// <![CDATA[URUTAN PRIORITAS PERBAIKAN KEGAGALAN DENGAN METODE FAILURE MODE EFFECT ANALYSIS (FMEA) DAN FUZZY LOGIC]]> 0401066902 - Yuniar, S.T., M.T Dosen Pembimbing 1 TRI ADIANTO CIPTO SANTOSO / 132018035 Penulis
Kualitas produk yang baik menjadi hal yang penting bagi perusahaan untuk dapat meningkatkan profitabilitas. Dalam upaya menjaga kualitas produk, perusahaan perlu melakukan identifikasi potensi dan penyebab kegagalan serta cara menanggulanginya. Metode Failure Mode and Effect Analysis (FMEA) adalah salah satu metoda yang dapat digunakan untuk menentukan urutan prioritas perbaikan potensi kegagalan berdasarkan nilai Risk Priority Number (RPN). Nilai RPN didapat dengan cara mengalikan antara nilai severity, occurrence, dan detection. Nilai RPN yang didapat akan diurutkan dari nilai yang tertinggi hingga terendah yang menunjukkan prioritas perbaikan. Peringkat yang sama pada beberapa potensi kegagalan mungkin terjadi jika RPN bernilai sama walaupun berasal dari nilai severity, occurrence, dan detection yang berbeda. Untuk mengatasi masalah tersebut pada penelitian ini digunakan pendekatan fuzzy logic untuk memperbaiki peringkat RPN pada metode FMEA. Sebelum proses fuzzy logic, data severity, occurrence, detection, dan RPN akan dinormalisasi dengan mengubah nilai dalam interval 0 hingga 1, dengan tujuan memperkecil kemungkinan beberapa nilai yang berdekatan masuk dalam kategori yang sama. Pendekatan fuzzy logic akan memperhatikan derajat keanggotaan severity, occurrence, dan detection serta menggunakan fuzzy rules. Fuzzy rules berasal dari decision tree yang didapatkan dari proses data mining dengan menggunakan teknik klasifikasi yang memiliki nilai performansi terbaik. Metoda fuzzy logic dapat menentukan urutan prioritas perbaikan kegagalan (hasil metode FMEA) pada kondisi nilai RPN yang sama tetapi nilai severity, occurrence, dan detection yang berbeda sehingga mendapatkan urutan prioritas yang optimal. Kata Kunci: Failure Mode and Effect Analysis (FMEA), Risk Priority Number (RPN), fuzzy logic, normalisasi, data mining