SEMINAR HASIL TUGAS AKHIR

“Optimasi Multirespon untuk Menentukan Komposisi Lem Pada PVC

Film

dengan Metode

Fuzzy Logic

(Studi Kasus : PT Karyaterang Sedati)”

SEMINAR HASIL TUGAS AKHIR

Anggun Yuanita Prieskawati (1308100021)

Pembimbing : Muhammad Sjahid Akbar, S.Si, M.Si

Co Pembimbing : Adatul Mukarromah, S.Si, M.Si

Agenda Hari Ini

BAB I

Pendahuluan

BAB II

Tinjauan

Pustaka

BAB III

Metodologi

Penelitian

BAB IV

•

Hasil dan

Pembahasan

BAB V

•

Penutup

BAB I

PENDAHULUAN

Latar

Belakang

Optimasi

Multirespon

dengan

Fuzzy Logic

Label stock

Release Liner

Adhesive Tape

PVC Film

Transfer Failure

Manfaat

Batasan

Masalah

Tujuan

Penelitian

Rumusan

Masalah

Latar

Belakang

Manfaat

Batasan

Masalah

Tujuan

Penelitian

Rumusan

Masalah

PENELITIAN SEBELUMNYA

Imam Mujiarto (2005)

menyatakan plastik adalah

suatu polimer yang

mempunyai sifat-sifat unik

dan luar biasa. Polimer

merupakan suatu bahan

yang terdiri dari unit

molekul yang disebut

monomer. Secara garis

besar, plastik dapat

dikelompokkan menjadi dua

golongan

, yaitu

plastik

thermoplast dan plastik

thermoset

.

Plastik thermoplast

merupakan jenis plastik

yang tetap lunak pada

suhu yang tinggi dan

baru mengeras ketika

didinginkan, namun

teksturnya lebih halus

dan kurang berpori jika

dibandingkan kertas

Plastik thermoset

adalah jenis plastik

yang tahan terhadap

temperatur tinggi.

Sekali dibentuk, maka

tidak dapat

dikembalikan ke

bentuk semula.

Latar

Belakang

Manfaat

Batasan

Masalah

Tujuan

Penelitian

Rumusan

Masalah

PENELITIAN SEBELUMNYA

Penelitian tentang lem sintetik oleh

Yunairi dan Herminiwati (2008), ingin

diketahui formula lem sintetik yang tepat

untuk digunakan pada pembuatan alas

kaki. Faktor yang dipelajari dari

penelitian ini, yaitu pengaruh

penggunaan

thackifier

sebanyak

berturut-turut 35, 45, dan 55 phr terhadap

kekuatan rekat lem.

Rancangan yang digunakan, yaitu

rancangan CRD (

Completetly Randomized

Desain).

Hasil yang diperoleh yaitu kulaitas

terbaik saat menggunakan

thackifier

45

phr

Penelitian tentang lem kompon karet

untuk sepatu kulit yang dibuat dengan

proses vulkanisasi oleh Herminiwati,

Arum Y, dan Jaka (2008), ingin diketahui

formula lem kompon karet yang tepat

untuk sepatu kulit. Faktor yang dipelajari

dari penelitian ini, yaitu pengaruh

penambahan coumaron resin sebagai

thackifier

sebanyak berturut-turut 5, 10,

dan 15phr terhadap kekuatan rekat lem.

Hasil yang diperoleh yaitu kulaitas

terbaik saat menggunakan coumaron

resin sebagai

thackifier

sebesar 10 phr

Latar

Belakang

Manfaat

Batasan

Masalah

Tujuan

Penelitian

Rumusan

Masalah

PENELITIAN SEBELUMNYA

Penelitian tentang optimasi multirespon

Fuzzy

Logic

oleh Lu, Chen dan Chung (2008), ingin

menentukan parameter desain yang optimal pada

proses pemotongan kasar di sisi penggilingan.

Empat parameter yang digunakan dari penelitian

ini, yaitu kecepatan poris, kekuatan per-gigi,

kedalaman potong, dan radial kedalaman potong.

Respon yang digunakan adalah tingkat keausan

alat dan logam.

Hasil yang diperoleh yaitu perbaikan tingkat

keausan alat dan logam dari parameter

pemotongan untuk mengoptimalkan parameter

Rumusan

Masalah

Manfaat

Batasan

Masalah

Latar

Belakang

Tujuan

Penelitian

1. Bagaimana kombinasi faktor dan level yang tepat untuk

mengoptimalkan nilai

grey-fuzzy

?

2. Berapa kontribusi faktor dan level yang optimal terhadap

nilai

grey-fuzzy

?

3. Berapa prediksi nilai

grey-fuzzy

rata-rata optimal dengan

menggunakan faktor serta level yang optimum?

Manfaat

Batasan

Masalah

Latar

Belakang

Tujuan

Penelitian

Rumusan

Masalah

1. Mengetahui kombinasi faktor dan level yang tepat untuk

mengoptimalkan nilai

grey-fuzzy

.

2. Menentukan besarnya kontribusi faktor dan level yang

optimal terhadap nilai

grey-fuzzy

3. Mengetahui prediksi nilai

grey-fuzzy

rata-rata yang

optimum

Manfaat

Batasan

Masalah

Latar

Belakang

Rumusan

Masalah

Penelitian

Tujuan

Manfaat Bagi Mahasiswa

• Penelitian yang dilakukan dapat memberikan pengalaman dan

pengetahuan tentang cara menentukan komposisi optimal lem yang

tidak

transfer failure

pada PVC

film

dengan menggunakan metode

optimasi multirespon

Fuzzy Logic

Manfaat Bagi Perusahaan

• Memperoleh informasi dan rekomendasi mengenai komposisi

optimal lem yang tidak

transfer failure

pada PVC

film

1

• Komposisi lem yang diteliti khusus dibuat untuk

PVC

film

2

• Faktor yang digunakan dalam penelitian adalah

polymer adhesive

dan

coupling agent

3

• Respon yang digunakan adalah cepat rekat lem

dan daya rekat lem

Batasan

Masalah

Latar

Belakang

Rumusan

BAB II

TINJAUAN PUSTAKA

Metode Taguchi

merupakan

metode

off line

yang sangat

efektif dalam

peningkatan

kualitas dan

juga

mengurangi

biaya

Tujuannya agar

performansi

produk/prosesnya

tidak sensitif atau

tangguh (

robust

)

terhadap faktor

yang sulit

dikendalikan

Metode Taguchi =

Robust Design

Dapat

dicapai

dengan dua

tahapan

1. Metode perancangan parameter

2. Metode perancangan toleransi

Metode Taguchi

Metode

Orthogonal Array

(OA)

P

en

ger

tia

n

• Fraksional

faktorial

matriks dimana

setiap baris

mewakili

eksperimen

yang dilakukan

dengan

menggunakan

faktor-faktor

dari tiap level.

K

eleb

iha

n

_{• Mengevaluasi}

pengaruh berbagai

faktor dengan

menggunakan

eksperimen dalam

jumlah

eksperimen yang

tidak terlalu

banyak sehingga

dapat mengurangi

biaya dan waktu

penelitian

D

a

sa

r P

em

iliha

n

• a. Jumlah

faktor

• b. Jumlah

level tiap

faktor

• c.

Keterbatasan

biaya

Metode Taguchi

Metode

Analisis Varians (ANOVA)

Adalah, teknik perhitungan yang memungkinkan secara kuantitatif

memperkirakan kontribusi dari setiap faktor pada semua pengukuran respon.

Sumber Variasi db

SS

MS

F

_hitung

Faktor A

V

_A

SS

_A

MS

_A

MS

_A

/MS

_e

Faktor B

V

_B

SS

_B

MS

_B

MS

_B

/Ms

_e

Interaksi AxB

V

_AxB

SS

_AxB

MS

_AxB

MS

_AxB

/Ms

_e

Error

V

_e

Ss

_e

Ms

_e

-Mean

V

_M

SS

_M

-

-Total

V

_T

SS

_T

-

-(Soejanto, 2009)

Analisis Varians Dua Arah (

Two-Way

ANOVA)

(1)

Metode Taguchi

Metode

Analisis Varians Dua Arah (

Two-Way

ANOVA)

(2)

Hipotesis :

- Faktor A

H

₀

:

(i = 1, 2, ..., g)

H

₁

: Paling sedikit ada satu

- Faktor B

H

₀

:

(j = 1, 2, ..., n)

H

₁

: Paling sedikit ada satu

- Interaksi Faktor A dan B

H

₀

:

(i = 1, 2,..., g ; j = 1, 2, ..., n)

H

₁

: Paling sedikit ada satu

Statistik Uji :

- Faktor A

F

_hitung

=

- Faktor B

F

_hitung

=

- Interaksi Faktor A dan B

F

_hitung

=

Daerah Penolakan H

₀

:

- Faktor A : Nilai F

_hitung

> F

_α

_(VA,Ve)

- Faktor B : Nilai F

_hitung

> F

_α

_(VB,Ve)

- Interaksi A dan B : Nilai F

_hitung

> F

_α

_(VAxB,Ve)

Metode Taguchi

Metode

Metode

Pooling Up

Faktor

Untuk mengestimasi varians

error

pada ANOVA. Sehingga

estimasi yang dihasilkan lebih baik, karena akan

mengakumulasi beberapa variansi

error

dari beberapa

faktor yang kurang berarti

(Soejanto, 2009)

Metode Taguchi

Metode

Fuzzy Logic

PVC

Film

Menguji F

_hitung

efek kolom terkecil terhadap yang lebih besar

berikutnya untuk melihat tingkat signifikannya. Jika tidak

ada rasiio F signifikan yang muncul, maka kedua efek

tersebut di

pooling

hingga rasio F yang signifikan muncul

Metode Penelusuran Asumsi

• Varians

error

konstan dan

menyebar secara

acak

• Grafik

• Uji Gletser

Identik

• Tidak ada

hubungan antar

error

• Plot ACF

Independen

•

Error berdistribusi

normal

• Uji

Kolmogorov-Smirnov

Distribusi

Normal

Metode Taguchi

Metode

Metode

Fuzzy Logic

PVC

Film

Metode Taguchi

Dapat dijadikan

dasar yang tepat

untuk

menggambarkan

langkah yang

optimal dengan

banyak

karakteristik

(Kusumadewi dan Purnomo,

2010)

Analisis

grey relational

merupakan

pendekatan yang

mengubah optimasi

ke dalam bentuk

grey fuzzy

yang lebih

sederhana dan

tunggal

Metode

Fuzzy Logic

PVC

Film

Metode Taguchi

Langkah Metode

Fuzzy Logic

:

1

• Menghasilkan data awal yang telah dinormalisasi dalam bentuk S/N rasio

2

• Mentransformasi S/N rasio ke dalam nilai bangkitan

grey-relational

yang bernilai

antara 0 hingga 1. Rumus :

3

• Menentuan nilai koefisien grey-relational. Rumus :

4

• Mengubah koefisien grey-relational ke linguistic fuzzy subsets

(triangle). Tiga fuzzy subset yang digunakan, yaitu small (S), medium (M), large (L)

menggunakan bentuk segitiga

5

• Variabel output metode fuzzy logic dinamakan grey-fuzzy reasoning

yang dikonversikan

dalam fungsi keanggotaan dari segitiga. Lima fuzzy subset yang digunakan, adalah very small

(VS), small (S), medium

(M), large (L),

dan very large (VL).

) ( min ) ( max ) ( min ) ( ) ( k k k k k x i i i i i _{η η} η η − − = max max min 0( ), ( )) _{( )} ._. ( ∆ + ∆ ∆ + ∆ = ζ ζ γ k k x k x oi i

Fungsi Keanggotaan Variabel

Input

Metode

Fuzzy Logic

PVC

Film

Metode Taguchi

Fungsi Keanggotaan Variabel

Output

Aturan ke-1 : Jika X

₁

adalah A

₁

dan X

₂

adalah B

₁

, maka Y adalah C

₁

Aturan ke- 2 : Jika X

₁

adalah A

₂

dan X

₂

adalah B

₂

, maka Y adalah C

₂

Aturan ke-n : Jka X

₁

adalah A

_n

dan X

₂

adalah B

_n

, maka Y adalah C

_n

Variabel input 1 S M L Variabel input 2 S VS S M M S M L L M L VL

Jika X

₁₁

adalah

small

dan X

₂₁

adalah

small

, maka Y adalah

very

small

.

Jika X

₁₁

adalah

small

dan X

₂₂

adalah

medium

, maka Y adalah

small

.

Jika X

₁₃

adalah

large

dan X

₂₃

adalah

large

, maka Y adalah

very

large

.

Pareto ANOVA

Metode

Fuzzy Logic

PVC

Film

Metode Taguchi

* Metode cepat dan mudah untuk menganalisis hasil dari parameter

desain.

** Tidak perlu F-test

*** Mampu mengidentifikasi parameter penting dan menghitung

prosentase pengaruh setiap parameter pada karateristik kualitas yang

berbeda

(Park, 1996)

100

SS

SS

T

A

_×

=

A

ρ

Dapat diperoleh dengan perhitungan berikut :

adalah nilai kontribusi faktor A, SS

_A

merupakan jumlah kuadrat

faktor A, dan SS

_T

ialah jumlah kuadrat total.

A

Prediksi Nilai untuk Kondisi Optimum Respon

Kondisi optimum diperoleh hanya dengan mengestimasi faktor

yang signifikan.

Apabila faktor A dan B merupakan faktor yang optimum, maka

taksiran nilai kondisi optimum, yaitu :

)

(

)

(

A

Y

B

Y

Y

_{i j} Optimum

=

+

−

+

−

µ

taksiran nilai rata-rata

respon yang optimum

efek faktor A level ke-i

dan faktor B level ke-j

Rata-rata

respon Y

Rata-rata

Efek faktor A

level ke-i

Rata-rata

Efek faktor B

level ke-j

Metode

Fuzzy Logic

PVC

Film

Metode

Fuzzy Logic

PVC

Film

Metode Taguchi

Interval Kepercayaan Rata-rata yang Optimum terhadap

Respon

















×

×

=

eff

e

v

v

n

MS

F

CI

₍

_α

_,

₁

_,

₂

₎

1

rata

-rata

perkiraan

dalam

bebas

derajat

Jumlah

eksperimen

al

Jumlah tot

=

eff

n

Penger

tia

n

_Hasil

polimerasisasi

monomer vinil

klorida dengan

bantuan katalis

(Mujiarto, 2005)

Pr

oses Peng

ola

ha

n

_1.

_Calendering

(

sheet, film, leather cloth

)

2. Ekstruksi

(Pipa, isolasi kabel

listrik)

3. Cetak injeksi

(Sol sepatu, sepatu

boot

)

Metode

Fuzzy Logic

PVC

Film

BAB III

Sumber

Data

Langkah

Analisis

Variabel

Penelitian

Data sekunder, hasil penelitian yang

dilakukan PT Karyaterang Sedati

tentang komposisi lem yang tidak

Langkah

Analisis

Variabel

Penelitian

Sumber

Data

Faktor

Level

1

2

3

Polymer Adhesion

100%

111%

122%

Coupling Agent

100%

300%

500%

Langkah

Analisis

Variabel

Penelitian

Sumber

Data

1

• Menghitung nilai S/N rasio untuk respon

polymer adhesion

dan

coupling agent

2

• Menghitung nilai normalisasi S/N rasio untuk respon

agent

sehingga diperoleh nilai

grey-relational

polymer adhesion

dan

coupling

3

• Menghitung nilai koefisien

grey-relational

4

• Diperoleh nilai

_{polymer adhesion}

grey-fuzzy reasoning

_dan

_{coupling agent}

yang merupakan nilai gabungan dari respon

5

• Menentukan faktor dan level yang optimal dengan menggunakan metode Taguchi

6

• Menghitung besarnya kontribusi masing-masing faktor

7

• Menghitung prediksi nilai rata-rata optimum respon

8

• Menghitung interval kepercayaan kondisi rata-rata optimum respon

))

(

(

x

i

k

)))

(

),

(

(

(

γ

x

₀

k

x

_i

k

BAB IV

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Dua respon

dalam penelitian, yaitu

cepat rekat lem

dan

daya rekat lem

.

Agar

diperoleh

kondisi optimum

yang

sama

antara kedua respon

sehingga

memudahkan dalam mengambil kesimpulan

, maka perlu

dilakukan penggabungan

kedua respon

tersebut.

Fuzzy logic

merupakan

metode optimasi multirespon

yang

digunakan dalam penelitian ini

a. Menentukan Nilai Bangkitan Grey-Relational

SN Rasio Y1 Xi (Y1) SN Rasio Y2 Xi (Y2)

9,5424 0 26,1747 0,4561843 15,563 0,63092481 25,537 0 19,0849 1 26,9349 1 9,5424 0 26,2499 0,5099793 9,5424 0 25,9626 0,3044567 15,563 0,63092481 26,5353 0,7141426 9,5425 1,04794E-05 26,7116 0,8402604 16,902 0,771244433 26,4456 0,649975 9,5424 0 26,9102 0,9823306 Min 9,5424 0 25,537 0 Max 19,0849 1 26,9349 1 max-min 9,5425 1 1,3979 1

))

(

(

x

i

k

1. Menentukan data input berupa S/N rasio

2. Menentukan nilai minimum dan maksimum S/N rasio

3. Diperoleh nilai bangkitan grey-relational

)

(

min

)

(

max

)

(

min

)

(

)

(

k

k

k

k

k

x

i i i i i

_η

_η

η

η

−

−

=

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

b. Menentukan Nilai Koefisien Grey-Relational

(

γ

(

x

0

(

k

),

x

i

(

k

)))

SN Rasio Y1 Xi (Y1) Delta 0 (Y1) Gamma (Y1) SN Rasio Y2 Xi (Y2) Delta 0 (Y2) Gamma

9,5424 0 1 0,333333333 26,1747 0,456184276 0,543815724 0,479011753 15,563 0,63092481 0,36907519 0,575324213 25,537 0 1 0,333333333 19,0849 1 0 1 26,9349 1 0 1 9,5424 0 1 0,333333333 26,2499 0,509979255 0,490020745 0,505039922 9,5424 0 1 0,333333333 25,9626 0,304456685 0,695543315 0,418219895 15,563 0,63092481 0,36907519 0,575324213 26,5353 0,714142643 0,285857357 0,636247781 9,5425 1,04794E-05 0,999989521 0,333335662 26,7116 0,840260391 0,159739609 0,757874763 16,902 0,771244433 0,228755567 0,686101105 26,4456 0,649974962 0,350025038 0,588217968 9,5424 0 1 0,333333333 26,9102 0,982330639 0,017669361 0,965867477 Min 9,5424 0 0 25,537 0 0 Max 19,0849 1 1 26,9349 1 1 max-min 9,5425 1 1 1,3979 1 1

1. Menentukan nilai delta, dengan cara mengurangkan nilai maksimal x

₀

dengan nilai x

_i

(k)

2. Menentukan nilai delta maksimum dan minimum

3. Menentukan nilai koefisien pembeda, yaitu 0,5

4. Diperoleh nilai koefisien grey relational

max min 0

(

),

(

))

₍

₎

.

_.

(

∆

+

∆

∆

+

∆

=

ζ

ζ

γ

k

k

x

k

x

_i

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

c. Mengubah Nilai Koefisien Grey-Relational menjadi Linguistic Fuzzy Subsets

Tiga Fuzzy Subsets :

* Parameter untuk

Small

(S) bernilai [-0,5 0 0,5]

* Parameter untuk

Medium

(M) bernilai [0 0,5 1]

* Parameter untuk

Large

(L) adalah [0,5 1 1,5]

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

d. Menentukan Variabel Output (Grey-Fuzzy Reasioning)

Variabel input Y

₁

S

M

L

Variabel

input Y

₂

S

VS

S

M

M

S

M

L

L

M

L

VL

Linguistic Fuzzy

JikaY

₁₁

adalah

small danY

₂₁

adalah

small, maka

grey-fuzzy adalah

very small.

JikaY

₁₁

adalah

small danY

₂₂

adalah

medium,

maka

grey-fuzzy adalah

small.

JikaY

₁₁

adalah

small danY

₂₃

adalah

large, maka

grey-fuzzy adalah

medium.

JikaY

₁₂

adalah

medium danY

₂₁

adalah

small,

maka

grey-fuzzy adalah

small.

JikaY

₁₂

adalah

medium danY

₂₂

adalah

medium, maka

grey-fuzzy adalah

medium.

JikaY

₁₂

adalah

medium danY

₂₃

adalah

large, maka

grey-fuzzy adalah

large.

JikaY

₁₃

adalah

large danY

₂₁

adalah

small, maka

grey-fuzzy adalah

medium.

JikaY

₁₃

adalah

large danY

₂₂

adalah

medium, maka

grey-fuzzy adalah

large.

JikaY

₁₃

adalah

large danY

₂₃

adalah

large , maka

grey-fuzzy adalah

very large

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Fungsi KeanggotaanVariabel

Output

Diperoleh nilai

grey-fuzzy

:

Grey-Fuzzy

0,4085

0,4581

0,92

0,4129

0,4037

0,5825

0,531

0,6051

0,6313

Nilai yang mencerminkan respon

cepat rekat lem dan daya rekat lem

secara bersama-sama.

Sehingga nilai tersebut yang

digunakan untuk melakukan analisis

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Sumber

Variasi

Db

SS

MS

F

hitung

F

(0,05;v1;v2)

A

2

0,0318

0,0159

0,96

6,94

B

2

0,11872

0,05936

3,59

6,94

A*B

4

0,06612

0,01653

Total

8

Sumber

Variasi

db

SS

MS

F

hitung

F

(0,05;v1;v2)

B

2

0,11872

0,05936

3,64

6,94

A*B

6

0,09791

0,01632

Total

8

ANOVA untuk Rata-rata Nilai Grey-Fuzzy

ANOVA Penggabungan I untuk Nilai Grey-Fuzzy

POOLING

UP FAKTOR

Faktor A, B, serta interaksi

antara faktor A dan B

tidak berpengaruh

signifikan

terhadap nilai

grey-fuzzy

.

Taksiran Nilai Variabel Dependen R e s id u a l 0,70 0,65 0,60 0,55 0,50 0,45 0,40 0,2 0,1 0,0 -0,1 -0,2

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

* Identik *

Metode Grafik

Uji Gletser

P-value

yang dihasilkan

lebih dari alpha

(5%). Sehingga residual memenuhi asumsi

residual

Data

menyebar secara acak

Prediktor

Koefisien

P

Konstanta

0,05209

0,549

A

-0,02139

0,472

B

0,04071

0,195

Uji Hipotesis :

H

₀

: Residual identik

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Residual berada

pada batas

Maka,

residual

independen

* Independen *

Lag A u to c o r r e la ti o n 8 7 6 5 4 3 2 1 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0 2 1 2 2 2 1 2ˆ ... 2ˆ ˆ 2 1 ( 1 96 , 1 0± + + + + k− n ρ ρ ρ

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

* Distribusi Normal *

Residual P e r s e n 0,3 0,2 0,1 0,0 -0,1 -0,2 -0,3 99 95 90 80 70 60 50 40 30 20 10 5 1 Mean >0,150 -1,85037E-16 StDev 0,1198 N 9 KS 0,191 P-Value

P-

value

> 0,05

Maka,

residual

berdistribusi

normal

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Pareto ANOVA

42,732

30,018

27,250

0,000

10,000

20,000

30,000

40,000

50,000

B

A

e

Faktor

Kontribusi terbesar

diberikan oleh

faktor B (coupling agent)

, yaitu sebesar

42,732%.

Sedangkan

faktor A (polymer adhesion)

hanya mampu berperan terhadap

nilai

grey-fuzzy sebesar

30,018%

. Hal tersebut berarti bahwa dalam penelitian ini

penggunaan

faktor coupling agent lebih mampu mempengaruhi rekat lem

sehingga ketersediaan faktor tersebut harus diperhatikan dengan baik

.

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Hasil uji ANOVA untuk nilai

grey-fuzzy

, menunjukkan bahwa faktor A, faktor

B, serta interaksi antara faktor A dan B

tidak

ada yang berpengaruh signifikan

trehadap

nilai

grey-fuzzy

tersebut. Oleh karena

itu,

penentuan kondisi optimum dilakukan

berdasarkan pengalaman peneliti.

Penentuan kondisi optimal

diperhatikan dari nilai respon cepat

rekat lem yang paling besar dan nilai

respon daya rekat lem yang paling

moderat. Sehingga ditetapkan

kombinasi faktor dan level A

₁

B

₃

adalah

yang optimal.

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Prediksi nilai

grey-fuzzy

rata-rata yang optimum dihitung berdasarkan

kombinasi faktor dan level yang menghasilkan kondisi respon optimal

µ

Nilai

Grey-Fuzzy

=

Y

+

(

A

1

−

Y

)

+

(

B

3

−

Y

)

= 0,756

ANOVA

Nilai

Grey-Fuzzy

Residual

Asumsi

Kontribusi

_Faktor

Prediksi

Nilai

Grey-Fuzzy

Kondisi

Optimum

Interval

Kepercayaan

Interval Kepercayaan Nilai

Grey-Fuzzy

Rata-rata

Interval kepercayaan yang diperoleh dengan menggunakan tingkat

kepercayaan 95% dan nilai n

_eff

yaitu 1

095

,

1

418

,

0

≤

µ

_{nilaigrey-fuzzy prediksi}

≤

Berdasar nilai interval tersebut, maka ketika dilakukan percobaan

konfirmasi, nilai rata-rata kondisi optimum terhadap nilai

grey-fuzzy

harus

berada di antara 0,418 hingga 1,095.

BAB V

Kesimpulan

Saran

1

• Kombinasi faktor A

₁

B

₃

, yaitu

polymer adhesion

(100%)

dan

coupling agent

(500%) merupakan faktor dan level

yang mampu mengoptimalkan nilai

grey-fuzzy

2

• Penggunaan faktor polymer adhesion (100%) mampu memberikan

kontribusi pada nilai grey-fuzzy sebesar 30,018%. Sedangkan dengan

faktor coupling agent

dapat memberikan kontribusi terhadap nilai

grey-fuzzy sebesar 42,732%

3

• Prediksi nilai

grey-fuzzy

optimum dengan

Saran

Kesimpulan

Penelitian selanjutnya akan lebih baik apabila dilakukan

replikasi pada masing-masing pengukuran respon. Selain

itu, agar dapat membutktikan bahwa kombinasi faktor dan

level yang telah diperoleh dengan menggunakan metode

fuzzy logic

memberikan hasil yang optimal pada kemampuan

rekat lem, maka harus dilakukan percobaan konfirmasi

Daftar Pustaka

Haumahu, P.W, 2011, ‘Optimalisasi produk dengan menggunakan metode perancangan

toleransi taguchi’, Skripsi,

Program Studi Statistika Jurusan Matematika

FMIPA, Universitas Diponegoro.

Herminiwati, Arum, Y, & Jaka, S, 2008, ‘Lem kompon karet untuk sepatu kulit yang dibuat

dengan proses vulkanisasi’,

Majalah Kulit, Karet, dan Plastik

,Vol. 24, No. 1, hh. 14-18.

Kusumadewi, Sri dan Hari Purnomo, 2010,

Aplikasi logika fuzzy

, Edisi 2, Graha Ilmu,

Yogyakarta.

Lu, H.-S, J.-Y. Chen, dan Ch.-T. Chung, 2008, ‘The optimal cutting parameter design of rough

cutting process in side milling’,

Journal of Achievments in Materials and Manufacturing

Engineering

,Vol. 29, Issue 2, hh. 183-186.

Mujiarto, I, 2005,‘Sifat dan karakteristik material plastik dan bahan aditif’,

Traksi,

Vol. 3, No. 2.

Park, S.H, 1996,

Robust design and analysis for quality engineering,

Chapman&Hall, New London

UK.

Ross, P.J, 1996,

Taguchi techniques for quality engineering

, 2

nd

_{edn, Mc Graw-Hill Companies Inc,}

New York.

Daftar Pustaka

Soejanto, I, 2009,

Desain eksperimen dengan metode taguchi

. Graha Ilmu,Yogyakarta.

Yuniari, A, & Herminiwati, 2008, ‘Pembuatan lem sintetik dan aplikasinya pada alas

kaki’,

Majalah Kulit, Karet, dan Plastik,

Vol. 24, No. 1, hh. 1-7.

Wuryandari, T dkk, 2002, ‘Metode taguchi untuk optimalisasi produk pada rancangan

faktorial’,

Media Statistika,

Vol. 2, , No. 2.

Wei, W.W.S, 2006,

Time series analysis univariate and multivariate method

, 2

nd

_{edn, Pearson}

“Optimasi Multirespon untuk Menentukan Komposisi Lem Pada PVC

Film

dengan Metode

Fuzzy Logic

(Studi Kasus : PT Karyaterang Sedati)”

SEMINAR HASIL TUGAS AKHIR

Anggun Yuanita Prieskawati (1308100021)

Pembimbing : Muhammad Sjahid Akbar, S.Si, M.Si

Co Pembimbing : Adatul Mukarromah, S.Si, M.Si