Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon
| Main Author: | Nur Aprilia Rahmadani, Nur Aprilia Rahmadani; Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember (ITS) |
|---|---|
| Other Authors: | ITS |
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS
, 2012
|
| Subjects: | |
| Online Access: |
http://ejurnal.its.ac.id/index.php/sains_seni/article/view/579 http://ejurnal.its.ac.id/index.php/sains_seni/article/view/579/182 |
Daftar Isi:
- Abstrak—Kualitas didefinisikan sebagai kesesuaian spesifikasi produk dengan rancangan yang telah ditetapkan. Sering kali terjadi kualitas yang diharapkan tidak sesuai dengan kenyataan, tetapi jika pengaturan kualitas dapat dilakukan sedini mungkin, maka spesifikasi yang diharapkan akan diperoleh. Sejak awal sangat diperlukan optimasi proses dengan cara pengaturan alat dan metode yang optimal. Pada penelitian ini, untuk mengatasi permasalahan optimasi multirespon akan dilakukan analisis dengan menggunakan metode penggabungan antara Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA). Data yang digunakan berasal dari penelitian Garg (2010) dengan judul “Pengaruh Parameter Proses Pada Pengukuran Kinerja Wire-EDM. Hasil analisis menggunakan metode gabungan GRA dan PCA menjelaskan bahwa kombinasi optimal dari parameter proses yaitu A3B1C1D3E2F3. Respon dengan karakteristik Larger The Better (Laju Pemotongan dan Arus Kesenjangan) pada metode gabungan GRA dan PCA menghasilkan nilai prediksi yang lebih baik dibandingkan dengan metode Fungsi Utility dan Fuzzy Logic. Respon dengan karakteristik Smaller The Better (Kekasaran Permukaan dan Penyimpangan Dimensi) pada metode Fungsi Utility dan Fuzzy Logic menghasilkan nilai prediksi yang lebih baik dibandingkan dengan metode gabungan GRA dan PCA. Kata Kunci—Wire-EDM, Optimasi Multirespon, GRA, PCA