bab iv hasil dan pembahasanrepository.ub.ac.id/9188/5/bab iv.pdf · 2018. 4. 4. · 35 bab iv hasil...
TRANSCRIPT
35
BAB IV
HASIL DAN PEMBAHASAN
Bab ini menjelaskan mengenai pembahasan dari rumusan masalah serta tujuan yang
telah ditetapkan di bab I. Setelah pengambilan data dilakukan, kemudian data tersebut akan
diolah dengan metode Taguchi untuk meningkatkan perbaikan kualitas tidur dengan
menggunakan bantal, sehingga kualitas tidur dapat meningkat.
4.1 Bahan Baku dan Peralatan Utama Penelitian
Bahan baku dan peralatan yang digunakan pada penelitian ini ditunjukkan pada Tabel
4.1.
Tabel 4.1
Bahan Baku dan Alat yang Digunakan dalam Penelitian
No Bahan Baku / Alat Keterangan
1.
Kain katun jepang
Kain katun jepang merupakan salah satu bahan
luar yang digunakan dalam pembuatan bantal
tidur. Ciri dari katun jepang yaitu serat kainnya
lembut, terbuat dari 90-100% katun kualitas
premium, permukaannya halus, dan terasa
dingin.
2.
Kain katun akrilik
Kain katun akrilik merupakan salah satu bahan
luar yang digunakan dalam pembuatan bantal
tidur. Ciri dari katun akrilik yaitu terbuat dari
serat akrilik, sifatnya mirip dengan kain wol,
lembut dan ringan sehingga lebih mudah kering.
Kain ini mampu menahan panas tubuh tetapi
terasa lembab bila digunakan.
3.
Kain katun rayon
Kain katun rayon merupakan salah satu bahan
luar yang digunakan dalam pembuatan bantal
tidur. Ciri dari katun rayon yaitu teksturnya
agak licin dan ringan, terbuat dari campuran
katun dan rayon, terasa dingin, dan mudah
menyerap keringat.
36
No Bahan Baku / Alat Keterangan
4.
Dakron
Dakron merupakan salah satu bahan isi yang
digunakan dalam pembuatan bantal tidur
5.
Kapuk
Kapuk merupakan salah satu bahan isi yang
digunakan dalam pembuatan bantal tidur
6.
Bulu angsa
Bulu angsa merupakan salah satu bahan isi yang
digunakan dalam pembuatan bantal tidur
7.
Mesin jahit
Mesin jahit merupakan mesin yang digunakan
untuk menjahit bahan luar bantal
8.
Alat jahit
Alat jahit merupakan peralatan yang terdiri atas
jarum jahit, benang jahit, dan pemotong benang
yang digunakan untuk menjahit bantal tidur
4.2 Penetapan Karakteristik Kualitas Tidur
Karakteristik kualitas tidur yang digunakan dalam penelitian ini didasarkan pada hasil
perhitungan skor PSQI yang didapatkan dari kuesioner PSQI pada Lampiran 2. Kuesioner
PSQI memiliki rentang skor 0-21. Langkah perhitungan skor PSQI ditunjukkan pada bab 2.
Kualitas tidur yang diukur adalah kualitas tidur malam seseorang. Skor PSQI yang semakin
37
mendekati 0 menunjukkan bahwa kualitas tidur seseorang semakin baik dan sebaliknya jika
skor PSQI mendekati 21 menunjukkan bahwa kualitas tidur seseorang semakin buruk. Maka
dari itu, karakteristik kualitas yang digunakan adalah smaller the better. Karena karakteristik
kualitas yang digunakan adalah smaller the better, maka rumus untuk perhitungan signal
noise to ratio yang digunakan adalah sebagai berikut.
𝜂 = −10 log 10 (𝜎2 + �̅�2 )
4.3 Penetapan Faktor dan Level Faktor
Penetapan faktor dan level faktor berpengaruh didapatkan dari studi literatur, diskusi
dengan pengguna bantal, dan pemilik usaha pembuatan bantal. Faktor-faktor yang
memberikan pengaruh terhadap bantal tidur untuk meningkatkan kualitas tidur ditunjukkan
pada Tabel 4.2.
Tabel 4.2
Faktor Berpengaruh Pada Bantal Tidur
No Faktor yang mempengaruhi Penelitian terdahulu
1 Bahan bantal Cai & Chen (2016) dan Jeon, dkk (2014)
2 Tinggi bantal Cai & Chen (2016) dan Ren, dkk (2016)
3 Bentuk bantal Cai & Chen (2016) dan Liu, dkk (2011)
4 Berat bantal Sinaga, dkk (2012)
5 Lama waktu penggunaan bantal Sinaga, dkk (2012)
6 Keempukan bantal Munawaroh, dkk (2016)
7 Kemampuan menopang kepala Munawaroh, dkk (2016) dan Jeon, dkk (2014)
8 Suhu bantal Jeon, dkk (2014)
9 Kelembapan ruang
10 Adanya teman sekamar
11 Suasana
Faktor yang berpengaruh pada Tabel 4.2 kemudian dipilah berdasarkan faktor kontrol,
faktor gangguan, dan faktor sinyal. Menurut Soejanto (2009), faktor kontrol adalah faktor
yang nilai-nilainya ditentukan dan mempunyai lebih dari satu nilai yang disebut dengan level.
Faktor gangguan adalah parameter yang menyebabkan penyimpangan karakteristik kualitas
dari nilai target yang tidak terkendali dan sulit diprediksi. Faktor sinyal adalah faktor yang
mengubah nilai-nilai karakteristik kualitas yang sebenarnya akan diukur. Pemisahan faktor
kontrol dan faktor gangguan ditunjukkan Tabel 4.3.
Tabel 4.3
Pemisahan Faktor Kontrol dan Faktor Gangguan
Faktor Kontrol Faktor Gangguan Faktor Sinyal
Bahan bantal Suhu bantal Berat bantal
Tinggi bantal Kelembapan ruang Lama waktu penggunaan bantal
Bentuk bantal Adanya teman sekamar
Keempukan bantal Suasana
Kemampuan menopang kepala
38
Berikut merupakan penjelasan pemisahan dari faktor kontrol, faktor gangguan, dan
faktor sinyal dari Tabel 4.3.
1. Bahan bantal
Faktor bahan bantal dipilih karena berdasarkan hasil diskusi dengan pembuat dan
pengguna bantal serta berdasarkan penelitian yang dilakukan oleh Jeon, dkk (2014)
diketahui bahwa bahan bantal yang berbeda berdampak pada kualitas tidur yang berbeda.
Faktor bahan bantal kemudian dibedakan menjadi faktor bahan luar bantal dan faktor
bahan isi bantal.
2. Tinggi bantal
Faktor tinggi bantal dipilih karena berdasarkan penelitian yang dilakukan oleh Ren, dkk
(2016) memberikan hasil bahwa tinggi bantal yang berbeda memberikan kualitas tidur
yang berbeda pula.
3. Bentuk bantal
Faktor bentuk bantal dipilih karena berdasarkan penelitian yang dilakukan oleh Liu, dkk
(2011) memberikan hasil bahwa bentuk bantal berpengaruh terhadap kualitas tidur.
4. Berat bantal
Faktor berat bantal tidak dipilih karena berat bantal tidak memberikan pengaruh
terhadap kualitas tidur. Dalam penelitian yang dilakukan oleh Sinaga, dkk (2014)
diketahui bahwa faktor berat bantal akan berpengaruh jika digunakan pada kasus khusus.
Berat bantal yang digunakan pada penelitian ini adalah 700 gram sehingga berat bantal
ditetapkan sebagai faktor sinyal.
5. Lama waktu penggunaan bantal
Faktor lama waktu penggunaan bantal tidak dipilih karena dalam penelitian yang
dilakukan oleh Sinaga, dkk (2014) diketahui bahwa lama waktu penggunaan bantal
tidak berpengaruh secara signifikan. Lama waktu penggunaan bantal kemudian
diartikan menjadi lama waktu tidur, yaitu antara 7-9 jam. Faktor ini kemudian
ditetapkan sebagai faktor sinyal.
6. Keempukan bantal
Faktor keempukan bantal tidak dipilih karena dalam penelitian yang dilakukan oleh
Munawaroh, dkk (2016) diketahui bahwa faktor keempukan bantal tidak memberikan
pengaruh signifikan terhadap kualitas tidur. Faktor keempukan bantal ini ditinjau dari
ukuran bantal, densitas bantal, dan konstanta gaya. Faktor keempukan bantal kemudian
ditetapkan sebagai faktor kontrol. Namun, karena memiliki faktor lain yang
39
mempengaruhi keempukan bantal, sehingga faktor keempukan bantal tidak dijadikan
faktor kontrol dalam penelitian ini.
7. Kemampuan menopang kepala
Faktor kemampuan menopang kepala tidak dipilih karena berdasarkan penelitian yang
dilakukan oleh Munawaroh, dkk (2016) dan oleh Jeon, dkk (2014) diketahui bahwa
faktor kemampuan menopang kepala sulit diukur sehingga dikategorikan sebagai faktor
gangguan.
8. Suhu bantal
Faktor suhu bantal tidak dipilih karena suhu bantal merupakan faktor yang sulit
dikendalikan dan bergantung pada suhu ruang dan suhu pengguna bantal itu sendiri.
Karena sulit dikendalikan, sehingga faktor suhu bantal dikategorikan sebagai faktor
gangguan.
9. Kelembapan ruang
Faktor kelembapan ruang tidak dipilih karena merupakan faktor yang sulit dikendalikan
kecuali penelitian dilakukan di ruangan tertutup, sedangkan penelitian ini tidak
sepenuhnya dilakukan di ruangan tertutup. Hal ini menjadikan faktor kelembapan ruang
termasuk dalam faktor gangguan.
10. Adanya teman sekamar
Faktor adanya teman sekamar merupakan faktor gangguan karena hal ini berdasarkan
pada preferensi subjek penelitian dan bergantung pada kondisi saat penelitian
berlangsung.
11. Suasana
Faktor suasana dalam hal ini dikategorikan sebagai faktor gangguan karena sulit
dikendalikan. Suasana saat penelitian sedang berlangsung sangat beragam, misalnya
suasana ramai atau tenang, hujan atau tidak, cuaca dingin atau panas, dan sebagainya.
Faktor ini sangat sulit dikendalikan sehingga termasuk dalam faktor gangguan.
Faktor kontrol pada Tabel 4.3 kemudian ditentukan level faktor yang digunakan. Level
faktor dari faktor yang berpengaruh ditunjukkan pada Tabel 4.4.
Tabel 4.4
Level Faktor yang Digunakan
Faktor
kontrol
Level faktor
1 2 3
Bahan isi Kapuk Bulu angsa Dakron
Bahan luar Katun jepang Katun akrilik Katun rayon
Tinggi bantal 5 cm 10 cm 15 cm
40
Faktor
kontrol
Level faktor
1 2 3
Bentuk
bantal
Bantal biasa
Bantal orthopedic
Bantal lengkung
Berikut merupakan penjelasan penetapan level faktor pada Tabel 4.4.
1. Bahan isi
Bahan isi bantal ditetapkan yaitu dengan bahan isian kapuk, bulu angsa dan dakron. Hal
ini berdasarkan pada artikel yang berjudul “Jangan Salah... Kenali Dulu Isi Bantalnya,
Baru Beli!” yang dimuat dalam Kompas.com. Bahan isian yang digunakan merupakan
bahan yang paling umum digunakan untuk bahan isian bantal.
2. Bahan luar
Bahan luar bantal ditetapkan yaitu dengan bahan luar katun jepang, katun akrilik dan
katun rayon. Hal ini berdasarkan pada artikel yang berjudul “Pilih-pilih Bahan Seprai
untuk Kenyamanan Tidur. Mana Paling Baik?” yang dimuat dalam detik.com. Bahan
luar bantal tersebut merupakan bahan yang paling umum serta nyaman digunakan untuk
bahan luar bantal.
3. Tinggi bantal
Tinggi bantal yang ditetapkan sebesar 5 cm, 10 cm dan 15 cm dikarenakan berdasarkan
hasil survey awal yang dilakukan peneliti ketiga ukuran tinggi tersebut merupakan
ukuran tinggi yang paling banyak di pasaran.
4. Bentuk bantal (tampak samping)
Bentuk bantal ditetapkan berdasarkan gambar pada Tabel 4.4 dimana hal tersebut
didasarkan pada studi literatur berupa jurnal dengan judul “Improving the Quality of
Sleep with an Optimal Pillow: A Randomized, Comparative Study”.
4.4 Penetapan Orthogonal Array
Matriks orthogonal ditentukan berdasarkan nilai derajat kebebasan yang diperoleh dari
penentuan nilai faktor serta level faktor. Nilai derajat kebebasan yang digunakan harus sama
dengan nilai derajat kebebasan utama tersebut. Perhitungan nilai derajat kebebasan untuk
faktor kontrol ditunjukkan pada Tabel 4.5.
41
Tabel 4.5
Perhitungan Derajat Kebebasan
Faktor Derajat kebebasan
Kode Nama
A Bahan isi (3-1)
B Bahan luar (3-1)
C Tinggi bantal (cm) (3-1)
D Bentuk bantal (3-1)
Total 8
Hasil perhitungan derajat kebebasan adalah 8. Nilai ini menunjukkan jumlah minimal
eksperimen yang harus dilakukan. Desain matriks orthogonal yang sesuai adalah L9(34).
Tabel 4.6 menunjukkan matriks orthogonal yang digunakan dalam penelitian ini.
Tabel 4.6
Matriks Orthogonal Eksperimen Desain Bantal
Eksperimen A B C D
1 1 1 1 1
2 1 2 2 2
3 1 3 3 3
4 2 1 2 3
5 2 2 3 1
6 2 3 1 2
7 3 1 3 2
8 3 2 1 3
9 3 3 2 1
4.5 Penugasan pada Orthogonal Array
Setelah orthogonal array ditetapkan, selanjutnya dilakukan penugasan pada orthogonal
array yang dipilih berdasarkan grafik linear serta Tabel triangular. Penugasan pada
orthogonal array ditunjukkan pada Tabel 4.7.
Tabel 4.7
Penugasan pada Orthogonal Array untuk Desain Bantal
Eksperimen A B C D
1 Kapuk Katun
jepang 5 cm
2 Kapuk Katun
akrilik 10 cm
3 Kapuk Katun
rayon 15 cm
42
Eksperimen A B C D
4 Bulu
angsa
Katun
jepang 10 cm
5 Bulu
angsa
Katun
akrilik 15 cm
6 Bulu
angsa
Katun
rayon 5 cm
7 Dakron Katun
jepang 15 cm
8 Dakron Katun
akrilik 5 cm
9 Dakron Katun
rayon 10 cm
4.6 Pelaksanaan Eksperimen Taguchi
Pada tahap pelaksanaan eksperimen Taguchi dilakukan pembuatan bantal tidur dengan
komposisi seperti yang telah ditetapkan, seperti bahan isi, bahan luar, tinggi bantal dan
bentul bantal yang ditunjukkan pada Tabel 4.7. Proses pembuatan bantal tidur dari awal
hingga akhir dijelaskan pada poin-poin berikut ini.
1. Persiapan alat dan bahan
Tahap ini merupakan tahap mempersiapkan alat dan bahan yang digunakan dalam
eksperimen ini. Alat dan bahan yang digunakan ditunjukkan pada Tabel 4.1.
2. Pembuatan pola bantal tidur
Pada tahap ini dilakukan pembuatan pola bantal tidur sebagai alat bantu pembuatan
bagian luar bantal tidur. Pola ini merupakan pola bagian samping dari beberapa bentuk
bantal tidur yang digunakan untuk memudahkan proses penjahitan bagian luar bantal.
Pola yang dibuat ditunjukkan pada Gambar 4.1.
43
Gambar 4.1 Pola bantal tidur
3. Pembuatan bagian luar bantal tidur
Tahap ini merupakan tahap penjahitan bahan luar sesuai dengan komposisi yang
ditunjukkan pada Tabel 4.7. Pada tahap ini bagian luar bantal tidur yang sudah dijahit
disisakan beberapa cm untuk keperluan pengisian bantal dengan bahan isi.
Gambar 4.2 Bagian luar bantal tidur yang sudah jadi
4. Pengisian bantal tidur dengan bahan isi
Proses selanjutnya yaitu pengisian bantal tidur dengan bahan isi. Bahan-bahan isi yang
digunakan dalam eksperimen ini diantaranya kapuk, bulu angsa, dan dakron. Pengisian
bantal dengan bahan ini dilakukan sesuai dengan orthogonal array pada Tabel 4.7.
Gambar 4.3 Pengisian bantal dengan bahan isi
5. Penjahitan bantal tidur yang sudah terisi
Bantal yang sudah terisi kemudian dijahit hingga menjadi bantal yang siap digunakan.
44
Gambar 4.4 Penjahitan bantal tidur
4.7 Pengumpulan Data Eksperimen Taguchi
Pada penelitian ini dilakukan pembuatan bantal tidur dengan kombinasi faktor dan level
faktor yang sudah ditetapkan sebelumnya. Total eksperimen yang dilakukan sebanyak 9
eksperimen dengan 2 kali replikasi. Jumlah sampel yang diuji yaitu sebanyak 18 sampel
bantal tidur sesuai dengan orthogonal array yang ditetapkan. Pengujian kualitas tidur
dilakukan dengan menggunakan Pittsburgh Sleep Quality Index (PSQI) dengan karakteristik
kualitas smaller the better pada 15 responden dengan masing-masing sampel digunakan
selama 5 hari. Waktu penggunaan masing-masing sampel selama 5 hari ini disesuaikan
dengan lamanya waktu penelitian. Hasil kuesioner Pittsburgh Sleep Quality Index (PSQI)
ditunjukkan pada Lampiran 3. Salah satu contoh perhitungan skor PSQI untuk data panelis
1 eksperimen 1 replikasi 1 ditunjukkan sebagai berikut.
1. Komponen 1
Skor komponen 1 didapatkan dari jawaban pertanyaan 6. Panelis 1 mencentang pilihan
“cukup buruk” pada pertanyaan 6, sehingga didapatkan skor komponen 1 sebesar 2.
2. Komponen 2
Skor komponen 2 diperoleh dari jawaban pertanyaan 2 dan 5a. Panelis 1 menuliskan
jawaban 25 menit untuk pertanyaan 2, sehingga mendapatkan skor 1. Untuk pertanyaan
5a panelis mencentang pilihan “satu kali atau dua kali dalam lima hari terakhir”,
sehingga skor respon pertanyaan 5a adalah 2. Jumlah skor pertanyaan 2 dan 5a adalah
3, sehingga skor komponen 2 menjadi 2.
3. Komponen 3
Skor komponen 3 didapatkan dari jawaban pertanyaan 4. Pada pertanyaan 4, panelis 1
menuliskan 5 jam. Maka dari itu, skor untuk komponen 3 menjadi 2.
4. Komponen 4
Skor komponen 4 didapatkan berdasarkan efisiensi kebiasaan tidur yang didapatkan dari
jawaban pertanyaan 4 dibagi dengan selisih jawaban pertanyaan 3 dengan 1 dan
dikalikan 100%. Panelis 1 menuliskan bahwa ia pergi ke tempat tidur pukul 23.15 WIB
45
dan bangun pada pukul 06.30 WIB, sehingga total waktu yang dihabiskan di tempat
tidur yaitu 7 jam 15 menit. Kemudian dilakukan perhitungan efisiensi kebiasaan tidur
dengan rumus sebagai berikut.
Efisiensi kebiasaan tidur = (𝒋𝒖𝒎𝒍𝒂𝒉 𝒋𝒂𝒎 𝒕𝒊𝒅𝒖𝒓
𝒋𝒖𝒎𝒍𝒂𝒉 𝒋𝒂𝒎 𝒚𝒂𝒏𝒈 𝒅𝒊𝒉𝒂𝒃𝒊𝒔𝒌𝒂𝒏 𝒅𝒊 𝒕𝒆𝒎𝒑𝒂𝒕 𝒕𝒊𝒅𝒖𝒓) × 𝟏𝟎𝟎%
Efisiensi kebiasaan tidur = (𝟓
𝟕,𝟐𝟓) × 𝟏𝟎𝟎%
Efisiensi kebiasaan tidur = 𝟔𝟖, 𝟗𝟔%
Karena efisiensi kebiasaan tidur berada di batas 65%-74%, maka skor komponen 4 menjadi 2.
5. Komponen 5
Skor komponen 5 didapatkan dari jawaban pertanyaan 5b hingga 5j. Dari jawaban
panelis 1 yang terlampir pada Lampiran 3, diketahui bahwa jawaban panelis 1 tersebut
beserta konversinya ditunjukkan pada Tabel 4.8.
Tabel 4.8
Jawaban dan Konversi Skor 5b-5j
Pertanyaan Jawaban Konversi Skor
5b D 3
5c A 0
5d C 2
5e A 0
5f C 2
5g C 2
5h D 3
5i D 3
5j C 2
Dari konversi tersebut kemudian dijumlahkan dan didapatkan jumlah skor 5b-5j sebesar
17, sehingga didapatkan skor komponen 5 sebesar 2.
6. Komponen 6
Skor komponen 6 didapatkan dari jawaban pertanyaan 7. Panelis 1 mencentang jawaban
“tidak pernah selama lima hari terakhir” dan didapatkan skor komponen 6 sebesar 0.
7. Komponen 7
Skor komponen 7 didapatkan berdasarkan jawaban pertanyaan 8 dan 9. Panelis 1
mencentang “satu kali atau dua kali dalam lima hari terakhir” sehingga mendapatkan
skor 2 untuk pertanyaan 8. Sedangkan untuk pertanyaan 9, panelis 1 mencentang
jawaban “ada sedikit masalah” sehingga pertanyaan 9 mendapatkan skor 2. Jumlah dari
skor pertanyaan 8 dan 9 adalah 4. Nilai ini kemudian dikonversikan ke skor komponen
7 yaitu 2.
46
8. Global PSQI Score
Nilai skor PSQI didapatkan dengan menjumlahkan skor komponen 1 hingga 7.
Berdasarkan perhitungan-perhitungan yang dilakukan sebelumnya didapatkan hasil
masing-masing skor komponen sebesar 2, 2, 2, 2, 2, 0, 2. Sehingga skor PSQI untuk
panelis 1 eksperimen 1 replikasi 1 adalah 12.
Perhitungan untuk eksperimen 2 dan seterusnya, panelis 2 dan seterusnya, serta replikasi
2 dilakukan sama seperti pada eksperimen 1, panelis 1, replikasi 1. Hasil rekap skor PSQI
seluruh panelis ditunjukkan pada Lampiran 4. Setelah semua data terkumpul, kemudian
dilakukan perhitungan rata-rata masing-masing percobaan. Contoh perhitungan rata-rata
eksperimen 1 replikasi 1 ditunjukkan sebagai berikut.
Rata-rata =𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟 𝑃𝑆𝑄𝐼 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛 1 𝑟𝑒𝑝𝑙𝑖𝑘𝑎𝑠𝑖 1 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑎𝑛𝑒𝑙𝑖𝑠
Rata-rata =12+8+9+⋯+6+9+11
15= 8,4
Tabel 4.9 menunjukkan hasil uji kualitas tidur dengan PSQI pada tiap-tiap replikasi.
Tabel 4.9
Rekap Hasil Pengujian Kualitas Tidur dengan Bantal Tidur menggunakan Kuesioner PSQI
Eksperimen A B C D Replikasi 1 Replikasi 2
1 Kapuk Katun jepang 5 cm
8,4 7,133
2 Kapuk Katun akrilik 10 cm
7,2 6,8
3 Kapuk Katun rayon 15 cm
7,733 7,333
4 Bulu angsa Katun jepang 10 cm
6,267 6,067
5 Bulu angsa Katun akrilik 15 cm
6,533 6,333
6 Bulu angsa Katun rayon 5 cm
6,667 6,8
7 Dakron Katun jepang 15 cm
6,333 6,133
8 Dakron Katun akrilik 5 cm
6,867 6,6
9 Dakron Katun rayon 10 cm
7,4 8,067
Berdasarkan data pada Tabel 4.9 kemudian dilakukan pengolahan data dengan
menggunakan Two-way Analysis of Variance (Two-way ANOVA) dan Signal Noise to Ratio
(SNR).
47
4.8 Pengolahan Data Eksperimen Taguchi
Pengolahan data eksperimen Taguchi terdiri atas perhitungan Two-way Analysis of
Variance (Two-way ANOVA) nilai rata-rata, perhitungan Two-way Analysis of Variance
(Two-way ANOVA) nilai Signal Noise to Ratio (SNR), penentuan setting level optimal,
perkiraan kondisi optimal dan interval kepercayaan, dan pengujian eksperimen konfirmasi.
4.8.1 Perhitungan Two-Way Analysis of Variance (ANOVA) Nilai Rata-Rata
Perhitungan Two-way Analysis of Variance (Two-way ANOVA) adalah salah satu
metode statistik yang digunakan untuk menginterpretasikan data-data hasil perhitungan yang
memperkirakan kontribusi dari setiap faktor pada semua pengukuran respon (Soejanto,
2009). Langkah yang perlu dilakukan dalam perhitungan analysis of variance ditunjukkan
pada poin-poin berikut.
1. Menghitung nilai rata-rata kualitas tidur untuk setiap eksperimen yang ditunjukkan pada
Tabel 4.10.
Tabel 4.10
Rata-rata Hasil Pengujian Kualitas Tidur dengan Bantal Tidur menggunakan Kuesioner PSQI
Eksperi
men A B C D Replikasi 1 Replikasi 2 Rata-rata
1 1 1 1 1 8,400 7,133 7,767
2 1 2 2 2 7,200 6,800 7,000
3 1 3 3 3 7,733 7,333 7,533
4 2 1 2 3 6,267 6,067 6,167
5 2 2 3 1 6,533 6,333 6,433
6 2 3 1 2 6,667 6,800 6,733
7 3 1 3 2 6,333 6,133 6,233
8 3 2 1 3 6,867 6,600 6,733
9 3 3 2 1 7,400 8,067 7,733
2. Membuat Tabel respon pengaruh setiap faktor terkendali
Salah satu contoh perhitungan nilai Tabel respon yaitu sebagai berikut.
Faktor A level pertama (𝐴1) =∑ 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑙𝑒𝑣𝑒𝑙 1 𝑝𝑎𝑑𝑎 𝑓𝑎𝑘𝑡𝑜𝑟 𝐴
3
=7,767+7+7,533
3
= 7,433
Tabel respon digunakan untuk mempermudah penghitungan perbedaan nilai rata-rata
respon di setiap level serta mengurutkan perbedaan level faktor dari terkecil hingga
terbesar. Kondisi terbaik dipilih berdasarkan karakteristik kualitas yang digunakan,
yaitu smaller the better sehingga dipilih hasil perbedaan nilai rata-rata yang memiliki
nilai terendah. Tabel respon nilai rata-rata ditunjukkan pada Tabel 4.11.
48
Tabel 4.11
Tabel Respon Nilai Rata-rata Kualitas Tidur dengan Bantal Tidur menggunakan Kuesioner
PSQI
Faktor
Level
A B C D
1 7,433 6,722 7,078 7,311
2 6,444 6,722 6,967 6,656
3 6,900 7,333 6,733 6,811
Diff 0,989 0,611 0,344 0,656
Rank 1 3 4 2
Berdasarkan Tabel 4.11 didapatkan satu level dari masing-masing level faktor yang
memiliki nilai rata-rata terendah yaitu faktor A level 2 (bahan isi bulu angsa), faktor B
level 1 (bahan luar kain katun jepang), faktor C level 3 (tinggi bantal 15 cm), dan faktor
D level 2 (bentuk bantal yaitu bantal orthopedic).
3. Mengolah data Two-way ANOVA untuk nilai rata-rata faktor terkendali
a. Menghitung jumlah kuadrat total
𝑆𝑇 = ∑ 𝑦2
𝑆𝑇 = 8,42 + 7,1332 + 7,22 + ⋯ + 6,62 + 7,42 + 8,0672
𝑆𝑇 = 870,933
b. Menghitung jumlah kuadrat rata-rata
Sm = n. y2
n = jumlah eksperimen x jumlah replikasi
= 9 x 2 = 18
�̅� = 8,4+7,133+7,2+⋯+6,6+7,4+8,067
18= 6,926
Sm = 18 x (6,9262) = 863,432
c. Menghitung jumlah kuadrat faktor-faktor (SA, SB, SC, SD)
Contoh perhitungan jumlah kuadrat faktor A ditunjukkan sebagai berikut.
SA = {nA1 × (A1)2
} + {nA2 × (A2)2
} + {nA3 × (A3)2
} − Sm
SA = {6 × (7,433)2} + {6 × (6,444)2} + {6 × (6,9)2} − 863,432 = 2,94
Langkah perhitungan jumlah kuadrat untuk faktor B, C, dan D dilakukan sama
seperti pada faktor A di atas.
d. Menghitung jumlah kuadrat error
Se = ST − Sm − SA − SB − SC − SD
Se = 870,933 − 863,432 − 2,94 − 1,494 − 0,371 − 1,408 = 1,289
e. Membuat hipotesis awal
49
1) H0: Tidak ada pengaruh faktor A terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor A terhadap peningkatan kualitas tidur
2) H0: Tidak ada pengaruh faktor B terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor B terhadap peningkatan kualitas tidur
3) H0: Tidak ada pengaruh faktor C terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor C terhadap peningkatan kualitas tidur
4) H0: Tidak ada pengaruh faktor D terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor D terhadap peningkatan kualitas tidur
f. Menghitung derajat kebebasan
1) Menghitung derajat kebebasan faktor-faktor
Contoh perhitungan derajat kebebasan faktor A ditunjukkan sebagai berikut.
VA = (banyaknya level – 1)
VA = (3 – 1) = 2
Langkah perhitungan derajat kebebasan untuk faktor B, C, dan D dilakukan
sama seperti pada faktor A di atas.
2) Menghitung derajat kebebasan total
VMO = (banyaknya eksperimen – 1)
VMO = (18 – 1) = 17
3) Menghitung derajat kebebasan error
Ve = VMO – (VA + VB + VC + VD)
Ve = 17 – (2 + 2 + 2 + 2) = 9
g. Menghitung rata-rata jumlah kuadrat
Contoh perhitungan rata-rata jumlah kuadrat faktor A ditunjukkan sebagai berikut.
MqA = 𝑆𝐴
𝑉𝐴
MqA = 2,94
2= 1,47
Langkah perhitungan rata-rata jumlah kuadrat untuk faktor B, C, dan D dilakukan
sama seperti pada faktor A di atas.
h. Menghitung F-ratio
Contoh perhitungan F-ratio faktor A ditunjukkan sebagai berikut.
F-ratioA = 𝑀𝑞𝐴
𝑀𝑞𝑒
Mqe = 𝑆𝑒
𝑉𝑒=
1,289
9= 0,143
FratioA = 1,47
0,143= 10,264
50
Langkah perhitungan F-ratio untuk faktor B, C, dan D dilakukan sama seperti pada
faktor A di atas.
i. Menghitung nilai S’ masing-masing faktor
Contoh perhitungan nilai S’ faktor A ditunjukkan sebagai berikut.
𝑆′𝑓𝑎𝑘𝑡𝑜𝑟 = 𝑆 𝑓𝑎𝑘𝑡𝑜𝑟 − (𝑉 𝑓𝑎𝑘𝑡𝑜𝑟 × 𝑀𝑞 𝑒𝑟𝑟𝑜𝑟)
𝑆′𝐴 = 𝑆𝐴 − (𝑉𝐴 × 𝑀𝑞𝑒)
𝑆′𝐴 = 2,94 − (2 × 0,143) = 2,653
Langkah perhitungan nilai S’ untuk faktor B, C, dan D dilakukan sama seperti pada
faktor A di atas.
Perhitungan S’e adalah sebagai berikut.
S’e = St – (S’A + S’B + S’C + S’D)
St = (SA + SB + SC + SD) + Se
𝑆𝑡 = (2,94 + 1,494 + 0,371 + 1,408) + 1,289 = 7,501
S’e = 7,501 – (2,653 + 1,207 + 0,084 + 1,121) = 2,435
j. Menghitung persen kontribusi masing-masing faktor
Contoh perhitungan persen kontribusi faktor A ditunjukkan sebagai berikut.
𝜌 =S′A
St× 100%
𝜌 =2,653
7,501× 100% = 35,372%
Langkah perhitungan persen kontribusi untuk faktor B, C, dan D dilakukan sama
seperti pada faktor A di atas.
4. Membuat tabel Two-way ANOVA nilai rata-rata
Hasil Two-way Analysis of Variance (Two-way ANOVA) nilai rata-rata ditunjukkan
pada Tabel 4.12 berikut.
Tabel 4.12
Hasil Two-way ANOVA Nilai Rata-rata
Sumber S V Mq F Ratio S’ 𝜌 F-Tabel
A 2,940 2 1,470 10,264 2,653 35,372 4,26
B 1,494 2 0,747 5,216 1,207 16,096 4,26
C 0,371 2 0,185 1,295 0,084 1,126 4,26
D 1,408 2 0,704 4,916 1,121 14,951 4,26
Error 1,289 9 0,143 1 2,435 32,456
St 7,501 17 0,441 7,501 100
Mean 863,432 1
ST 870,933 18
Pengujian hipotesis dan kesimpulan yang didapat dari tabel Two-way ANOVA diatas
adalah sebagai berikut.
a. H0: Tidak ada pengaruh faktor A terhadap peningkatan kualitas tidur
51
H1: Ada pengaruh faktor A terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 10,264 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor A terhadap peningkatan kualitas tidur.
b. H0: Tidak ada pengaruh faktor B terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor B terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 5,216 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor B terhadap peningkatan kualitas tidur.
c. H0: Tidak ada pengaruh faktor C terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor C terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 1,295 ≤ F Tabel (F0,05 (2;9)) = 4,26, maka H0 diterima. Artinya
tidak ada pengaruh faktor C terhadap peningkatan kualitas tidur.
d. H0: Tidak ada pengaruh faktor D terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor D terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 4,916 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor D terhadap peningkatan kualitas tidur.
Berdasarkan tabel Two-way Analysis of Variance (Two-way ANOVA) diketahui bahwa
faktor A, B dan D memiliki pengaruh yang signifikan terhadap peningkatan kualitas
tidur karena F ratio ≥ F Tabel (F0,05 (2;9)) = 4,26. Sedangkan untuk faktor C memiliki F
ratio ≤ F Tabel (F0,05 (2;9)) = 4,26 sehingga tidak berpengaruh signifikan terhadap
peningkatan kualitas tidur. Untuk persen kontribusi dari masing-masing faktor diketahui
bahwa persen kontribusi faktor dari yang terbesar hingga terkecil adalah faktor A (bahan
isi bulu angsa) sebesar 35,372%, faktor B (bahan luar kain katun jepang) sebesar
16,096%, faktor D (bentuk bantal yaitu bantal orthopedic) sebesar 14,951%, dan faktor
C (tinggi bantal 15 cm) sebesar 1,126%.
5. Pooling Up
Pooling up perlu dilakukan untuk menghindari adanya kesalahan berlebih dalam
penelitian. Saat melakukan pooling up disarankan hanya menggunakan setengah dari
jumlah derajat kebebasan pada matriks orthogonal yang digunakan. Berdasarkan
pengolahan data Two-way ANOVA, didapatkan hasil bahwa ada 3 faktor yang memiliki
pengaruh yang signifikan terhadap peningkatan kualitas tidur, dimana memiliki nilai F
ratio ≥ F Tabel (F0,005 (2;9)) = 4,26. Sedangkan salah satu faktor memiliki nilai F ratio ≤
F Tabel (F0,005 (2;9)) = 4,26 yang artinya tidak memiliki pengaruh signifikan terhadap
peningkatan kualitas tidur. Faktor yang memiliki Fratio rendah dibanding faktor lainnya
adalah faktor C. Sehingga pooling up dilakukan pada faktor ini. Hal ini dilakukan untuk
52
mengetahui faktor mana yang paling signifikan dan berpengaruh paling besar terhadap
peningkatan kualitas tidur dengan bantal tidur. Langkah perhitungan untuk pooling up
faktor C adalah sebagai berikut.
a. S (pooled e) = Se + SC
S (pooled e) = 1,289 + 0,371 = 1,66
b. V (pooled e) = Ve + VC
V (pooled e) = 9 + 2 = 11
c. Mq (pooled e) = 𝑆 (𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)
𝑉 (𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)
Mq (pooled e) = 1,66
11= 0,151
Tabel 4.13
Two-way ANOVA Nilai Rata-rata Pooling
Sumber S V Mq F Ratio S’ 𝜌
A 2,940 2 1,470 9,742 2,638 35,167
B 1,494 2 0,747 4,950 1,192 15,891
C Y 0,371 2 - - - -
D 1,408 2 0,704 4,665 1,106 14,746
Pooled e 1,660 11 0,151 1,00 2,565 34,195
SST 7,501 17 0,441 7,501 100,00
Mean 863,432 1
Sstotal 870,933 18
Pengujian hipotesis dan kesimpulan yang diperoleh dari tabel Two-way ANOVA setelah
dilakukan pooling ditunjukkan sebagai berikut.
a. H0: Tidak ada pengaruh faktor A terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor A terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 9,742 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor A terhadap peningkatan kualitas tidur.
b. H0: Tidak ada pengaruh faktor B terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor B terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 4,950 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor B terhadap peningkatan kualitas tidur.
c. H0: Tidak ada pengaruh faktor D terhadap peningkatan kualitas tidur
H1: Ada pengaruh faktor D terhadap peningkatan kualitas tidur
Kesimpulan: F ratio = 4,665 ≥ F Tabel (F0,05 (2;9)) = 4,26, maka H0 ditolak. Artinya
ada pengaruh faktor D terhadap peningkatan kualitas tidur.
Bersadarkan hipotesis diatas, dapat disimpulkan bahwa faktor A, B, dan D memiliki
nilai F ratio ≥ F Tabel (F0,005 (2;46)) = 4,26, yang memiliki arti bahwa faktor-faktor
tersebut berpengaruh terhadap peningkatan kualitas tidur. Berdasarkan hasil
53
perhitungan Two-way Analysis of Variance setelah dilakukan pooling yang ditunjukkan
pada Tabel 4.13 memiliki arti bahwa persen kontribusi terbesar hingga terkecil dalam
peningkatan kualitas tidur adalah faktor A (bahan isi bulu angsa) sebesar 35,167%%,
kemudian faktor B (bahan luar katun jepang) sebesar 15,891%, dan faktor D (bentuk
bantal yaitu bantal orthopedic) sebesar 14,746%.
Tabel 4.14
Hasil Two-way ANOVA Nilai Rata-rata Setelah Pooling
Sumber S V Mq F Ratio S’ 𝜌
A 2,940 2 1,470 9,742 2,638 35,167
B 1,494 2 0,747 4,950 1,192 15,891
D 1,408 2 0,704 4,665 1,106 14,746
Pooled e 1,660 11 0,151 1,00 2,565 34,195
SST 7,501 17 0,441 7,501 100,00
Mean 863,432 1
SStotal 870,933 18
Saat melakukan eksperimen Taguchi, jika nilai persen kontribusi error rendah (≤ 50%)
maka dapat diasumsikan bahwa tidak ada faktor penting yang hilang dari eksperimen.
Sebaliknya jika nilai persen kontribusi error tinggi (≥ 50%) maka diasumsikan bahwa ada
faktor penting yang hilang dari eksperimen, sehingga dapat disimpulkan terdapat kesalahan
besar pada perhitungan yang telah dilakukan (Belavendram, 1995). Pada eksperimen ini
tidak ada faktor penting yang dihilangkan karena nilai persen kontribusi error rendah yaitu
sebesar 34,195% dan jumlah nilai persen kontribusi dari faktor penting yaitu sebesar
65,805%.
4.8.2 Perhitungan Two-way Analysis of Variance (ANOVA) Nilai Signal Noise to Ratio
(SNR)
Metode Taguchi mengembangkan konsep rasio signal noise to ratio untuk eksperimen
yang melibatkan banyak faktor atau biasa disebut eksperimen faktor ganda. SNR
diformulasikan untuk membuat peneliti selalu dapat memilih nilai faktor terbesar untuk
mengoptimalkan karakteristik kualitas eksperimen. Tujuan eksperimen faktor ganda dalam
desain kokoh adalah untuk meminimalkan sensitivitas karakteristik kualitas terhadap faktor
gangguan (Soejanto, 2009). Dalam penelitian ini karakteristik kualitas yang digunakan
adalah smaller the better. Langkah-langkah perhitungan pengujian Two-way ANOVA
Signal Noise to Ratio (SNR) adalah sebagai berikut.
1. Melakukan perhitungan Signal Noise to Ratio (SNR) masing-masing eksperimen
a. Menghitung MSD (Mean Squared Deviation)
Contoh perhitungan MSD untuk eksperimen pertama ditunjukkan sebagai berikut.
54
𝑀𝑆𝐷 = 𝜎2 + �̅�2
𝑀𝑆𝐷 = (0,8962 + 7,7672) = 61,123
Langkah perhitungan MSD untuk eksperimen selanjutnya dilakukan sama seperti
pada eksperimen pertama di atas.
b. Menghitung Signal Noise to Ratio
Contoh perhitungan SNR untuk eksperimen pertama ditunjukkan sebagai berikut.
𝜂 = −10 log 10 (𝑀𝑆𝐷)
𝜂1 = −10 log 10 (61,123) = −17,862
Langkah perhitungan SNR untuk eksperimen selanjutnya dilakukan sama seperti
pada eksperimen pertama di atas.
Rekap hasil perhitungan seluruh eksperimen ditunjukkan pada Tabel 4.15.
Tabel 4.15
Rekap Hasil Perhitungan Signal Noise to Ratio
A B C D Rep 1 Rep 2 �̅� 𝝈 MSD SN (SB)
1 1 1 1 8,400 7,133 7,767 0,896 61,123 -17,862
1 2 2 2 7,200 6,800 7,000 0,283 49,080 -16,909
1 3 3 3 7,733 7,333 7,533 0,283 56,831 -17,546
2 1 2 3 6,267 6,067 6,167 0,141 38,048 -15,803
2 2 3 1 6,533 6,333 6,433 0,141 41,408 -16,171
2 3 1 2 6,667 6,800 6,733 0,094 45,347 -16,565
3 1 3 2 6,333 6,133 6,233 0,141 38,874 -15,897
3 2 1 3 6,867 6,600 6,733 0,189 45,373 -16,568
3 3 2 1 7,400 8,067 7,733 0,471 60,027 -17,783
2. Membuat Tabel respon untuk Signal Noise to Ratio (SNR)
Contoh perhitungan Tabel respon SNR untuk faktor A ditunjukkan sebagai berikut.
Faktor A level pertama (𝐴1) =∑ 𝑆𝑁𝑅 𝑝𝑎𝑑𝑎 𝑓𝑎𝑘𝑡𝑜𝑟 𝐴 𝑙𝑒𝑣𝑒𝑙 1
3
Faktor A level pertama (𝐴1) =−17,862+(−16,909)+(−17,546)
3
Faktor A level pertama (𝐴1) = −17,439
Langkah perhitungan untuk faktor-faktor lainnya dilakukan sama seperti pada faktor A
level pertama di atas. Rekap hasil perhitungan keseluruhan ditampilkan pada Tabel 4.16.
Tabel 4.16
Tabel Respon Signal Noise to Ratio (SNR)
Faktor
Level A B C D
1 -17,439 -16,521 -16,999 -17,272
2 -16,180 -16,549 -16,832 -16,457
3 -16,749 -17,298 -16,538 -16,639
Diff 1,259 0,778 0,461 0,815
Rank 1 3 4 2
55
Berdasarkan tabel respon SNR di atas kemudian dipilih level faktor yang terbesar yang
mempengaruhi variansi pada setiap faktor. Walaupun karakteristik kualitas dalam
penelitian ini adalah smaller the better, tetapi SNR sudah diformulasikan sedemikian
rupa sehingga karakteristik kualitas menjadi larger the better. Level yang berpengaruh
pada masing-masing faktor yaitu faktor A (bahan isis bulu angsa), faktor B (bahan luar
katun jepang), faktor C (tinggi bantal 15 cm) dan faktor D (bentuk bantal yaitu bantal
orthopedic).
3. Melakukan pengolahan data Two-way ANOVA Signal Noise to Ratio (SNR)
a. Menghitung jumlah kuadrat total
𝑆𝑇 = ∑ 𝑦2
𝑆𝑇 = (−17,862)2 + (−16,909)2 + (−17,546)2 + ⋯ + (−15,897)2 +
(−16,568)2 + (−17,783)2
𝑆𝑇 = 2541,933
b. Menghitung jumlah kuadrat rata-rata
Sm = n. y2
n = jumlah eksperimen = 9
�̅� = −17,862+(−16,909)+(−17,546)+⋯+(−15,897)+(−16,568)+(−17,783)
9
�̅� = -16,789
Sm = 9 x (-16,7892) = 2536,957
c. Menghitung jumlah kuadrat faktor-faktor (SA, SB, SC, SD)
SA = {nA1 × (A1)2
} + {nA2 × (A2)2
} + {nA3 × (A3)2
} − Sm
SA = {3 × (−17,439)2} + {3 × (−16,180)2} + {3 × (−16,749)2} − 2536,957
SA = 2,385
d. Menghitung Sum of Square error
Se= St – SA – SB – SC – SD
St = ST – Sm
St = 2541,933 – 2536,957 = 4,977
Sehingga didapatkan nilai SS error sebagai berikut:
SS error = 4,977 – 2,385 – 1,166 – 0,327 – 1,098
SS error = 0
e. Menghitung derajat kebebasan
1) Menghitung derajat kebebasan faktor-faktor
Contoh perhitungan derajat kebebasan faktor A ditunjukkan sebagai berikut.
56
VA = (banyaknya level – 1)
VA = (3 – 1) = 2
Langkah perhitungan derajat kebebasan untuk faktor B, C, dan D dilakukan
sama seperti pada faktor A di atas.
2) Menghitung derajat kebebasan total
VMO = (banyaknya eksperimen – 1)
VMO = (9 – 1) = 8
3) Menghitung derajat kebebasan error
Verror = VMO – (VA + VB + VC + VD)
Verror = 8 – (2 + 2 + 2+2) = 0
f. Menghitung rata-rata jumlah kuadrat
Contoh perhitungan rata-rata jumlah kuadrat faktor A ditunjukkan sebagai berikut.
MqA = 𝑆𝐴
𝑉𝐴
MqA = 2,385
2= 1,193
Langkah perhitungan rata-rata jumlah kuadrat untuk faktor B, C, dan D dilakukan
sama seperti pada faktor A di atas.
Perhitungan Mq pooled ditunjukkan sebagai berikut.
MS(pooled e) = 𝑆(𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)
𝑉(𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)=
0,327
2= 0,158
g. Menghitung F-ratio pooled
Contoh perhitungan F-ratio faktor A hasil pooling faktor ditunjukkan sebagai
berikut.
F-ratioA = 𝑀𝑞𝐴
𝑀𝑞 (𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)
FratioA = 1,193
0,163= 7,305
Langkah perhitungan F-ratio untuk faktor B dan D dilakukan sama seperti pada
faktor A di atas.
h. Menghitung nilai S’ masing-masing faktor hasil pooling
𝑆′𝑓𝑎𝑘𝑡𝑜𝑟 = 𝑆 𝑓𝑎𝑘𝑡𝑜𝑟 − (𝑉 𝑓𝑎𝑘𝑡𝑜𝑟 × 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒)
𝑆′𝐴 = 𝑆𝐴 − (𝑉𝐴 × 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑𝑒)
𝑆′𝐴 = 2,385 − (2 × 0,163) = 2,059
Langkah perhitungan nilai S’ untuk faktor B dan D dilakukan sama seperti pada
faktor A di atas.
Perhitungan S’e adalah sebagai berikut.
57
S’ pooled e = St – (S’A + S’B + S’D)
S’ pooled e = 4,977 – (2,059 + 0,840 + 0,772) = 1,306
i. Menghitung persen kontribusi masing-masing faktor
Contoh perhitungan persen kontribusi faktor A ditunjukkan sebagai berikut.
𝜌 =S′A
St× 100%
𝜌 =2,059
4,977× 100% = 41,37%
Langkah perhitungan persen kontribusi untuk faktor B, D dan pooled e dilakukan
sama seperti pada faktor A di atas.
Hasil perhitungan Two-way Analysis of Variance (Two-way ANOVA) nilai Signal Noise
to Ratio (SNR) setelah pooling up direkap dan ditunjukkan pada Tabel 4.17.
Tabel 4.17
Hasil Perhitungan Two-way ANOVA SNR Pooling
Sumber Pooled S V Mq Fratio S' 𝜌
A 2,385 2 1,193 7,305 2,059 41,37
B 1,166 2 0,583 3,572 0,840 16,876
C Y 0,327 - - - - -
D 1,098 2 0,549 3,363 0,772 15,506
Pooled e 0,327 2 0,163 1 1,306 26,248
St 4,977 8 0,622 4,977 100
Mean 2536,957 1
ST 2541,933 9
Berdasarkan Tabel 4.17 diketahui bahwa faktor yang paling berpengaruh terhadap
peningkatan kualitas tidur dengan persen kontribusi paling besar yaitu faktor A (bahan isi
bulu angsa) sebesar 41,37%. Faktor lain yang juga berpengaruh terhadap peningkatan
kualitas tidur adalah faktor B (bahan luar katun kepang) sebesar 16,876% dan faktor D
(bentuk bantal yaitu bantal orthopedic) sebesar 15,506%. Perhitungan Signal Noise to Ratio
dalam eksperimen Taguchi berguna untuk mengoptimalkan faktor yang mempengaruhi
variansi. Rekap hasil perhitungan Two-way ANOVA nilai SNR setelah pooling ditunjukkan
pada Tabel 4.18.
Tabel 4.18
Hasil Perhitungan Two-way ANOVA SNR Setelah Pooling
Sumber Pooled S V Mq Fratio S' 𝜌
A 2,385 2 1,193 7,305 2,059 41,37
B 1,166 2 0,583 3,572 0,840 16,876
D 1,098 2 0,549 3,363 0,772 15,506
Pooled e 0,327 2 0,163 1 1,306 26,248
St 4,977 8 0,622 4,977 100
Mean 2536,957 1
ST 2541,933 9
58
Berdasarkan Tabel 4.18 di atas diketahui bahwa nilai persen kontribusi error adalah
26,248%, yang artinya bahwa semua faktor yang signifikan mempengaruhi nilai variansi
sudah cukup dimasukkan dalam eksperimen. Nilai persen kontribusi error yang <50%
membuktikan bahwa hasil eksperimen Taguchi sudah memenuhi kriteria sebagai model
untuk memprediksi nilai yang mempertimbangkan variansi optimalnya dan faktor-faktor
penting dalam eksperimen tersebut dilibatkan dalam perancangan robust design.
4.8.3 Penentuan Setting Level Optimal
Terdapat dua cara yang dapat dilakukan dalam meningkatkan karakteristik kualitas yaitu
dengan mengurangi variansi dan menyesuaikan target sesuai dengan spesifikasi yang
diharapkan (Belavendram, 1995). Berdasarkan perhitungan Two-way ANOVA nilai rata-rata
dan nilai signal to noise ratio, didapatkan hasil rekap yang menunjukkan perbandingan
pengaruh faktor-faktor dalam eksperimen Taguchi dalam penelitian ini. Hasil rekap tersebut
ditunjukkan pada Tabel 4.19.
Tabel 4.19
Perbandingan Pengaruh Eksperimen Taguchi berdasarkan Rata-rata dan SNR
Peringkat
Pengaruh Setting
Level Rata-Rata SNR
A 1 1 Kontribusi besar A2
B 3 3 Kontribusi besar B1
C 4 4 Kontribusi kecil C3
D 2 2 Kontribusi besar D2
Berdasarkan Tabel 4.19 diketahui bahwa faktor A, B, serta D memberikan pengaruh dan
kontribusi yang besar. Untuk level faktor yang dipilih yaitu faktor A level 2, faktor B level
1, dan faktor D level 2. Di sisi lain, faktor C tidak memberikan pengaruh dan kontribusi yang
besar terhadap peningkatan kualitas tidur, level faktor yang dipilih yaitu level 3.
4.8.4 Perkiraan Kondisi Optimal dan Interval Kepercayaan
Selanjutnya setelah setting level optimal ditentukan, kemudian membuat perkiraan
kondisi optimal. Perkiraan setting level optimal dilakukan dengan membandingkan nilai
prediksi rata-rata dan signal noise to ratio (SNR) yang diharapkan pada level optimal dengan
hasil eksperimen konfirmasi. Jika nilai prediksi dan hasil eksperimen konfirmasi nilainya
hampir sama atau mendekati, maka dapat ditarik kesimpulan bahwa rancangan eksperimen
Taguchi sudah memenuhi syarat. Perhitungan interval kepercayaan memiliki tujuan untuk
mengetahui perkiraan dari level optimal yang sudah didapat. Interval kepercayaan adalah
59
nilai maksimal dan minimal yang diharapkan nilai rata-rata sebenarnya tercakup dengan
beberapa persentase kepercayaan tertentu.
Berdasarkan hasil dari perhitungan Two-way ANOVA, faktor-faktor yang berpengaruh
dan berkontribusi besar untuk meningkatkan kualitas tidur adalah 𝐴2̅̅̅̅ , 𝐵1̅̅̅̅ , dan 𝐷2̅̅ ̅̅ .
Perhitungan perkiraan kondisi optimal dan interval kepercayaan ditunjukkan sebagai berikut.
1. Perkiraan kondisi optimal dan interval kepercayaan nilai rata-rata untuk seluruh data
a. Perkiraan kondisi optimal nilai rata-rata seluruh data
Rata-rata kualitas tidur seluruhnya (�̅�) =8,4+7,133+7,2+⋯+6,6+7,4+8,067
18
Rata-rata kualitas tidur seluruhnya (�̅�) = 6,926
b. Perhitungan nilai prediksi rata-rata
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = y̅ + (faktor terpilih 1 − y̅) + ⋯ + (faktor terpilih n − y̅)
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = y̅ + (𝐴2̅̅̅̅ − �̅�) + (𝐵1̅̅̅̅ − �̅�) + (𝐷2̅̅ ̅̅ − �̅�)
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = 𝐴2̅̅̅̅ + 𝐵1̅̅̅̅ + 𝐷2̅̅ ̅̅ − 2�̅�
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = 6,444 + 6,722 + 6,656 − 2(6,926) = 5,97
c. Perhitungan interval kepercayaan nilai rata-rata
𝐶𝑙𝑚𝑒𝑎𝑛 = ±√(𝐹∝,𝑣1,𝑣2𝑥 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒 𝑥1
𝑛𝑒𝑓𝑓)
𝑛𝑒𝑓𝑓 =𝑡𝑜𝑡𝑎𝑙 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑒𝑔𝑟𝑒𝑒 𝑜𝑓 𝑓𝑟𝑒𝑒𝑑𝑜𝑚
𝑠𝑢𝑚 𝑜𝑓 𝑑𝑒𝑔𝑟𝑒𝑒 𝑜𝑓 𝑓𝑟𝑒𝑒𝑑𝑜𝑚 𝑢𝑠𝑒𝑑 𝑖𝑛 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑒 𝑜𝑓 𝑚𝑒𝑎𝑛
𝑛𝑒𝑓𝑓 =2×9
𝑉𝜇+𝑉𝐴+𝑉𝐵+𝑉𝐷
𝑛𝑒𝑓𝑓 =2×9
1+2+2+2= 2,571
Perhitungan interval kepercayaan nilai rata-rata ditunjukkan sebagai berikut
𝐶𝑙𝑚𝑒𝑎𝑛 = ±√(𝐹∝,𝑣1,𝑣2𝑥 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒 𝑥1
𝑛𝑒𝑓𝑓)
𝐶𝑙𝑚𝑒𝑎𝑛 = ±√(𝐹0,05,1,11𝑥 0,151 𝑥1
2,571)
𝐶𝑙𝑚𝑒𝑎𝑛 = ±√(4,84𝑥 0,151 𝑥1
2,571)
𝐶𝑙𝑚𝑒𝑎𝑛 = ±0,533
Maka interval kepercayaannya menjadi:
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 − 𝐶𝐼𝑚𝑒𝑎𝑛 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 + 𝐶𝑙𝑚𝑒𝑎𝑛
5,97 − 0,533 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ 5,97 + 0,533
5,437 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ 6,503
60
Hasil dari perhitungan prediksi kondisi optimal didapatkan nilai 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 sebesar
5,97. Nilai tersebut berada dalam rentang interval kepercayaan
5,437 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ 6,503 . Artinya pengukuran kualitas tidur berada pada batas
rentang pengukuran kualitas tidur yang optimal.
2. Perkiraan kondisi optimal dan interval kepercayaan nilai signal noise to ratio untuk
seluruh eksperimen
a. Perkiraan kondisi optimal nilai SNR seluruh data
SNR seluruh data (�̅�) = -16,789
b. Perhitungan nilai prediksi rata-rata
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = y̅ + (𝐴2̅̅̅̅ − �̅�) + (𝐵1̅̅̅̅ − �̅�) + (𝐷2̅̅ ̅̅ − �̅�)
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = 𝐴2̅̅̅̅ + 𝐵1̅̅̅̅ + 𝐷2̅̅ ̅̅ − 2�̅�
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 = −16,18 + (−16,521) + (−16,538) − 2(−16,789) = −15,579
c. Perhitungan interval kepercayaan nilai rata-rata
𝐶𝑙𝑆𝑁𝑅 = ±√(𝐹∝,𝑣1,𝑣2𝑥 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒 𝑥1
𝑛𝑒𝑓𝑓)
𝑛𝑒𝑓𝑓 =𝑡𝑜𝑡𝑎𝑙 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑠
𝑠𝑢𝑚 𝑜𝑓 𝑑𝑒𝑔𝑟𝑒𝑒 𝑜𝑓 𝑓𝑟𝑒𝑒𝑑𝑜𝑚 𝑢𝑠𝑒𝑑 𝑖𝑛 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑒 𝑜𝑓 𝑚𝑒𝑎𝑛
𝑛𝑒𝑓𝑓 =9
𝑉𝜇+𝑉𝐴+𝑉𝐵+𝑉𝐷
𝑛𝑒𝑓𝑓 =9
1+2+2+2= 1,286
Perhitungan interval kepercayaan nilai rata-rata ditunjukkan sebagai berikut
𝐶𝑙𝑆𝑁𝑅 = ±√(𝐹∝,𝑣1,𝑣2𝑥 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒 𝑥1
𝑛𝑒𝑓𝑓)
𝐶𝑙𝑆𝑁𝑅 = ±√(𝐹0,05,1,2𝑥 0,158 𝑥1
1,286)
𝐶𝑙𝑆𝑁𝑅 = ±√(18,51𝑥 0,158 𝑥1
1,286)
𝐶𝑙𝑆𝑁𝑅 = ±1,533
Maka interval kepercayaannya menjadi:
𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 − 𝐶𝐼𝑆𝑁𝑅 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 + 𝐶𝑙𝑆𝑁𝑅
−15,577 − 1,507 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ −15,577 + 1,507
−17,112 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ −14,046
Hasil dari perhitungan prediksi kondisi optimal didapatkan nilai 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 sebesar
-15,579. Nilai tersebut berada dalam rentang interval kepercayaan
61
−17,112 ≤ 𝜇𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑒𝑑 ≤ −14,046 . Artinya pengukuran kualitas tidur berada pada
batas rentang pengukuran kualitas tidur yang optimal.
4.8.5 Pengujian Eksperimen Konfirmasi
Tujuan dari dilakukannya eksperimen konfirmasi adalah untuk melakukan validasi
terhadap kesimpulan yang didapat dari tahap perhitungan yang telah dilakukan sebelumnya.
Saat melakukan eksperimen konfirmasi, hal yang paling utama adalah menentukan setting
level optimal dari faktor-faktor yang signifikan. Untuk faktor-faktor yang mempunyai
kontribusi rendah tetap digunakan dalam eksperimen konfirmasi dengan setting level terbaik
pula. Kombinasi level yang telah ditentukan dalam setting level optimal untuk melakukan
eksperimen konfirmasi ditunjukkan pada Tabel 4.20.
Tabel 4.20
Faktor Terkendali Setting Level Optimal Faktor terkendali Faktor
Bahan isi Bulu angsa
Bahan luar Katun jepang
Tinggi bantal 15 cm
Bentuk bantal Bantal orthopedic
Rekap kuesioner PSQI eksperimen konfirmasi ditunjukkan pada Lampiran 5. Kemudian
dilakukan perhitungan skor PSQI dengan langkah sama seperti pada perhitungan skor PSQI
eksperimen prediksi. Rekap skor PSQI eksperimen konfirmasi ditunjukkan pada Lampiran
6. Rata-rata skor PSQI eksperimen konfirmasi dengan setting level optimal untuk
peningkatan kualitas tidur ditunjukkan pada Tabel 4.21.
Tabel 4.21
Rata-rata Hasil Eksperimen Konfirmasi
Eksperimen Hasil Kuisioner
1 6,733
2 6,133
3 6,800
4 6,400
5 6,467
6 6,333
7 6,667
8 6,267
9 6,867
10 6,533
Data pengujian kualitas tidur dari eksperimen konfirmasi kemudian dihitung nilai rata-
rata dan variansinya. Perhitungan nilai rata-rata dan variansi ditunjukkan sebagai berikut.
1. Kualitas Tidur
a. Perhitungan nilai rata-rata
62
µ =1
𝑛 ∑ 𝑦𝑖
𝑛𝑖=1
µ =1
10 𝑥 (6,733 + 6,133 + 6,8 + ⋯ + 6,267 + 6,867 + 6,533) = 6,52
Untuk mencari nilai variansi dilakukan perhitungan sebagai berikut.
𝜎2 = 1
𝑛−1 ∑ (𝑦𝑖 − µ)2𝑛
𝑖=1
𝜎2 = 1
10−1 ((6,733 − 6,52)2 + (6,133 − 6,52)2 + ⋯ + (6,533 − 6,52)2
𝜎2 = 0,059
b. Nilai perhitungan SNR smaller the better
1) Perhitungan MSD SNR smaller the better
𝑀𝑆𝐷 =1
𝑛∑ 𝑌𝑖
2𝑛𝑖=1
𝑀𝑆𝐷 =1
10× (6,7332 + 6,1332 + 6,82 + ⋯ + 6,5332) = 42,564
2) Perhitungan SNR smaller the better
𝜂 = −10 log 10 (𝑀𝑆𝐷)
𝜂 = −10 log 10 (42,564) = −16,29
2. Perhitungan interval kepercayaan eksperimen konfirmasi
Pada perhitungan interval kepercayaan ini dilakukan perbandingan antara interval
kepercayaan optimal dengan interval kepercayaan konfirmasi. Hal ini menggambarkan
apakah eksperimen yang sudah dilakukan diterima atau ditolak dengan
membandingkannya dalam bentuk grafik. Perhitungan interval kepercayaan konfirmasi
ditunjukkan sebagai berikut.
a. Interval kepercayaan nilai rata-rata eksperimen konfirmasi dengan nilai rata-rata
𝐶𝑙𝑚𝑒𝑎𝑛 = ± √(𝐹∝,𝑣1,𝑣2 𝑥 𝑀𝑞 𝑒𝑟𝑟𝑜𝑟 𝑥 [1
𝑛𝑒𝑓𝑓+
1
𝑟]
𝐶𝑙 𝑚𝑒𝑎𝑛 = ± √(𝐹0,05,1,11 𝑥 0,151 𝑥 [1
2,571+
1
10])
𝐶𝑙 𝑚𝑒𝑎𝑛 = ± √(4,84 𝑥 0,151 𝑥 [1
2,571+
1
10])
𝐶𝑙𝑚𝑒𝑎𝑛 = ± 0,598
Berdasarkan perhitungan tersebut didapatkan interval kepercayaan nilai rata-rata
eksperimen konfirmasi sebagai berikut.
µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
− 𝐶𝑙𝑚𝑒𝑎𝑛 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
+ 𝐶𝑙𝑚𝑒𝑎𝑛
6,52 − 0,598 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ 6,52 + 0,598
5,922 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ 7,118
63
Setelah didapatkan interval kepercayaan nilai rata-rata eksperimen konfirmasi,
kemudian dilakukan perbandingan dengan interval kepercayaan nilai rata-rata
prediksi yang ditampilkan pada Gambar 4.5.
Gambar 4.5 Perbandingan interval kepercayaan nilai rata-rata
Berdasarkan Gambar 4.5 dapat ditarik kesimpulan bahwa hasil eksperimen
konfirmasi nilai rata-rata dapat diterima dengan interval kepercayaan. Pada gambar
tersebut terdapat irisan antara prediksi dan konfirmasi sehingga keputusan diterima,
artinya hasil eksperimen Taguchi dapat digunakan dan setting level optimal.
b. Interval kepercayaan nilai rata-rata eksperimen konfirmasi dengan nilai signal noise
to ratio (SNR)
𝐶𝑙𝑚𝑒𝑎𝑛 = ± √(𝐹∝,𝑣1,𝑣2 𝑥 𝑀𝑞 𝑝𝑜𝑜𝑙𝑒𝑑 𝑒 𝑥 [1
𝑛𝑒𝑓𝑓+
1
𝑟]
𝐶𝑙𝑆𝑁𝑅 = ± √(𝐹0,05,1,2 𝑥 0,158 𝑥 [1
1,286+
1
10])
𝐶𝑙𝑆𝑁𝑅 = ± √(18,51 𝑥 0,158 𝑥 [1
1,286+
1
10])
𝐶𝑙𝑆𝑁𝑅 = ± 1,601
Berdasarkan perhitungan tersebut didapatkan interval kepercayaan nilai rata-rata
eksperimen konfirmasi sebagai berikut.
µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
− 𝐶𝑙𝑚𝑒𝑎𝑛 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
+ 𝐶𝑙𝑚𝑒𝑎𝑛
−16,29 − 1,601 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ −16,29 + 1,601
−17,891 ≤ µ𝑐𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑡𝑖𝑜𝑛
≤ −14,69
Setelah didapatkan interval kepercayaan nilai rata-rata eksperimen konfirmasi,
kemudian dilakukan perbandingan dengan interval kepercayaan nilai rata-rata yang
ditampilkan pada Gambar 4.6.
64
Gambar 4.6 Perbandingan interval kepercayaan nilai SNR
Berdasarkan Gambar 4.6 dapat ditarik kesimpulan bahwa hasil eksperiman
konfirmasi nilai signal noise to ratio dapat diterima dengan interval kepercayaan.
Pada gambar tersebut terdapat irisan antara prediksi dan konfirmasi sehingga
keputusan diterima, artinya hasil eksperimen Taguchi dapat digunakan dan setting
level optimal.
4.9 Analisis dan Pembahasan
Berdasarkan langkah-langkah yang telah dijelaskan sebelumnya, dapat dilakukan
analisis bahwa setting level optimal yang digunakan untuk meningkatkan kualitas tidur
seseorang didapatkan dengan metode Taguchi. Berdasarkan penentuan faktor, level faktor,
dan derajat kebebasan yang ditetapkan di awal, kemudian ditetapkan penelitian ini
menggunakan orthogonal array L9(34). Penilaian kualitas tidur dilakukan dengan
menggunakan kuesione Pittsburgh Sleep Quality Index (PSQI) dimana responden mengisi
kuesioner tersebut setelah menggunakan bantal dengan desain sesuai faktor dan level faktor
yang telah ditetapkan sebelumnya. Hasil penilaian kuesioner PSQI merupakan skor dengan
skala 0 sampai 21, dimana nilai 0 mengindikasikan kualitas tidur semakin baik dan
sebaliknya nilai 21 mengindikasikan kualitas tidur semakin buruk. Maka dari itu,
karakteristik kualitas yang ditetapkan adalah Smaller the Better.
Eksperimen yang dilakukan berjumlah 9 dengan 4 faktor dan masing-masing 3 level
faktor yaitu bahan isi (kapuk, bulu angsa, dakron), bahan luar (katun jepang, katun rayon,
katun akrilik), tinggi bantal (5 cm, 10 cm, 15 cm), dan bentuk bantal (bantal biasa, bantal
orthopedic, dan bantal lengkung). Setelah data terkumpul kemudian dilakukan perhitungan
Two-way ANOVA nilai rata-rata dan nilai Signal Noise to Ratio.
65
Berdasarkan hasil perhitungan Two-way ANOVA nilai rata-rata diketahui bahwa dari
empat faktor yang telah ditentukan, tiga diantaranya memberikan pengaruh yang signifikan
terhadap peningkatan kualitas tidur seseorang. Hal tersebut dapat dilihat dari perbandingan
nilai F ratio yang lebih besar daripada F tabel. Faktor-faktor yang memberikan pengaruh
signifikan terhadap peningkatan kualitas tidur seseorang yaitu faktor A (bahan isi), faktor B
(bahan luar), dan faktor D (bentuk bantal). Untuk faktor C (tinggi bantal) tidak memberikan
pengaruh yang signifikan terhadap peningkatan kualitas tidur pada perhitungan Two-way
ANOVA nilai rata-rata maupun nilai SNR. Hal ini disebabkan karena tinggi bantal dapat
ditetapkan berdasarkan tinggi bantal sebelum digunakan dan tinggi bantal saat digunakan.
Dalam penelitian ini, tinggi bantal ditetapkan sebagai tinggi bantal sebelum digunakan.
Sehingga karena adanya perbedaan bahan isi menyebabkan kemampuan bantal memadat
berbeda dan menjadikan tinggi bantal tidak berpengaruh secara signifikan. Karena faktor C
tidak memberikan pengaruh secara signifikan, maka dilakukan pooling terhadap faktor C.
Setelah dilakukan pooling, diketahui bahwa persen kontribusi pooled error kurang dari 50%.
Dalam eksperimen Taguchi, kontribusi pooled error yang diharapkan adalah sebesar <50%
sehingga artinya faktor-faktor penting dalam eksperimen tersebut dilibatkan dalam
perancangan robust design. Dengan persen kontribusi pooled error <50% dinyatakan bahwa
hasil eksperimen Taguchi telah memenuhi kriteria sebagai model untuk memprediksi nilai
yang mempertimbangkan variansi optimalnya.
Selanjutnya dilakukan perhitungan Two-way ANOVA nilai Signal Noise to Ratio.
Menurut Belavendram, nilai SNR ini digunakan untuk eksperimen dengan fungsi statis, yaitu
karakteristik kualitas smaller the better yang bertujuan untuk meminimasi sentivitas
karakteristik kualitas terhadap faktor gangguan. Hasil perhitungan Two-way ANOVA nilai
SNR menunjukkan hasil yang sama dengan Two-way ANOVA nilai rata-rata dalam urutan
faktor yang memberikan peningkatan kualitas tidur beserta level faktornya. Kontribusi
masing-masing faktor yang berpengaruh secara signifikan ditunjukkan pada Tabel 4.22.
Sedangkan faktor C memberikan persen kontribusi yang kecil.
Tabel 4. 22
Perbandingan Persen Kontribusi Nilai Rata-rata dan SNR
Faktor 𝜌 Nilai Rata-rata 𝜌 Nilai SNR
A 35,167 41,37
B 15,891 16,876
D 14,746 15,506
Pooled error 32,456 26,248
Setting level optimal berdasarkan perhitungan Two-way ANOVA nilai rata-rata dan
nilai SNR yaitu faktor A level 2 (bahan isi bulu angsa), faktor B level 1 (bahan luar katun
66
jepang) dan faktor D level 2 (bentuk bantal orthopedic). Setting level optimal tersebut
kemudian digunakan dalam eksperimen konfirmasi untuk memvalidasi eksperimen yang
telah dilakukan sebelumnya.
Selanjutnya dilakukan perhitungan interval kepercayaan nilai rata-rata dan SNR. Hasil
perhitungan kualitas tidur prediksi dan optimasi untuk setiap faktor pengukuran ditunjukkan
pada Tabel 4.23.
Tabel 4.23
Interpretasi Hasil Perhitungan Kualitas Tidur Prediksi dan Optimasi Respon (Kualitas Tidur) Prediksi Optimasi
Eksperimen Taguchi Rata-Rata 5,97 5,97 ± 0,533
Variabilitas -15,577 -15,577 ± 1,507
Eksperimen Konfirmasi Rata-Rata 6,52 6,52 ± 0,598
Variabilitas -16,29 -16,29 ± 1,601
Berdasarkan hasil perhitungan nilai prediksi dan nilai optimasi pada eksperimen
konfirmasi diketahui bahwa hasil eksperimen konfirmasi valid karena adanya irisan antara
nilai interval kepercayaan rata-rata dan SNR prediksi dengan eksperimen konfirmasi.
Sehingga dapat disimpulkan perancangan desain bantal untuk meningkatkan kualitas tidur
menggunakan desain eksperimen Taguchi berhasil dilakukan. Setting level optimal dapat
digunakan untuk pembuatan bantal tidur yang dapat meningkatkan kualitas tidur seseorang.