Anda di halaman 1dari 24

1

1. PENDAHULUAN
1.1 Latar Belakang
Kampus merupakan tempat terjadinya proses belajar mengajar. Proses belajar
mengajar dapat berjalan dengan baik apabila memenuhi beberapa syarat. Salah satu
syarat tersebut adalah kebersihan lingkungan kampus terutama jurusan yang
bersangkutan. Oleh karena itu, pada beberapa waktu belakangan ini banyak kampus
atau universitas yang berusaha membenahi tingkat kebersihan lingkungan kampus
mereka dengan berbagai macam cara sesuai kebijakan yang berlaku.
Setiap kampus atau jurusan memiliki target suatu kebersihan yang berbeda-
beda. Dalam penentuan karakteristik kebersihan lingkungan kampus dapat
diklasifikasikan dalam beberapa aspek yang sesuai dengan standar kampus atau
jurusan dimana dalam penelitian ini adalah kebersihan jurusan Statistika dan UPMB
ITS. Secara umum istilah bersih dan tidak bersih dapat digunakan untuk
mengidentifikasi klasifikasi kebersihan jurusan tersebut.
Dalam proses peningkatan kualitas kebersihan lingkungan melalui identifikasi
karakteristik dapat dilakukan dengan melakukan pengawasan dan pengontrolan
secara teliti dan teratur agar dapat memperoleh hasil yang dimana spesifikasinya
sesuai yang diharapkan jurusan tersebut. Untuk melakakukan pengontrolan kualitas
maka dilakukan analisis menggunakan peta kendali p, peta kendali np, kapabilitas
proses dan diagram sebab akibat.
1.2 Rumusan Masalah
Berdasarkan pada latar belakang diatas maka dapat diambil permasalahan
pokok yaitu :
1. Apakah data kecacatan (kotor) pada ruangan Jurusan Statistika dan UPMB
random dan berdistribusi Binomial ?
2. Bagaimana mengukur dan mengevaluasi proses peningkatan kualitas kebersihan
jurusan Statistika dan UPMB menggunakan peta kendali p dan np?
3. Bagaimana menentukan kapabilitaas proses pada kualitas kebersihan lingkungan
jurusanStatistika dan UPMB?
2
4. Bagaimana diagram ishikawa pada proses peningkatan kualitas di jurusan
Statistika dan UPMB?
1.3 Tujuan
Berdasar pada permasalahan-permasalahan yang ada maka dapat diambil
tujuan yang ingin dicapai dari permasalahan tersebut yaitu :
1. Dapat mengetahui data kecacatan (kotor) pada ruangan Jurusan Statistika dan
UPMB random dan berdistribusi Binomial.
2. Dapat mengukur dan mengevaluasi proses peningkatan kualitas kebersihan
jurusan Statistika dan UPMB menggunakan peta p dan np.
3. Dapat menentukan kapabilitas proses pada kualitas kebersihan di jurusan
Statistika dan UPMB.
4. Dapat menggunakan dan menganalisis masalah menggunakan diagram ishikawa.
1.4 Manfaat
Manfaat yang diperoleh dari kegiatan praktikm ini adalah :
1. Mahasiswa
Mahasiswa mengetahui penggunaan diagram kontrol p dan np pada pengontrolan
kualitas kebersihan di jurusan Statistika dan UPMB, sehingga dapat diketahui
apakah kebersihan di Statistika dan UPMB berada dalam batas kontrol atau tidak.
2. Pihak jurusan Statistika
Penulisan laporan praktikum ini dapat membantu Statistika ,agar dapat lebih
cepat mengambil tindakan dalam meningkatkan maupun mempertahankan
kualitas kebersihan jurusannya.
3. Pihak UPMB
Penulisan laporan praktikum ini dapat membantu UPMB ITS sebagai tempat
pengajaran mata kuliah umum,agar dapat lebih baik dalam meningkatkan
maupun mempertahankan kualitas kebersihan gedungnya.
4. Umum
Penulisan laporan ini dapat membantu dan menambah informasi bagi pembaca
yang ingin melakukan penelitian yang berkaitan dengan kasus ini.
3
1.5 Batasan Masalah
Pada proses penilaian kebersihan banyak variabel yang dapat diamati, namun
pada praktikum Pengandalian Kualitas Statistik ini, peneliti membatasi penilaian
kebersihan jika pada satu komponen terdapat lebih dari satu jenis cacat (kotor) maka
dianggap komponen tersebut cacat (kotor) begitu pula pada jumlah cacat pada hari
jika satu hari terdapat kurang dari satu jumlah cacat maka dianggap komponen
tersebut tidak cacat (kotor).
2.TINJAUAN PUSTAKA
2.1 Uji Keacakan
Untuk mengetahui apakah penyebaran pada titik pengamatan saat
pengambilan data ini random atau tidak random, maka perlu dilakukan uji keacakan.
Prosedur-prosedur untuk menyelidiki keacakan didasarkan pada banyaknya sifat
rangkaian yang terdapat dalam data yang diamati. Rangkaian didefinisikan sebagai
serangkaian kejadian, hal atau symbol yang sama yang didahului atau diikuti oleh
kejadian, hal atau symbol dengan tipe yang berbeda atau yang belakangan ini tak ada
sama sekali.
Asumsi yang harus dipenuhi dalam uji keacakan yaitu data tersedia untuk
analisis terdiri atas serangkaian pengamatan, yang dicatat berdaarkan urutan
perorangnya dan dapat kita kategorikan kedalam kelompok-kelompok yang saling
eksklusif.
Untuk melakukan uji keacakan, dilakukan langkah-langkah sebagai berikut :
1. Hipotesis
H
0
: data pengamatan telah diambil secara acak dari suatu populasi
H
1
: data pengamatan telah diambil secara tidak acak dari suatu populasi
2. Statistik Uji
Statistic ujinya adalah banyaknya runtun yang terjadi. Yang dapat ditulis dengan
symbol huruf r.
r = banyaknya runtun yang terjadi
3. Daerah Kritis
4
Daerah kritisnya adalah tolak H
0
bila r < atau r > dari tabel Z nilai kritis untuk
runtun r dengan n
1
dan n
2
(tabel untuk uji keacakan), dimana :
n
1
: banyak data beartanda (+) atau huruf tertentu
n
2
: banyak data bertanda (-) atau huruf tertentu
Aproksimasi Sampel Besar
Bila n
1
maupun n
2
lebih besar dari 20 maka persamaan yang digunakan adalah
distribusi normal, dimana nilai Z dapat dicari sebagai berikut :

Z =
r (2n
1
n
2
) /(n
1
+ n
2
)

{ }
+1
2n
1
n
2
(2n
1
n
2
n
1
n
2
)
(n
1
+ n
2
)
2
(n
1
+ n
2
1)
(2.1)
Nilai Z ini kemudian dibandingkan dengan nilai (Z tabel) dari distribusi normal
baku.
2.2 Uji Binomial
Pada saat menggunakan diagram p dan np, data yang digunakan harus
berdistribusi binomial, maka untuk memenuhi asumsi tersebut dilakukan uji
binomial.
Untuk menguji apakah data berdistribusi binomial dilakukan langkah-langkah
sebagai berikut :
1. Hipotesis
H
0
: F
0(x)
= F
(x)
untuk semua nilai x
H
1 :
F
0(x)
F
(x)
untuk sekurang-kurangnya sebuah nilai x
keterangan
F
0(x)
: fungsi distribusi yang dihipotesiskan (berdistribusi binomial)
F
(x)
: fungsi distribusi yang belum diketahui
2. Statistik Uji

(2.2)


5
3. Daerah Kritis
H
0
(hipotesis awal) ditolak pada taraf nyata jika

x
2
> x
tabel(r1)
2
dimana P-value
lebih kecil dari pada .
2.3 Diagram Ishikawa
Diagram Ishikawa (diagram sebab akibat) adalah diagram yang
menghubungkan antar karakteristik mutu dan faktor-faktor yang menjadi
penyebabnya. Diagram sebab akibat sering digambarkan sebagai tulang ikan karena
bentuknya menyerupai tulang ikan. Diagram sebab akibat juga dikenal dengan
sebutan diagram Ishikawa karena diagram ini pertama kali ditemukan oleh Prof.
Kaeru Ishikawa (1953) dari Universitas Tokyo. (Montgomery,1998)
Langkah-langkah pembuatan diagram sebab-akibat adalah sebagai berikut:
1. Membuat garis horisontal dan membagi menjadi 2 bagian, sebut saja bagian
kanan dan bagian kiri.
2. Menentukan karakteristik mutu dan memilih keadaan salah satu karakteristik
mutu yang dianggap kritis, meliputi faktor manusia, mesin, material, metode dan
lingkungan (4M+1L).
3. Meletakkan karakteristik tersebut pada ujung bagian kanan garis.
Pada bagian kiri garis menetapkan faktor-faktor yang jadi penyebab terjadinya
kondisi kritis karakteristik kualitas yang telah ditetapkan pada poin 2.
2.4 Diagram Kontrol p
Diagram kontrol ini berfungsi untuk memonitor tingkat kecacatan produk.
Diagram kontrol p adalah diagram yang menggambarkan variasi proporsi cacat suatu
proses produksi sampel dari waktu ke waktu.
Langkah-langkah perhitungan secara manual adalah sebagai berikut.
1. Menghitung p pada data.
2. Menghitung batas kontrol p dengan menggunakan rumus sebagai berikut.


6

( )


(2.3)

( )


3. Membuat diagram antara p pada setiap pengamatan terhadap urutan pengamatan.
Analisis mengenai diagram kontrol atribut p dapat dilihat pada data pengamatan
apakah sudah memenuhi sepuluh peraturan diagram kontrol, bila semua terpenuhi
maka proses sudah berada pada batas kontrol atau in control itu artinya proses sudah
terkendali. Diagram kontrol ini akan baik jika rata-rata proporsi cacat per unit
semakin kecil ke arah nol dan batas kontrolnya semakin sempit.
2.5 Diagram Kontrol np
Diagram kontrol np adalah diagram yang menggambarkan variasi jumlah
cacat suatu proses produksi sampel dari waktu ke waktu.
Langkah-langkah perhitungan secara manual adalah sebagai berikut.
1. Menghitung p n pada data.
2. Menghitung batas kontrol np dengan menggunakan rumus sebagai berikut :
( )
(2.4)
( )

3. Membuat diagram np pada setiap pengamatan terhadap urutan pengamatan.
Analisis mengenai diagram kontrol atribut np dapat dilihat pada data
pengamatan apakah sudah memenuhi sepuluh peraturan diagram kontrol, bila semua
terpenuhi maka proses sudah berada pada batas kontrol atau in control itu artinya
proses sudah terkendali. Diagram kontrol ini akan baik jika rata-rata jumlah cacat
semakin kecil ke arah nol dan batas kontrolnya semakin sempit.
7
2.6 Kapabilitas Proses
Kapabilitas proses adalah kemampuan suatu proses untuk beroperasi sesuai
dengan standar yang ditentukan. (Montgomery,1998)
Suatu proses dikatakan kapabel jika :
a. Proses terkendali, hal ini dapat diketahui dari peta kendali yang dibuat
berdasarkan check sheet. Proses dikatakan terkendali jika berada dalam batas
kendali.
b. Memenuhi batas spesifikasi, yang ditentukan oleh pihak manajemen berdasarkan
spesifikasi alat, pertimbangan-pertimbangan tertentu perusahaan atau juga
berdasarkan permintaan konsumen
c. Mempunyai tingkat presisi (ukuran kedekatan nilai pengamatan yang satu
dengan nilai pengamatan yang lain).
d. Memiliki akurasi (ukuran kedekatan nilai pengamatan dengan nilai target) yang
tinggi.
2.6.1 Cp Atribut
Terdapat tiga kejadian berkenaan dengan proses Cp, yakni:
1. Cp < 1, artinya batas spesifikasi perusahaan lebih kecil daripada sebaran data
pengamatan. Proses ini dikatakan dalam keadaan kurang baik, karena banyak
produk yang kualitasnya berada diluar batas spesifikasi.
2. Cp = 1, artinya batas spesifikasi perusahaan sama dengan sebaran data
pengamatan. Proses ini dalam keadaan yang baik, tetapi masih perlu ditingkatkan
kualitasnya.
3. Cp > 1, artinya batas spesifikasi perusahaan lebih besar daripada sebaran data
pengamatan. Proses ini dikatakan dalam keadaan sudah baik tetapi perbaikan
proses secara terus menerus masih tetap dilakukan.
2.6.2 Indeks Cpk
Indeks performansi proses (Cpk) adalah indeks yang dapat digunakan untuk
menyatakan tingkat akurasi sekaligus presisi. Nilai Cpk dipengaruhi oleh ukuran
lokasi dan variabilitas proses :
8


Cpk = min Cp
A ( )
,Cp
B ( )
( )
(2.8)
Ada tiga kejadian yang berkenaan dengan nilai Cpk, yaitu :
1. Nilai Cpk < 0, berarti rata-rata proses diluar batas spesifikasinya.
2. Nilai Cpk = 0, berarti rata-rata proses sama dengan salah satu spesifikasinya.
3. Nilai Cpk > 1, berarti variasi proses semuanya terletak didalam batas-batas
spesifikasinya.

2.7 Kebersihan
Kebersihan adalah suatu disiplin ilmu yang mempelajari bagaimana cara hidup
sehat dan cara mencapai kondisi yang higienis.(Hygiene for modul K3,2011)
Berdasarkan pengajaran materi K3(Kesehatan dan Keselamatan Kerja),
kebersihan adalah suatu usaha untuk melindungi, memelihara dan mempertahankan
serta meningkatkan derajat kesehatan manusia, sehingga tidak mudah terganggu atau
terpengaruh dari segala gangguan kesehatan. Pernah dilakukan penelitian yang
berhubungan dengan masalah kontrol kebersihan lingkungan, yaitu Penelitian
Tentang kebersihan Lingkungan SMAN 1 SAMPALI, dimana dalam penelitian ini
dilakukan wawancara terhadap siswa-siswa tentang bagaimana pengaruh kebersihan
lingkungan dengan kenyamanan dan konsentrasi belajar.

3. METODE PEMERIKSAAN KUALITAS KEBERSIHAN
3.1 Variabel Kualitas
Variabel yang dihitung adalah debu, sarang laba-laba, sampah, coretan dan
flek dengan komponen komponennya adalah dinding, lantai, atap, kursi dan pintu.
Dimana ruangan ruangan yang diteliti di Jurusan Statistika meliputi ruangan T102,
T103A, T103B, T104A, T104B, F105, Tata Usaha, Teras Atas, Teras Bawah dan
Toilet lantai 1-4. Sedangakan di UPMB meliputi ruangan 101, 102, 103, 201, 202,
203, 204, Teras Atas, Teras Bawah, Mushola dan Toilet lantai 1 dan lantai 2.

9
3.2 Cara Pengambilan Sampel
Pengambilan penilaian data kebersihan dilaksanakan hari Kamis tanggal 5
April 2012 Rabu tanggal 18 April 2012 di Jurusan Statistika FMIPA ITS dan
UPMB pada hari kerja. Data yang diperoleh sejumlah 13 sampel data ruangan untuk
analisis, dimana pengamatan dilakukan secara langsung yaitu dengan cara menilai
kebersihan dengan komponen komponen
3.3 Langkah analisis
Langkah analisis dalam pengerjaan laporan ini adalah sebagai berikut.
1. Mengumpulkan data penilaian kebersihan yang terdapat pada ruangan ruangan di
Statistika ITS dan UPMB dengan mengamatinya secara langsung.
2. Melakukan uji asumsi kerandoman data.
3. Melakukan uji asumsi data berdistribusi Binomial.
4. Membuat peta kendali p dan np.
5. Menentukan kapabilitas proses.
6. Membuat diagram sebab akibat.
7. Membuat kesimpulan.
3.4 Diagram Alur
Berdasarkan langkah analisis yang telah dijabarkan sebelumnya, maka
diagram alir untuk pembuatan laporan praktikum ini adalah sebagai berikut.










10
Membuat Peta Kendalip dan np
Menentukan
Kapabilitas Proses
Membuat Diagram
Sebab Akibat
Kesimpulan
Membuang Data
Out of Control
Membuat Ulang Peta
Kendalip dan np







Tidak




Tidak



















Mulai
Data
Uji
Kerandoman
Uji Distribusi
Binomial
Selesai
Proses Tidak
Terkendali
Proses Terkendali
Data Tidak Random
Data Tidak Berdistribusi
Binomial
Ya
Ya
Gambar 3.1 Diagram Alir
11
4. HASIL PEMERIKSAAN KUALITAS
4.1 Analisis Kasus
Dalam praktikum kali ini, kasus yang diamati adalah kebersihan ruangan di
Jurusan Statistika dan UPMB. Di mana penilaian kebersihan mengikuti ukuran
standar yang ditentukan adalah pada dinding, lantai, atap, kursi dan pintu berdasarkan
cacat (kotor) debu, sarang laba laba, sampah, coretan dan flek. Kecacatan (kotor)
yang terdapat pada ruangan-ruangan dievaluasi dengan peta kendali p dan np. Selain
itu, masing-masing kondi ruangan di Jurusan Statistika dan UPMB akan diperiksa
penyebab variasi cacat yang terjadi dengan menggunakan diagram ishikawa.
4.2 Uji Kerandoman Data
Untuk mengetahui kerandoman data kecacatan yang telah diperoleh, maka
dilakukan uji kerandoman data dengan menggunakan run test, dengan hipotesis
sebagai berikut :
H
0
: Data kecacatan telah diambil secara random dari populasi pengamatannya.
H
1
:Data kecacatan tidak diambil secara random dari populasi pengamatannya.

o = 0.05
Berikut ini adalah tabel hasil pengujian data kecacatan (kotor) pada Jurusan
Statistika
Tabel 4.1 Run Test Data Kecacatan (kotor) pada ruangan Jurusan Statistika
Run Test for Kotor
K = 0.5196923
168 observasi diatas K
157 observasi dibawah K
P-value = 0.002
Berdasarkan tabel 4.1 dapat diketahui bahwa nilai mean dari data kecacatan
adalah sebesar 0.5196. Data yang bernilai kurang dari mean sebanyak157, sedangkan
data yang bernilai lebih dari mean sebanyak 168. Dapat diketahui juga nilai P-value =
0.549kurang dari (0.05). Karena P-value <, maka tolak H
0
. Kesimpulannya data
12
kecacatan (kotor) tidak terambil secara random dari populasi pengamatannya.
Pengujian kerandoman data juga menguji kecacatan (kotor) pada UPMB.
Berikut ini adalah tabel hasil pengujian data kecacatan (kotor) pada Jurusan
Statistika
Tabel 4.2 Run Test Data Kecacatan (kotor) pada ruangan UPMB
Run Test for Kotor
K = 0.612308
199 observasi diatas K
126 observasi dibawah K
P-value = 0.368
Berdasarkan tabel 4.2 dapat diketahui bahwa nilai mean dari data kecacatan
adalah sebesar 0.612308. Data yang bernilai kurang dari mean sebanyak126,
sedangkan data yang bernilai lebih dari mean sebanyak 199. Dapat diketahui juga
nilai P-value = 0.368lebih dari (0.05). Karena P-value >, maka gagal tolak H
0
.
Kesimpulannya data kecacatan (kotor) terambil secara random dari populasi
pengamatannya.
4.3 Uji Distribusi Binomial
Peta kendali p dan np mengasumsikan bahwa data harus berdistribusi
Binomial. Oleh karena itu, data kecacatan pada bross akan diuji dengan hipotesis :
H
0
: data berdistribusi Binomial
H
1
: data tidak berdistribusi Binomial

o = 0.05
Berikut ini ditunjukkan tabel 4.3 hasil pengujian data kecacatan.(kotor) pada
ruangan Jurusan Statistika dan UPMB




13
Tabel 4.3 Binomial Test Data Kecacatan pada ruangan Jurusan Statistika dan UPMB

Category N
Observed
Prop.
Test
Prop.
Asymp. Sig.
(2-tailed)
Statistika Group 1
1 168 0.516923 0.5 0.57917

Group 2 0 157 0.483077

Total 325 1
Upmb Group 1 1 199 0.612308 0.5 0.00006
Group 2 0 126 0.387692 0.5
Total 325
Berdasarkan tabel 4.3 dapat diketahui bahwa nilai P-value dari Statistika
adalah sebesar 0.57917 dengan = 0.05, maka P-value >, artinya gagal tolak H
0
.
Sehingga kesimpulan yang diperoleh adalah data kecacatan yang terdapat pada
ruangan Jurusan Statistika berdistribusi Binomial. Sedangkan pada nilai P-value dari
UPMB sebesar 0.00006 dengan = 0.05, maka P-value <, artinya tolak H
0
.
Sehingga kesimpulan yang diperoleh adalah data kecacatan yang terdapat pada
ruangan UPMB tidak berdistibusi Binomial.
4.4 Kondisi Kebersihan Di Jurusan Statistika dan UPMB
Pada Kondisi kebersihan Kelas dapat diukur melalui peta p dan np. Peta
kendali p digunakan untuk mengukur karakteristik kualitas berdasarkan proporsi
cacat. Berikut adalah peta p dari proses penilaian kebersihan ruangan. Di jurusan
Statistika melalui peta kendali ini dapat dilihat apakah ada proses proporsi cacat
(kotor) yang keluar dari Batas Kendali Bawah (BKB) dan Batas Kendali Atas (BKA).
14

Gambar 4.1 Peta Kendali p yang Tidak Terkendali untuk Cacat Pada Ruangan Jurusan Statistika
Berdasarkan gambar 4.1 dapat diketahui bahwa dengan batas kendali atas
bernilai 0.7923, batas kendali bawah bernilai 0.1923 dan garis tengah sebesar 0.4923.
Dari gambar tersebut terlihat bahwa proses dalam keadaan tidak terkendali karena
tidak semua titik berada dalam batas kendali atas dan bawah. Maka pada proses
tersebut harus dikendalikan dalam batas kendali agar proses tersebur terkendali.

Gambar 4.2Peta Kendali p yang Terkendali untuk Cacat Pada Ruangan Jurusan Statistika
Berdasarkan gambar 4.2 dapat diketahui bahwa dengan batas kendali atas
bernilai 0.9078, batas kendali bawah bernilai 0.3242 dan garis tengah sebesar 0.616.
15
Dari gambar tersebut terlihat bahwa proses dalam keadaan terkendali Berdasarkan
nilai P yakni sebesar 0.616 dapat dikatakan bahwa lebih dari 60% dari ruangandi
Jurusan Statistika adalah kotor. Pada ruangan UPMB juga dapat diketahui proporsi
cacat (kotor) melalui peta kendali ini yang keluar dari Batas Kendali Bawah (BKB)
dan Batas Kendali Atas (BKA).

Gambar 4.3Peta Kendali p yang Terkendali untuk Cacat Pada Ruangan UPMB
Berdasarkan gambar 4.3 dapat diketahui bahwa dengan batas kendali atas
bernilai 0.8912, batas kendali bawah bernilai 0.3026 dan garis tengah sebesar 0.5969.
Dari gambar tersebut terlihat bahwa proses dalam keadaan terkendali Berdasarkan
nilai P yakni sebesar 0.5969 dapat dikatakan bahwa lebih dari 50% dari ruangandi
UPMB adalah kotor. Dari kedua peta p Jurusan Statistika dan UPMB dapat
disimpulkan bahwa ruangan di Jurusan Statistika lebih kotor dibandingkan dengan
UPMB
Peta kendali np digunakan untuk mengukur karakteristik kualitas berdasarkan
jumlah cacat. Berikut adalah peta np dari proses penilaiankebersihan ruangan di
Jurusan Statistika dan UPMB. Di jurusan Statistika melalui peta kendali ini dapat
dilihat banyaknyajumlah cacat (kotor) yang keluar dari Batas Kendali Bawah (BKB)
dan Batas Kendali Atas (BKA).
16

Gambar 4.4 Peta Kendali np yang Tidak Terkendali untuk Cacat Pada Ruangan Jurusan Statistika
Berdasarkan gambar 4.5 dapat diketahui bahwa dengan batas kendali atas
bernilai 19.81, batas kendali bawah bernilai 4.81 dan garis tengah sebesar 12.31. Dari
gambar tersebut terlihat bahwa proses dalam keadaan tidak terkendali karena semua
titik tidak berada dalam batas kendali atas dan bawah. Maka dilakukan eliminasi agar
peta kendali tersebut dapat diartikan kendali dalam batas batasnya.

Gambar 4.5 Peta Kendali np yang Terkendali untuk Cacat Pada Ruangan Jurusan Statistika
17
Berdasarkan gambar 4.6 dapat diketahui bahwa dengan batas kendali atas
bernilai 22.7, batas kendali bawah bernilai 8.1 dan garis tengah sebesar 12.31. Dari
gambar tersebut terlihat bahwa proses dalam keadaan tidak terkendali karena semua
titik tidak berada dalam batas kendali atas dan bawah. Maka dilakukan eliminasi agar
peta kendali tersebut dapat diartikan kendali dalam batas batasnya. Pada ruangan
UPMB juga dapat diketahui jumlah cacat (kotor) melalui peta kendali ini yang keluar
dari Batas Kendali Bawah (BKB) dan Batas Kendali Atas (BKA).

Gambar 4.6 Peta Kendali np yang Terkendali untuk Cacat Pada Ruangan UPMB
Berdasarkan gambar 4.7 dapat diketahui bahwa dengan batas kendali atas
bernilai 22.28, batas kendali bawah bernilai 7.57 dan garis tengah sebesar 14.92. Dari
gambar tersebut terlihat bahwa proses dalam keadaan terkendali karena semua titik
berada dalam batas kendali atas dan bawah.
4.5 Identifikasi Sumber Variasi
Mengidentifikasi sumber variasi kebersihan di ruangan Statistika dan UPMB
dapat menggunakan diagram ishikawa. Jika dilihat penyebab tidak bersih ruangan
Statistika



18







Gambar 4.7 Diagram Ishikawa Pada Ruangan Jurusan Statistika
Berdasarkan Gambar 4.7 dapat disimpulkan penyebab kotornya ruangan
ruangan di Statistika. Dilihat dari segi manusianya, apabila mahasiswa maupun dosen
sering membuang sampah sembarangan dan tidak perduli dengan kebersihan
ruaangan maka dapat membuat ruangan selalu kotor, apalagi ditunjang dengan
adanya petugas kebersihan yang tidak disiplin dalam mengerjakan tugasnya. Selai
faktor manusia, terdapat juga faktor material yaitu seperti tempat sampah yang
kurang, tidak ada keset di setiap ruangan. Ditinjau dari mesinnya, ruang kelas yang
terkena rembesan Freon AC. Berdasarkan metodenya, tidak adanya peraturan khusus
tentang kebersihan lingkungan kampus dan tidak adanya jadwal pembersihan ruangan
yang tidak teratur membuat ruangan-ruangan sering terlihat kotor. Sedangkan pada
factor lingkungan adanya renovasi bangunan di jurusan Statistikadan hujan deras
membuat ruangan berdebu dan becek.
Dan jika dilihat penyebab tidak bersih ruangan UPMB
19
kotor
ruangan
Environment Methods
Material
Machines
Personnel
tidak disiplin
petugas kebersihan
tidak perduli kebersihan
sembarangan
membuang sampah
atap bocor
ruangan sudah rusak
luntur
cat dari plafon mulai
ruangan
tidak ada keset didepan tiap
tempat sampah kurang
pembuangan sampah
khusus tentang
tidak ada peraturan
ruangan tidak teratur
jadwal pembersihan
bany ak debu
hujan deras

Gambar 4.8 Diagram Ishikawa Pada Ruangan UPMB
Berdasarkan gambar 4.8 dapat disimpulkan penyebab kotornya ruangan
ruangan di UPMB. Dilihat dari segi manusianya, apabila mahasiswa maupun dosen
sering membuang sampah sembarangan dan tidak perduli dengan kebersihan ruangan
maka dapat membuat ruangan selalu kotor, apalagi ditunjang dengan adanya petugas
kebersihan yang tidak disiplin dalam mengerjakan tugasnya. Selai faktor manusia,
terdapat juga faktor material yaitu seperti tempat sampah yang kurang, tidak ada keset
di setiap ruangan. Ditinjau dari mesinnya, atap yang sering bocor, ruangan yang
sudah rusak, cat dari plafon yang mulai luntur. Berdasarkan metodenya, tidak adanya
peraturan khusus tentang kebersihan lingkungan kampus dan tidak adanya jadwal
pembersihan ruangan yang tidak teratur membuat ruangan-ruangan sering terlihat
kotor. Sedangkan pada faktor lingkungan banyaknya debu dan hujan deras membuat
ruangan berdebu dan becek.



20
4.6 Penetapan Kapabilitas Proses
Dari hasil diatas didapatkan nilai Cp = 0.153<1 dan nilai Cpk=0<1 sehingga
distribusi proses penilaianruangan di Statistika memiliki tingkat presisi dan akurasi
yang rendah.
Adapun grafik kapabilitas proses binomial dari 25subgrupdimana terdapat 5
sampel tiap subgrup untuk 13ruangan berdasarkan kriteria produk cacat dan tidak
cacat adalah sebagai berikut :

Gambar 4.9 Kapabilitas Proses Binomial untuk Cacat ruangan di Jurusan Statistika
Gambar 4.9 menjelaskan bahwa dari analisis proses kapabilitas binomial
diatas dapat diketahui bahwa pada peta kendali p proporsi ruangan yang cacat dalam
keadaan terkendali karena tidak ada satu titik yang berada diluar batas kendali. Pada
grafik % kumulatif cacat menunjukkan bahwa rata-rata dari keseluruhan cacat berada
di atas 61.60%. Pada binomial plot dapat diketahui bahwa plot membentuk garis
lurus, sehingga asumsi distribusi binomial terpenuhi. Pada distribusi % defektif
terlihat bahwa proses tidak mendekati target. Sedangkan nilai proses Z yang
didapatkan yaitu sebesar -0.2950, nilai itu sangat kecil sehingga proses pembuatan
bross tidak kapabel dan perlu diperbaiki.
21
Dari hasil diatas didapatkan nilai Cp = 0.152<1 dan nilai Cpk= 0<1 sehingga
distribusi proses penilaianruangan di UPMB memiliki tingkat presisi dan akurasi
yang rendah.

Gambar 4.10 Kapabilitas Proses Binomial untuk Cacat ruangan di UPMB
Gambar 4.10 menjelaskan bahwa dari analisis proses kapabilitas binomial
diatas dapat diketahui bahwa pada peta kendali p proporsi ruangan yang cacat dalam
keadaan terkendali karena tidak ada satu titik yang berada diluar batas kendali. Pada
grafik % kumulatif cacat menunjukkan bahwa rata-rata dari keseluruhan cacat berada
di atas 59.69%. Pada binomial plot dapat diketahui bahwa plot membentuk garis
lurus, sehingga asumsi distribusi binomial terpenuhi. Pada distribusi % defektif
terlihat bahwa proses tidak mendekati target. Sedangkan nilai proses Z yang
didapatkan yaitu sebesar -0.2454, nilai itu sangat kecil sehingga proses pembuatan
bross tidak kapabel dan perlu diperbaiki.

5. Kesimpulan Dan Saran
5.1 Kesimpulan
Berdasarkan hasil analisis, maka dapat diperoleh beberapa kesimpulan
diantaranya :
22
1. Pada uji asumsi kerandoman dan asumsi distribusi Binomial diperoleh kesimpulan
bahwa data ruangan Statistika yang diperoleh tidak random dan berdistribusi
binomial dengan o = 5% tetapi data ruangan UPMB yang diperoleh random dan
tidak berdistribusi binomial dengan o = 5%.
2. Pada peta kendali p kondisi ruangan di Statistika diketahui bahwa proses tidak
kendali. Setelah data di eliminasi data terkendali secara statistik dengan BPA =
0.9078, garis tengah = 0.616, dan BPB = 0.3242. Sedangkan peta kendali p kondisi
ruangan di UPMB diketahui bahwa proses terkendali secara statistik dengan BPA
= 0.8912, garis tengah = 0.5959, dan BPB = 0.3026.
3. Pada peta kendali np kondisi ruangan di Statistika diketahui bahwa proses tidak
kendali. Setelah data di eliminasi data terkendali secara statistik dengan BPA =
22.7, garis tengah = 15.4, dan BPB = 8.10. Sedangkan peta kendali p kondisi
ruangan di UPMB diketahui bahwa proses terkendali secara statistik dengan BPA
= 22.28, garis tengah = 14.92, dan BPB = 0.7.57.
4. Pada analisis proses kapabilitas binomial di kondi ruangan Statistika dan UPMB
didapatkannilai proses Z sangat kecil sehingga proses pembuatan bross tidak
kapabel dan perlu diperbaiki.
5. Pada diagram sebab akibat, factor maanusia adalah factor yang paling dominan
dalam menyebabkan ruangan menjadi kotor baik ruangan di jurusan Statistika
maupun UPMB, dengan tidak adanya kedisiplinan dari mahasiswa dan perangkat
jurusan dalam menjaga kebersihan ruangan maka proses peningkatan kualitas
kebersihan jurusan tidak dapat dilakukan.

5.2 Saran
Setelah melakukan kegiatan praktikum ini, maka hal-hal yang dapat
disarankan untuk perbaikan penelitian ini di masa mendatang adalah perlu dilakukan
pra survei sebelum mengadakan survei keseluruhan mengenai data penilaian kelas
tersebut. Tujuannya agar dapat diuji terlebih dahulu apakah data memenuhi asumsi
23
random dan binomial. Sehingga ketika data tidak sesuai asumsi, dapat dilakukan
perubahan sampel dan tidak akan mengulang survei berkali-kali.



















24
DAFTAR PUSTAKA
Montgomery, Douglas C. (1998). Pengantar Pengendalian Kualitas Statistik,
3nd edition. Gadjah Mada University Press, Yogyakarta.
http://www.wikimu.com/News/DisplayNews.aspx?id=10187. (2011). Hygiene for
modul K3.
Suri Wardani. (2009). Analisis Pengelolaan Kebersihan Ruang Rumah sakit Umum
Daerah Dr. Mursjani Kalimantan Tengah. Kalimantan Tengah