Pola Statistik
description
Transcript of Pola Statistik
-
13
BAB 2
LANDASAN TEORI
2.1 Definisi Kualitas dan Pengendalian Kualitas
Kualitas secara tradisional didefinisikan dengan fitness to use (ketepatan
untuk kegunaan), dimana pemahaman kualitas hanya berdasarkan pada ketepatan
kegunaan suatu produk atau jasa dengan kebutuhan. Secara modern, kualitas
berbanding terbalik dengan variasi, sehingga semakin sedikit variasi suatu produk
maka akan semakin baik kualitas produk tersebut.
Sementara itu dalam konteks pembahasan tentang pengendalian proses
statistikal, terminologi dari kualitas didefinisikan sebagai konsistensi peningkatan
(perbaikan) dan penurunan variasi karakteristik dari suatu produk atau jasa yang
dihasilkan, agar memenuhi kebutuhan yang telah dispesifikasikan, guna
meningkatkan kepuasan pelanggan internal maupun eksternal.
Pengendalian kualitas menurut Vincent Gaspersz, adalah aktivitas teknik
dan manajemen, melalui mana kita mengukur karakteristik kualitas dari output baik
barang maupun jasa, kemudian membandingkan hasil pengukuran itu dengan
spesifikasi output yang diinginkan pelanggan, serta mengambil tindakan perbaikan
yang tepat apabila ditemukan perbedaan antara performansi aktual dan standar.
Performansi kualitas pada dasarnya dapat ditentukan dan diukur berdasarkan
karakteristik kualitas yang terdiri dari beberapa sifat atau dimensi berikut :
-
14
1. Fisik : panjang, berat, diameter, tegangan, kekentalan, dan lain-lain.
2. Sensory (berkaitan dengan panca indera) : penampilan, warna, bentuk, rasa,
dan lain-lain.
3. Orientasi waktu: keandalan (reliability), kemampuan pelayanan
(serviceability), maintainability, dan lain-lain.
4. Orientasi biaya : berkaitan dengan dimensi biaya yang menggambarkan harga
atau ongkos dari suatu produk yang harus dibayarkan oleh konsumen.
Suatu penentuan atau pengukuran performansi kualitas dapat dilakukan pada
3 tingkat, yaitu :
1. Pengukuran pada tingkat proses (process level), yaitu pengukuran setiap
aktifitas proses dan karakteristik input dilakukan oleh pemasok (supplier)
yang mengendalikan karakteristik output yang diinginkan. Tujuannya untuk
mengidentifikasi perilaku yang mengatur setiap aktifitas dalam proses dan
menggunakan ukuran tersebut untuk mengendalikan operasi serta
memperkirakan output yang dihasilkan sebelum output tersebut diproduksi
atau dipasarkan.
2. Pengukuran pada tingkat output (output level), pengukuran karakteristik
output yang dihasilkan kemudian dibandingkan terhadap spesifikasi
karakteristik yang diinginkan pelanggan.
3. Pengukuran pada tingkat outcome (outcome level), merupakan pengukuran
tertinggi dalam pengukuran performansi kualitas. Dilakukan pengukuran baik
-
15
tidaknya suatu produk dalam memenuhi kebutuhan dan kepuasan pelanggan
(mengukur tingkat kepuasan pelanggan).
Variasi yang merupakan faktor pembanding kualitas secara modern,
didefinisikan sebagai ketidakseragaman dalam sistem produksi atau operasional
sehingga menimbulkan perbedaan dalam kualitas output yang dihasilkan. Terdapat
2 penyebab timbulnya variasi, yaitu :
1. Variasi Penyebab Khusus (Special Causes Variation), berupa kejadian-
kejadian di luar sistem yang mempengaruhi variasi dalam sistem. Faktor
penyebab khusus meliputi manusia, mesin, material, lingkungan, metode,
informasi. Dalam pengendalian proses statistikal yang menggunakan peta
kendali ditandai dengan titik-titik pengamatan yang berada di luar batas-batas
kendali.
2. Variasi Penyebab Umum (Common Causes Variation), berupa faktor-faktor
dalam suatu sistem atau yang melekat pada proses, yang menyebabkan
timbulnya variasi dalam sistem serta hasilnya. Untuk menghilangkan
penyebab tersebut harus ditelusuri elemen-elemen dalam sistem itu, dimana
hanya pihak manajemen yang mengendalikan sistem tersebut yang dapat
memperbaikinya. Dalam pengendalian proses statistikal yang menggunakan
peta kendali ditandai dengan titik-titik pengamatan yang berada di dalam
batas-batas kendali.
-
16
2.2 Konsep Six Sigma
2.2.1 Definisi Six Sigma
Six Sigma secara sederhana didefinisikan sebagai pendekatan
pengambilan keputusan dalam usaha peningkatan proses yang dirancang untuk
meningkatkan produktivitas dan mengurangi biaya-biaya. Kata Sigma sendiri
yang merupakan salah satu huruf alfabet yunani, berarti indikasi banyaknya
tingkat variasi output terhadap target yang telah ditetapkan.
Dalam buku The Six Sigma Way, Six Sigma didefinisikan sebagai
sebuah sistem yang komprehensif dan fleksibel untuk mencapai,
mempertahankan dan memaksimalkan sukses bisnis. Six Sigma secara unik
dikendalikan oleh pemahaman yang kuat terhadap kebutuhan pelanggan,
pemakaian yang disiplin terhadap fakta, data dan analisis statistik, dan
perhatian yang cermat untuk mengelola, memperbaiki dan menanamkan
kembali proses bisnis.
Six sigma Institute mendefinisikan Six sigma sebagai pengukuran
kualitas untuk mencapai kesempurnaan serta metodologi untuk mengeliminasi
cacat di semua proses mulai dari manufaktur sampai transaksional dan dari
produk maupun jasa. Oleh karena target kinerja dari six sigma adalah menuju
tingkat kegagalan 0 atau tingkat kepuasan 100% bagi pelanggan. Definisi
lainnya adalah tujuan yang hampir sempurna dalam memenuhi persyaratan
pelanggan.
-
17
Six Sigma lebih kepada suatu pendekatan manajemen untuk mencapai
tujuannya berupa kepuasan pelanggan, peningkatan produktivitas, penurunan
tingkat produk yang cacat dan secara umum peningkatan kinerja perusahaan
yang dapat dibuktikan dengan laba, penghematan tahunan, nilai harga saham,
market share, dan lain-lain. Metode ini juga memiliki basis yang cukup kuat
pada statistik, dimana Six Sigma merujuk pada target kinerja operasi yang
diukur dengan hanya 3,4 cacat (defect) untuk setiap satu juta aktivitas atau
peluang (Defect Per Million Opportunity).
2.2.2 Tema Kunci dan Manfaat Six Sigma
Untuk dapat menerapkan metode Six Sigma secara optimal perlu
diperhatikan visi organisasi yang harus meliputi enam tema kunci metode Six
Sigma itu sendiri. Enam tema ini sering juga ditafsirkan sebagai persyaratan
utama dalam mengembangkan metode Six Sigma. Enam tema kunci tersebut
adalah:
1. Fokus sungguh-sungguh kepada pelanggan (Customer Focus)
2. Manajemen yang digerakkan oleh data dan fakta (Management by Fact)
3. Fokus pada proses, manajemen dan perbaikan
4. Manajemen Proaktif (Proactive Management).
5. Kolaborasi tanpa Batas (dari Jack Welch).
6. Dorongan untuk sempurna, tetapi toleransi terhadap kegagalan.
-
18
Ada banyak keuntungan yang didapat dari penggunaan Six Sigma yang
telah terbukti, diantaranya :
Pengurangan Biaya Peningkatan produktivitas Mempercepat tingkat perbaikan Pertumbuhan pangsa pasar Retensi pelanggan Pengurangan waktu siklus Pengurangan defect (cacat) Pengembangan produk atau jasa
2.3 Model Perbaikan Six Sigma DMAIC
Ada beberapa model perbaikan yang diterapkan pada proses selama
bertahun-tahun. Sebagian besar dari model tersebut, didasarkan pada langkah-
langkah yang diperkenalkan W. Edwards Deming, yaitu Plan Do Check Act
(PDCA) yang menggambarkan logika dasar dari perbaikan proses berbasis data.
Siklus perbaikan lima fase yang makin umum dalam organisasi-organisasi
Six Sigma adalah Define Measure Analyze Improve Control (DMAIC).
DMAIC didasarkan pada siklus dasar PDCA.
-
19
Gambar 2.1 Perbandingan Fase PDCA & DMAIC
DMAIC merupakan proses peningkatan berkelanjutan dan terus menerus
menuju target Six Sigma. Dalam setiap fase DMAIC terdapat beberapa tools (alat)
yang dapat digunakan untuk mengolah dan menganalisa data. Fase-fase dalam
DMAIC adalah :
Define
Pada tahap ini dilakukan pendefinisian masalah-masalah yang dihadapi
oleh perusahaan sedapat mungkin secara spesifik dan berdasarkan fakta
(fokuskan kepada apa yang dapat diamati dan disusun, bukan pada perkiraan
atau asumsi-asumsi). Kemudian ditentukan tujuan yang akan dicapai.
-
20
Measure
Pada tahap ini dilakukan pengenalan terhadap karakteristik kualitas kunci
kualitas (CTQ) dan pengukuran kinerja dari proses yang berlangsung.
Pengukuran merupakan satu fase transisi kunci yang berfungsi memvalidasi atau
menyaring masalah dan memulai meneliti akar masalah.
Analyze
Fase Analyze dilakukan untuk mencari tahu akar permasalahan yang
terjadi. Identifikasi faktor penyebab terjadi masalah ditinjau dari segi man,
machine, environment, method dan material (pembuatan Cause and Effect
Diagram) untuk mengetahui penyebab yang paling dominan.
Improve
Merupakan fase yang dilakukan untuk meningkatkan kulitas dan proses
yang telah ada dengan menemukan ide-ide yang mungkin akan membantu kita
mengatasi akar masalah dan mencapai tujuan, menentukan ide mana yang
menjadi solusi-solusi potensial, dan memilih solusi yang paling tepat.
Control
Fase ini merupakan akhir dari fase DMAIC, tetapi merupakan awal dari
peningkatan (perbaikan) terus-menerus dan integrasi sistem Six Sigma. Dalam
fase ini, usaha-usaha perbaikan yang ada disimulasikan, kemudian
didokumentasikan dan disosialisasikan untuk menunjang tindakan
-
21
pengimplementasian dari usaha perbaikan secara terus-menerus (closed loop
monitoring).
Gambar 2.2 Fase DMAIC
Penggunaan suatu metode perbaikan tentu dapat mendatangkan keuntungan.
Beberapa keuntungan yang ditawarkan model DMAIC dibanding yang lain adalah :
Membuat suatu awal yang baik Memberikan sebuah konteks yang baru terhadap alat-alat yang sudah dikenal Menciptakan sebuah pendekatan yang konsisten Memprioritaskan Pelanggan dan Pengukuran sebagi dua komponen kritis
sistem Six Sigma
Menawarkan jalur perbaikan proses dan juga perancangan (baru atau ulang) untuk perbaikan
-
22
2.4 Critical To Quality (CTQ)
Kunci penting dari Output (important key process Output) biasanya
dikategorikan berdasarkan pengaruhnya (area of impact), yaitu critical to quality,
critical to cost, critical to delivery dan critical to process. Critical To Quality
(CTQ) adalah berbagai persyaratan yang dikehendaki oleh pelanggan terhadap
suatu produk atau jasa. Merupakan karakteristik kualitas yang ditetapkan dan
berhubungan langsung dengan kebutuhan spesifik pelanggan, yang diturunkan
secara langsung dari persyaratan-persyaratan Output dan pelayanan.
2.5 Pengukuran Kinerja
Pengukuran kinerja output dapat dilakukan dengan ukuran defective dan
ukuran berbasis peluang. Melalui nilai Defects Per Million Opportunities, dapat
diindikasikan berapa banyak defect yang akan muncul dalam satu juta peluang.
Sementara dengan menghitung nilai Final Yield memberikan informasi persentase
output yang bebas cacat (defect free). Dengan mengkonversikan nilai yang
diperoleh pada tabel konversi six sigma (bagian lampiran) maka didapatkan nilai
(level) sigma. Rumus yang digunakan dalam perhitungan adalah :
TOP (Total Opportunities) = OPU
DOP (Defect per Opportunities) = TOP
D
DPMO (Defect Per Million Opportunities) = 610DOP
-
23
DPU (Defect Per Unit) = UD
Y (Yield) = (1 DPU) 100%
Dimana : D = Jumlah keseluruhan produk cacat
U = Total produk yang diproduksi
OP = Karakteristik Kualitas Kunci / CTQ
2.6 Alat-alat DMAIC
2.6.1 SIPOC Diagram
Diagram SIPOC merupakan salah satu teknik yang paling sering
digunakan dalam manajemen perbaikan proses. Diagram ini digunakan untuk
menyajikan garis besar dari aliran kerja. SIPOC berasal dari lima elemen yang
terdapat pada diagram, yaitu :
Supplier : orang atau kelompok yang memberikan informasi kunci, bahan atau sumber daya lainnya untuk proses.
Input : sesuatu yang diberikan untuk menjalankan proses. Process : sekumpulan langkah yang mengubah, biasanya menambahkan
nilai input.
Output : produk (hasil) atau proses final. Customer : orang atau kelompok atau proses yang menerima output.
-
24
Gambar 2.3 Diagram SIPOC
Seingkali dalam SIPOC ditambahkan persyaratan (requirement) kunci
dari input dan output sehingga menjadi SIRPORC. Namun istilah tersebut
jarang digunakan. Beberapa kegunaan dari SIPOC adalah :
Menampilkan sekumpulan aktivitas lintas fungsional dalam satu diagram
tunggal yang sederhana.
Menggunakan kerangka kerja yang dapat diterapkan pada proses dengan
semua ukuran.
Membantu memelihara perspektif gambaran yang dapat ditambahkan
perincianan.
2.6.2 Peta Kendali
Peta Kendali merupakan teknik membuat grafik statistik yang nilainya
diukur berdasarkan hasil plot karakteristik kualitas tertentu. Peta kendali
-
25
digunakan untuk mengetahui apakah proses berada dalam kendali statistik atau
tidak. Pada dasarnya setiap peta kendali memiliki :
Garis tengah (Central Line), yang dinotasikan dengan CL. Sepasang batas kontrol (Control Limits), yang dikenal sebagai batas
kontrol atas (Upper Control Limit / UCL), dan batas kontrol bawah
(Lower Control Limit / LCL).
Tebaran nilai nilai karakteristik kualitas yang menggambarkan keadaan
dari proses.
Suatu proses ataupun produk dikatakan berada dalam kendali stastistik
apabila nilai pengamatan jatuh diantara batas atas dan bawah kendali,
sedangkan jika nilai pengamatan berada di luar batas kontrol maka proses
dianggap di luar kontrol sehingga perlu diambil tindakan perbaikan. Untuk
mengetahui apakah suatu proses pengujian berada di dalam atau di luar
kendali, tidak hanya berpedoman pada satu syarat saja, seperti yang telah
disebutkan sebelumnya. Beberapa kriteria untuk mengetahui apakah suatu
proses berada di luar kendali yaitu:
Terdapat titik yang jatuh diluar garis batas kendali. 9 titik atau lebih secara berurutan jatuh disisi yang sama garis tengah. 6 titik secara berurutan terus naik atau terus turun 14 titik atau lebih secara bergantian naik-turun. 7 titik atau lebih secara berurutan terus naik atau terus turun.
-
26
Dua dari 3 titik jatuh di luar batas 2. Empat dari 5 titik jatuh di luar batas 1. Lima belas titik berada dalam batas kendali 1. Delapan titik secara berurutan jatuh di luar batas 1.
Selain itu jika terjadi pengelompokan data yang mengikuti pola tertentu,
maka data tersebut tidak dapat dikategorikan tidak terkendali. Jenis-jenis
abnormalitas pola pengelompokan data yang terbentuk adalah sebagai berikut:
1. Run, terjadi jika beberapa titik berurutan jatuh pada satu sisi dari garis
tengah. Sebuah pola data dinyatakan run apabila:
Panjang run = 7 Panjang run kurang dari 6, tetapi 6 dari 10 titik atau 12 dari 14 titik
berada di luar batas kendali.
Gambar 2.4 Pola Run
-
27
2. Trend. Sebuah pola data dinyatakan memiliki pola trend apabila ada
kecenderungan naik atau turun dari sejumlah titik berurutan, dengan
evaluasi jumlah titik = 7.
Gambar 2.5 Pola Trend
3. Periodic, terjadi apabila beberapa titik memperlihatkan pola perubahan
yang sama untuk interval yang sama
Gambar 2.6 Pola Periodic
4. Hugging, adalah pengelompokkan titik di sekitar garis tengah atau garis
kontrol.
-
28
Gambar 2.7 Pola Hugging Pada Garis Tengah
Hugging garis kontrol terjadi apabila 2 dari 3 titik, 3 dari 7 titik atau 4
dari 10 titik, jatuh diantara dua garis yang berjarak 2/3 dari garis tengah antara
garis tengah dengan batas kontrol atas dan batas kontrol bawah.
Gambar 2.8 Pola Hugging Pada Batas Kontrol
Terdapat beberapa jenis peta kendali yang penggunaannya disesuaikan
dengan tipe data yang akan diolah. Dalam pengendalian statistik terdapat dua
jenis data, yaitu :
9 Data variabel, merupakan data kuantitatif yang diukur untuk keperluan
analisis, misalnya data dimensi sampel. Peta kendali yang dapat
digunakan untuk jenis data ini adalah peta kendali X, X , R, S dan MR.
-
29
9 Data atribut, merupakan data kualitatif yang dapat dihitung untuk
pencatatan dan analisis, misalnya jumlah produk cacat. Peta Kendali
yang dapat digunakan adalah peta kendali p, np, c dan u.
Gambar 2.9 Petunjuk Pemilihan Peta Kendali
Peta Kontrol p
Peta kontrol p digunakan untuk mengukur proporsi ketidaksesuaian
(penyimpangan atau sering disebut cacat) dari item-item dalam kelompok yang
sedang di inspeksi. Dengan demikian peta kontrol p digunakan untuk
mengendalikan proporsi dari item-item yang tidak memenuhi syarat spesifikasi
kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu
proses. Pembuatan peta kontrol p dapat dilakukan mengikuti beberapa langkah
berikut :
-
30
1. Tentukan ukuran contoh yang cukup besar (n>30).
2. Hitung nilai proporsi cacat
inspeksitotalcacattotalp =
3. Hitung nilai simpangan baku, yaitu :
( )
=n
p1pSp
4. Hitung batas-batas kontrol :
CL : p
UCL : p + 3 Sp
LCL : p - 3 Sp
5. Plot data proporsi cacat dan lakukan pengamatan apakah data itu berada
dalam pengendalian statistikal.
2.6.3 Diagram Sebab Akibat
Diagram sebab akibat disebut juga dengan diagram tulang ikan karena
bentuknya yang seperti kerangka ikan. Diagram ini diperkenalkan oleh Prof.
Kaoru Ishikawa pada tahun 1953. Tujuan dari dibuatnya diagram ini adalah
untuk menunjukan faktor-faktor penyebab (sebab) dan karakteristik kualitas
(akibat) yang dipengaruhi oleh faktor-faktor tersebut.
Diagram ini menunjukan 6 faktor penyebab yang mempengaruhi
kualitas suatu produk. Faktor tersebut adalah man (manusia), method (metode),
-
31
material (bahan), machine (mesin), measurement (pengukuran) dan
environment (lingkungan). Beberapa hal yang perlu dilakukan dalam
pembuatan diagram ini adalah :
1. Penentuan masalah atau akibat yang akan dianalisa.
2. Penetuan faktor utama yang mempengaruhi akibat yang ditimbulkan.
3. Penentuan faktor sekunder yang mempengaruhi faktor utama
sebelumnya.
Gambar 2.10 Contoh Fishbone
2.6.4 Diagram Pareto
Diagram Pareto merupakan diagram batang yang menyusun secara
menurun dari frekuensi besar ke kecil. Biasanya digunakan untuk melihat atau
mengidentifikasi masalah, tipe cacat, atau penyebab yang paling dominan,
sehingga dapat dilakukan pemrioritasan dari penyelesaian masalah yang akan
-
32
dilakukan. Secara lebih terperinci diagram ini digunakan sebagai alat
interpretasi untuk menentukan frekuensi relatif dan urutan penting penyebab
terjadinya masalah, serta untuk memfokuskan perhatian pada informasi-
informasi kritis dan penting melalui pembuatan ranking dari penyebab suatu
masalah dalam bentuk yang signifikan.
Gambar 2.11 Contoh Diagram Pareto
2.6.5 FMEA
FMEA adalah sekumpulan petunjuk, sebuah proses untuk
mengidentifikasi dan mendahulukan masalas-masalah potensial (kegagalan).
Dengan mendasarkan aktivitas pada FMEA dapat difokuskan energi dan
sumber daya pada usaha pencegahan, monitoring dan rencana tanggapan yang
paling mungkin untuk melakukan suatu perbaikan.
-
33
Metode FMEA mempunyai banyak aplikasi dalam lingkungan Six
Sigma, untuk mencari berbagai masalah bukan hanya dalam proses serta
perbaikan kerja, tapi juga dalam aktivitas pengumpulan data prosedur serta
pelaksanaan Six Sigma. Prasyarat yang diperlukan adalah dengan memberikan
penekanan khusus untuk menghentikan masalah. Konsep kunci penggunaan
FMEA adalah :
1. Mendaftarkan masalah-maslah potensial yang dapat muncul.
2. Menilai masalah dengan menggunakan skala 1-10 untuk setiap kegagalan
potensial untuk 3 kategori berikut :
Occurance (O), suatu perkiraan probabilitas atau peluang bagi
penyebab akan terjadi dan menghasilkan modus kegagalan yang
menyebabkan akibat tertentu.
Tabel 2.1 Skala Occurrence
Skala Kriteria Verbal Tingkat Kejadian
1 Tidak mungkin penyebab ini mengakibatkan kegagalan 1 dalam 1000000
2 3
Kegagalan akan jarang terjadi 1 dalam 20000 1 dalam 4000
4 5 6
Kegagalan agak mungkin terjadi 1 dalam 1000 1 dalam 400 1 dalam 80
7 8
Kegagalan adalah sangat mungkin terjadi 1 dalam 40 1 dalam 20
9 10
Hampir dapat dipastikan bahwa kegagalan akan terjadi 1 dalam 8 1 dalam 2
-
34
Severity (S), suatu perkiraan subyektif bagaimana buruknya pengguna
akhir akan merasakan akibat dari kegagalan tersebut.
Tabel 2.2 Skala Severity
Skala Kriteria Verbal
1 Neglible Severity, kita tidak perlu memikirkan akibat ini akan berdampak pada kinerja produk. Pengguna akhir tidak akan memperhatikan kecacatan ini.
2 3
Mild Severity, akibat yang ditimbulkan hanya bersifat ringan, pengguna akhir tidak merasakan perubahan kinerja.
4 5 6
Moderate Severity, pengguna akhir akan merasakan akibat penurunan kinerja atau penampilan namun masih berada dalam batas toleransi.
7 8
High Severity, pengguna akhir akan merasakan akibat buruk yang tidak dapat diterima, berada di luar batas toleransi.
9 10
Potential Safety Problem, akibat yang ditimbulkan adalah sangat berbahaya dan bertentangan dengan hukum.
Detectibility (D), perkiraan subyektif bagaimana efektivitas dan
metode pencegahan atau pendeteksian.
Tabel 2.3 Skala Detectability
Skala Kriteria Verbal Tingkat Kejadian
1 Metode pencegahan atau deteksi sangat efektif. Tidak ada kesempatan bahwa penyebab akan muncul lagi.
1 dalam 1000000
2 3
Kemungkinan bahwa penyebab itu terjadi adalah sangat rendah.
1 dalam 20000 1 dalam 4000
4 5 6
Kemungkinan penyebab bersifat moderat, Metode deteksi masih memungkinkan kadang kadang penyebab itu terjadi.
1 dalam 1000 1 dalam 400 1 dalam 80
7 8
Kemungkinan penyebab itu masih tinggi. Metode pencegahan kurang efektif, penyebab masih berulang lagi
1 dalam 40 1 dalam 20
9 10
Kemungkinan penyebab itu terjadi sangat tinggi. Metode deteksi tidak efektif. Penyebab akan selalu terjadi
1 dalam 8 1 dalam 2
-
35
3. Menghitung Risk Priority Number (RPN) merupakan hasil perkalian
antara skala severity, detectibility dan skala occurance, untuk
memprioritaskan kegagalan potensial.
RPN = O S D
4. Melakukan tindakan-tindakan untuk mengurangi resiko kegagalan,
dengan memfokuskan pada kegagalan potensial yang memiliki nilai
RPN (prioritas) tertinggi.
2.7 Metode AHP
Analytical Hierarchy Process (AHP) merupakan suatu alat pengambilan
putusan yang sederhana, yaitu dengan memisahkan persoalan-persoalan yang rumit
(kompleks) menjadi beberapa jenjang (hirarki) yang sederhana, untuk kemudian
diselesaikan satu per satu, dan pada akhirnya kembali hirarki tersebut disusun
menjadi suatu kesatuan.
Keuntungan dari AHP adalah dapat melakukan analisis secara simultan dan
terintegrasi antara parameter-parameter yang kualitatif dan yang kuantitatif. AHP
juga memiliki beberapa manfaat yakni:
Mendefinisikan struktur hirarki masalah yang akan dipecahkan. Melakukan pembobotan elemen-elemen pada setiap Level dari hirarki. Menghitung prioritas terbobot dan konsistensi pembobotan. Menampilkan urutan dari alternatif-alternatif yang dipertimbangkan.
-
36
AHP menghandalkan teknik pembobotan dimana menggambarkan ukuran
relatif tentang pentingnya suatu elemen dibandingkan dengan elemen yang lainnya.
Standar pembobotan yang digunakan adalah dengan skala 1 (dua elemen sama
pentingnya) sampai 9 (satu elemen jauh lebih penting dari yang lain) untuk
digunakan dalam matriks dengan perbandingan berpasangan.
Tabel 2.4 Tingkat Kepentingan AHP
Tingkat Kepentingan Definisi Kepentingan
1 Sama penting dibanding yang lain
3 Moderat pentingnya dibanding yang lain
5 Kuat pentingnya dibanding yang lain
7 Sangat kuat pentingnya dibanding yang lain
9 Ekstrim pentingnya dibanding yang lain
2,4,6,8 Nilai diantara dua nilai kepentingan yang berdekatan Jika elemen i memiliki salah satu angka di atas dibanding elemen j, maka j memiliki nilai kebalikannya dibanding elemen j.
Langkah-langkah yang perlu dilakukan dalam penentuan prioritas dengan
AHP adalah :
Melakukan pembandingan bobot antar pilihan yang ada untuk setiap kriteria. A B C
A 1 1/2 1/4 B 2 1 1/4 C 4 4 1
Menormalisasi masing-masing matriks, untuk mendapatkan nilai Row Average.
-
37
A B C A B C Row Average A 1 1/2 1/4 A 1/7 1/11 1/6 0.133 B 2 1 1/4 B 2/7 2/11 1/6 0.211 C 4 4 1 C 4/7 8/11 4/6 0.655
total 7 11/2 6/4
Melakukan perhitungan nilai prioritas keseluruhan, dengan mengalikan nilai row average dari matriks perbandingan pilihan setiap kriteria dengan matriks
perbandingan kriteria keseluruhan.
=
===
0.51990.25050.2296
0.570.290.14
0.460.570.660.220.330.210.320.100.13
CBA
2.8 Metode Fuzzy
Logika Fuzzy merupakan suatu logika baru yang lama, sebab ilmu tentang
logika fuzzy modern dan baru ditemukan beberapa tahun yang lalu, padahal
sebenarnya konsep tentang logika fuzzy itu sendiri sudah sejak lama. Logika fuzzy
adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam raung
output, misalnya dengan input data persediaan barang berapakah jumlah barang
yang dapat diproduksi sebagai outputnya.
Konsep metode fuzzy mudah dimengerti karena didasari konsep matematis
sederhana. Metode fuzzy memiliki toleransi terhadap data yang tidak tepat dan
mampu memodelkan fungsi nonlinear yang sangat kompleks. Beberapa hal yang
terdapat dalam metode ini adalah :
-
38
Himpunan Fuzzy
Suatu model fuzzy seringkali dideskripsikan dalam syarat-syarat ruang
fuzzy-nya yang biasanya tersusun atas beberapa himpunan fuzzy dimana
masing-masing himpunan tersebut mendeskripsikan suatu arti tertentu. Misalnya
parameter temperatur terbagi dalam 3 himpunan fuzzy, dingin, sejuk, dan panas.
Fungsi Keanggotaan
Fungsi keanggotaan merupakan suatu kurva yang menunjukan pemetaan
titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang
memiliki interval 0 sampai 1. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah melalui pendekatan fungsi.
Domain Himpunan Fuzzy
Merupakan keseluruhan nilai yang diijinkan dalam semesta pembicara
dan merupakan bilangan real. Nilai domain dapat berupa bilangan positif
maupun negatif. Domain memiliki batas atas dan batas bawah, misalnya
himpunan fuzzy berat memiliki domain antara 40 kg sampai 60 kg.
Fungsi Implikasi
Fungsi implikasi digunakan sebagai dasar untuk teknik implikasi fuzzy.
Misalnya jika 2 daerah fuzzy direlasikan dengan implikasi IF x is A THEN y is
B. Pembentukan fungsi implikasi biasanya disertai dengan penggunaan operator
lainnnya seperti And, Or dan Not.