 0 0 3 dBm 1490 nm 15 dB 2 10 1 -1 0 5 dBm 1430 nm 15 dB 7 11 -1 0 1 1 dBm 1490 nm 18 dB 6 12 1 0 -1 5 dBm 1490 nm 12 dB 15 13 0 0 0 3 dBm 1490 nm 15 dB 4 14 1 1 0 5 dBm 1550 nm 15 dB 9 15 0 -1 -1 3 dBm 1430 nm 12 dB

D.HASIL DAN PERCOBAAN

Pelaksanaan percobaan dilakukan dengan memvariasikan parameter-parameter proses yang terdapat pada proses transmisi sinyal di jaringan FTTH, yaitu daya pancar(Dp), panjang gelombang (Pg) dan attenuation (At). Data hasil percobaan ditunjukkan pada Tabel 4 berikut ini:

Tabel 4.Rancangan Percobaan Box-Behnken.

StdOrder Dp (dBm) Pg (nm) At (dB) LPB (dBm) RTB (ns) 3 -1 1 0 -17,951 0,46 8 1 0 1 -17,831 _0,33 12 0 1 1 -16,661 0,48 10 0 1 -1 -14,98 _0,62 1 -1 -1 0 -19,451 _0,33 5 -1 0 -1 -19,501 _0,30 11 0 -1 1 -17,821 _0,21 14 0 0 0 -17,011 0,14 13 0 0 0 -17,271 0,15 2 1 -1 0 -17,931 _0,38 7 -1 0 1 -19,671 _0,19 6 1 0 -1 -16,041 0,48 15 0 0 0 -16,811 0,16 4 1 1 0 -15,451 0,69 9 0 -1 -1 -17,700 0,36

(5)

161 E. ANALISIS STATISTIK HASIL PERCOBAAN

Salah satu teknik yang digunakan untuk menganalisis dampak faktor terhadap suatu respon adalah

analisys of variance (ANOVA) yang merupakan teknik analisis secara kuantitatif. ANOVA juga digunakan untuk mengestimasi kontribusi pengaruh dari setiap variabel proses terhadap variabel respon. Tabel 5 menunjukkan bahwa regresi, linier, kudratik dan interaksi memberikan pengaruh yang signifikan terhadap respon.Secara umum keseluruhan model berpengaruhsignifikan secara statistik terhadap respon dan tidak ada lack of fit pada model.Semua koefisien determinasi R2yang ditunjukkan pada Tabel 5 bernilai lebih dari90% sehingga kecukupan model untuk kedua respon terpenuhi.

Tabel 5. Nilai P ANOVA

Keterangan LPB RTB Regresi 0,000 0,000 Linear 0,000 0,000 Kuadratik 0,002 0,000 Interaksi 0,024 0,017 Lack of fit 0,460 0,190 R2 _98,84% _99,62%

Tabel 6 menunjukkan bahwa tidak semua koefisien berpengaruh signifikan terhadap model, diantaranya kuadrat At (x3*x3) dan interaksi antara Dp dengan Pg (x1*x2) terhadap respon LPB, serta interaksi antara Dp dengan At(x1*x3) dan interaksi antara Pg dengan At (x2*x3) untuk respon RTB.

Tabel 6. Nilai Estimasi Koefisien Regresi untuk LPB dan RTB

Ket LPB RTB

Term Coef P Coef P

Constant -17,031 0,000 0,15 0,000 x1 1,165 0,000 0,075 0,000 x2 0,9825 0,000 0,12125 0,000 x3 -0,4703 0,003 -0,0688 0,000 x1*x1 -1,0677 0,000 0,11125 0,000 x2*x2 0,4027 0,027 0,20375 0,000 x3*x3 -0,1623 0,27 0,06375 0,001 x1*x2 0,245 0,109 0,045 0,004 x1*x3 -0,405 0,023 -0,01 0,304 x2*x3 -0,39 0,027 0,0025 0,786

Setelah melakukan beberapa pengujian, maka ditentukan modelmatematis yang menunjukkan pengaruh faktor Dp(x1), Pg(x2), At(x3) terhadap respon LPB (y ̂_LPB) dan RTB (y ̂_RTB). Model matematis tersebut ditunjukkan pada persamaan berikut ini:

(3)

(6)

162

Plot yang dihasilkan dari pemodelan untuk respon LPB berturut-turut ditampilkan pada Gambar 1 dan 2, sedangkan untuk respon RTB berturut-turut ditampilkan pada Gambar 3 dan 4.. Plot yang digunakan adalah surface plot dan contour plot, dimana kedua plot tersebut berfungsi untuk menunjukkanpengaruh faktor-faktor terhadap respon.

Gambar 1.Surface Plot LPB Gambar 2.Contour Plot

Plot pada Gambar 1 dan 2menunjukkan bahwa penurunan attenuation(x3)serta kenaikan daya pancar(x1)dan panjang gelombang(x2), menyebabkan terjadinya kenaikan pada nilai LPB dan kebalikannya.

Gambar 3. Surface Plot RTB Gambar 4. Contour Plot RTB Plot pada Gambar 3 dan 4 menunjukkan bahwa kenaikan attenuation(x3) serta penurunan daya pancar(x1) dan panjang gelombang(x2),menyebabkan terjadinya penurunan nilai RTB dan kebalikannya.

F. OPTIMASI RESPON

Pada penelitian ini, optimasi yang digunakan adalah fungsidesirability. Fungsi desirability

digunakan untuk mengoptimasi respon-respon yang bertujuan untuk mendekatkan nilai LPB dan RTB pada nilai target. Tabel 7 menunjukkan batasan yang digunakan dalam optimasi menggunakan fungsi

desirability.

Tabel 7. Batasan Optimasi Respon LPB dan RTB Resp on Tujuan Batas Bawah Batas Atas i LPB Nominal Terbaik -27 -9 1 1 RTB Nominal Terbaik 0 1 1 1

(7)

163 Gambar 5 menunjukkan bahwa optimasi dengan menggunakan fungsi desirability menghasilkan nilai respon LPB sebesar -17,875 dan nilai respon RTB sebesar 0,4993 yang diperoleh pada saatnilai D mencapai 0,99237. Pengaturan level-level pada faktoryang mempengaruhi respon LPB dan RTBpada kondisi optimal adalah Dp sebesar -1, Pg sebesar 0,838384 dan At sebesar-0,919192.Untukmengetahui nilai faktor yang sebenarnya, perlu dilakukan perhitungan transformasi.Berdasarkan dari perhitungan transformasi faktor, diperoleh pengaturan yang baru, yaitu Dp (x1) sebesar 1 dBm, Pg (x2) sebesar 1540 nm dan At (x3) sebesar 12,242424 dB. Dengan kata lain, untuk menghasilkan nilai respon LPB dan RTB yang memenuhi spesifikasi, perlu dilakukan pengaturan parameter-parameter teknis dengan melakukan seting daya pancar sebesar 1 dBm, panjang gelombang sebesar 1540 nm dan attenuation sebesar 12,242424 dB.

Cur High Low 0,99237 D Optimal d = 0,99866 Targ: 0,50 RTB y = 0,4993 d = 0,98611 Targ: -18,0 LPB y = -17,8750 0,99237 Desirability Composite -1,0 1,0 -1,0 1,0 -1,0 1,0 x2 x3 x1 [-1,0] [0,8384] [-0,9192]

Gambar 5. Grafik Desirability

Setelah dilakukan optimasi untuk respon, selanjutnya adalah melaksanakan analisis pengendalian prosesterhadap respon LPB dan RTB,denganmenggunakan peta kendali dan R serta analisis kemampuan proses. Hasil perbandingan analisis pengendalian proses sebelum dan sesudah dilakukan optimasi ditunjukkan pada Tabel 8.

Tabel 8.Perbandingan Analisis Pengendalian Proses

Item Pembanding LPB RTB

Awal Optimasi Awal Optimasi

Mean -21,58 -18,24 0,316 0,4934

Deviasi standar 3,19 1,267 0,184 0,11727

Cp (kepresisian) 0,98 2,69 0,91 1,67

Cpk(keakurasian) 0,59 2,62 0,80 1,65

Sumber: Perhitungan Minitab

Tabel 8 menunjukkan bahwa proses transmisi sinyal dengan menggunakan pengaturan level-level dari hasil optimasi, menghasilkan peningkatan pada nilai Cp dan Cpk dibandingkan dengan sebelum dilakukan optimasi. Pengaturan denganmenggunakan level-level dari hasil optimasi menghasilkan rata-rata proses sebesar-18,24 dBm untuk respon LPB dan 0,49ns untuk respon RTB.

(8)

164

G.PERHITUNGAN BIAYA KERUGIAN

Biaya kerugian dihitung dengan menggunakan persamaan Taguchi loss function. Biaya untuk perbaikan pada LPB dan RTB adalah sebesar Rp. 236.813/SSL. Biaya ini digunakan untuk menghitung nilai konstanta (k) dengan menggunakan persamaan 5. A0 adalah biaya perbaikan dan Δ0 adalah toleransi spesifikasi. Δ0 untuk LPBdan RTBadalah sebesar 9 dan 0,5, sehingga diperoleh nilai ksebesar Rp 2.923,6/SSL untuk LPB dan Rp 947,25/SSL untuk RTB.

k (5)

Nilai kselanjutnya digunakan untuk menghitung biaya kerugian dengan menggunakan persamaan 6 berikut:

L = k [ m)2_] ₍₆₎

Hasil lengkap dari penurunan biaya kerugian ditampilkan pada Tabel 9 berikut: Tabel 9. Hasil Lengkap Penurunan Biaya Kerugian

Keterangan LPB RTB Total

Lawal Rp 67.221 Rp 64.140 Rp131.361

Loptimasi Rp 4.862 Rp 13.057 Rp 17.919

Rp 62.359 Rp 51.083 Rp113.442

% 93% 80% 86%

Tabel 9 menunjukkan bahwa penurunan biaya kerugian yang terjadi untuk respon LPB adalah sebesar Rp 62.359/SSL atau 93%, sedangkan untuk respon RTB adalah sebesar Rp 51.083/SSL atau 80%. Penurunan biaya kerugian terjadi dikarenakan nilai Cp dan Cpkyang meningkat setelah dilakukan optimasi. Peningkatan nilai Cpatau tingkat kepresisian ini, menunjukkan bahwa sebaran dari distribusi hasil pengukuran proses (σ) lebih kecil dari sebelum dilakukannya optimasi. Selain itu, peningkatan nilai Cpk atau tingkat keakurasian menunjukkan bahwa mean dari proses sudah mendekati nilai target. H.PEMBAHASAN

Nilai pengaturan dari level-level untuk ketiga faktor sebelum dilakukan optimasi adalah Dp sebesar 3 dBm, Pg sebesar 1550 nm dan At sebesar 18 dB. Sementara itu, nilai pengaturan dari level-level untuk ketiga faktor setelah dilakukan optimasiadalah Dp sebesar 1 dBm, Pg sebesar 1540 nm dan At sebesar 12,2 dB.Nilai pengaturan dari ketiga faktor mengalami penurunan setelah dilakukan optimasi. Penurunan nilaipada parametermengakibatkan berkurangnya biaya operasionalyang digunakan olehperusahaan dan berkurangnya gangguan selama proses transmisi sinyal dan secara tidak langsung dapat mengurangi biaya pemeliharaan.

Hasil analisis pengendalian proses yangtelah ditunjukkan sebelumnya pada Tabel 8, menyatakan bahwa nilai Cp dan Cpkuntuk proses transmisi sinyal dengan menggunakan pengaturan level-level dari hasil optimasi, mengalami peningkatan dari sebelum dilakukan optimasi. Peningkatan nilai Cp dan Cpk menunjukkan bahwa sebaran dari distribusi hasil pengukuran proses (σ) lebih kecil dari sebelum optimasi dan mean dari proses sudah mendekati nilai target. Proses transmisi sinyal di jaringan FTTH dengan menggunakanpengaturan level-leveldari hasiloptimasi, menghasilkan mean proses sebesar -18,24 dBmuntuk LPB dan 0,49 ns untuk RTB, serta deviasi standar sebesar 1,267 untuk LPB dan 0,117 untuk RTB.Proses transmisi sinyal yang menggunakan pengaturan level-level dari hasil optimasi,menghasilkan penurunan biaya kerugian yang sangat signifikan. Penurunan biaya kerugian untuk respon LPB adalah sebesar Rp 62.359/SSL atau 93%, sedangkan untuk RTB adalah sebesar Rp 51.083/SSL atau 80%

(9)

165 I. KESIMPULAN

Berdasarkan hasil pengolahan dan analisis data, dapat diambil beberapa kesimpulan sebagai berikut:

1. Parameter teknis FTTH (daya pancar (Dp), panjang gelombang (Pg) dan attenuation (At)) mempunyai pengaruh yang signifikan terhadap output respon LPB dan RTB. Persamaan regresi yang menunjukkan Dp (x1), Pg (x2) dan At (x3) memiliki pengaruh yang signifikan terhadap respon LPB dan RTB adalah sebagai berikut:

Pengaturan level-level dari parameter teknis FTTH yang menghasilkan nilai respon LPB dan RTB yang optimal adalah Dp sebesar 1 dBm, Pg sebesar 1540 nm dan At sebesar 12,2 dB. 2. Penurunan biaya kerugian total adalah sebesar Rp 113.442/SSL atau 86% dari biaya kerugian

sebelum dilakukannya optimasi terhadap respon. J. DAFTAR PUSTAKA

[1] Chuang, M. T., Yang, Y. K., danHsiao, Y. H. (2009), “Modeling and optimization of injection molding process parameters for thin-shell plastic parts PolymPlast,”TechnolEngng, Vol. 48, No. 7, hal 745-753.

[2] International Telecommunication Union (2009), Optical fibres, cables and systems, Place des Nations, Switzerland.

[3] Kung, K. Y. and Chiang, K. T.(2008),“Modeling and analysis of machinability evaluation in the wire electrical discharge machining (WEDM) process of aluminum oxide-based ceramic,” Journal ofMaterial Manufacturing Process, Vol.23, hal. 241–250.

[4] Montgomery, D.C. (2009), Design and Analysis of Experiments, 7th_{edition, John Wiley} and Sons, Inc., New York.

[5] Ross, P. J. (1996),Taguchi Techniques for Quality Engineering, 2nd_edition, McGraw-Hill, Singapura.

[6] Tzeng, C. J. danYang, Y. K. (2008), ”Determination of optimal parameters for SKD11 CNC turning process,” Journal ofMater. Mfg Process, Vol.23,hal 363-368.

[7] Wu, C.F.J., Hamada, M. (2000), Experiments Planning, Analysis, and Parameter