Peta Kontrol Untuk Atribut Dan Acceptances Sampling [PDF]

Citation preview

Peta Kontrol Untuk Atribut 1. Peta Kendali - p : untuk proporsi cacat Dan peta kendali np untuk proporsi unit cacatnya relaitif kecil. 2. Peta Kendali – c : untuk cacat (defective) 3. Peta Kendali – u : untuk cacat per unit.  Peta kendali – p Perbandingan



antara



banyaknya



cacat



dengan



semua



pengamatan, yaitu setiap produk yang diklasifikasikan sebagai “diterima” atau “ditolak” (yang diperhatikan banyaknya produk cacat). Langkah-langkah pembuatan peta kendali - p : 1.



Tentukan ukuran contoh/subgrup yang cukup besar (n >



30), 2.



Kumpulkan banyaknya subgrup (k) sedikitnya 20–25 sub-



grup, 3.



Hitung untuk setiap subgrup nilai proporsi unit yang cacat,



yaitu : p = jumlah unit cacat/ukuran subgrup 4.



Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan : p = total cacat/total inspeksi.



5.



Hitung batas kendali dari peta kendali x : UCL = p +



3



p (1 − p) n



LCL = p –



3



p (1 − p) n



6.



Plot data proporsi (persentase) unit cacat serta amati



apakah data tersebut berada dalam pengendalian atau diluar pengendalian.



Contoh : Sebuah perusahaan ingin membuat peta kendali untuk periode mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini. Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sample untuk setiap kali observasi. Hasil selengkapnya adalah : Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jumlah



Ukuran Sampel 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 1250



Banyaknya Produk Cacat 4 2 5 3 2 1 3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 2 90



Proporsi Cacat 0,08 0,04 0,10 0,06 0,04 0,02 0,06 0,04 0,10 0,08 0,06 0,10 0,10 0,14 0,06 0,04 0,08 0,20 0,08 0,06 0,04 0,10 0,08 0,06 0,08 1,90



p = (∑pi)/k = 1,90/25 = 0,076 UCL = p +



3



p (1 − p) n



LCL = p –



3



p (1 − p) n



= 0,076 +



= 0,076 –



3



3



0,076(1 − 0,076) 50



0,076(1 − 0,076) 50



= 0,188



= 0,036



 Peta Kendali – c Suatu produk dikatakan cacat (defective) jika produk tersebut tidak memenuhi suatu syarat atau lebih. Setiap kekurangan disebut defec. Setiap produk yang cacat bias saja terdapat lebih dari satu defec. (yang diperhatikan banyaknya defec). Langkah-langkah pembuatan peta kendali - p : 1.



Kumpulkan k = banyaknya subgrup yang akan diinspeksi,



usahakan k mencukupi jumlahnya antara k = 20–25 subgrup, 2.



Hitung jumlah cacat setiap subgrup ( = c),



3.



Hitung nilai rata-rata jumlah cacat, c sbb : c c= ∑ k



4.



Hitung batas kendali untuk peta kendali c :



5.



UCL = c +



3 c



LCL = c –



3 c



Plot data jumlah cacat dari setiap subgrup yang diperiksa



dan amati apakah data tersebut berada dalam pengendalian atau diluar kendali.



Peta Kendali - u







Peta kendali u relatif sama dengan peta kendali c. Perbedaanya hanya terdapat pada peta kendali u spesifikasi tempat dan waktu yang dipergunakan idak harus selalu sama, yang membedakan dengan peta kendai c adalah besarnya unit inspeksi perlu diidentifikasikan. Rumus yang digunakan : Su =



u − bar ni



CL = u-bar UCL = u-bar + 3 Su LCL = u-bar - 3 Su



RENCANA PENERIMAAN SAMPEL (Acceptance Sampling Plans)  Rencana penerimaan sampel adalah prosedur yang digunakan dalam mengambil keputusan terhadap produkproduk yang dihasilkan perusahaan.  Bukan merupakan alat pengendalian kualitas, namun alat untuk memeriksa apakah produk yang dihasilkan tersebut telah memenuhi spesifikasi.  Acceptance sampling digunakan karena alasan :







Dengan pengujian dapat merusak produk.







Biaya inspeksi yang tinggi.







100 % inspeksi memerlukan waktu yang lama, dll.



Beberapa keunggulan dan kelemahan dalam acceptance sampling : Keunggulan al : 







biaya lebih murah







meminimalkan kerusakan







mengurangi kesalahan dalam inspeksi







dapat memotivasi pemasok bila ada penolakan bahan baku.



Kelemahan al :  



adanya resiko penerimaan produk cacat atau penolakan produk baik membutuhkan perencanaan dan pendokumentasian prosedur pengambilan sampel.



 



Tidak adanya jaminan mengenai sejumlah produk tertentu yang akan memenuhi spesifikasi. Sedikitnya informasi mengenai produk.







Dua



jenis



pengujian



dalam



acceptance



sampling : 1. Pengujian sebelum pengiriman produk akhir ke konsumen. Pengujian dilakukan oleh produsen disebut the producer test the lot for outgoing. 2. Pengujian setelah pengiriman produk akhir ke konsumen. Pengujian dilakukan oleh konsumen disebut the consumer test the lot for incoming quality. Acceptance sampling dapat dilakukan untuk data atribut data variable :  Acceptance Sampling untuk data atribut dilakukan apabila inspeksi mengklasifikasikan sebagai produk baik dan produk cacat tanpa ada pengklasifikasian tingkat kesalahan/cacat produk. 



 Acceptance Sampling untuk data variabel karakteristi



kualitas ditunjukkan dalam setiap sample, sehingga dilakukan pula perhitungan rata-tata sampel dan penyimpangan atau deviasi standar.  Teknik acceptance sampling :  Sampel tunggal,  sampel ganda dan  sampel banyak.



pengambilan



sample



dalan



 sebagai sample :



Syarat



pengambilan



produk



 Produk harus homogen  Produk yang diambil sebagai sample harus sebanyak mungkin  Sample yang diambil harus dilakukan secara acak



Prosedur yang dilakukan



 :  yang sama N unit



Sejumlah



produk



 secara acak sebanyak n unit



Ambil



sample



 Apabila ditemukan kesalahan d sebanyak maksimum c unit, maka sample diterima.  Apabila ditemukan kesalahan d melebihi c unit, maka sample ditolak, yang berarti seluruh produk yang homogen yang dihasilkan tersebut juga ditolak. Indek kualitas yang dapat digunakan dalam acceptance sampling : 1. AQL (Acceptance Quality Level = tingkat kualitas



menurut produsen) Merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan. Produsen selalu menghendaki probabilitas penerimaan pada tingkat yang cukup tinggi (biasanya 0,99 atau 0,95). Sehingga produsen menginginkan semua produk yang baik dapat diterima atau meminimalkan risiko produsen. Risiko produsen (α) adalah risiko yg diterima karena menolak produk baik dalam inspeksinya.



Dengan kata lain produsen menginginkan probabilitas penerimaan(Pa) dekat dengan 1 (satu). Probabilitas kesalahan tipe I =α = 1 – Pa. 2. LQL (Limiting Quality Level = tingkat kualitas menurut



konsumen) Merupakan kualitas ketidakpuasan atau tingkat penolakan. Probabilitas penerimaan LQL harus rendah, probabilitas tersebut disebut risiko konsumen (β) atau kesalahan tipe II, yaitu risiko yang dialami konsumen karena menerima produk yang cacat atau tidak sesuai. LQL sering disebut dg LTPD (Lot Tolerance Percent Defective). 3. IQL (Indifference Quality Level )



Tingkat kualitas diantara AQL dan LQL atau tingkat kualitas pada probabilitas 0.5 untuk rencana sampel tertentu. 4. AOQL (Average Outgoing Quality Level)



Perkiraan hubungan yang berada diantara bagian kesalahan pada produk sebelum inspeksi (incoming quality) atau p dari bagian sisa kesalahan setelah inspeksi (outgoing quality) atau AOQ = p x Pa. Apabila incoming quality baik, maka outgoing quality juga harus baik, namun bila incoming quality buruk, maka outgoing quality akan tetap baik. Dengan kata lain incoming quality baik atau buruk, outgoing quality akan cenderung baik.



 Pengukuran untuk mengevaluasi kinerja Sampel Ada beberapa macam pengukuran 1. OC Curve (Kurva Karakteristik Operasi)



Merupakan kurva probabilitas penerimaan (Pa) terhadap produk yang dihasilkan. Rumus : Pa = P(d=< c) Pa : probabilitas penerimaan c : batas penerimaan cacat produk d : jumlah cacat yang terjadi Kurva ini dilakukan untuk mencari hubungan antara probabilitas penerimaan (Pa) dengan bagian kesalahan dalam produk yang dihasilkan (p). Perhitungan probabilitas penerimaan dapat digunakan Tabel distribusi Poisson. Apabila tidak diketemukan nilai probabilitasnya karena keterbatasan nilai np, maka dapat digunakan cara interpolasi.



Probabilitas Penerimaam (Pa)



Probabilitas Penerimaan (Pa)



Dua macam OC Curve : 1



Po



Po



proporsi kesalahan (p)



OC Kurva ideal Contoh : Diketahui Proporsi kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09



1



proporsi kesalahan (p)



OC Kurva S N = 2000, n = 50, c = 2 np 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50



Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 0.321 0.238 0.174



0.10 0.11 0.12 0.13 0.14 0.15



5.00 5.50 6.00 6.50 7.00 7.50



0.125 0.088 0.062 0.043 0.030 0.020



Kurva OC 1,2 1.0



Pa



0.8 0.6 0.4 0.2 0 1



2



3



4



5



6



7



8



9 10 11 12 13 14 15



p



2. AOQ Curve (Kurva Kualitas Output rata-rata) AOQ adalah tingkat kualitas rata-rata dari suatu inspeksi. Sampel yang diambil harus dikembalikan untuk dilakukan perbaikan bila produk tersebut ternyata rusak atau cacat. AOQ untuk mengukur rata-rata kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p. Apabila N = banyaknya unit yang dihasilkan n = unit sampel yang diinspeksi p = bagian kesalahan/ketidaksesuaian Pa = probabilitas penerimaan produk Maka rumus yang digunakan : AOQ =



Paxp( N − 1) N



Kurva AOQ mempunyai titik puncak (AOQL= Average Outgoing Quality Limit). AOQL menunjukkan kualitas rata-rata yang harus dikembalikan dari inspeksi untuk dilakukan perbaikan. Contoh : pembuatan kurva AOQ : Diketahui N = 2000, n = 50, c = 2



Proporsi Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15



Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 0.321 0.238 0.174 0.125 0.088 0.062 0.043 0.030 0.020



Kualitas output ratarata (AOQ) 0.0096 0.0179 0.0237 0.0264 0.0265 0.0247 0.0219 0.0186 0.0153 0.0122 0.0094 0.0073 0.0055 0.0041 0.0029



Kurva AOQ 0,030 0.025



AOQ



0.020 0.015 0.010 0.005 0 1



2



3



4



5



6



7



8



9 10 11 12 13 14 15



p



Untuk pengambilan sampel ganda digunakan rumus : [ PaI ( N − n1) + PaII ( N − n1 − n2) ] AOQ = N Contoh : N n1 c1 r1 Proporsi



= 5000 unit = 40 unit = 1 unit = 4 unit Pa I



n2 = 60 unit c2 = 5 unit r2 = 6 unit Pa II



Kualitas output



Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15



0.938 0.808 0.662 0.525 0.406 0.309 0.231 0.171 0.125 0.091 0.066 0.047 0.036 0.027 0.017



0.061 0.173 0.257 0.280 0.251 0.198 0.135 0.061 0.060 0.034 0.020 0.011 0.006 0.003 0.001



rata-rata (AOQ) 0.0099 0.0194 0.0273 0.0318 0.0324 0.0300 0.0253 0.0185 0.0165 0.0124 0.0091 0.0069 0.0054 0.0042 0.0027



3. ATI Curve (Kurva Inspeksi Total Rata-rata) ATI menunjukkan rata-rata jumlah diinspeksi setiap unit yang dihasilkan.



sampel



yang



Untuk sampel tunggal : ATI = n + (1 – Pa) (N – n) Untuk sampel ganda : ATI = n1(Pa I) + (n1 + n2)Pa II + N(1 – Pa1 – Pa II) Contoh : Diketahui Proporsi Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09



N = 2000, n = 50, c = 2



Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 0.321 0.238 0.174



Rata-rata Inspeksi (ATI) 77.30 206.00 422.45 679.85 939.20 1175.15 1374.05 1535.90 1660.70



0.10 0.11 0.12 0.13 0.14 0.15



0.125 0.088 0.062 0.043 0.030 0.020



1756.25 1828.40 1879.10 1916.15 1941.50 1961.00



Kurva ATI 2500



AOQ



2000 1500 1000 500 0 1



2



3



4



5



6



7



8



9 10 11 12 13 14 15



p



4. ASN Curve (Banyaknya sample rata-rata) ASN adalah rata-rata banyaknya unit yang diuji untuk membuat suatu keputusan. Sampel tunggal : ASN = n Sampel ganda : ASN = n1 + n2 (1 – P1) P1 : merupakan probabilitas keputusan pada sampel pertama P1 = P (produk yg diterima pd sampel pertama) + P (produk yg ditolak pd sampel pertama) = P (d= r1) Contoh : Diketahui



N = 3000 n1 = 40 n2 = 80



c1 = 1 c2 = 3



r1 = 4 r2 = 4



Misal nilai p atau proporsi kerusakan 0.02 maka : P1 = P (d =r1) P1 = P [d = 4 n1.p = 40 (0.02)]



= P [d = 4 n1.p = 0.8] = 0.808 + (1 – 0,991) P1 = 0.817 ASN = n1 + n2 (1 – P1) = 40 + 80 (1 = 0.817) = 54.64 Proporsi Probabilitas keputusan Kesalahan (p) pada sample pertama (P1) 0.01 0.939 0.02 0.817 0.03 0.697 0.04 0.604 0.05 0.549



Banyaknya Sampel Rata-rata (ASN) 44.38 54.64 64.24 71.68 76.08



MILITARY STANDAR 105 D  Adalah system pengambilan sampel untuk data atribut dengan indek kualitas yang digunakan adalah AQL.  AQL : Tingkat kualitas menurut produsen merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan yang bertujuan untuk inspeksi sampel, yang dipertimbangkan secara tepat sebagai rata-rata proses.  Alat yang digunakan adalah “tabel” yang berkaitan dengan banyaknya inspeksi.



ACCEPTANCE DENGAN TABEL ABC (Mil STD 105 D Tabel) 



Defect : o Critical : berbahaya/tdk aman terhadap pemakai o Major



: mengurangi fungsi/kegunaan



o Minor







: tidak mengurangi fungsi tetapi menyim-pang dari standar.



Macam sampling plan Single sampling plan Double sampling plan Multiple sampling plan Level Inspeksi o Special (khusus) o General (umum)



 Jenis Inspeksi o Normal o Tighten (ketat) o Reducet (longgar)  Prodedur Pemilihan : Single sampling plan 1. Tentukan lot size dan level inspeksi 2. Dari table I : tentukan sampel code letter 3. Tentukan AQL (dalam %) 4. Tentukan batas penerimaan/penolakan dan jumlah sampel dari : Tabel



II – A II – B II – C



Normal Tighten Reduced



 Cara penggunaan tabel  Dengan ukuran lot tertentu (N) dan tingkat pemeriksaan



lihat tabel K



Jika tingkat pemeriksaan tidak diketahui maka diambil “tingkat pemeriksaan umum tk. II”  Dari tabel K akan diperoleh kode huruf ukuran sampel. Khusus



S1 S2 S3 S4 I II



Tingkat pemeriksaan Umum III



 Huruf yang didapat dari table K untuk menentukan ukuran sample dan batas kelas pemeriksaan suatu penolakan dari lot o Ditambah AQL (Acceptable Quality Level/ tingkat kualitas yang diterima o Jenis pemeriksaan Maka akan diperoleh n, Ac, Re n = ukuran sample Ac = batas penerimaan Re = batas penolakan



untuk menentukan harga Pa



Jenis pemeriksaan : - tunggal



: normal (L) ketat (M) longgar (N)



- ganda



: normal (O) ketat (P) longgar (Q)



- multi



: normal (R) ketat (S) longgar (T)



Contoh : N = 1000 Tingkat pemeriksaan umum II AQL = 0,25 Cari : a). Jenis pemeriksaan tunggal normal b). Jenis pemeriksaan ganda longgar dari tabel K didapat untuk N = 1000 dg tingkat pemeriksaan umum tk II dg kode letter J : a. dengan jenis pemeriksaan tunggal normal n = 80 AQL = 0,25 Maka Ac = 0 Re = 1 b. Ganda longgar n1 = 20 n2 = 20 tabel tunggal longgar didapat : n = 32 AQL = 0,25 Ac = 0 Re = 1



PERENCANAAN SAMPING MENURUT MIL STD 414 Perencanaan sampel untuk data variabel. Pengambilan dan penerimaan data variabel didasarkan pada rata-rata dan standar deviasi, serta distribusi frekuensi.



METODE TAGUCHI  Metode Taguchi : Dr. Genichi Taguchi (1949).  Metode



Taguchi dikembangkan untuk melaukan perbaikan kualitas dengan metode baru dengan pendekatan lain yang memberikan tingkat kepercayaan yang sama dengan SPC (Statistical Process Control).  Kelebihan Metode Taguchi 1. Dapat mengurangi jumlah pelaksanaan percobaan dibandingkan jika menggunakan full factorial, shg dapat menghemat waktu dan biaya. 2. Dapat melakukan pengamatan terhadap rata-rata dan variasi karakteristik kualitas sekaligus, shg ruang lingkup pemecahan masalah lebih luas. 3. Dapat mengetahui faktor-faktor yang berpengaruh terhadap karakteristik kualitas melalui perhitungan AVONA dan Rasio S/N, shg faktor-faktor yang berpengaruh tersebut dapat diberikan perhatian khusus.



Kekurangan Metode Taguchi Percobaan dilakukan dengan banyak faktor dan interaksi akan terjadi pembauran beberapa interaksi oleh faktor utama, akibatnya keakuratan hasil percobaan akan berkurang. 



 Tahap-tahap dalam Desain Produk/proses Taguchi 1. System Design Tahap konseptual untuk memperoleh ide-ide baru dan mewujudkan dalam produk baru atau inovasi proses. 2. Parameter Design Tahap pembuatan prototipe matematis bedasarkan tahap sebelumnya melalui percobaan secara statistik. Tujuannya adalah mengidentifikasi setting parameter yang akan memberikan performansi rata-rata pada target dan menentukan pengaruh dari faktor gangguan pada variasi dari target. 3. Tolerance Design Penentuan toleransi dari parameter yang berkaitan dengan kerugian pada masyarakat akibat penyimpangan produk.  Karakteristik Kualitas Karakteristik kualitas adalah hasil suatu proses yang berkaitan dengan kualitas. 1. Nominal is the best Karakteristik kualitas yang menuju nilai target yang tepat pada suatu nilai tertentu. Berat panjang lebar kerapatan Ketebalan diameter luas kecepatan Volume jarak tekanan waktu 2. Smaller the better Pencapaian karakteristik jika semakin kecil (mendekati nol) semakin baik. Penggunaan mesin persen kontaminasi Penyimpangan kebisingan Waktu proses produk gagal



Pemborosan



kerusakan



3. Larger the better Pencapaian karakteristik kualitas semakin semakin baik. Kekuatan km/liter efisiensi Waktu antar kerusakan ketahanan thd korosi



besar



 Orthogonal Array (OA) OA merupakan salah satu kelompok dari percobaan yang hanya menggunakan bagian dari kondisi total, dimana bagian ini mungkin separuh, seperempat atau seperdelapan dari percobaan faktorial penuh. Keuntungan OA adalah kemampuan untuk mengevaluasi berapa faktor dengan jumlah tes yang minimum. Jika terdapat 7 faktor dengan 2 level, maka jika menggunakan full factorial akan diperlukan 27 buah percobaan. Dengan OA jumlah percobaan dapat dikurangi shg dapat mengurangi waktu dan biaya percobaan. Langkah-2 pelaksanaan percobaan Taguchi 1. Penentuan karakteristik kualitas (variabel tak bebas) Variabel yang perubahannya tergantung pada variabelvariabel lain. Dalam percobaan Taguchi, variabel tak bebas adalah karakteristik kualitas yang terdiri dari tiga kategori : a. Measurable Characteristic (karakteristik yg dpt diukur) 1). Nominal is the best 2). Smaller the better 3). Larger the better b. Attribute Characteristic Hasil akhir yang diamati tdk dapat diukur dengan skala kontinu, tetapi dapat diklasifikasikan secara kelompok kecil, menengah, besar atau dpt dikelompokan berdasarkan berhasil (sukses) atau tidak. c. Dynamic Characteristic



Merupakan fungsi representasi dari proses yang diamati. Proses yang diamati digambarkan sebagai signal atau input dan output sebagai hasil dari signal. 2. Identifikasi faktor-faktor (variabel bebas) Variabel yang perubahannya tidak tergantung pada variabel lain. Beberapa metode yang dapat digunakan untuk mengidentifikasi faktor-faktor tersebut : a. Brainstorming Diskusi kelompok untuk memberikan gambaran tentang masalah yang dihadapi, setiap orang mengungkapkan faktor-faktor yang berpengaruh pada masalah yang dihadapi, dicatat kemudian dilakukan penyaringan/pemilihan berdasarkan urgensi masalah. b. Flowcharting Mengidentifikasi faktor-faktor yang mungkin berpengaruh melalui flowchart proses pembuatan obyek yang diamati. c. Cause-effect diagram Diagram istikawa digunakan untuk mengidentifikasi penyebab faktor-faktor yang potensial. 3. Pemisahan faktor kontrol dan faktor gangguan Faktor yang diamati terdiri atas faktor kontrol dan faktor gangguan. Faktor kontrol : faktor yg nilainya dapat diatur atau dikendalikan atau yg nilainya akan kita atur atau dikendalikan. Faktor gangguan (noise factor) : faktor yg nilainya tidak bisa kita atur atau kendalikan. Faktor gangguan terdiri dari : c. External (outer) noise : semua gangguan dari kondisi lingkungan atau luar produksi. d. Internal (inner noise) : semua gangguan dari dalam produksi sendiri.



e. Unit to unit noise : perbedaan antara unit yang



diproduksi dengan spesifikasi yang sama.



4. Penentuan jumlah level dan nilai level faktor Level faktor dapat dinyatakan secara kuantitatif seperti temperatur, kecepatan, waktu dll. 5. Identifikasi interaksi faktor kontrol Interaksi muncul jika dua faktor atau lebih yang mengalami perlakuan secara bersama akan memberikan hasil yg berbeda. 6. Perhitungan derajat kebebasan (degree of freedom)



Dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor-faktor yg diamati. Jika nA dan nB adalah jumlah perlakuan untuk faktor A dan faktor B maka : Dof untuk faktor A = nA – 1 Dof untuk faktor B = nB – 1 Dof unt interaksi faktor A dan B = (nA – 1)( nB – 1) Jumlah total dof = (nA – 1)+( nB – 1) + (nA – 1)( nB – 1) 7. Pemilihan Orthogonal array Dalam memilih jenis Orthogonal Array harus diperhatikan jumlah level faktor yang diamati yaitu : a. jika semua fator adalah 2 level : pilih OA untuk 2 level faktor. b. jika semua fator adalah 3 level : pilih OA untuk 3 level faktor. c. jika beberapa fator adalah 2 level dan lainnya 3 level : pilih yang mana yang dominan. d. jika terdapat campuran 2, 3, atau 4 level faktor : lakukan modifikasi OA dengan metode Merging coloumn. 8. Penugasan untuk faktor dan interaksinya pada OA 9. Persiapan dan pelaksanaan percobaan



10.



Analisis data