LAPORAN RESMI PRAKTIKUM MODUL 2 PENGENDALIAN KUALITAS STATISTIKA

DOSEN: Dr. MUHAMMAD MASHURI, MT. ASISTEN: RINDA N PESERTA PRAKTIKUM: NI PUTU BUDI SETIANINGSIH (1310100047) NANTA SIGIT (1310100106)

URUSAN STATISTIKA !AKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABA"A 2013

I.

D#$#r T%&r' 1.1 U(' K%#)#*#+ #,#- K%r#+.&/#+ D#,# Uji kerandoman dilakukan untuk mengindikasikan titik-titik data berada dalam proses terkendali atau tidak. Pertama kali yang harus dilakukan adalah menghilangkan sebab-sebab terduga dari grafik R maka secara otomatis akan menghilangkan pola tak random pada grafik

x . Uji kerandoman ini dilakukan dengan menggunakan uji Run Test.

Langkah pengujian adalah dengan menjumlahkan deretan (run) dengan data yang diambil secara berselang-seling. Data tersebut kemudian ditandai dengan tanda (+) untuk nilai sampel yang lebih besar sama dengan pembanding (nilai mean atau median) dan tanda (-) untuk nilai sampel yang lebih kecil dari pembandingnya. ipotesis !
" #

! data tidak menunjukkan pola tertentu (random) ! data menunjukkan pola tertentu (tidak random)

$tatistik uji! #. %ika sampel kecil (kurang dari &") Langkah-langkah perhitungannya adalah sebagai berikut! 'enyusun deret 'enghitung jumlah deret atau r sebagai statistik uji 'embandingkan nilai r dengan rtabel %ika r ( rtabel maka tolak
"

&. %ika sampel besar n ) &"* maka menggunakan pendekatan sebaran r dengan sebaran +. Langkah-langkah yang digunakan sama dengan langkah-langkah jika menggunakan sampel kecil. ,amun yang berbeda adalah statistik uji.
z= r { ( &n# n& ) -( n# + n& )} + # &n# n& ( &n# n& n# n& ) (n# + n& ) & ( n# + n & #)
"

$tatistik uji !

.esimpulan! 'enggunakan tabel +* jika P/alue ( 0* maka (Daniel* #121). 1.2 U(' B'+&/'#0

ditolak (data tidak random)

Uji binomial dilakukan untuk melihat apakah data berdistribusi binomial. kontrol np merupakan data yang berdistribusi binomial (3ayne* #121). Pengujian ipotesis !
"

al ini

disebabkan data yang digunakan dalam menggambarkan diagram kontrol p dan diagram

! 4"(5) 6 4(5) 4"(5) 7 4(5)

untuk semua nilai 5 untuk sekurang-kurangnya sebuah nilai 5

# !

dimana 4"(5) ! fungsi distribusi yang dihipotesiskan (berdistribusi binomial) 4(5) ! fungsi distribusi yang belum diketahui $tatistik uji !
(Oi Ei ) & Ei

& =
i =#

.eputusan!

"

ditolak pada taraf nyata 0 jika & hitung 1 & tabel(r-#) atau p-value ( 0.

1.3 P%,# K%+.#0' A,r'2-, Pengontrolan kualitas secara statistik merupakan suatu metode untuk memeriksa dan memelihara tingkat kualitas yang diinginkan dalam suatu produk atau proses yang ditentukan. Peta kendali atribut merupakan karakteristik kualitas yang tidak dapat diukur (unmeasureable) biasanya istilah 8cacat9 dan 8tidak cacat9 kadang-kadang digunakan untuk mengidentifikasikan suatu produk. $elain itu* peta kendali atribut adalah suatu peta dengan karakteristik kualitas atribut* yaitu suatu karakteristik kualitas yang hanya dapat membedakan antara produk cacat dan tidak cacat. :isa juga disebut suatu peta yang menggambarkan kondisi proses yang di;aliki oleh titik-titik pengamatan dari ;aktu ke ;aktu* dimana titiktitik pengamatan tersebut tidak dapat diukur tetapi dapat dihitung ('ontgomery* #112). 'acam-macam peta kendali atribut adalah! a. Peta kendali p adalah grafik pengendali untuk bagian tak sesuai. b. Peta kendali np adalah grafik pengendali untuk bagian tak sesuai c. Peta kendali c adalah grafik pengendali untuk ketidaksesuaian. d. Peta kendali u adalah grafik pengendali untuk ketidaksesuaian per unit. 1.3.1 P%,# K%+.#0' p Peta kendali p adalah peta yang digunakan untuk mengontrol proporsi dari item-item yang tidak memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu proses. Proporsi yang tidak memenuhi syarat didefinisikan sebagai rasio banyaknya produk yang tidak memenuhi syarat dalam suatu kelompok terhadap total

banyaknya produk dalam kelompok itu ('ontgomery* #112). p menyatakan rasio antara jumlah item yang diperiksa pada setiap sampel yang diambil. <umus untuk p adalah!

di mana 6 jumlah cacat dalam sampel 6 ukuran sampel Peta kendali atribut ini mendasarkan perhitungan pada distribusi binomial sebab karakteristik kualitas hanya dibedakan menjadi dua macam keadaan yaitu cacat dan tidak cacat. Pada setiap pengamatan yang dilakukan adalah menentukan jumlah cacat persampel. .emudian dihitung proporsi cacat dari sampel ke sampel* kemudian dibuat peta kendali p dengan cara menentukan rata-rata proporsi cacat* batas kendali atas dan batas kendali ba;ah. Dengan rumus sebagai berikut!
UCL = p + = p (# p ) n

>aris tengah 6 p
LCL = p = p (# p ) n

?pabila bagian cacat dalam sutu proses produksi ( p) tidak diketahui* maka p harus ditaksir dari obser/asi yang relah dilakukan. Prosedur yang biasa adalah memilih m sampel pendahuluan* masing-masing berukuran n * aturan umum m haruslah &" atau &@. %ika ada Di unit tak sesuai dalam sampel i ('ontgomery* #11A). maka probabilitas bagian cacat sampel ke i adalah !
Bi = p Di n

Untuk rata-rata bagian tidak sesuai sampel-sampel ini adalah

p=

Di
i =#

mn

B p
i =#

$tatistik p menaksir bagian cacat yang diketahui. >aris tengah dan batas pengendali diagram kontrol untuk bagian cacat dihitung sebagai berikut.
UCL = p + = p (# p ) n

>aris tengah 6 p
LCL = p = p (# p ) n

1.3.2 P%,# K%+.#0' np Peta kendali np merupakan peta yang digunakan untuk mengukur banyaknya cacat pada setiap sampel dimana jumlah sampel dalam tiap-tiap subgrup adalah konstan sehingga lebih mudah dan cepat. :atas-batas kendali peta kendali np dapat didefinisikan sebagai berikut. UCL CL LCL 6
np += np (# p )

6 np 6
np = np (# p )

1.4 D'#3r#/ P#r%,& Diagram pareto digunakan untuk membandingkan berbagai kategori kejadian yang disusun menurut urutan* mulai dari yang paling besar disebelah kiri ke yang paling kecil disebelah kanan. $usunan tersebut dilakukan untuk menentukan urutan pentingnya atau prioritas kategori kejadian-kejadian atau sebab-sebab kejadian yang dikaji. 'elalui bantuan Pareto Diagram tersebut susunan kegiatan akan lebih efektif dengan memusatkan perhatian pada sebab-sebab yang mempunyai dampak yang paling besar terhadap kejadian daripada meninjau berbagai sebab suatu ;aktu ($asongko* &""2). :erbagai diagram pareto dapat digambarkan dengan menggunakan data yang sama* tetapi digambarkan secara berlainan. Data dapat dilihat bedasarkan frekuensi terjadinya* menurut biaya* menurut ;aktu terjadinya* dapat diungkapkan berbagai prioritas penanganannya tergantung pada kebutuhan spesifik yang ada. Langkah yang dipergunakan ialah (Cugene* #122)
1. 'enentukan masalah yang akan diteliti. 2. 'enentukan data apa yang akan diperlukan dan bagaimana mengklasifikasikan atau

mengkategorikan data itu.

3. 'enentukan metode dan periode pengumpulan data. 4. 'enentukan frekuensi dari kategori. 5. 'engurutkan menurut frekuensinya dari yang tertinggi sampai yang terendah. 6. 'enghitung prosentase dari frekuansi kumulatif. 7. 'embuat diagram berdasarkan pada urutan diatas.

2. 'emutuskan untuk mengambil tindakan peningkatan. 1.4 K#5#2'0',#$ Pr&$%$ .apabilitas proses adalah membandingkan output dari suatu pengendalian proses ke batas kontrol dengan menggunakan indeks kapabilitas.$edangkan analisis kapabilitas proses adalah suatu studi yang biasa digunakan untuk menaksir kapabilitas proses. Daksiran ini dapat berupa bentuk distribusi probabilitas yang mempunyai bentuk* rata-rata* dan penyebaran (deviasi standard) tertentu. .egunaan utama dari data dalam analisis kapabilitas proses adalah sebagai berikut. #. &. =. E. @. A. F. 'emperkirakan seberapa baik proses akan memenuhi toleransi yang diberikan 'embantu mengembangkan-merancang produk dalam memilih atau mengubah proses 'embantu dalam pembentukan inter/al untuk pengendalian inter/al antara pengambilan sampel 'enetapkan persyaratan penampilan bagi alat baru 'emilih diantara penjual yang bersaing 'erencanakan urutan proses produksi apabila ada pengaruh interaktif proses pada toleransi 'engurangi /ariabilitas dalam proses produksi. :erikut merupakan perhitungan dari beberapa rasio kapabilitas yang mencakup Gp* Gpk* Gpm* Gpkm.

Dimana! U$L (Upper Specification Limit) dan L$L (Lo er Specification Limit) adalah batas spesifikasi atas dan batas spesifikasi ba;ah dari produk. Hndeks kapabilitas proses Gp memiliki keterbatasan* yaitu (#) indeks Gp tidak dapat digunakakn apabila proses yang dikendalikan hanya memiliki satu batas spesifikasi dan (&) indeks Gp tidak mampu mendeteksi process centerin!" dimana jika nilai Ibar tidak tepat sama dengan nilai target. Untuk mengatasi kekurangan dari indeks Gp* maka kita dapat menggunakan indeks Gpk yang dihitung berdasarkan formula

Gpk 6 'inimum JGPU* GPLK Dimana!

Hndeks kapabilitas lain yang digunaan untuk mengukur proses adalah indeks kapabilitas Gpm. :eberapa keuntungan dari penggunaan indeks Gpm yaitu (#) Hndeks Gpm dapat diterapkan pada suatu inter/al spesifikasi yang tidak simetris (as#metrical specification interval)* di mana nilai spesifikasi target kualitas (D) tidak berada tepat di tengah nilai U$L dan L$L dan (&) Hndeks Gpm dapat dihitung untuk tipe distribusi apa saja* tidak mensyaratkan data harus berdistribusi normal. Perhitungan indeks Gpm dihitung berdasarkan formula berikut.

Hndeks kapabilitas selanjutnya adalah Gpkm. Hndeks kapabilitas proses Gpkm digunakan untuk mendeteksi proses centering dan dipakai sebagai pengganti Gpk apabila persyaratan asumsi tentang distribusi normal tidak dapat dipenuhi.

$erta nilai diperoleh dari perhitungan

II.

Pr&$%.-r Pr#*,'*-/ 2.1. L#+3*#6 Pr#*,'*-/ :erikut ini adalah langkah-langkah dalam melakukan praktikum modul #. #) 'emperoleh data sekunder dari ?sisten. &) 'elakukan pengolahan data menggunakan soft are 'initab. =) 'emperoleh output. E) 'emberikan interpretasi pada output. @) 'enyusun laporan sementara praktikum modul &. A) 'enngumpulkan laporan sementara praktikum modul & kepada ?sisten. F) 'enyusun laporan resmi praktikum modul &. 2) 'engumpulkan laporan resmi praktikum modul & kepada ?sisten. 2.2. L#+3*#6 M%+33-+#*#+ S&7,8#r% M'+',#2 :erikut ini adalah langkah-langkah dalam melakukan analisis data praktikum modul # menggunakan soft are 'initab. #) 'engisi or$s%eet dengan data praktikum modul &. &) 'elakukan Uji .eacakan (<un Dest) terhadap seluruh data pada seluruh sampel komponen-cacat hasil pengamatan. =) 'elakukan Uji :inomial terhadap seluruh data pada sampel komponen-cacat hasil pengamatan. E) 'embuat diagram kontrol P dan ,P. @) 'embuat diagram kontrol Gp . A) 'enyalin output.

III. H#$'0 Pr#*,'*-/: 3.1. O-,5-, M'+',#2 .#+ SPSS U(' K%#)#*#+ (R-+ T%$,)

Runs Test: Cacat

Runs test for Cacat Runs above and below K = 0.618462 The observed number of runs = 187 The e !ected number of runs = 1"4.#78 201 observat$ons above K% 124 below &'value = 0.000

U(' B'+&/'#0
(&)R T*+T+ ,-.(/0.)1 20."03=4)R0000# ,0.++.(5 )()16+.+.

NPar Tests
78ata+et09
Binomial Test Category N Observed Prop. Test Prop. Exact Sig. (2tailed) #ro$p % VA !!!!" #ro$p 2 Total %.!! .!! 2!% %2( "2' .&2 .") %.!! .'! .!!!

D'#3r#/ P
P Chart of D
!.* !.) !.+ !.& !.' !.( !." % 2 " ( ' & + ) Sample * %! %% %2 %" /C/- !."2+! , P- !.&%)' .C/- !.*!**

D'#3r#/ NP
NP Chart of D
2( 22 2! Sam ple C ount %) %& %( %2 %! ) % 2 " ( ' & + ) Sample * %! %% %2 %" /C/- ).%) ,, NP- %'.(& .C/- 22.+'

Proportion

D'#3r#/ P#r%,&
Pareto Chart of Jenis Cacat
2'! %!! )!

2!! Jumlah Cacat

%!!

(!

'!

2!

! 0e3is Cacat 0$1la2 Cacat Perce3t C$1 4

6otor %"% '2.& '2.&

Coreta3 (* %*.+ +2."

$sa5 2* %%.& )".*

Ta5 rapi 2% ).( *2.(

ed$p %* +.& %!!.!

K#5#2'0',#$ Pr&$%$
Binomial Process Capabilit$ %nal$sis of D
P Cha r t ! pe ct e d D e f e ct iv e s .C/- !.*!** P r opor t ion !.) !.& !.( /C/- !."2+! % 2 " ( ' & + ) Sa m ple * %! %% %2 %" , P- !.&%)' 2! Binom ia l P lot

%'

%!

%!

%' 2! O bse r v e d De fe ct iv e s & ist o'r a m

Cum ula t iv e % De fe ct iv e S$11ary Stats (*'.!4 co3:ide3ce) &' % De f e ct iv e 4 9e:ectiv e8 /o; er C7 8 .pper C7 8 Target8 PP< 9e:8 /o; er C7 8 .pper C7 8 Process =8 /o; er C7 8 .pper C7 8 &%.)' '&."2 &+.%' !.!! &%)(&2 '&"22' &+%'%) -!."!%( -!.(((% -!.%'*% "r e #ue nc$ Tar ( " 2 % !

&!

'' 2 ( & ) Sa m ple %! %2

%'

"! (' &! % De f e ct iv e

+'

=.&) Hnterpretasi Luput I+,%r5r%,#$' O-,5-, U(' K%#)#*#+ (R-+ T%$,) ipotesis!
" #

! Data cacat tidak menunjukkan pola tertentu (random) ! Data cacat menunjukkan pola tertentu (tidak random)

Percent

%'!

&!

Daerah penolakan! Dolak

"

jika P/alue ( "."@

.esimpulan! :erdasarkan output 'initab untuk data cacat* diketahui P/alue sebesar "*""" ( "*"@* maka
"

ditolak pada taraf nyata @M* yang berarti data cacat menujukkan pola tertentu atau tidak

random. I+,%r5r%,#$' O-,5-, U(' B'+&/'#0 ipotesis!

" #

! Data cacat berdistribusi :inomial ! Data cacat tidak berdistribusi :inomial

Daerah penolakan! Dolak

"

jika P/alue ( "."@

.esimpulan! :erdasarkan output $P$$ untuk data cacat* diketahui P/alue sebesar "*""" ( "*"@* maka
"

ditolak pada taraf nyata @M* yang berarti data cacat tidak berdistribusi :inomial. I+,%r5r%,#$' D'#3r#/ P Lutput 'initab untuk diagram P menunjukkan bah;a semua proporsi cacat pada setiap

subgrup berada dalam batas kontrol proporsi cacat dalam proses* dimana batas kontrol atas dari proporsi cacat sebanyak &&*F@ dan batas kontrol ba;ah dari proporsi cacat adalah "*=&F". I+,%r5r%,#$' D'#3r#/ NP Lutput 'initab untuk diagram ,P menunjukkan bah;a semua jumlah cacat pada setiap subgrup berada dalam batas kontrol jumlah cacat dalam proses* dimana batas kontrol atas dari jumlah cacat adalah "*1"11 dan batas kontrol ba;ah dari jumlah cacat adalah 2*#2.

I+,%r5r%,#$' O-,5-, D'#3r#/ P#r%,& Lutput diagram Pareto menunjukkan bah;a jenis cacat terbanyak berupa kotor yang presentasenya sebesar @&*AM (lebih dari @"M)* dan cacat lainnya berupa coretan* rusak* tidak rapi* dan redup. I+,%r5r%,#$' O-,5-, K#5#2'0',#$ Pr&$%$ :erdasarkan output 'initab* diperoleh persentase cacat (MDefecti/e) dalam proses sebesar A#*2@M. Dapat juga dikatakan* dari #".""" unit produk yang dihasilkan dari proses tersebut* terdapat sebanyak A.#2@ unit produk yang cacat. ?tau untuk kasus kebersihan beberapa lokasi di kampus ini* dapat dikatakan bah;a dari #".""" pengamatan kebersihan* terdapat A.#2@ hasil pengamatan yang tidak bersih (kotor* coretan* rusak* tidak rapi* atau redup). $elain itu* istogram MDefecti/e menunjukkan jumlah cacat yang jauh dari nilai target (target 6 ")* yang berarti proses belum berjalan baik. ,amun* nilai Process N sebesar -"*="#E menunjukkan jumlah cacat berada dalam batas kontrol = sigma yang berarti bah;a /ariabilitas proses tidak baik.