optimasi multi response surface pada industri kemasan...

Optimasi Multi Response Surface pada

Industri Kemasan Botol Plastik dengan

Pendekatan Fuzzy Programming

(Studi Kasus di PT. AAM)

Lela Devi Meylina (1310 100 099)

Selasa, 24 Juni 2014

Ruang Sidang Lantai2

Pembimbing: Dr. Sony Sunaryo, M.Si

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA

METODOLOGI PENELITIAN

ANALISIS DAN PEMBAHASAN

KESIMPULAN

2

PENDAHULUAN

Latar

Belakang

Rumusan

Masalah

Tujuan

Penelitian

Manfaat

Penelitian

Batasan

Masalah

3

LATAR BELAKANG

4

Penelitian sebelumnya...

Pengendalian kualitas statistika multivariant pada proses

produksi botol Indomilk 200 ml dengan cavity 2,3.

Penggunaan metode response surface dalam optimasi proses

pembuatan botol produk Johnson Baby Oil 50 ml pada mesin

blow molding.

Penentuan setting parameter pada proses blow molding

dengan metode taguchi atribut.

Penentuan setting variabel proses temperatur barrel, blowing

time, dan blowing pressure terhadap volume isi botol dan

diameter mulut dalam botol produk Chamomile 60 ml

menggunakan response surface pada mesin blow molding.

5

Penentuan setting variabel proses temperatur barrel, blowing

time, dan blowing pressure terhadap volume isi botol dan

diameter mulut dalam botol produk Chamomile 60 ml

menggunakan response surface pada mesin blow molding.

MULTI RESPONSE SURFACE

PENDEKATAN FUZZY

PROGRAMMING

6

RUMUSAN MASALAH

Bagaimana setting parameter pada proses blow molding terhadap volume isi botol dan diameter

mulut dalam botol pada produk Chamomile 60 ml

di PT. AAM dengan pendekatan fuzzy programming?

Bagaimana perbandingan hasil optimasi pada

penelitian Amrillah (2006) dengan optimasi multi response surface menggunakan pendekatan fuzzy

programming?

7

TUJUAN PENELITIAN

Menentukan setting parameter pada proses blow molding terhadap volume isi botol dan diameter

mulut dalam botol pada produk Chamomile 60 ml di

PT. AAM dengan pendekatan fuzzy programming

Memperoleh perbandingan hasil optimasi pada

penelitian Amrillah (2006) dengan optimasi multi response surface menggunakan pendekatan fuzzy

programming

8

MANFAAT PENELITIAN

Setting parameter blow molding yang optimum.

Perbandingan hasil penelitian Amrillah (2006)

dan penelitian ini.

Perbandingan metode response surface fungsi

desirability dan multi response surface pendekatan fuzzy programming.

9

BATASAN MASALAH

Produk Chamomile 60 ml PT. AAM

Karakteristik kualitas:

Respon 1. Volume Isi

2. Diameter Mulut Dalam Botol

Faktor 1. Temperatur barrel 2. Blowing time 3. Blowing pressure

Mesin Blow Molding BM 08 Double

Wagon , material HDPE, tanpa

membahas rangkaian listrik

10

TINJAUAN

PUSTAKA

Metode

Response

Surface

Pengujian

Signifikansi

dan Asumsi

Teori Fuzzy

Metode Fuzzy

Programming

Tinjauan

Umum Plastik

Produk Plastik

PT. AAM

Proses Blow

Molding

11

Metode response surface atau RSM (Response Surface Methodology) adalah

sekumpulan teknik matematika dan statistika yang berguna untuk memodelkan

dan menganalisis masalah dengan respon sebagai pusat perhatiannya yang

dipengaruhi oleh beberapa variabel dan bertujuan untuk optimasi respon

(Montgomery, 2001).

Fungsi orde pertama:

Fungsi orde kedua:

Metode Response Surface

12

Pengujian Signifikansi dan Asumsi

13

1. Uji Lack of Fit. Hipotesis:

H0 : Model telah sesuai (tidak ada lack of

fit)

H1 : Model tidak sesuai (ada lack of fit)

Statistik Uji:

Model sesuai, jika .

2. Uji Serentak. Hipotesis:

H0 :

H1 :Minimal ada satu

Statistik Uji:

Model signifikan secara serentak jika

.

3. Uji Individu. Hipotesis:

H0 :

H1 :

Statistik Uji:

Model signifikan secara individu, jika

.

14

Pengujian Signifikansi dan Asumsi

14

Residual Identik

-Uji Levene

-Plot Residual versus Fits .

Residual Independen

-Plot ACF

-Plot Residual versus Order

Residual Berdistribusi Normal

-Uji Kolmogorov-Smirnov

-Normal Probability Plot

Zadeh (1965) menjelaskan bahwa serangkaian fuzzy set dalam semesta

X dikarakteristikkan oleh fungsi keanggotaan atau membership function

dimana berasosiasi dengan tiap elemen x dalam bilangan real X

dalam interval [0,1]. Nilai fungsi disebut kelas keanggotaan dari x

dalam . .

Fuzzy bilangan yang terdiri dari 3 bagian / segitiga (triangular fuzzy) dapat

didefiniskan sebagai triplet (l,m,u). Fungsi keanggotaan triplet

didefinisikan sebagai :

Teori Fuzzy

15

1. Mendesain eksperimen multi respon.

2. Membuat model response surface untuk tiap replikasi.

3. Mengoptimasi respon untuk tiap model regresi permukaan (surface

regression). adalah level faktor optimumnya.

4. Menentukan model regresi response surface fuzzy untuk respon ke-j.

Metode Fuzzy Programming

16

.

5. Menentukan level faktor fuzzy yang optimum. Level faktor optimum untuk

respon ke-k adalah

6. Membuat matriks pay-off untuk nilai respon.

7. Membuat matriks pay-off untuk nilai respon desirability.

8. Mendefinisikan fungsi deviasi dan membuat matrik pay-off untuk nilai deviasi.

Apabila maka

9. Mendefinisikan 2 model objektif untuk model multi response surface

menggunakan fuzzy MODM yang digunakan oleh Lai dan Hwang (1992).

Model akhir:

17

10. Mengkonversikan 2 model objektif menjadi 1 model objektif. Fungsi yanng

menyatakan derajat kepuasan desirability dan robust adalah:

Selanjutnya menggunakan operator Max-Min Zimmerman (1987).

11. Menentukan level faktor fuzzy optimum dengan menyelesaikan model 1

objektif.

18

.

Tinjauan Umum Plastik

19

Plastik adalah sebuah

polimer yang bersifat

elastik. Plastik adalah

polimer rantai panjang dari

atom yang mengikat satu

sama lain. (Ningsih, 2010).

- Plastik mudah dicetak sehingga

tidak memerlukan pembuatan

bentuk yang rumit.

- Plastik memiliki berat jenis

yang rendah sehingga

produknya ringan.

- Plastik tahan terhadap korosi.

- Plastik bersifat fleksibel.

JENIS PLASTIK

Polyethylene (PE)

Polypropylene (PP)

Polystyrene (PS)

Polivnyl Clorida (PVC)

Polyethylene Tercphtalate

(PET)

Produk Plastik PT. AAM

20

1 Poros Penggerak

3 Hooper

4 Material

5 Extruder Barrel

6 Heater

7 Thermocontrol

8 Die Head

9 & 10 Pin & Die

Proses Blow Molding

21

Mesin blow

mold PT. AAM

Mold dan

moldpartsPT.

AAM

Proses Blow Molding

22

METODOLOGI

PENELITIAN

Sumber

Data

Variabel

Penelitian

Rancangan

Percobaan

Langkah

Penelitian

Jadwal

Penelitian

23

Sumber Data

Data penelitian Rodhy Amrillah (2006) Program Studi Sarjana

Teknik Mesin yang meneliti tentang penentuan setting parameter

pada proses blow molding dengan metode response surface

pada produk Chamomile 60 ml.

24

VARIABEL PENELITIAN

Volume isi botol (ml) : Y1

Diukur menggunakan TIMBANGAN DIGITAL

Diameter mulut dalam botol (mm) : Y2

Diukur menggunakan JANGKA SORONG DIGITAL

RESPON

25

FAKTOR

Temperatur Barrel : X1

Blowing Time : X2

Blowing Pressure : X3

VARIABEL PENELITIAN

Level -1,682 : 174 oC

Level -1 : 181 oC

Level 0 : 191 oC

Level 1 : 201 oC

Level 1,682 : 208 oC

Level -1,682 : 7,2 detik

Level -1 : 7,9 detik

Level 0 : 8,9 detik

Level 1 : 9,9 detik

Level 1,682 : 10,6 detik

Level -1,682 : 4,3 kg/cm2

Level -1 : 5,0 kg/cm2

Level 0 : 6,0 kg/cm2

Level 1 : 7,0 kg/cm2

Level 1,682 : 7,7 kg/cm2 26

RANCANGAN PERCOBAAN

Rancangan percobaan ORDE 1 dan ORDE 2

ORDE 1 :FAKTORIAL dengan 8

observasi

ORDE 2 : CCD dengan 20

observasi

27

LANGKAH PENELITIAN

1. Menentukan rancangan percobaan.

2. Mengambil data.

3. Melakukan analisis response surface untuk masing-masing

replikasi di tiap respon.

4. Menguji signifikansi dan asumsi residual IIDN dari model

regresi response surface.

5. Melakukan analisis multiresponse surface dengan fuzzy

programming sesuai algoritma Bashiri & Hosseininezhad

(2009).

6. Menginterpretasi hasil.

7. Membuat kesimpulan.

28

29

ANALISIS DAN PEMABASAHAN

Analisis

Response

Surface Fuzzy

Programming

Perbandingan

Hasil

Penelitian

Koefisien penaksir parameter regresi response surface Koefisien penaksir parameter regresi response surface

30

ANALISIS RESPONSE SURFACE

FUZZY PROGRAMMING

31

Koefisien penaksir parameter regresi response surface Hasil Response Surface Fuzzy

32

Koefisien penaksir parameter regresi response surface Level faktor optimum

Level faktor

fuzzy optimum

33

Koefisien penaksir parameter regresi response surface Matriks pay-off nilai respon

Mensubstitusi nilai

optimum fuzzy ke

persamaan

response surface

fuzzy

34 34

Koefisien penaksir parameter regresi response surface Matriks pay-off nilai desirability

35

Koefisien penaksir parameter regresi response surface Matriks pay-off deviasi

36

Koefisien penaksir parameter regresi response surface Model 2 objektif menjadi 1 model objektif

Model 1

Model 2

37

Koefisien penaksir parameter regresi response surface

Model 2 objektif menjadi 1 model objektif (2)

38

Model 1

Model 2

Koefisien penaksir parameter regresi response surface Model 2 objektif menjadi 1 model objektif (3)

Model 1

Model 2

Untuk menggabungkan kedua model menjadi 1, digunakan operator

Max-Min Zimmerman. Dasar yang digunakan adalah memaksimumkan

derajat kepuasan minimum dari kedua model.

39

Model lower Model upper

Model mean

Koefisien penaksir parameter regresi response surface Model 2 objektif menjadi 1 model objektif (4)

40

Koefisien penaksir parameter regresi response surface Level faktor fuzzy optimum akhir

Model lower Model upper

Model mean

41

PERBANDINGAN HASIL

PENELITIAN

Amrillah (2009):

Response Surface

Pendekatan Fungsi

Desirability

Penelitian ini :

Response Surface

Pendekatan Fuzzy

Programming

42

KESIMPULAN

Kesimpulan

Saran

43

Koefisien penaksir parameter regresi response surface Kesimpulan

Setting parameter pada proses blow molding terhadap volume isi

botol dan diameter mulut dalam botol pada produk Chamomile 60

ml di PT. AAM dengan pendekatan fuzzy programming untuk level

rata-rata adalah 210 oC pada temperatur barrel, 9,35 detik pada

blowing time dan 6,258 kg/cm2 pada blowing pressure.

Perbandingan hasil optimasi pada penelitian Amrillah (2006) dengan

optimasi multi response surface menggunakan pendekatan fuzzy

programming menun-jukkan bahwa model response surface dengan

fuzzy program-ming lebih baik daripada model yang diperoleh pada

penelitian Amrillah (2006) dari sisi composite desirability.

Dalam algoritma Bashiri dan Hosseininezhad (2009) ada

kemungkinan bahwa:

44

Koefisien penaksir parameter regresi response surface Saran

Pembaginya

merupakan

bilangan nol

Abdi, Z. (2005). Analisis Optimasi Proses Pembuatan Botol Produk Johnson Baby Oil 50 ml pada Mesin Blow

Molding degan Menggunakan Metode Response Surface.

Amalia, N. (2013). Laporan Kerja Praktek di PT. Abadi Adimulia.

Azeem, A. (2008). Polyethylene Manufacturing and its Properties.

Bashiri, M., & Hosseininezhad, S. J. (2009). A Fuzzy Programming for Optimizing Multi Reponse Surface in

Robust Design. Journal of Uncertain Systems Vol. 3 No. 3 , 163-173.

Belofsky, H. (1995). Platics: Product Design and Process Engineering. Hanser Publication.

Brown, M. B., & Forsythe, A. B. (1974). Robust Test for the Equality Variances. Journal of the American

Statistical Association Vol. 69 No.346 , 364-367.

Daniel, W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT. Gramedia.

Frost, J. (2012, 4 5). The Minitab Blog. Dipetik 2 25, 2014, dari Why You Need to Check Your Residual Plots

for Regression Analysis: http://blog.minitab.com/blog/adventures-in-statistics/why-you-need-to-check-

your-residual-plots-for-regression-analysis

Johnson, R., & Bhattacharya, G. (1992). Statistics : Principles and Methods 2nd edition. Wiley.

Khuri, A., & Cornell, J. (1996). Response Surfaces Designs and Analysis. New York: Marcel Dekker.

Kim, K. J., & Lin, D. K. (1998). Dual Response Surface Optimization: A Fuzzy Modelling Approach. Journal of

Quality Technology Vol. 30 No. 1 , 1-10.

Kompas. (2013, 9 11). Kementrian Perindustrian Republik Indonesia. Dipetik 2 3, 2014, dari Kementrian

Perindustrian Republik Indonesia Website: http://kemenperin.go.id/artikel/7334/Industri-Plastik-Perlu-

Diperkuat

Lai, Y., & Hwang, C. (1992). Fuzzy Multiple Objective Decision Making. Springer-Verlag.

DAFTAR PUSTAKA

45

Montgomery, D. C. (2001). Response Surface Methods. Dalam Design and Analysis of Experiments 5th

edition (hal. 427-500). USA: John Wiley and Sons.

Muccio, E. A. (1991). Design for Plastics Processing. ASM Handbook Volume 20 : Materials Selection and

Design , 793-803.

Mujiarto, I. (2008). Sifat dan Karakteristik Material Plastik dan Bahan Aditif.

Ningsih, S. W. (2010). Optimasi Pembuatan Bioplastik Polihidroksialkanoat Menggunakan Bakteri Mesofilik

Dan Media Limbah Cair Pabrik Kelapa Sawit.

Patryadi, V. (2006). Penentuan Setting Parameter Pada Proses Blow Molding dengan Metode Taguchi

Atribut.

Prastyo, D. D., Akbar, M. S., & Otok, B. W. (2007). Fuzzy Modelling Approach and Global Optimization for

Dual Response Surface. Jurnal Teknik Industri Vol. 9 No. 2 , 102-111.

Romdhoni, L. (2004). Pengendalian Kualitas Statistika Multivariant Proses Produksi Botol Indomilk 200 ml

dengan Cavity 2,3 di PT Abadi Adimulia Surabaya.

Wei, W. W. (2006). Time Series Analysis Univariate and Multivariate Methods 2nd edition. USA: Pearson

Eduction, Inc.

Zadeh, L. (1965). Fuzzy Sets, Information, and Control Vol.8. 338-353.

Zimmerman, H. (2000). Fuzzy Set Theory and Its Application 3rd edition. Massachussets: Kluwer Academic

Publisher.

Zimmerman, H. (1987). Fuzzy Sets, Decision Making, and Expert Systems. Boston: Kluwer Academic

Publishing.

DAFTAR PUSTAKA (2)

46

47

Optimasi Multi Response Surface pada

Industri Kemasan Botol Plastik dengan

Pendekatan Fuzzy Programming

(Studi Kasus di PT. AAM)

Lela Devi Meylina (1310 100 099)

Selasa, 24 Juni2014

Ruang Sidang Lantai 2

Pembimbing: Dr. Sony Sunaryo, M.Si

Perhitungan Excel Solver

48

• Y1= 67,005+0,289*H3+0,189*H4+0,202*H5-(0,101*H3*H3)-(0,213*H4*H4)-

(0,131*H5*H5)

• Y2= 8,134+0,03*H3+0,025*H4+0,023*H5-(0,019*H3*H3)-(0,027*H4*H4)-

(0,017*H5*H5)

• D1=0,165+0,03*H3+0,018*H4+0,034*H5+(0,016*H3*H3)+(0,037*H4*H4)+(0,046*H5*

H5)

• D2=0,003+0,006*H3+0,003*H4+0,003*H5+(0,001*H3*H3)+(0,001*H4*H4)+(0,003*H

5*H5)

• d1 =(H16-66)/(68-66)

• d2 =(H17-8,2)/(8,1-8,2)

• S1 =(H12-0,351)/(0,524-0,351)

• S2 =(H13-0,299)/(0,813-0,299)

• T1 =(0,309-H14)/(0,309-0,262)

• T2 =(0,016-H15)/(0,016-0,017)

• V1 =MIN(H8:H9)

• V2 =MIN(H10:H11)

• Target =0,5*H6+0,5*H7

• Konstrain1 =H12-(H6*0,138)

• Konstrain2 =H13-(H6*0,352)

• Konstrain3 =H14+(H7*0,121)

• Konstrain4 =H15-(H7*0,008)

49