Syaiful Bachri 0110620127

PENERAPAN STATISTICAL PROCESS CONTROL
SEBAGAI UPAYA IMPLEMENTASI METODE SIX SIGMA

(Studi Kasus: PT. INDONESIAN MARINE Divisi Boiler)
SKRIPSI
KONSENTRASI TEKNIK INDUSTRI
Diajukan Untuk Memenuhi Sebagian Persyaratan

Memperoleh Gelar Sarjana Teknik
Disusun Oleh:
SYAIFUL BACHRI
NIM. 0110620127
DEPARTEMEN PENDIDIKAN NASIONAL

UNIVERSITAS BRAWIJAYA
FAKULTAS TEKNIK
JURUSAN MESIN
MALANG
2008
LEMBAR PERSETUJUAN
SKRIPSI
KONSENTRASI TEKNIK INDUSTRI
Diajukan Untuk Memenuhi Sebagian Persyaratan

Memperoleh Gelar Sarjana Teknik
Disusun Oleh:
SYAIFUL BACHRI
NIM. 0110620127
Telah diperiksa dan disetujui oleh:
Dosen Pembimbing I
Dosen Pembimbing II
Ir. Masduki, MM.

NIP. 130 350 754
Ishardita Pambudi Tama, ST., MT.

NIP. 132 232 481
LEMBAR PENGESAHAN
Disusun Oleh:
SYAIFUL BACHRI
NIM. 0110620127
Skripsi ini telah diuji dan dinyatakan lulus pada

Tanggal 28 Juli 2008
Dosen Penguji:
Skripsi I
Skripsi II
Ir. Marsoedi Wirohardjo, MMT.

NIP. 130 531 861
Ir. Handono Sasmito, M.Eng.Sc.

NIP. 130 818 811
Komprehensif
Ir. Bambang Indrayadi, MT.

NIP. 131 653 469
Mengetahui,
Ketua Jurusan Teknik Mesin
Dr. Slamet Wahyudi, ST., MT.

NIP. 132 159 708
Kata Pengantar
Alhamdulillah atas taufiq, hidayah, dan inayah-Nya dan shalawat serta salam
bagi Muhammad SAW. sehingga saya dapat menyelesaikan skripsi ini meski masih
disertai berbagai kekurangan. Skripsi dengan judul PENERAPAN STATISTICAL
PROCESS CONTROL SEBAGAI UPAYA IMPLEMENTASI METODE SIX SIGMA
(Studi Kasus: PT. INDONESIAN MARINE Divisi Boiler) ini merupakan sebagian
dari persyaratan akademik untuk mencapai gelar Sarjana Teknik di Jurusan Mesin
Fakultas Teknik Universitas Brawijaya.
Terima kasih yang tulus dan tak berhingga juga saya haturkan kepada orangorang di bawah ini, karena mereka telah memberikan dukunganbaik berupa materil
terlebih lagi morildengan tulus dan terus menerus. Mereka adalah:
1.
Bapak Dr. Slamet Wahyudi, ST., MT. selaku Ketua Jurusan Mesin Fakultas
Teknik Universitas Brawijaya.
2.
Bapak Ir. Tjuk Oerbandono, MT. selaku Sekretaris Jurusan Mesin Fakultas
Teknik Universitas Brawijaya.
3.
Bapak Ir. Handono Sasmita, M.Eng.Sc. selaku Ketua Kelompok Konsentrasi

Teknik Industri Jurusan Mesin Fakultas Teknik Universitas Brawijaya.
4.
Bapak Ir. Masduki, MM., Dosen Pembimbing I yang telah banyak mencurahkan
waktunya yang berharga untuk membimbing penulisan skripsi ini.
5.
Bapak Ishardita Pambudi Tama, ST., MT., Dosen Pembimbing II yang begitu
sabar dan telaten dalam menuntun dan menunjukkan arah penulisan skripsi ini.
DAFTAR ISI
Kata Pengantar .....................................................................................................
Daftar Isi ..............................................................................................................
ii
Daftar Gambar .....................................................................................................
iv
Daftar Tabel .........................................................................................................
Daftar Lampiran ...................................................................................................
vi
Ringkasan .............................................................................................................
vii
BAB I. PENDAHULUAN
1.1. Latar Belakang ..............................................................................................
1.2. Rumusan Masalah .........................................................................................
1.3. Batasan Masalah ...........................................................................................
1.4. Tujuan Penelitian ..........................................................................................
1.5. Manfaat Penelitian ........................................................................................
BAB II. TINJAUAN PUSTAKA

2.1. Konsep Kualitas ............................................................................................
2.2. Pengendalian Proses Statistikal .....................................................................
2.2.1. Definisi Statistika ..................................................................................
2.2.2. Pengendalian Proses ..............................................................................
2.2.3. Pengendalian Proses Statistikal .............................................................
2.2.3.1. Kestabilan dan Kemampuan Proses ..............................................
2.2.3.2. Metode Pengendalian Proses Statistikal ........................................
10
2.3. Six Sigma (6) ...............................................................................................
11
2.3.1. Konsep Six Sigma Motorola ..................................................................
11
2.3.2. Tahap Define .........................................................................................
14
2.3.3. Tahap Measure ......................................................................................
17
2.3.3.1. Mengembangkan Rencana Pengumpulan Data .............................
18
2.3.3.2. Mengukur Tolok Ukur Kinerja (Performance Baseline) ..............
19
2.3.4. Tahap Analyze .......................................................................................
21
2.3.4.1. Menganalisis Stabilitas dan Kapabilitas Proses ............................
22
2.3.4.2. Mengidentifikasi Sumber-Sumber Penyebab

Kecacatan atau Kegagalan ............................................................
ii
26
2.3.5. Tahap Improve ......................................................................................
27
2.3.6. Tahap Control .......................................................................................
28
BAB III. METODE PENELITIAN

3.1. Jenis Penelitian ..............................................................................................
29
3.2. Metode Pengumpulan Data ...........................................................................
29
3.3. Sumber Data ..................................................................................................
30
3.4. Alokasi Waktu dan Tempat ..........................................................................
30
3.5. Diagram Alir Penelitian ................................................................................
31
BAB IV. PENGOLAHAN DATA DAN PEMBAHASAN

4.1. Tahap Define .................................................................................................
34
4.2. Tahap Measure ..............................................................................................
34
4.2.1. Tes Kecukupan Data .............................................................................
37
4.2.2. Pengukuran Tingkat Kapabilitas Sigma ................................................
38
4.3. Tahap Analyze ...............................................................................................
47
4.3.1. Analisa Stabilitas dan Kapabilitas Proses .............................................
47
4.3.2. Identifikasi Sumber-Sumber Penyebab Variabilitas .............................
54
4.4. Tahap Improve ..............................................................................................
54
4.5. Tahap Control ...............................................................................................
60
BAB V. PENUTUP
5.1. Kesimpulan ...................................................................................................
62
5.2. Saran .............................................................................................................
62
DAFTAR PUSTAKA
LAMPIRAN
iii
DAFTAR GAMBAR
Gambar 2.1: Bagian yang Bertanggung Jawab Terhadap Kualitas ...................
Gambar 2.2: Siklus Hidup Proses Industri ........................................................
Gambar 2.3: Penggunaan Alat-alat Statistika untuk Pengembangan

Sistem Industri ..............................................................................
Gambar 2.4: Konsep Proses Six Sigma .............................................................
12
Gambar 2.5: Diagram Sebab Akibat ..............................................................
27
Gambar 3.1: Diagram Alir Penelitian ...............................................................
31
Gambar 4.1: DPMO Pipa I (Dn = 38,10 mm; R = 80 mm) ...............................
39
Gambar 4.2: Kapabilitas Sigma Pipa I (Dn = 38,10 mm; R = 80 mm) .............
39
Gambar 4.3: DPMO Pipa II (Dn = 38,10 mm; R = 80 mm) .............................
40
Gambar 4.4: Kapabilitas Sigma Pipa II (Dn = 38,10 mm; R = 160 mm) .........
41
Gambar 4.5: DPMO Pipa III (Dn = 50,80; R = 300 mm) .................................
42
Gambar 4.6: Kapabilitas Sigma Pipa III (Dn = 50,80; R = 300 mm) ...............
42
Gambar 4.7: DPMO Pipa IV (Dn = 63,50; R = 300 mm) .................................
43
Gambar 4.8: Kapabilitas Sigma Pipa IV (Dn = 63,50; R = 300 mm) ...............
44
Gambar 4.9: DPMO Pipa V (Dn = 76,20; R = 500 mm) ..................................
45
Gambar 4.10: Kapabilitas Sigma Pipa V (Dn = 76,20; R = 500 mm) ................
45
Gambar 4.11: Peta kendali X Pipa I ..................................................................
48
Gambar 4.12: Peta kendali X Pipa II .................................................................
50
Gambar 4.13: Peta kendali X Pipa III ...............................................................
51
Gambar 4.14: Peta kendali X Pipa IV ...............................................................
52
Gambar 4.15: Peta kendali X Pipa V ................................................................
53
Gambar 4.16: Diagram Sebab-Akibat variabilitas Ovality .................................
54
Gambar 4.17: Mesin Bending ..............................................................................
60
Gambar 4.18: Pipa Hasil Proses Bending ............................................................
61
iv
DAFTAR TABEL
Tabel 2.1: Analisis Sistem Industri Sepanjang Siklus Hidup Proses Industri ....
Tabel 4.1: Data pengukuran diameter pada Pipa I .............................................
34
Tabel 4.2: Data pengukuran diameter pada Pipa II ............................................
34
Tabel 4.3: Data pengukuran diameter pada Pipa III ...........................................
35
Tabel 4.4: Data pengukuran diameter pada Pipa IV ..........................................
35
Tabel 4.5: Data pengukuran diameter pada Pipa V ............................................
36
Tabel 4.6: Tes kecukupan data ovality ...............................................................
37
Tabel 4.7: Pengukuran Kapabilitas Sigma Pipa I ...............................................
38
Tabel 4.8: Pengukuran Kapabilitas Sigma Pipa II .............................................
40
Tabel 4.9: Pengukuran Kapabilitas Sigma Pipa III ............................................
41
Tabel 4.10: Pengukuran Kapabilitas Sigma Pipa IV ...........................................
43
Tabel 4.11: Pengukuran Kapabilitas Sigma Pipa V .............................................
44
DAFTAR LAMPIRAN
Lampiran 1: Tabel Nilai-Nilai untuk Pendugaan Standar Deviasi Sampel (S)
Lampiran 2: Tabel Luas Area Kurva Distribusi Normal (Z1-/2)
Lampiran 3: Tabel Distribusi 2
Lampiran 4: Tabel Distribusi Fisher ( = 0,05)
Lampiran 5: Tabel Konversi SQL ke DPMO dan % (Persentase Bebas Cacat)
Berdasarkan Konsep Motorola
Lampiran 6: Tabel Nilai-Nilai Target Pengendalian Kualitas untuk Satu Batas
Spesifikasi (USL atau LSL) dan Toleransi Maksimum Standar Deviasi
Proses
Lampiran 7: Tabel Nilai-Nilai Target Pengendalian Kualitas untuk Dua Batas
Spesifikasi (USL dan LSL) dan Toleransi Maksimum Standar Deviasi
Proses
vi
Ringkasan
Syaiful Bachri, Jurusan Mesin, Fakultas Teknik Universitas Brawijaya, Juli 2008,
Penerapan Statistical Process Control Sebagai Upaya Implementasi Metode Six
Sigma (Studi Kasus: PT. INDONESIAN MARINE Divisi Boiler). Dosen
Pembimbing: Ir. Masduki, MM. dan Ishardita Pambudi Tama, ST., MT.
Kualitas telah menjadi sesuatu yang mutlak dimiliki oleh suatu produk, baik
yang berupa barang maupun jasa. Kualitas ditentukan oleh seberapa baik suatu
karakteristik kualitas pengganti (spesifikasi produk) dalam memenuhi karakteristik
kualitas riil (kebutuhan konsumen).
Pengendalian kualitas produk dapat dilakukan dengan Statistical Process
Control. Metode Six Sigma adalah salah satu cara mengendalikan kualitas yang di
dalamnya memuat Statistical Process Control. Dengan menerapkan metode Six
Sigma, perusahaan dapat mengetahui sebaik apa kualitas produk yang telah
dihasilkan, sehingga perusahaan dapat menentukan langkah-langkah yang dapat
ditempuh untuk meningkatkan kualitas produknya.
Penelitian ini dilakukan di PT. INDONESIAN MARINE yang terletak di
Singosari. Produk yang diamati adalah pipa untuk Water Tube Boiler. Variabel yang
diteliti adalah ovality pipa setelah mengalami proses bending.
Hasil pengukuran serta analisis data menyimpulkan bahwa proses bending pipa
di PT. INDONESIAN MARINE mencapai tingkat kapabilitas sigma 3,38-Sigma,
sedangkan kapabilitas dari proses bending tersebut masih kurang dari 1. Radius
bending ternyata pengaruhnya lebih signifikan daripada diameter nominal pipa
terhadap ovality pipa setelah mengalami proses bending.
Kata Kunci: Kualitas, Statistical Process Control, Six Sigma.
vii
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Pemenuhan kebutuhan konsumen seringkali hanya berfokus pada segi
kuantitas mengingat pangsa pasar yang semakin berkembang dari waktu ke waktu.
Namun dalam era persaingan yang demikian ketat ini, terdapat aspek yang tidak kalah
pentingnya yaitu kualitas. Oleh sebab itu, diperlukan berbagai kebijakan dari pihak
perusahaan berkaitan dengan hal kualitas produk, harga yang ditawarkan kepada
konsumen, kegiatan promosi, termasuk mengenai pemilihan area distribusi yang
cocok untuk produk tersebut. Berhubungan dengan kualitas produk, akhir-akhir ini
standarisasi mutu sangat marak dan begitu menentukan dalam upaya perusahaan
memenangkan persaingan dan mempertahankan serta memperbaiki pangsa pasarnya.
Untuk itu perusahaan dituntut agar menghasilkan suatu produk yang berkualitas prima
karena segi kualitas produk seringkali menjadi pertimbangan utama konsumen dalam
memutuskan untuk memilih suatu produk. Kualitas pada akhirnya akan menjadi faktor
yang amat menentukan dalam keberhasilan bisnis, pertumbuhan, maupun peningkatan
posisi bersaing perusahaan.
PT. INDONESIAN MARINE (Indomarine) adalah perusahaan pembuat
perahu dan kapal, termasuk pemeliharaan serta perbaikan semua peralatan dan mesinmesin kapal, serta usaha perdagangan (ekspor-impor) perkakas perahu dan kapal.
Pada tahun 1967, usaha ini dikembangkan dengan penambahan bidang perencanaan
dan pelaksanaan teknik pada boiler terutama banyak menangani boiler untuk pabrik
gula.
Produk utama yang dihasilkan PT. Indomarine yang terletak di Singosari
Malang adalah Fire Tube Boiler dan Water Tube Boiler dengan kapasitas dan
spesifikasi disesuaikan dengan kebutuhan konsumen. Selain itu PT. Indomarine juga
membuat produk-produk lain seperti: drum pengaduk tembakau, cerobong asap, lori
beserta relnya, pressure vessel, dan spare part dari boiler itu sendiri.
Beberapa komponen utama boiler diantaranya adalah economizer dan superheater. Kedua komponen ini tersusun dari pipa-pipa dimana di dalamnya dialiri fluida
yang tekanan uap keluarannya dapat dimanfaatkan untuk berbagai hal yaitu salah
satunya untuk membangkitkan energi listrik. Karakteristik kualitas suatu pipa dapat
diterjemahkan menjadi variabel-variabel seperti: Diameter Nominal, Diameter
1
2
Maksimal, Diameter Minimal. Oleh karena itu, proses pengerjaan pipa-pipa ini harus
dilakukan dengan teliti agar kualitasnya dapat terjaga sehingga tekanan uap yang
dihasilkan sesuai dengan yang telah direncanakan sebelumnya.
PT. Indomarine telah meraih sertifikasi dalam hal penjaminan mutu yaitu
ISO 9001: 2000. Namun selama ini perusahaan belum pernah menerapkan metode Six
Sigma untuk mengamati proses produksi yang berlangsung. Di lain sisi, metode ini
sangat penting untuk mengetahui seberapa baik proses manufaktur yang telah
dilakukan selama ini. Artinya, apabila perusahaan telah berada pada tingkat kualitas
6-Sigma, maka dapat dipastikan bahwa produk yang dihasilkan oleh PT. Indomarine
cukup dapat diandalkan. Hal ini akan berimbas kepada meningkatnya citra perusahaan
dan mendapatkan kepercayaan dari konsumen sehingga diharapkan perusahaan dapat
menjadi lebih kompetitif bahkan mampu bersaing dalam pasaran internasional.
Hal-hal di atas yang menjadi dasar pemikiran dalam penentuan permasalahan
yang akan diangkat sebagai judul dalam skripsi ini.
1.2.
Rumusan Masalah
Berdasarkan uraian pada latar belakang masalah di atas maka permasalahan
yang akan dihadapi dapat dirumuskan sebagai berikut:

Bagaimana penerapan Statistical Process Control
sebagai upaya implementasi metode Six Sigma
di PT. Indomarine?
1.3.
Batasan Masalah
Pembatasan masalah dilakukan dengan tujuan agar pokok masalah yang
diteliti tidak melebar dari topik yang sudah ditentukan. Oleh karena itu dalam
penyusunan tugas akhir ini batasan masalah yang diberikan adalah sebagai berikut:
1.
Produk yang diamati adalah pipa untuk water tube boiler yang mengalami
proses bending.
2.
Analisis hanya dilakukan pada tingkat produk.
3.
Masalah biaya tidak dibahas dalam penelitian ini.
3
1.4.
Tujuan Penelitian
Tujuan penelitian dalam penyusunan skripsi ini adalah:
1.
Mengetahui tingkat kapabilitas sigma SQL (Sigma Quality Level) dan nilai
DPMO (Defects Per Million Opportunities) pada proses bending pipa boiler
jenis water tube boiler sebagai tolok ukur kemampuan kinerja awal (current
performance),
2.
Menganalisis stabilitas dan kapabilitas produk yang dihasilkan,
3.
Mencari faktor-faktor yang dapat memengaruhi stabilitas dan kapabilitas

produk yang dihasilkan sehingga dapat dilakukan upaya-upaya perbaikan
kualitas yang lebih terfokus.
1.5.
Manfaat Penelitian
1.
Bagi perusahaan
Sebagai bahan pertimbangan dalam menentukan kebijakan perusahaan
mengenai pengendalian kualitas produk dan menambah informasi mengenai
metode-metode yang dapat dipakai untuk meningkatkan kualitas produknya.
2.
Bagi penulis
Menambah wawasan dalam menganalisis dan memecahkan suatu
masalah khususnya tentang pengendalian kualitas.
BAB II
TINJAUAN PUSTAKA
2.1.
Konsep Kualitas
Konsep tentang kualitas adalah sesuatu yang rumit dan komplek. Banyak
penulis mengemukakan definisi yang berbeda mengenai kualitas, baik berdasarkan

manfaat terhadap konsumen maupun atas dasar ketidakpuasan mereka (terutama
berhubungan dengan produk). Juran misalnya, menyatakan bahwa kualitas adalah
kecocokan dalam penggunaannya. Sedangkan Deming berpendapat bahwa kualitas
seharusnya mengarah kepada kebutuhan konsumen, baik kebutuhan saat ini maupun
masa mendatang. Namun umumnya kualitas diartikan memenuhi dan melampaui
kebutuhan maupun harapan konsumen.
Ishikawa mengemukakan definisi dengan melihat kualitas dari sudut pandang
konsumen. Beliau menyatakan bahwa tingkat kualitas ditentukan oleh seberapa baik
suatu karakteristik kualitas pengganti (spesifikasi produk, diekspresikan oleh produsen dalam bahasa teknis) dalam memenuhi karakteristik kualitas riil (yaitu kebutuhan
konsumen, dinyatakan dalam bahasa konsumen).
Misal:
a.
Sistem komputer
Karakteristik kualitas riil
: monitor tidak membuat mata mudah lelah
Karakteristik kualitas pengganti : screen contrast level, dot pitch, refresh rate
b.
Pisau
Karakteristik kualitas riil
: tajam
Karakteristik kualitas pengganti
: bahan pisau, sudut pemotong, kekasaran

permukaan pemotong
Kualitas bukanlah tanggung jawab seseorang atau suatu divisi tertentu,

melainkan merupakan tanggung jawab setiap orang termasuk misalnya: karyawan
bagian perakitan, sekretaris, agen pembeli, maupun pemimpin perusahaan. Tanggung
jawab terhadap kualitas dimulai ketika bagian pemasaran menetapkan kualitas produk
menurut keinginan konsumen dan terus berlanjut hingga produk diterima oleh
konsumen dengan memuaskan.
Gambar 2.1: Bagian yang Bertanggung Jawab Terhadap Kualitas

Sumber: Besterfield, 1994: 5
2.2.
Pengendalian Proses Statistikal
2.2.1.
Definisi Statistika
Kata statistika memiliki dua macam definisi yang telah diterima secara
umum, yaitu:
a.
Suatu kumpulan data kuantitatif dari satu atau beberapa macam subyek/
kelompok, terutama data yang dikumpulkan dan dikelompokkan secara
sistematis. Contoh: statistik suatu pertandingan bola, statistik kecelakaan lalu
lintas, dan lain-lain.
b.
Suatu disiplin ilmu yang berhubungan dengan pengumpulan, tabulasi, perhitungan, interpretasi, serta penyajian suatu data kuantitatif.
Penggunaan statistika dalam pengendalian kualitas lebih cenderung kepada
makna yang kedua. Hal ini dikarenakan dalam pengendalian kualitas terdapat
beberapa macam tahapan, seperti: pengumpulan, mentabulasi, menghitung, menginterpretasi, serta menyajikan suatu data kuantitatif. Setiap tahapan sangat bergantung
kepada ketelitian dan kelengkapan data dari tahapan yang sebelumnya.
6
Statistika dapat digolongkan menjadi dua macam, yaitu:
1.
Statistika deduktif (deskriptif)

suatu metode statistik untuk menggambarkan dan menganalisa suatu
subyek atau kelompok.
2.
Statistika induktif
suatu metode statistik yang bertujuan untuk menarik kesimpulan penting
dari sekumpulan data (populasi) dengan hanya mengambil sebagian data
(contoh/sample).
Kesimpulan yang diambil tentunya tidak bersifat mutlak, oleh karenanya
seringkali dalam statistika digunakan istilah probabilitas.
2.2.2.
Pengendalian Proses
Suatu sistem produksi merupakan sebuah hirarki dari proses produksi, terdiri
dari proses-proses produksi utama yang terurai menjadi subproses-subproses masingmasing. Pengendalian proses berfokus kepada hasil dan meupakan suatu kombinasi
komplek dari proses pengukuran, pembandingan, dan perbaikan. Proses pengukuran
dilakukan baik terhadap parameter strategis maupun parameter taktis, misalnya
mengukur kondisi operasional saat ini. Hasil pengukuran ini kemudian dibandingkan
dengan nilai sasaran masing-masing yang ingin dicapai. Biasanya terdapat beberapa
nilai yang melampaui sasaran, disamping juga terdapat nilai yang masih di bawah
target. Jika dirasa perlu, dilakukan beberapa tindakan untuk mengembalikan parameter yang telah diukur tadi sehingga sesuai dengan target semula.
Secara umum, terdapat tiga macam metode pengendalian proses, yaitu:
1.
Berbasis pelaku
Dimana manusia melakukan pemilihan/pengukuran, pembandingan, serta
perbaikan berdasarkan intuisi dengan tujuan/kuantitas pengukuran dan
pembandingan yang terbatas. Contoh: pengalaman, aturan pragmatis
(sesuai kegunaan).
2.
Berbasis tujuan
Dimana manusia dengan bantuan alat/model analisis matematik/statistik
melakukan proses pemilihan/pengukuran, pembandingan, maupun perbaikan. Contoh: peta kendali atribut, peta kendali variabel.
7
3.
Berbasis peralatan
Dimana peralatan mekanik, elektromekanik, dan/atau elektronik dimanfaatkan untuk melakukan keseluruhan urutan proses pemilihan/pengukuran,
pembandingan, maupun perbaikan. Contoh: expert systems, neural
networks.
Tujuan utama pengendalian proses terlepas dari metode yang digunakan
apakah berbasis pelaku, tujuan, ataukah peralatan adalah untuk secara konsisten
melakukan proses produksi yang selalu mendekati target yang telah ditetapkan
sehingga menghasilkan produk yang memenuhi spesifikasi, mengurangi atau menghilangkan terjadinya pengerjaan ulang ataupun produk cacat.
Pada dasarnya pengendalian dan peningkatan proses industri mengikuti
konsep siklus hidup proses (process life cycle) seperti ditunjukkan dalam Gambar 2.2.
Interpretasi dari siklus hidup proses industri dapat dilihat dalam Tabel 2.1.
Stabilitas (Stability)
Tidak stabil
Stabil
Kemampuan
Tidak mampu
(Capability)
Mampu
Catatan :
Manfaat penggunaan metode-metode statistika adalah membantu manajemen
dalam mengendalikan proses industri untuk berada dalam posisi nomor 3
(mampu dan stabil).
Gambar 2.2: Siklus Hidup Proses Industri

Sumber: Gaspersz, 2002: 202
8
Tabel 2.1: Analisis Sistem Industri Sepanjang Siklus Hidup Proses Industri
Status Proses
No.
Kemampuan
Stabilitas
(Capability)
(Stability)
Situasi
Keadaan proses di luar
pengendalian
1.
Tidak
Tidak
Proses akan menghasilkan
Analisis
Sistem industri berada
dalam kondisi paling
buruk
produk cacat terus-menerus

(keadaan kronis)
Keadaan proses berada dalam
2.
Tidak
Ya
pengendalian
Proses masih menghasilkan
produk cacat
Keadaan proses berada dalam
pengendalian
3.
Ya
Ya
Proses tidak menghasilkan

produk cacat (zero defects)

dalam status antara
menuju peningkatan
kualitas global
dalam kondisi paling
baik, merupakan target
dari program Six
Sigma
Proses berada di luar

pengendalian
4.
Ya
Tidak
Proses menimbulkan masalah

kualitas secara sporadis
Sistem industri tidak

dapat diperkirakan
(unpredictable) dan
tidak diinginkan
(undesirable) oleh
manajemen industri

Dalam Gambar 2.2 dan Tabel 2.1 dapat diketahui bahwa target dari pengendalian proses adalah membawa proses industri untuk beroperasi pada kondisi No. 3,
yaitu proses industri yang memiliki stabilitas (stability) dan kemampuan (capability)
hingga mencapai tingkat kegagalan nol (zero defects oriented).
2.2.3.
Pengendalian Proses Statistikal

Istilah pengendalian proses statistikal (Statistical Process Control SPC)
digunakan untuk menggambarkan model berbasis penarikan sampel yang diaplikasikan untuk mengamati aktifitas proses yang saling berkaitan. Meski SPC merupakan
alat bantu yang sangat berguna dalam memastikan apakah proses tetap berada dalam
batas-batas yang telah ditetapkan, namun umumnya metode ini tidak dapat menyediakan cara untuk membuat proses tetap dalam batas kendali. Oleh sebab itu, jelas
dibutuhkan campur tangan dan pertimbangan manusia untuk menentukan cara yang
efektif dan efisien dalam membuat proses tetap dalam kondisi mampu dan stabil.
9
Pengendalian proses statistikal lebih menekankan pada pengendalian dan peningkatan
proses berdasarkan data yang dianalisis menggunakan alat-alat statistika, bukan
sekadar penerapan alat-alat statistika dalam proses industri.
2.2.3.1. Kestabilan dan Kemampuan Proses
Kestabilan proses (process stability)yang berarti ketepatan proses dalam
mencapai target yang telah ditentukansecara tidak langsung menggambarkan bahwa
proses dilakukan dengan baik. Hal ini merepresentasikan keadaan proses yang sedang
berlangsung, seperti: bahan baku yang datang, mesin-mesin, dan skill operator.
Sedangkan kemampuan proses (process capability) adalah suatu ukuran kinerja kritis
yang menunjukkan hubungan antara hasil proses dengan spesifikasi proses/produk.
Untuk menentukan apakah suatu proses berada dalam kondisi stabil dan
mampu, maka dibutuhkan alat-alat atau metode statistika sebagai alat analisis.
Prosedur lengkap penggunaan alat-alat statistika untuk pengembangan sistem industri
menuju kondisi stabil dan mampu ditunjukkan dalam Gambar 2.3.
Gambar 2.3: Penggunaan Alat-alat Statistika untuk Pengembangan Sistem Industri

10
2.2.3.2. Metode Pengendalian Proses Statistikal
Alat bantu yang paling umum digunakan dalam pengendalian proses
statistikal adalah peta kendali (Control Chart). Fungsi peta kendali secara umum
adalah:
Membantu mengurangi variabilitas produk.
Memonitor kinerja proses produksi setiap saat.
Memungkinkan proses koreksi untuk mencegah penolakan.
Trend dan kondisi di luar kendali dapat diketahui secara cepat.

Peta kendali dibuat secara kontinyu dalam suatu interval keyakinan tertentu,
biasanya 3 standar deviasi (3). Diagram ini memuat 3 macam garis batas, yaitu:
1.
Batas kendali atas (Upper Control Limit UCL)
2.
Rata-rata kualitas sampel
3.
Batas kendali bawah (Lower Control Limit LCL)

Sampel yang berada dalam rentang UCL LCL dikatakan berada dalam
kendali (in-control), sedangkan yang berada di luar rentang tersebut dikatakan di luar
kendali (out-of-control).
Secara umum peta kendali dapat digolongkan dalam 2 kategori, yaitu:
(1)
Peta kendali variabel
(2)
Peta kendali atribut
Peta Kendali Variabel

Peta kendali yang digunakan untuk mengamati jenis data variabel adalah peta
kendali X R s (Shewhart Control Charts). Peta kendali variabel memantau
tingkat rata-rata kualitas melalui peta kendali X , sedangkan pemantauan variabilitas
kualitas dapat menggunakan pengukuran rentang melalui peta kendali R atau
pengukuran standar deviasi melalui peta kendali s.
Apabila terdapat sampel sebanyak 1 sampai 10 maka digunakan peta kendali
X R, namun bila sampel lebih besar dari 10 maka digunakan peta kendali X s.
11
Pada mulanya, pengendalian proses statistikal hanya dilakukan dengan
menggunakan peta kendali. Namun demikian, dalam perkembangannya pengendalian
proses statistikal dilakukan dengan menerapkan tujuh metode utama yang umum
digunakan (Ishikawas Basic Seven), yaitu:
1.
Diagram Sebab akibat (Cause Effect Diagram)
2.
Grafik
3.
Histogram
4.
Diagram Pareto
5.
Lembar Periksa (Check sheets)
6.
Diagram Sebaran (Scatter Diagrams)
7.
Peta Kendali (Control Charts)

Disamping metode-metode statistikal di atas, terdapat pula beberapa alat
bantu yang juga sesuai digunakan untuk melakukan pengendalian proses, diantaranya:
1.
Analisis Kapabilitas
2.
Design of Experiment (DOE)
3.
Failure Mode and Effects Analysis (FMEA)
4.
Gantt Chart
5.
Gauge Studies
Penggunaan metode-metode statistika dalam industri yang bersifat massal
akan meningkatkan efisiensi penggunaan bahan baku dan proses industri, sehingga
memberikan dampak ekonomis bagi industri itu untuk menghadapi persaingan global
yang sangat kompetitif.
2.3.
Six Sigma (6)
2.3.1.
Konsep Six Sigma Motorola

Six Sigma merupakan suatu visi peningkatan kualitas menuju target 3,4
kegagalan per sejuta kesempatan (DPMO Defects Per Million Opportunities) untuk
setiap transaksi produk (barang/jasa). Sebuah upaya giat menuju kesempurnaan (zero
defect kegagalan nol). Perusahaan General Electric sebagai salah satu perusahaan
yang sukses menerapkan metode Six Sigma menyatakan, Six Sigma merupakan
proses disiplin tinggi yang membantu kita mengembangkan dan menghantarkan
12
produk mendekati sempurna. Ide sentral di belakang Six Sigma adalah jika dapat
mengukur berapa banyak cacat yang ada dalam suatu proses, maka secara sistematis
dapat mengatasi bagaimana menekan dan menempatkan diri dekat dengan zero-defect.
Simbol sigma () merupakan huruf Yunani dan dalam statistik dikenal
sebagai standar deviasi, yaitu suatu nilai yang menyatakan simpangan terhadap nilai
tengah. Suatu proses dikatakan baik apabila berjalan pada suatu rentang (range) yang
telah ditetapkan. Rentang tersebut memiliki batas, yakni batas atas (USL Upper
Specification Limit) dan batas bawah (LSL Lower Specification Limit). Proses yang
terjadi di luar rentang tersebut maka dianggap cacat (defect). Proses 6 berarti proses
yang hanya menghasilkan 3,4 DPMO (Defects Per Million Opportunities).
6 Riil
SQL
DPMO
1,00
317.311
2,00
45.500
3,00
2.700
4,00
63
5,00
0,57
6,00
0,002
SQL
DPMO
1,00
691.462
2,00
308.538
3,00
66.807
4,00
6.210
5,00
233
6,00
3,4
1000000
D PMO (D efects Per Million

Opportunities
900000
800000
700000
600000
6 Riil
500000
400000
300000
200000
100000
0
-7
-6
-5
-4
-3
-2
-1
SQL (Sigma Quality Level)
(a)
6 Motorola
1000000
D PM O (D efects Per Million

Opportunities)
900000
800000
700000
600000
6 Motorola
500000
400000
300000
200000
100000
0
-6
-5
-4
-3
-2
-1
SQL (Sigma Quality Level)
(b)
Gambar 2.4: Konsep Proses Six Sigma.
(a) Proses 6 sesungguhnya. (b) Proses 6 dengan penggeseran 1,5
13
Terlihat dalam gambar di atas bahwa dalam kurva distribusi normal, proses
6 sebenarnya hanya mengijinkan produk/proses yang ditolak (sebelah kanan dan kiri
batas spesifikasi USL dan LSL) sebesar 0,002 DPMO. Namun dalam metode Six
Sigma yang pertama kali digunakan oleh Motorola merupakan suatu modifikasi dari
kurva diatas yaitu dengan menggeser nilai rata-rata ( - mean) sebesar 1,5 dengan
batas nilai yang ditolak adalah 3,4 DPMO. Konsep inilah yang kemudian banyak
dipakai dalam industri manufaktur maupun industri lainnya.
Pada dasarnya pelanggan akan merasa puas apabila mereka menerima produk
dengan nilai sebagaimana yang mereka harapkan. Apabila produk diproses pada
tingkat kualitas Six Sigma, perusahaan dapat mengharapkan terjadinya 3,4 kegagalan
per sejuta kesempatan atau mengharapkan bahwa 99,99966 persen dari apa yang
diharapkan pelanggan akan ada dalam produk itu. Dengan demikian Six Sigma dapat
dijadikan ukuran target kinerja sistem industri tentang bagaimana baiknya suatu
proses transaksi produk antara pemasok (industri) dan pelanggan (pasar). Semakin
tinggi target sigma yang dicapai, kinerja sistem industri akan semakin baik. Sehingga
6-sigma otomatis lebih baik daripada 4-sigma, 4-sigma lebih baik daripada 3-sigma.
Six Sigma juga dapat dianggap sebagai strategi terobosan yang memungkinkan
perusahaan melakukan peningkatan luar biasa (dramatic) di tingkat bawah. Six Sigma
juga dapat dipandang sebagai pengendalian proses industri berfokus pada pelanggan,
melalui penekanan pada kemampuan proses (process capability).
Motorola mengembangkan inisiatif kualitas 6-sigma sehingga mampu
meningkatkan pertumbuhannya dalam industri manufaktur. Inisiatif ini merupakan
rangkaian perbaikan proses yang umum digunakan dan terdiri dari enam tahap, yaitu:
(1)
mengidentifikasi produk,
(2)
mengenali pelanggan,
(3)
mengidentifikasi kebutuhan untuk membuat produk bagi pelanggan,
(4)
menetapkan proses,
(5)
mencari kesalahan proses dan hapuskan pemborosan,
(6)
memperbaiki proses secara terus-menerus.

Dalam bidang manufaktur, enam aspek umum tersebut dibuat lebih spesifik
dan dinyatakan dalam langkah-langkah yang lebih eksplisit, yaitu:

(1)
mengidentifikasi karakteristik produk yang akan memuaskan pelanggan

(sesuai kebutuhan dan ekspektasi pelanggan),
14
(2)
mengklasifikasikan semua karakteristik kualitas itu sebagai CTQ (critical-toquality),
(3)
menentukan apakah setiap CTQ itu dapat dikendalikan melalui pengendalian

material, mesin, proses-proses kerja, dll.,
(4)
menentukan batas maksimum toleransi untuk setiap CTQ sesuai dengan yang
diinginkan pelanggan (menentukan nilai USL dan LSL dari setiap CTQ),
(5)
menentukan maksimum variasi proses untuk setiap CTQ (menentukan nilai

maksimum standar deviasi untuk setiap CTQ),
(6)
mengubah desain produk, proses, ataupun keduanya sedemikian rupa agar

mampu mencapai kapabilitas proses 6-sigma (Cp 2).
Six Sigma merupakan pendekatan menyeluruh untuk menyelesaikan masalah
dengan berfokus kepada pengendalian produk/proses sehingga sepanjang waktu dapat

memenuhi persyaratan dari produk/proses tersebut. Metode ini diterapkan melalui
beberapa tahapan, yaitu: define, measure, analyze, improve serta control (DMAIC).
2.3.2.
Tahap Define
Define (D) merupakan langkah operasional pertama dalam program
peningkatan kualitas Six Sigma. Tahap define adalah fase menentukan masalah dan
menetapkan kebutuhan spesifik dari pelanggan yang dalam hal ini sering disebut
dengan suara pelanggan (VOC Voice of Customer). Setelah karakteristik kualitas
yang terdefinisi dalam bahasa konsumen tersebut diketahui, maka langkah selanjutnya
dalam tahap ini adalah menerjemahkannya ke dalam bahasa produsen yaitu dalam
parameter teknis (VOC CTQ).
Voice of Customer (VOC) dan Critical to Quality (CTQ)
Peter Drucker (1989) dalam Gaspersz (2002) menyatakan bahwa Apa yang
dipikirkan perusahaan tentang apa yang dihasilkannya bukanlah hal yang paling
penting khususnya tidak untuk masa depan perusahaan dan keberhasilannya. Yang
lebih penting adalah apa yang dipikirkan pelanggan tentang apa yang dibeli dan
nilai yang dirasakannya, itulah yang menentukan perusahaan apa itu, apa yang
dihasilkan, dan apakah akan berhasil dalam aktifitasnya.
15
Konsumen biasanya memiliki kriteria/persyaratan tertentu yang harus ada
dalam produk yang mereka inginkan. Kriteria spesifik dari konsumen atas suatu
produk disebut karakteristik kualitas riil (Voice of Customer). Karakteristik ini dapat
diidentifikasi dengan pertanyaan Apa yang dipandang penting oleh pelanggan?.
Menurut Kano, Voice of Customer merupakan kumpulan kebutuhan
pelanggan, terdiri dari:
Dissatisfiers
Kebutuhan yang diharapkan dalam suatu produk. Kebutuhan ini merupakan
pemberian, bukan bersumber dari pelanggan. Jika kebutuhan tersebut tidak
ada pada suatu produk maka pelanggan akan tidak puas.
Satisfiers
Kebutuhan dimana pelanggan berkata Kami menginginkannya !. Pencapaian kebutuhan tersebut menciptakan kepuasan.
Exciters/Delighters
Fitur baru atau inovatif diluar ekspektasi pelanggan. Kehadiran fitur tersebut
membawa pada persepsi tinggi akan kualitas.
Voice of Customer ini dikategorikan menjadi dua golongan, yaitu:
Persyaratan output
Persyaratan output berkaitan dengan karakteristik atau features dari
produk akhir (barang/jasa) yang diserahkan kepada pelanggan pada akhir dari
suatu proses. Dalam hal ini dapat saja berupa banyak macam persyaratan output,
namun pada dasarnya semua itu berkaitan dengan daya guna (usability) atau
efektivitas produk akhir tersebut dari sudut pandang pelanggan.
Dalam banyak kasus, persyaratan output dapat didefinisikan secara
spesifik dan obyektif sepanjang pelanggan itu mengetahui apa yang
diinginkannya. Sebagai misal, pelanggan dalam industri manufaktur yang
menetapkan spesifikasi output produk pipa dengan diameter 40mm 5mm.
Pada situasi lain, daftar persyaratan output menjadi lebih rumit karena
pelanggan tidak megetahui secara spesifik apa yang diinginkannya. Sebagai
misal, pelanggan hanya menginginkan agar sepatu olahraga yang dipakai terasa
nyaman di kaki. Dalam situasi seperti ini, tim proyek Six Sigma harus mampu
16
mendaftarkan semua persyaratan output yang mampu memberikan kenyamanan
dalam pemakaian.
Persyaratan pelayanan
Merupakan petunjuk bagaimana pelanggan seharusnya diperlakukan atau
dilayani selama eksekusi dari proses itu sendiri. Persyaratan pelayanan
cenderung menjadi lebih subyektif dan peka terhadap situasi dibandingkan
persyaratan output yang biasanya dapat didefinisikan secara konkret.
Membangun organisasi menuju kinerja Six Sigma berarti harus memantau
dan meningkatkan persyaratan output maupun persyaratan pelayanan. Meskipun
industri manufaktur sebagai misal: mobil, komputer, televisi, dll., tidak berarti
bahwa pelanggan hanya membutuhkan kualitas output tetapi juga membutuhkan
kualitas pelayanan.
Beberapa pedoman yang dapat digunakan dalam mendefinisikan kebutuhan
spesifik pelanggan diantaranya:

(1)
Identifikasi situasi output (barang/jasa) dan pelayanan

Hal ini merupakan titik awal kunci untuk mengetahui apa persyaratan
output dan persyaratan pelayanan yang harus didefinisikan dan dipenuhi.
(2)
Identifikasi pelanggan
Siapa yang akan menerima output dan pelayanan? Ketika memikirkan
tentang pelanggan eksternal (orang yang menerima output yang berada di luar
organisasi), harus memisahkan antara penyalur (distributors) dan pengguna
akhir (end users).
(3)
Meninjau-ulang data yang tersedia tentang kebutuhan pelanggan, ekspektasi,

komentar-komentar, keluhan-keluhan yang diterima, dan lain-lain.
Seyogianya menggunakan data yang dapat dikuantifikasikan dan bersifat
obyektif ketika mendefinisikan persyaratan-persyaratan output dan pelayanan,
bukan perkiraan-perkiraan subyektif yang berbentuk anekdot (cerita-cerita).
(4)
Menulis draft awal tentang pernyataan persyaratan-persyaratan output dan

pelayanan.
Merupakan tahap menerjemahkan kebutuhan spesifik pelanggan ke dalam
persyaratan-persyaratan output dan pelayanan yang dapat diamati (observable)
dan dapat diukur (measurable) serta mendefinisikan secara jelas tentang
17
standar-standar
kinerja
(performance
standards).
Setelah
merumuskan
pernyataan persyaratan-persyaratan output dan pelayanan, maka draft awal

tersebut perlu diuji kepada semua orang yang terlibat dalam proyek Six Sigma
untuk mengetahui apakah orang-orang itu dapat dengan mudah memahami
secara jelas, spesifik, dapat diukur, dapat dicapai, dan seterusnya.
(5)
Melakukan validasi terhadap persyaratan-persyaratan output dan pelayanan.

Validasi dilakukan untuk memastikan bahwa persyaratan-persyaratan itu
telah merefleksikan kebutuhan spesifik pelanggan secara akurat. Proses validasi
dapat melibatkan pelanggan secara langsung dengan menanyakan kembali
kebutuhan spesifik mereka, juga harus melibatkan orang-orang yang terlibat
dalam proyek Six Sigma untuk menanyakan tentang pemahaman (interpretasi)
mereka terhadap persyaratan-persyaratan yang ditetapkan dan bagaimana
memenuhi persyaratan-persyaratan itu.
(6)
Merumuskan pernyataan akhir (finalisasi) dari persyaratan-persyaratan output

dan pelayanan yang secara akurat telah merefleksikan kebutuhan-kebutuhan
spesifik dari pelanggan.
Setelah mendata semua variabel yang dipandang penting oleh pelanggan
sebagai Voice of Customer, selanjutnya perlu diberikan nilai terukur. Variabel terukur
tersebut dinamakan karakteristik kualitas pengganti atau Critical-to-Quality (CTQ).
Langkah selanjutnya adalah mengidentifikasi proses-proses yang menyertai CTQ
tersebut. Kepuasan pelanggan ditentukan oleh seberapa baik proses yang menyertai
CTQ tersebut.
2.3.3.
Tahap Measure
Measure (M) merupakan langkah operasional kedua dalam program
peningkatan kualitas Six Sigma. Terdapat dua hal pokok yang harus dilakukan dalam
tahap Measure, yaitu:
(1)
mengembangkan suatu rencana pengumpulan data melalui pengukuran yang

dilakukan pada tingkat output,
(2)
mengukur kinerja saat ini (current performance) pada tingkat output untuk
ditetapkan sebagai tolok ukur kinerja (performance baseline) pada awal
proyek Six Sigma.
18
2.3.3.1. Mengembangkan Rencana Pengumpulan Data
Tahap berikut setelah penetapan karakteristik kualitas kunci dalam proyek
Six Sigma adalah menetapkan rencana untuk pengumpulan data. Pada dasarnya
pengukuran karakteristik kualitas dapat dilakukan pada beberapa tingkat, yaitu:
Pengukuran pada tingkat proses:

mengukur setiap langkah/aktifitas dalam proses dan karakteristik
kualitas input yang diserahkan oleh pemasok (supplier) yang mengendalikan
dan mempengaruhi karakteristik kualitas output yang diinginkan. Tujuan dari
pengukuran pada tingkat ini adalah mengidentifikasi perilaku yang mengatur
setiap langkah dalam proses, kemudian menggunakan ukuran-ukuran ini
untuk mengendalikan dan meningkatkan proses operasional serta memperkirakan output yang akan dihasilkan sebelum output itu diproduksi atau
diserahkan kepada pelanggan.
Pengukuran pada tingkat output:

mengukur karakteristik kualitas output yang dihasilkan dari suatu
proses dibandingkan terhadap spesifikasi karakteristik kualitas yang diinginkan oleh pelanggan.
Pengukuran Pada Tingkat Output

Pengukuran pada tingkat output merupakan pengukuran yang dilakukan
terhadap kinerja karakteristik kualitas output (barang/jasa), disebut juga dengan
pengukuran internal. Berkaitan dengan pengukuran ini, perlu membedakan jenis data
yang akan diambil.
Jenis Data
Data adalah catatan tentang sesuatu, baik yang bersifat kualitatif maupun
kuantitatif yang dipergunakan sebagai petunjuk untuk bertindak. Berdasarkan data,
kita mempelajari fakta-fakta yang ada dan kemudian mengambil tindakan yang tepat
berdasarkan pada fakta tersebut. Terdapat jenis data yang umum digunakan, yakni:
1.
Data Atribut
merupakan data kualitatif yang dihitung menggunakan daftar pencacahan (tally) untuk keperluan pencatatan dan analisis. Data atribut bersifat
19
diskrit. Jika suatu catatan hanya merupakan suatu ringkasan atau klasifikasi
yang berkaitan dengan sekumpulan persyaratan yang telah ditetapkan, maka
catatan itu disebut sebagai atribut.
Contoh: ketiadaan label pada kemasan produk, banyaknya jenis cacat pada
produk, banyaknya produk kayu lapis yang cacat karena corelap, dll.
Data atribut biasanya diperoleh dalam bentuk unit-unit ketidaksesuaian
(nonconformities) atau cacat/kegagalan terhadap spesifikasi kualitas yang
ditetapkan.
2.
Data Variabel
merupakan data kuantitatif yang diukur menggunakan alat pengukuran
tertentu untuk keperluan pencatatan dan analisis. Data variabel bersifat
kontinyu. Jika suatu catatan dibuat berdasarkan keadaan aktual, diukur secara
langsung, maka karakteristik kualitas yang diukur itu disebut sebagai
variabel.
Contoh: diameter pipa, ketebalan produk kayu lapis, berat semen dalam
kantong, konsentrasi elektrolit dalam persen, dll.
Ukuran-ukuran berat, panjang, lebar, tinggi, diameter, dan volume
merupakan data variabel.
Pada pengukuran karakteristik kualitas yang bersifat variabel, ukuran contoh
(sample) yang digunakan disesuaikan dengan kebutuhan dan didasarkan atas

pertimbangan kestabilan proses. Apabila proses cukup bervariasi namun masih berada
dalam batas-batas toleransi maka digunakan sampel sebanyak 10 (n = 10). Jika proses
semakin stabil, maka ukuran sampel yang digunakan adalah lima (n = 5). Dalam
situasi tertentu, terutama dalam industri kimia dimana waktu proses berlangsung
sangat lama, maka dapat menggunakan sampel berukuran tunggal (n = 1).
2.3.3.2 Mengukur Tolok Ukur Kinerja (Performance Baseline)
Proyek peningkatan kualitas Six Sigma akan berfokus pada upaya-upaya giat
dalam peningkatan kualitas menuju kegagalan nol (zero defect) sehingga memberikan
kepuasan total kepada pelanggan. Oleh karenanya, sebelum suatu proyek Six Sigma
dimulai, maka harus diketahui tingkat kinerja yang sekarang (current performance),
20
atau dalam terminologi Six Sigma disebut sebagai tolok ukur kinerja (performance
baseline).
Setelah mengetahui tolok ukur kinerja ini, maka kemajuan peningkatanpeningkatan yang dicapai setelah memulai proyek Six Sigma dapat diukur sepanjang
masa berlangsung proyek Six Sigma itu. Tolok ukur kinerja dalam proyek Six Sigma
biasanya ditetapkan menggunakan satuan pengukuran DPMO (Defects Per Million
Opportunities) dan SQL (Sigma Quality Level).
Sesuai dengan konsep pengukuran yang bisa diterapkan pada tingkat proses,
output, dan outcome, maka tolok ukur kinerja juga dapat ditetapkan pada tingkat
proses dan output.
Pengukuran Tolok Ukur Kinerja Pada Tingkat Output
Pengukuran tolok ukur kinerja pada tingkat output dilakukan secara langsung
pada produk akhir (barang/jasa) yang akan diserahkan kepada pelanggan. Pengukuran
dimaksudkan untuk mengetahui sejauh mana output akhir dari proses itu dapat
memenuhi kebutuhan spesifik pelanggan, sebelum produk tersebut diserahkan kepada
pelanggan. Informasi yang diperoleh dapat dijadikan dasar untuk melakukan
pengendalian dan peningkatan kualitas dari karakteristik output yang diukur tersebut.
Hasil pengukuran pada tingkat output dapat berupa data variabel maupun
data atribut, yang akan ditentukan kinerjanya menggunakan satuan pengukuran
DPMO (Defects Per Million Opportunities) dan SQL (kapabilitas sigma).
Rumus yang digunakan adalah:
Rata-rata sampel dalam subgrup X (Pyzdek, 2003: 394) adalah:

X=
Rata-rata sampel keseluruhan X (Pyzdek, 2003: 395) adalah:

X =
X
n
X
N
Rentang R (Pyzdek, 2003: 394) adalah:

R = Xmaks Xmin
21
Standar deviasi s (Gaspersz, 2002: 128) adalah:

s=
R
d2
(d2 dilihat dalam Tabel Lampiran 1)
Probabilitas cacat dalam DPMO untuk 1 batas spesifikasi (Gaspersz, 2002:

131) adalah:
absolut USL X
Pz
1.000.000
s
atau;
absolut LSL X
Pz
1.000.000
s
Probabilitas cacat dalam DPMO untuk 2 batas spesifikasi (Gaspersz, 2002:

124) adalah:
USL X
Pz
1.000.000
s
dan;
LSL X
P z
1.000.000
s
Kapabilitas Sigma SQL

(Tabel Lampiran 5)
2.3.4.
Tahap Analyze
Analyze (A) merupakan langkah operasional ketiga dalam program pening-
katan kualitas Six Sigma. Tahap Analyze merupakan fase mencari dan menentukan
akar permasalahan. Pada tahap ini perlu dilakukan beberapa hal berikut:
(1)
menganalisis stabilitas dan kapabilitas proses, serta
(2)
mengidentifikasi sumber-sumber penyebab kecacatan atau kegagalan.
22
2.3.4.1. Menganalisis Stabilitas dan Kapabilitas Proses
Perhitungan Stabilitas Proses
a.
Satu Batas Spesifikasi (USL atau LSL)

Rumus yang digunakan (Gaspersz, 2002: 214) adalah:
Smaks
= (Tabel Lampiran 6)
UCL
LCL
= T 1,5 (Smaks)
Uji Hipotesis:
H0: Variasi proses berada dalam batas toleransi maksimum standar deviasi
yang diharuskan pada tingkat sigma proses.
H1: Variasi proses lebih besar daripada batas toleransi maksimum standar
deviasi yang diharuskan pada tingkat sigma proses.
( N 1)S 2
2 (; N-1)
2
(S maks )
(H0 Diterima)
( N 1)S 2
> 2 (; N-1)
2
(S maks )
(H0 Ditolak)
Uji Hipotesis Chi-Kuadrat di atas digunakan untuk mengetahui apakah

variasi proses telah mampu memenuhi batas toleransi standar deviasi
maksimum (Smaks) pada tingkat kualitas (SQL) tertentu.
b.
Dua Batas Spesifikasi (USL dan LSL)

Rumus yang digunakan (Gaspersz, 2002: 206) adalah:
Smaks
= (Tabel Lampiran 7)
UCL
LCL
= T (1,5 x Smaks)
Uji Hipotesis:
H0 : 2 (Smaks)2
( N 1)S 2
2 (; n-1)
2
(S maks )
(H0 diterima)
H1 : 2 < (Smaks)2
( N 1)S 2
< 2 (; n-1)
2
(S maks )
(H0 ditolak)
23
Uji Hipotesis Chi-Kuadrat di atas digunakan untuk mengetahui apakah
variasi proses telah mampu memenuhi batas toleransi standar deviasi
maksimum (Smaks) pada tingkat kualitas (SQL) tertentu.
Perhitungan Kapabilitas Proses
a.
Satu Batas Spesifikasi (USL atau LSL), (Gaspersz, 2002: 218) adalah:
SL X
C pk = Absolut
3S
C pm =
Absolut ( SL T )
3 S2 + X T
b.
Dua Batas Spesifikasi (USL dan LSL), (Gaspersz, 2002: 210) adalah:
X LSL
USL X
atau
C pk = minimum
3S
3S
C pm =
USL LSL
6 S2 + X T
Uji Hipotesis:
H0 : = T 1,5 Smaks
S
< <
X t ( / 2;n 1)
n
H1 : T 1,5 Smaks
(H0 diterima)
X + t ( / 2;n 1)
n
(H0 ditolak)
S
S
atau X + t ( / 2;n 1)
X t ( / 2;n 1)
n
n
dimana;
SL
= Batas Spesifikasi CTQ yang diinginkan pelanggan
USL = Batas Atas Spesifikasi CTQ yang diinginkan pelanggan

LSL = Batas Bawah Spesifikasi CTQ yang diinginkan pelanggan
UCL = Upper Control Limit (Batas Kendali Atas)
LCL = Lower Control Limit (Batas Kendali Bawah)
T
= Target spesifikasi CTQ yang diinginkan pelanggan
= Standar deviasi proses
Smaks = Nilai batas toleransi maksimum standar deviasi

X
= Nilai rata-rata contoh (sample mean) proses
24
n
= Ukuran sampel
= Ukuran sampel keseluruhan
= Nilai rata-rata proses yang sesungguhnya
= Tingkat signifikansi
= Distribusi Chi-Kuadrat
= Distribusi t-Student
Analisis kapabilitas proses digunakan secara luas dalam dunia industri untuk
mengukur kemampuan perusahaan/pemasok dalam memenuhi spesifikasi kualitas.
Terdapat berbagai indeks kapabilitas proses, namun dalam skripsi ini akan digunakan
2 macam indeks, yakni:
Cpk (Indeks Kapabilitas Proses Aktual)

Kelemahan utama indeks Cp adalah pada kenyataannya sangat sedikit
proses yang tetap berpusat pada rata-rata proses. Untuk memperoleh pengukuran akan kinerja proses yang lebih baik, maka harus dipertimbangkan di mana
rata-rata proses berlokasi relatif terhadap batas spesifikasi. Cpk mencari jarak
terdekat lokasi pusat proses dengan USL atau LSL kemudian dibagi dengan
rentang proses.
Kapabilitas proses potensial pada proses dengan tingkat kualitas Six Sigma:
LSL
USL
atau
C pk = minimum
3
3
6
6
C pk = minimum atau
3
3
C pk = 2,0
dimana:
USL = batas spesifikasi atas (Upper Specification Limit)

LSL = batas spesifikasi bawah (Lower Specification Limit)
= rata-rata proses
= simpangan/standar deviasi
Cpm (Indeks Kapabilitas Proses Taguchi)

Indeks kapabilitas proses Cpm (disebut juga Taguchi Capability Index)
digunakan untuk mengukur pada tingkat mana output suatu proses berada pada
25
nilai spesifikasi target kualitas (T) yang diinginkan oleh pelanggan. Semakin
tinggi nilai Cpm menunjukkan bahwa output proses itu semakin mendekati nilai
spesifikasi target kualitas (T) yang diinginkan pelanggan, yang berarti pula
bahwa tingkat kegagalan dari proses semakin berkurang menuju target tingkat
kegagalan nol. Dengan demikian indikator keberhasilan program peningkatan
kualitas Six Sigma dapat dilihat melalui nilai indeks kapabilitas proses Cpm yang
semakin meningkat dari waktu ke waktu.
Beberapa keuntungan penggunaan indeks Cpm adalah:
Indeks Cpm dapat diterapkan pada suatu interval spesifikasi yang tidak
simetris, dimana nilai spesifikasi target kualitas tidak berada tepat di
tengah nilai USL dan LSL.
Indeks Cpm dapat dihitung untuk tipe distribusi apa saja, tidak mensyaratkan data harus berdistribusi normal. Hal ini berarti perhitungan Cpm adalah
bebas dari persyaratan distribusi data serta tidak memerlukan uji
normalitas lagi untuk mengetahui apakah data yang dikumpulkan dari
proses itu berdistribusi normal atau tidak.
Dalam program peningkatan kualitas Six Sigma, biasanya dipergunakan
kriteria sebagai berikut:
Cpm 2,00
Proses dianggap mampu dan kompetitif (perusahaan berkelas
dunia).
1,00 Cpm 1,99

Proses dianggap cukup mampu, namun perlu upaya-upaya giat
untuk peningkatan kualitas menuju target perusahaan berkelas dunia
yang memiliki tingkat kegagalan sangat kecil menuju nol (zero
defect oriented). Perusahaan-perusahaan yang memiliki nilai Cpm
yang berada di kisaran ini memiliki kesempatan terbaik dalam
melakukan program peningkatan kualitas Six Sigma.
Cpm < 1,00

Proses dianggap tidak mampu dan tidak kompetitif untuk bersaing
di pasar global.
26
2.3.4.2. Mengidentifikasi Sumber-Sumber Penyebab Kecacatan atau Kegagalan
Suatu solusi masalah yang efektif adalah apabila berhasil ditemukan sumbersumber penyebab masalah itu kemudian mengambil tindakan untuk menghilangkan
akar-akar penyebab tersebut. Untuk dapat menemukan akar penyebab dari suatu
masalah, perlu dipahami prinsip yang berkaitan dengan hukum sebab-akibat, yaitu:
Suatu akibat terjadi hanya jika penyebabnya itu ada pada titik yang sama
dalam ruang dan waktu.
Setiap akibat memiliki paling sedikit dua penyebab dalam bentuk:

a. Controllable Causes: penyebab itu berada dalam lingkup tanggung jawab
dan wewenang manusia sehingga dapat diambil tindakan untuk
menghilangkan penyebab itu.
b. Uncontrollable Causes: penyebab yang berada di luar pengendalian
manusia.
Menemukan akar penyebab dari suatu masalah dapat dilakukan dengan
menerapkan prinsip 5 Whys, yaitu dengan bertanya mengapa sebanyak lima kali
tentang terjadinya suatu akibat maka akan dapat ditemukan dan dipahami sebab-sebab
yang melatarbelakanginya.
Selanjutnya akar-akar penyebab dari masalah yang ditemukan melalui
bertanya Why beberapa kali itu dapat dimasukkan ke dalam Diagram Sebab
Akibat.
Diagram Sebab Akibat
Diagram sebab-akibat (atau juga disebut Diagram Tulang-ikan, Diagram
Ishikawa) dikembangkan oleh Kaoru Ishikawa dan pada awalnya digunakan oleh
bagian pengendali kualitas untuk menemukan potensi penyebab masalah dalam proses
manufaktur yang biasanya melibatkan banyak variasi dalam sebuah proses. Namun
kemudian digunakan secara luas dalam setiap aspek kegiatan bisnis ketika diperlukan
pemilahan penyebab timbulnya masalah untuk kemudian disusun dalam suatu
hubungan yang saling berkaitan.
Dalam industri manufaktur, pembuatan diagram sebab-akibat ini dapat
menggunakan konsep 5M-1E, yaitu: machines, methods, materials, measurement,
27
men/women, dan environment. Sedangkan dalam bidang pelayanan dapat memakai
pendekatan 3P-1E yang terdiri dari: procedures, policies, people, serta equipment.
Gambar 2.5: Diagram Sebab Akibat

Sumber: Grant, 1999: 330
2.3.5.
Tahap Improve
Tahap Improve adalah fase meningkatkan proses dan menghilangkan sebab-
sebab timbulnya cacat. Setelah sumber-sumber penyebab masalah kualitas dapat

diidentifikasi, maka dapat dilakukan penetapan rencana tindakan (action plan) untuk
melaksanakan peningkatan kualitas Six Sigma.
Design of Experiment (DOE) merupakan salah satu metode statistik yang
digunakan untuk meningkatkan dan melakukan perbaikan kualitas. Perubahanperubahan terhadap variabel suatu proses/sistem diharapkan akan memberi hasil yang
optimal dan cukup memuaskan.
Design of Experiment dapat didefinisikan sebagai suatu uji atau rentetan uji
dengan mengubah-ubah variabel input (faktor) suatu proses sehingga bisa diketahui
penyebab perubahan output (respon). Terdapat beberapa jenis Design of Experiment,
yaitu: DOE Satu Faktor, Desain Faktorial, dan Desain Taguchi.
28
2.3.6.
Tahap Control
Control (C) merupakan langkah operasional terakhir dalam proyek pening-
katan kualitas Six Sigma. Pada tahap ini hasil-hasil peningkatan kualitas didokumentasikan dan disebarluaskan, praktek-praktek terbaik yang sukses dalam meningkatkan
proses distandardisasikan dan disebarluaskan, prosedur-prosedur didokumentasikan
dan dijadikan pedoman kerja standar, serta kepemilikan atau tanggung jawab
ditransfer dari Tim Six Sigma kepada penanggung jawab proses, yang berarti proyek
Six Sigma berakhir pada tahap ini.
Hasil-hasil yang memuaskan dari proyek peningkatan kualitas Six Sigma
harus distandardisasikan, dan selanjutnya dilakukan peningkatan terus-menerus pada
jenis masalah yang lain mengikuti konsep DMAIC. Standardisasi dimaksudkan untuk
mencegah masalah yang sama atau praktek-praktek lama terulang kembali.
Terdapat dua alasan melakukan standardisasi, yaitu:
1.
Setelah periode waktu tertentu, dikhawatirkan manajemen dan karyawan

akan kembali menggunakan cara-cara kerja lama sehingga memunculkan
kembali masalah yang sudah pernah diselesaikan itu.
2.
Terdapat kemungkinan apabila terjadi pergantian manajemen dan karyawan,

orang-orang baru akan menggunakan cara-cara kerja yang dapat memunculkan kembali masalah yang sudah pernah diatasi oleh manajemen dan
karyawan terdahulu.
Berdasarkan uraian di atas, standardisasi sangat diperlukan sesuai dengan
konsep pengendalian kualitas yang berorientasi pada strategi pencegahan (strategy of

prevention), bukan hanya berorientasi pada strategi pendeteksian (strategy of
detection) saja. Pendokumentasian praktek-praktek kerja standar juga bermanfaat
sebagai bahan dalam proses belajar terus-menerus, baik bagi karyawan baru maupun
karyawan lama. Demikian pula dokumentasi tentang praktek-praktek standar dan
solusi masalah yang pernah dilakukan akan merupakan sumber informasi yang berguna untuk mempelajari masalah-masalah kualitas di masa mendatang sehingga
tindakan peningkatan kualitas yang efektif dapat dilakukan.
BAB III
METODE PENELITIAN
Metode penelitian adalah suatu cara yang digunakan untuk melakukan

kegiatan ilmiah berupa penelitian secara hati-hati, kritis, terencana, sistematis, dan
terarah. Metode ini bertujuan untuk mengumpulkan data yang bersesuaian untuk
memecahkan suatu permasalahan.
3.1.
Jenis Penelitian
Jenis Penelitian yang dilakukan adalah deskriptif, sebuah studi untuk
mengadakan perbaikan terhadap suatu keadaan terdahulu. Penelitian dilakukan

terhadap suatu permasalahan yang ada dengan tujuan untuk memperoleh hasil yang
lebih baik dari sebelumnya. Penelitian dilakukan untuk mencari fakta-fakta yang jelas
tentang beberapa hal dan keadaan perusahaan.
3.2.
Metode Pengumpulan Data

Penelitian ini bersifat singkat dan sementara sehingga data-data yang
diperlukan sebaiknya telah diperkirakan sebelumnya dan bersifat aktual. Data-data

yang dimaksud adalah data variabel produk pipa untuk digunakan sebagai bahan
pemecahan masalah.
Terdapat
beberapa
macam
metode
yang
dapat
digunakan
untuk
mengumpulkan data yang relevan terhadap masalah yang diteliti. Penelitian dalam
skripsi ini menggunakan metode field research, yaitu suatu metode penelitian yang
dilakukan secara langsung di lokasi penelitian dilaksanakan.
Teknik yang digunakan dalam metode penelitian field research ini adalah:
1.
Observasi
suatu metode pengumpulan data dengan mengamati secara langsung
terhadap jalannya aktifitas-aktifitas obyek yang diteliti.
2.
Wawancara/Dialog
suatu metode pengumpulan data dengan cara mengajukan pertanyaanpertanyaan atau dialog langsung dengan pihak-pihak yang terkait
dalam perusahaan yang dapat membantu memberikan penjelasan
mengenai masalah yang sedang diteliti.
29
30
3.
Dokumentasi
suatu metode pengumpulan data dengan menelusuri arsip-arsip atau
catatan yang ada dalam perusahaan yang berkaitan dengan permasalahan yang sedang diteliti.
3.3.
Sumber Data
Penelitian dilakukan dengan melakukan pengamatan di lapangan (field
research) untuk memperoleh data variabel diameter pipa boiler di PT. INDONESIAN
MARINE (Indomarine).
3.4.
Waktu dan Tempat
1.
Waktu pengambilan data

Pengambilan data dilakukan mulai tanggal 25 April s/d 2 Mei 2008.
2.
Tempat pengambilan data

Tempat pengambilan data dilaksanakan di PT. INDONESIAN
MARINE (Indomarine) yang terletak di Kota Singosari Kabupaten
Malang.
31
3.5
Diagram Alir Penelitian
Mulai
Studi Literatur
Menetapkan
VOC CTQ
Melakukan pengukuran
Karakteristik Kualitas (CTQ)
Data:
- Diameter Nominal
- Diameter Maksimal
- Diameter Minimal
Analisa
Stabilitas Proses
Proses
sudah stabil?
Tidak
Ya
Analisa
Kapabilitas Proses
Mengidentifikasi penyebab
variabilitas ovality
Standarisasi dan
Dokumentasi
Kesimpulan dan
Saran
Selesai
Gambar 3.1: Diagram Alir Penelitian
Perbaiki
proses produksi
32
Langkah-langkah metode penelitian yang dilakukan dalam skripsi ini adalah
sebagai berikut:
1.
Studi Literatur
Mempelajari teori-teori dan permasalahan yang berhubungan erat
dengan peningkatan kualitas produk.
2.
Identifikasi VOC CTQ

Melakukan pemilihan karakteristik kualitas yang dianggap sesuai
dengan kebutuhan konsumen sehingga pemecahan masalah nantinya
diharapkan benar-benar tepat sasaran.
3.
Pengukuran Karakteristik Kualitas (CTQ)

Melakukan pengukuran/pengambilan data hanya yang tergolong dalam
karakteristik kualitas (CTQ) sehingga pemecahan masalah tidak terlalu
melebar dan tepat guna.
4.
Pengumpulan Data
Data sampel yang diperlukan adalah data variabel, yaitu: Diameter
Nominal, Diameter Maksimal, dan Diameter Minimal.
5.
Analisa Stabilitas dan Kapabilitas Proses

Melakukan analisa terhadap data yang telah diperoleh sebelumnya
untuk mengetahui sampai di mana tingkat kestabilan dan kapabilitas
proses produksi yang selama ini berlangsung dalam perusahaan.
6.
Mengidentifikasi Penyebab Variabilitas Data

Melakukan pemetaan terhadap sebab-sebab yang berpotensi menyebabkan variabilitas sehingga dapat dilakukan penetapan rencana tindakan
(action plan) untuk melaksanakan peningkatan kualitas Six Sigma.
7.
Standarisasi dan Dokumentasi

Membuat standarisasi dan dokumentasi mengenai usaha-usaha yang
dapat meningkatkan stabilitas dan kapabilitas proses untuk dijadikan
33
bahan rujukan di masa mendatang sehingga permasalahan yang sama
tidak sampai terulang di kemudian hari.
8.
Kesimpulan dan Saran

Memuat kesimpulan-kesimpulan dari hasil analisis yang telah
dilakukan, serta memberikan solusi pemecahan yang dapat dipertimbangkan untuk diterapkan. Selain itu juga berisi saran-saran, baik bagi
penelitian selanjutnya maupun bagi perusahaan demi pengembangan
permasalahan lebih lanjut dan ruang lingkup yang lebih luas sehingga
dapat diaplikasikan secara lebih fleksibel dan komprehensif.
BAB IV
PENGOLAHAN DATA DAN PEMBAHASAN
4.1.
Tahap Define
Beberapa variabel yang merupakan karakteristik kualitas dan dapat dinyata-
kan dalam ukuran diantaranya adalah:

a.
Diameter luar maksimal (Dmax)
[mm]
b.
Diameter luar minimal (Dmin)
[mm]
c.
Ketidakbulatan (Ovality)
[%]
4.2.
Tahap Measure
a.
Pipa I
Diameter nominal (Dn)
: 38,10
mm
Radius bending (R)
: 80
mm
Toleransi ovality
: 8
Tabel 4.1: Data pengukuran diameter pada Pipa I

No.
Subgrup
1
2
3
4
5
6
7
b.
Dmin
37,13
37,23
37,18
37,18
36,66
37,16
36,77
1
Dmax
39,24
38,98
39,22
38,69
38,69
38,57
39,25
Ovality
5,54
4,59
5,35
3,96
5,33
3,70
6,51
Dmin
37,12
37,11
37,02
36,92
37,44
37,28
36,96
Sampel
2
Dmax
39,55
39,12
38,64
38,71
38,55
38,97
38,83
Ovality
6,38
5,28
4,25
4,70
2,91
4,44
4,91
Dmin
37,08
37,44
36,89
36,38
36,57
36,92
37,31
3
Dmax
39,71
38,93
39,60
38,51
38,78
39,13
39,76
Ovality
6,90
3,91
7,11
5,59
5,80
5,80
6,43
Pipa II
Diameter nominal
: 38,10
mm
Radius bending
: 160
mm
Toleransi ovality
: 5,95
Tabel 4.2: Data pengukuran diameter pada Pipa II

No.
Subgrup
1
2
3
4
Dmin
37,61
37,54
37,62
37,21
1
Dmax
38,83
38,68
39,22
38,44
Ovality
3,20
2,99
4,20
3,23
Dmin
37,64
36,96
37,73
36,86
Sampel
2
Dmax
38,97
38,45
39,14
38,58
34
Ovality
3,49
3,91
3,70
4,51
Dmin
37,26
37,03
37,44
37,04
3
Dmax
39,02
38,47
38,50
38,37
Ovality
4,62
3,78
2,78
3,49
35
No.
Subgrup
5
6
7
8
9
10
11
12
13
14
c.
Dmin
37,14
37,13
37,37
37,02
37,48
37,02
37,36
37,29
37,16
37,58
1
Dmax
39,11
38,76
38,73
38,96
38,60
39,21
39,02
38,85
38,93
38,71
Ovality
5,17
4,28
3,57
5,09
2,94
5,75
4,36
4,09
4,65
2,97
Dmin
37,35
37,39
36,98
37,33
37,26
37,34
37,41
37,54
37,28
37,52
Sampel
2
Dmax
38,96
38,52
38,74
38,63
38,79
39,07
38,55
38,76
38,74
38,86
Ovality
4,23
2,97
4,62
3,41
4,02
4,54
2,99
3,20
3,83
3,52
Dmin
37,08
37,23
36,83
37,05
37,43
37,45
37,37
37,24
37,03
37,40
3
Dmax
38,64
38,57
39,06
38,77
38,62
38,88
38,72
38,87
39,21
38,91
Ovality
4,09
3,52
5,85
4,51
3,12
3,75
3,54
4,28
5,72
3,96
Pipa III
Diameter nominal
: 50,80
mm
Radius bending
: 300
mm
Toleransi ovality
: 2,12
Tabel 4.3: Data pengukuran diameter pada Pipa III

No.
Subgrup
1
2
3
4
5
6
7
d.
Dmin
50,39
50,15
50,32
50,39
50,39
50,68
50,45
1
Dmax
51,25
51,14
51,27
51,33
51,23
51,56
51,23
Ovality
1,69
1,95
1,87
1,85
1,65
1,73
1,54
Dmin
50,36
50,19
50,27
50,36
50,45
50,57
50,42
Sampel
2
Dmax
51,25
51,11
51,28
51,31
51,16
51,60
51,22
Ovality
1,75
1,81
1,99
1,87
1,40
2,03
1,57
Dmin
50,29
50,16
50,43
50,27
50,45
50,23
50,37
3
Dmax
51,31
51,14
51,24
51,14
51,26
51,08
51,30
Ovality
2,01
1,93
1,59
1,71
1,59
1,67
1,83
Pipa IV
Diameter nominal
: 63,50
mm
Radius bending
: 300
mm
Toleransi ovality
: 2,65
Tabel 4.4: Data pengukuran diameter pada Pipa IV

No.
Subgrup
1
2
3
4
5
6
Dmin
62,82
62,97
62,52
62,66
62,72
62,51
1
Dmax
64,31
63,82
64,18
63,95
64,10
64,06
Ovality
2,35
1,34
2,61
2,03
2,17
2,44
Dmin
62,57
62,46
62,76
62,49
62,94
62,58
Sampel
2
Dmax
63,95
64,08
63,94
63,97
63,86
63,93
Ovality
2,17
2,55
1,86
2,33
1,45
2,13
Dmin
62,45
62,51
62,67
62,43
63,08
62,40
3
Dmax
64,05
63,92
64,13
63,98
63,75
63,89
Ovality
2,52
2,22
2,30
2,44
1,06
2,35
36
No.
Subgrup
Dmin
62,57
62,39
62,66
62,41
7
8
9
10
e.
1
Dmax
64,03
63,78
64,15
63,92
Ovality
2,30
2,19
2,35
2,38
Dmin
62,93
62,45
62,32
62,57
Sampel
2
Dmax
63,85
63,89
63,94
63,85
Ovality
1,45
2,27
2,55
2,02
Dmin
62,58
62,37
62,71
62,23
3
Dmax
64,17
63,92
64,15
63,89
Ovality
2,50
2,44
2,27
2,61
Pipa V
Diameter nominal
: 76,20
mm
Radius bending
: 500
mm
Toleransi ovality
: 1,91
Tabel 4.5: Data pengukuran diameter pada Pipa V

No.
Subgrup
Dmin
75,15
75,27
75,54
75,81
1
2
3
4
1
Dmax
76,58
76,68
76,72
76,95
Ovality
1,88
1,85
1,55
1,50
Dmin
76,12
75,46
75,96
75,87
Sampel
2
Dmax
77,43
76,88
77,32
77,13
Ovality
1,72
1,86
1,78
1,65
Dmin
76,12
75,51
76,14
75,76
3
Dmax
77,38
76,81
77,45
77,19
Ovality
1,65
1,71
1,72
1,88
Contoh perhitungan:
Toleransi ovality untuk short radius (R 250 mm):
=
Dn
x 100 %
4R
38,10
x 100 %
4 x 80
11,9 %
(Nayyar, 2000: A.269)
Batas toleransi ovality pipa bending untuk internal pressure adalah 8 % dan
external pressure maksimal 3 % (Nayyar, 2000: A.269). Karena pipa di atas
didesain untuk water tube boiler, maka batas toleransi yang dipakai adalah 8 %
(bukan 11 % seperti dalam perhitungan).
Toleransi ovality untuk long radius (R > 250 mm):
=
Dn
x 100 %
8R
50,80
x 100 %
8 x 300
2,12 %
(Nayyar, 2000: A.269)
37
Ketidakbulatan (ovality):
4.2.1.
D max - D min
x 100 %
Dn
39,24 37,13
100 %
38,10
5,54 %
(Nayyar, 2000: A.269)
Tes Kecukupan Data

Dalam perhitungan ini diasumsikan tingkat kepercayaan adalah 95 % (dari
Tabel Lampiran 2, jika 1- = 0,95 maka Z 1 = 1,96).

2
Hasil tes kecukupan data:

Tabel 4.6: Tes kecukupan data ovality
No
Jenis Pipa
Radius Bending
Keputusan
Pipa I
80 mm
21
2,28
Cukup
Pipa II
160 mm
42
3,53
Cukup
Pipa III
300 mm
21
4,35
Cukup
Pipa IV
300 mm
30
9,39
Cukup
Pipa V
500 mm
12
2,53
Cukup
Contoh perhitungan:
Tes kecukupan data variabel ovality untuk jenis Pipa I:
N
n
X
i =1
= 21
2
i
Xi
i =1
= 594,9463
2
= 11967,56
Z
1/2

=
2
n 2 n

N Xi Xi
i =1
i =1
n
2
i =1
38
1,96
0,05 21 (594,9463) (11967,56 )

=
594,9463
39,2 12493,8723 11967,56

=
594,9463
39,2 526,3123
=
594,9463
= (1,51)2
= 2,28
Karena N > N (21 > 2,28) maka data yang diambil dapat dianggap cukup
untuk keperluan pengolahan data.
4.2.2.
Pengukuran Tingkat Kapabilitas Sigma
Tabel 4.7: Pengukuran Kapabilitas Sigma Pipa I

Subgrup
X1
X2
X3
DPMO
SQL
5,54
6,38
6,90
6,27
1,36
0,806160
16.085
3,64
4,59
5,28
3,91
4,59
1,36
0,806160
12
5,73
5,35
4,25
7,11
5,57
2,86
1,689836
75.472
2,94
3,96
4,70
5,59
4,75
1,63
0,961191
362
4,88
5,33
2,91
5,80
4,68
2,89
1,705339
25.801
3,45
3,70
4,44
5,80
4,65
2,10
1,240247
3.420
4,20
6,51
4,91
6,43
5,95
1,60
0,945688
15.060
3,67
5,2093
1,9723
1,164946
8.298
3,90
Proses
39
80000
DPMO Sampel
DPMO Proses
70000
60000
DPMO
50000
40000
30000
20000
10000
DPMO = 8.298
0
1
Subgrup
Gambar 4.1: DPMO Pipa I (Dn = 38,10 mm; R = 80 mm)
6.00
SQL Sampel
SQL Proses
5.00
SQL
4.00
3,90-Sigma
3.00
2.00
1.00
0.00
1
Subgrup
Gambar 4.2: Kapabilitas Sigma Pipa I (Dn = 38,10 mm; R = 80 mm)
40
Tabel 4.8: Pengukuran Kapabilitas Sigma Pipa II
Subgrup
X1
X2
X3
DPMO
SQL
3,20
3,49
4,62
3,77
1,42
0,837166
4.569
4,11
2,99
3,91
3,78
3,56
0,92
0,542608
5,91
4,20
3,70
2,78
3,56
1,42
0,837166
2.134
4,36
3,23
4,51
3,49
3,74
1,29
0,759651
1.822
4,41
5,17
4,23
4,09
4,50
1,08
0,635626
10.983
3,79
4,28
2,97
3,52
3,59
1,31
0,775154
1.135
4,55
3,57
4,62
5,85
4,68
2,28
1,348768
172.732
2,44
5,09
3,41
4,51
4,34
1,68
0,992197
51.937
3,13
2,94
4,02
3,12
3,36
1,08
0,635626
22
5,58
10
5,75
4,54
3,75
4,68
1,99
1,178234
140.077
2,58
11
4,36
2,99
3,54
3,63
1,36
0,806160
1.984
4,38
12
4,09
3,20
4,28
3,86
1,08
0,635626
491
4,80
13
4,65
3,83
5,72
4,73
1,89
1,116222
137.209
2,59
14
2,97
3,52
3,96
3,48
1,00
0,589117
14
5,69
3,9633
1,4136
0,834952
8.581
3,88
Proses
DPMO Sampel
180000
DPMO Proses
160000
140000
DPMO
120000
100000
80000
60000
40000
20000
DPMO = 8.581
0
1
10
11
12
13
14
Subgrup
Gambar 4.3: DPMO Pipa II (Dn = 38,10 mm; R = 80 mm)
41
SQL Sampel
6.00
SQL Proses
5.00
SQL
4.00
3,88-Sigma
3.00
2.00
1.00
0.00
1
10
11
12
13
14
Subgrup
Gambar 4.4: Kapabilitas Sigma Pipa II (Dn = 38,10 mm; R = 160 mm)
Tabel 4.9: Pengukuran Kapabilitas Sigma Pipa III

Subgrup
X1
X2
X3
DPMO
SQL
1,69
1,75
2,01
1,82
0,31
0,186037
53.957
3,11
1,95
1,81
1,93
1,90
0,14
0,081391
3.393
4,21
1,87
1,99
1,59
1,82
0,39
0,232546
99.201
2,79
1,85
1,87
1,71
1,81
0,16
0,093018
508
4,79
1,65
1,40
1,59
1,55
0,26
0,151155
85
5,26
1,73
2,03
1,67
1,81
0,35
0,209292
72.094
2,96
1,54
1,57
1,83
1,65
0,30
0,174410
3.541
4,19
1,7642
0,2728
0,161121
14340
3,69
Proses
42
DPMO Sampel
100000
DPMO Proses
90000
80000
70000
DPMO
60000
50000
40000
30000
20000
DPMO = 14.340
10000
0
1
Subgrup
Gambar 4.5: DPMO Pipa III (Dn = 50,80; R = 300 mm)
SQL Sampel
6.00
SQL Proses
5.00
4.00
SQL
3,69-Sigma
3.00
2.00
1.00
0.00
1
Subgrup
Gambar 4.6: Kapabilitas Sigma Pipa III (Dn = 50,80; R = 300 mm)
43
Tabel 4.10: Pengukuran Kapabilitas Sigma Pipa IV
Subgrup
X1
X2
X3
DPMO
SQL
2,35
2,17
2,52
2,35
0,35
0,204641
71.742
2,96
1,34
2,55
2,22
2,04
1,21
0,716242
197.553
2,35
2,61
1,86
2,30
2,26
0,76
0,446489
192.046
2,37
2,03
2,33
2,44
2,27
0,41
0,241848
58.974
3,06
2.17
1,45
1,06
1,56
1,12
0,660431
49.927
3,15
2,44
2,13
2,35
2,30
0,31
0,186037
33.255
3,33
2,30
1,45
2,50
2,08
1,06
0,623224
183.658
2,40
2,19
2,27
2,44
2,30
0,25
0,148830
9.930
3,83
2,35
2,55
2,27
2,39
0,28
0,167433
62.120
3,04
10
2,38
2,02
2,61
2,34
0,60
0,353470
190.334
2,38
2,1879
0,6346
0,374865
110.943
2,72
Proses
DPMO Sampel
250000
DPMO Proses
225000
200000
175000
DPMO
150000
125000
DPMO = 110.943
100000
75000
50000
25000
0
1
10
Subgrup
Gambar 4.7: DPMO Pipa IV (Dn = 63,50; R = 300 mm)
44
SQL Sampel
6.00
SQL Proses
5.00
SQL
4.00
3.00
2,72-Sigma
2.00
1.00
0.00
1
10
Subgrup
Gambar 4.8: Kapabilitas Sigma Pipa IV (Dn = 63,50; R = 300 mm)
Tabel 4.11: Pengukuran Kapabilitas Sigma Pipa V

Subgrup
X1
X2
X3
DPMO
SQL
1,88
1,72
1,65
1,75
0,22
0,131776
119.419
2,68
1,85
1,86
1,71
1,81
0,16
0,093018
145.182
2,56
1,55
1,78
1,72
1,68
0,24
0,139528
56.741
3,08
1,50
1,65
1,88
1,68
0,38
0,224795
153.554
2,52
1,7290
0,2493
0,147279
116.045
2,69
Proses
45
DPMO Sampel
160000
DPMO Proses
140000
120000
DPMO = 116.045
DPMO
100000
80000
60000
40000
20000
0
1
Subgrup
Gambar 4.9: DPMO Pipa V (Dn = 76,20; R = 500 mm)
SQL Sampel
6.00
SQL Proses
5.00
SQL
4.00
3.00
2,69-Sigma
2.00
1.00
0.00
1
Subgrup
Gambar 4.10: Kapabilitas Sigma Pipa V (Dn = 76,20; R = 500 mm)
46
Contoh perhitungan untuk Pipa I (Dn = 38,10; R = 80 mm):
Rata-rata sampel:
X
X
n
18,82
3
= 6,27
Rentang:
R
= Xmaks Xmin
= 6,90 5,54
= 1,36
Standar deviasi:
s
R
d2
1,36
(dari Tabel Lampiran 1 untuk n = 3 maka nilai d2 = 1,693)
1,693
= 0,80616
DPMO:
Diketahui: USL = 8 % (batas toleransi ovality)
LSL = -
DPMO
= 6,27 %
= 0,80616 %
absolut USL X
= Pz
1.000.000
s
absolut (8 6,27 )
= Pz
1.000.000
0,80616
= P {z 2,1450} x 1.000.000
= {1 P (z 2,1450)} x 1.000.000
= {1 (0,5 + 0,4842)} x 1.000.000
47
= 0,016085 x 1.000.000
= 16.085
SQL
= 3,64 (Lampiran 5)
4.3.
Tahap Analyze
4.3.1.
Analisa Stabilitas dan Kapabilitas Proses
a.
Pipa I (Dn = 38,10 mm; R = 80 mm)

X
= 5,21 %
= 5,21 %
(Karena target spesifikasi tidak ditentukan pelangganhanya diminta

di bawah 8 %maka T = X )
USL
= 8%
SQL
= 3,90
Perhitungan Stabilitas Proses:

Smaks
= 0,256410 x Absolut (SL - T)

= 0,716375
UCL
= T + 1,5 (Smaks)
= 5,21 + (1,5 x 0,716375)
= 6,28
(Lampiran 6)
48
7.00
6.00
Ovality (%)
5.00
4.00
3.00
2.00
1.00
0.00
UCL
6.28
6.28
6.28
6.28
6.28
6.28
6.28
X-bar
6.27
4.59
5.57
4.75
4.68
4.65
5.95
Gambar 4.11: Peta kendali X Pipa I

Uji Hipotesis:
(N 1) S 2
2 (; N-1)
2
(S maks )
(H0 Diterima)
(N 1) S 2
> 2 (; N-1)
2
(S maks )
(H0 Ditolak)
(N 1) S 2
=
2
(S maks )
2 (; N-1)
(21 1) (1,16495) 2
(0,716375)2
(20) (1,3571)
(0,51319)
52,8885
2 (0,05; 20)
31,4104
(Lampiran 3)
(N 1) S 2
> 2 (; N-1) maka H0 ditolak, sehingga dapat
Karena
2
(S maks )
disimpulkan bahwa pada tingkat kepercayaan 95 %, variabilitas ovality pada
49
Pipa I di atas lebih besar daripada batas toleransi maksimum yang diharuskan
pada tingkat 3,90-Sigma.
Perhitungan Kapabilitas Proses:
Cpk
SL X
= Absolut
3S
8 5,21
= Absolut
3 1,16495
= 0,799
Cpm
Absolut (SL T )
3
S2 + X T
Absolut (8 5,21)
3
(1,16495)2 + (5,21 5,21)2
2,79
3,49485
= 0,799
b.
Pipa II (Dn = 38,10 mm; R = 160 mm)

X
= 3,96 %
= 3,96 %
USL
= 5,95 %
SQL
= 3,88

Smaks
= 0,512428
UCL
= 4,73
50
5.00
4.50
4.00
Ovality (%)
3.50
3.00
2.50
2.00
1.50
1.00
0.50
0.00
UCL
10
11
12
13
14
4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73 4.73
X-bar 3.77 3.56 3.56 3.74 4.50 3.59 4.68 4.34 3.36 4.68 3.63 3.86 4.73 3.48
Gambar 4.12: Peta kendali X Pipa II

Uji hipotesis:
(N 1) S 2
=
2
(S maks )
108,8529
2 (0,05; 41) =
56,9424
Kesimpulan:
Pada tingkat kepercayaan 95 %, variabilitas ovality pada Pipa II
di atas lebih besar daripada batas toleransi maksimum yang
diharuskan pada tingkat 3,88-Sigma.
c.
Cpk
= 0,794
Cpm
= 0,794
Pipa III (Dn = 50,80 mm; R = 300 mm)

X
= 1,76 %
= 1,76 %
USL
= 2,12 %
SQL
= 3,69
51
Smaks
= 0,09559
UCL
= 1,91
2.50
Ovality (%)
2.00
1.50
1.00
0.50
0.00
UCL
1.91
1.91
1.91
1.91
1.91
1.91
1.91
X-bar
1.82
1.90
1.82
1.81
1.55
1.81
1.65
Gambar 4.13: Peta kendali X Pipa III

Uji hipotesis:
(N 1) S 2
=
2
(
)
S
maks
56,8249
2 (0,05; 41) =
31,4104
Kesimpulan:
Pada tingkat kepercayaan 95 %, variabilitas ovality pada Pipa III
Cpk
= 0,729
Cpm
= 0,729
52
d.
Pipa IV (Dn = 63,5 mm; R = 300 mm)

X
= 2,19 %
= 2,19 %
USL
= 2,65 %
SQL
= 2,72

Smaks
= 0,16825
UCL
= 2,44
3.00
Ovality (%)
2.50
2.00
1.50
1.00
0.50
0.00
10
UCL
2.44
2.44
2.44
2.44
2.44
2.44
2.44
2.44
2.44
2.44
X-bar
2.35
2.04
2.26
2.27
1.56
2.30
2.08
2.30
2.39
2.34
Gambar 4.14: Peta kendali X Pipa IV

Uji hipotesis:
(N 1) S 2
=
2
(S maks )
143,9519
2 (0,05; 41) =
42,557
Kesimpulan:
Pada tingkat kepercayaan 95 %, variabilitas ovality pada Pipa IV
53
e.
Cpk
= 0,407
Cpm
= 0,407
Pipa V (Dn = 76,20 mm; R = 500 mm)

X
= 1,73 %
= 1,73 %
USL
= 1,91 %
SQL
= 2,69

Smaks
= 0,06531
UCL
= 1,83
1.85
Ovality (%)
1.80
1.75
1.70
1.65
1.60
1.55
UCL
1.83
1.83
1.83
1.83
X-bar
1.75
1.81
1.68
1.68
Gambar 4.15: Peta kendali X Pipa V

Uji hipotesis:
(N 1) S 2
=
2
(
)
S
maks
55,95
2 (0,05; 41) =
19,6751
54
Kesimpulan:
Pada tingkat kepercayaan 95 %, variabilitas ovality pada Pipa V
4.3.2.
Cpk
= 0,398
Cpm
= 0,398
Identifikasi Sumber-Sumber Penyebab Variabilitas

Pemetaan terhadap sebab-sebab yang berpotensi menyebabkan variabilitas
ovality ditunjukkan dalam Diagram Sebab-Akibat berikut:
Gambar 4.16: Diagram Sebab-Akibat variabilitas Ovality
4.4.
Tahap Improve
Desain Eksperimen yang digunakan dalam skripsi ini adalah DOE Satu
Faktor, yaitu ANOVA (Analysis of Variance) dan Perbandingan Berpasangan.

Variabel input (faktor) yang digunakan adalah Radius Bending dan Diameter
Nominal, sedang variabel output (respon) adalah Ovality.
Hasil analisis adalah sebagai berikut:
55
a.
Desain Eksperimen Radius Bending dengan Ovality
Minitab Project Report

One-way ANOVA: Ovality versus Radius Bending
Source
Radius Bending
Error
Total
S = 0.6197
Level
80
160
300
500
N
12
12
12
12
DF
3
44
47
SS
103.355
16.895
120.250
R-Sq = 85.95%
Mean
5.2967
3.6583
1.8350
1.7292
StDev
1.0805
0.5793
0.1294
0.1270
MS
34.452
0.384
F
89.73
P
0.000
R-Sq(adj) = 84.99%
Individual 95% CIs For Mean Based on

Pooled StDev
---------+---------+---------+---------+
(--*--)
(--*--)
(--*--)
(--*--)
---------+---------+---------+---------+
2.4
3.6
4.8
6.0
Pooled StDev = 0.6197
Dunnett's comparisons with a control

Family error rate = 0.05
Individual error rate = 0.0191
Critical value = 2.43
Control = level (300) of Radius Bending
Intervals for treatment mean minus control mean
Level
80
160
500
Lower
2.8462
1.2079
-0.7213
Center
3.4617
1.8233
-0.1058
Upper
4.0771
2.4388
0.5096
------+---------+---------+---------+--(----*----)
(----*----)
(----*----)
------+---------+---------+---------+--0.0
1.2
2.4
3.6
Fisher 95% Individual Confidence Intervals

All Pairwise Comparisons among Levels of Radius Bending
Simultaneous confidence level = 80.20%
Radius Bending =
80 subtracted from:
Radius
Bending
160
300
500
Center
-1.6383
-3.4617
-3.5675
Lower
-2.1482
-3.9715
-4.0773
Upper
-1.1285
-2.9518
-3.0577
+---------+---------+---------+--------(--*-)
(--*-)
(-*--)
+---------+---------+---------+---------4.0
-2.0
0.0
2.0
56
Radius Bending = 160 subtracted from:
Radius
Bending
300
500
Lower
-2.3332
-2.4390
Center
-1.8233
-1.9292
Upper
-1.3135
-1.4193
+---------+---------+---------+--------(--*-)
(-*--)
+---------+---------+---------+---------4.0
-2.0
0.0
2.0
Radius Bending = 300 subtracted from:

Radius
Bending
500
Lower
-0.6157
Center
-0.1058
Upper
0.4040
+---------+---------+---------+--------(-*--)
+---------+---------+---------+---------4.0
-2.0
0.0
2.0
Pembahasan:
ANOVA
Pada desain eksperimen di atas, nilai yang digunakan adalah 5 % (0,05).
Kemudian, analisis di atas menunjukkan bahwa p-value adalah sebesar 0. Karena pvalue < , maka dapat disimpulkan bahwa variabel faktor (radius bending) berpengaruh terhadap variabel respon (ovality). Selain itu, nilai F ternyata sebesar 89,73,
sedangkan apabila dilihat dari Tabel Lampiran 4, nilai F(;
a-1, N-a)
atau F(0,05;
11, 36)
adalah 2,08. Jadi F > F(0,05; 11, 36), sehingga hipotesis awal ditolak atau dengan kata lain
radius bending memiliki pengaruh yang cukup signifikan terhadap ovality pipa yang
di-bending.
Perbandingan Berpasangan
Uji Dunnett
Uji ini menggunakan level kontrol radius bending 300 mm dan tingkat
kesalahan 5 %. Output menunjukkan nilai kritis sebesar 2,43. Apabila perbedaan
rata-rata antara level faktor dengan rata-rata level kontrol berada di atas nilai
kritis, maka kesimpulannya adalah ada perbedaan rata-rata ovality yang cukup
signifikan antara level faktor dengan level kontrol.
Level faktor
Perbedaan dgn level kontrol 300 mm
Keterangan
80
3,4617
Perbedaan rata-rata ovality

cukup signifikan.
160
1,8233
500
-0,1058
Antarlevel tidak memiliki

perbedaan rata-rata ovality yang
berarti.
57
Selain itu jika dilihat dari interval rata-rata (antara nilai lower dan upper)
maka terdapat interval yang memuat nilai nol yaitu pada level faktor 500 mm.
Sedangkan pada level faktor 80 mm dan 160 mm tidak mencakup nilai nol. Hal
ini berarti level faktor di atas mempunyai perbedaan dengan rata-rata ovality pada
level kontrol radius 300 mm. Kesimpulannya adalah radius bending berpengaruh
terhadap perubahan ovality dari pipa.
Uji Fisher
Aturan keputusan dalam menginterpretasikan Uji Fisher ini tidak berbeda
jauh dengan Uji Dunnett, yaitu apabila interval rata-rata untuk sepasang level
faktor yang dibandingkan memuat bilangan nol maka keputusannya adalah keduanya memiliki rata-rata ovality yang sama.
Hasil Uji Fisher menunjukkan bahwa dari ketiga perbandingan berpasangan
yang telah dilakukan, hanya antara level 300 mm dengan 500 mm yang memiliki
rata-rata ovality yang sama. Sedangkan antara 300 mm dengan 80 mm dan 160
mm rata-rata ovality-nya berbeda. Jadi dapat disimpulkan bahwa variabel radius
bending berpengaruh terhadap variabel ovality.
Kesimpulan:
Hasil dari dua pengujian di atas (ANOVA dan Perbandingan Berpasangan)
menunjukkan bahwa radius bending ternyata cukup berpengaruh terhadap ovality
pipa.
b.
Desain Eksperimen Diameter Nominal dengan Ovality
Minitab Project Report

One-way ANOVA: Ovality by Dn versus Diameter Nominal
Source
Diameter Nominal
Error
Total
S = 0.5784
DF
3
44
47
SS
106.758
14.722
121.480
R-Sq = 87.88%
MS
35.586
0.335
F
106.36
P
0.000
R-Sq(adj) = 87.06%
58
Level
38.1
50.8
63.5
76.2
N
12
12
12
12
Mean
5.2967
1.7033
2.2267
1.7292
StDev
1.0805
0.1722
0.3538
0.1270
Individual 95% CIs For Mean Based on

Pooled StDev
---------+---------+---------+---------+
(--*--)
(--*--)
(--*-)
(-*--)
---------+---------+---------+---------+
2.4
3.6
4.8
6.0
Pooled StDev = 0.5784
Dunnett's comparisons with a control

Family error rate = 0.05
Individual error rate = 0.0191
Critical value = 2.43
Control = level (38.1) of Diameter Nominal
Intervals for treatment mean minus control mean
Level
50.8
63.5
76.2
Lower
-4.1679
-3.6445
-4.1420
Center
-3.5933
-3.0700
-3.5675
Upper
-3.0188
-2.4955
-2.9930
---+---------+---------+---------+-----(----------*-----------)
(-----------*----------)
(-----------*----------)
---+---------+---------+---------+------4.00
-3.50
-3.00
-2.50
Fisher 95% Individual Confidence Intervals

All Pairwise Comparisons among Levels of Diameter Nominal
Simultaneous confidence level = 80.20%
Diameter Nominal = 38.1 subtracted from:

Diameter
Nominal
50.8
63.5
76.2
Lower
-4.0693
-3.5459
-4.0434
Center
-3.5933
-3.0700
-3.5675
Upper -------+---------+---------+---------+--3.1174 (--*--)

-2.5941
(---*--)
-3.0916 (--*--)
-------+---------+---------+---------+--3.0
-1.5
0.0
1.5

Diameter
Nominal
63.5
76.2
Lower
0.0474
-0.4501
Center
0.5233
0.0258
Upper
0.9993
0.5018
-------+---------+---------+---------+-(--*---)
(--*--)
-------+---------+---------+---------+--3.0
-1.5
0.0
1.5

Diameter
Nominal
76.2
Lower
-0.9734
Center
-0.4975
Upper -------+---------+---------+---------+--0.0216
(--*--)
-------+---------+---------+---------+--3.0
-1.5
0.0
1.5
59
Pembahasan:
ANOVA
Pada desain eksperimen di atas, nilai yang digunakan adalah 5 % (0,05).
Kemudian, analisis di atas menunjukkan bahwa p-value adalah sebesar 0. Karena pvalue < , maka dapat disimpulkan bahwa variabel faktor (diameter nominal) berpengaruh terhadap variabel respon (ovality). Selain itu, nilai F ternyata sebesar
106,36, sedangkan apabila dilihat dari Tabel Lampiran 4, nilai F(; a-1, N-a) atau F(0,05; 11,
36)
adalah 2,08. Jadi F > F(0,05;
11, 36),
sehingga hipotesis awal ditolak atau dapat
diinterpretasikan bahwa diameter nominal berpengaruh terhadap ovality pipa bending.

Perbandingan Berpasangan
Uji Dunnett
Uji ini menggunakan level kontrol diameter nominal 38,1 mm dan tingkat
kesalahan 5 %. Output menunjukkan nilai kritis sebesar 2,43.
Level faktor
Perbedaan dgn level kontrol 38,1 mm
50,8
-3,5933
63,5
-3,07
76,2
-3,5675
Keterangan
Tidak melampaui nilai kritis:
Antarlevel tidak memiliki
perbedaan rata-rata ovality yang
berarti.
Selain dilihat dari nilai center, dari interval rata-rata (antara nilai lower dan
upper) terlihat bahwa ketiganya tidak mencakup nilai nol. Hal ini berarti semua
level faktor di atas tidak memiliki perbedaan yang cukup signifikan dengan ratarata ovality pada level kontrol diameter nominal 38,1 mm. Kesimpulannya adalah
diameter nominal tidak berpengaruh terhadap perubahan ovality dari pipa.
Uji Fisher
Hasil Uji Fisher menunjukkan bahwa dari ketiga perbandingan berpasangan
yang telah dilakukan, salah satu pasanganyaitu 50,8 dan 76,2ternyata
memuat nilai nol. Berarti antara keduanya tidak memiliki perbedaan rata-rata
ovality yang mencolok. Selanjutnya hasil Uji Fisher di atas dapat diringkas
sebagai berikut:
60
Kesamaan Rata-rata Ovality
A
38,1
63,5
C
50,8
76,2
Jadi dapat disimpulkan bahwa diameter nominal tidak terlalu berpengaruh

terhadap variabel ovality.
Kesimpulan:
Hasil dari dua pengujian di atas (ANOVA dan Perbandingan Berpasangan)
menunjukkan bahwa diameter nominal ternyata pengaruhnya sangat kecil terhadap
ovality pipa.
4.5.
Tahap Control
Prosedur-prosedur yang dapat didokumentasikan dan dijadikan pedoman
kerja standar sesuai analisa-analisa yang telah dilakukan sebelumnya yaitu:

1.
Lakukan uji coba terlebih dahulu terhadap spesimen yang sejenis, terutama
dengan radius bending yang sama.
2.
Pelumasan harus dilakukan pada mandrel dan bending form dalam setiap
melakukan bending.
3.
Mandrel harus sering diperiksa keausannya supaya celah dengan pipa yang
akan di-bending tidak terlalu renggang.
Gambar 4.17: Mesin Bending

Sumber: Nayyar, 2000: A.268
61
Gambar 4.18: Pipa Hasil Proses Bending

Proses Pengerjaan:
1. Beri tanda pada pipa untuk menentukan peletakan ujung mandrel.
2. Letakkan pipa sesuai dengan posisi wiper shoe.
3. Lakukan setting mesin untuk melakukan bending dengan sudut yang lebih
besar dari desain untuk mengkompensasi spring-back yang terjadi.
3. Lakukan proses bending sesuai dengan kecepatan yang telah ditentukan
sebelumnya.
4. Untuk sudut bending lebih besar dari 90o, lakukan proses secara bertahap dan
dimulai dari sudut bending 90o.
BAB V
PENUTUP
5.1.
Kesimpulan
Penelitian tentang kualitas proses bending pipa untuk boiler jenis pipa air
yang dilakukan di PT. Indomarine Divisi Boiler dapat diambil kesimpulan sebagai
berikut:
1.
Perusahaan berada pada tingkat kualitas sigma rata-rata sebesar 3,38-Sigma

dengan DPMO sebesar 30.054. Hal ini menunjukkan bahwa perusahaan
sudah berada pada tingkat kualitas sigma yang cukup baik meski masih
memungkinkan untuk diperbaiki supaya produk yang dihasilkan dapat lebih
kompetitif.
2.
Proses sudah cukup stabil karena dari semua sampel yang diamati tidak ada
yang melampaui control limit yang diharuskan. Namun demikian, kapabilitas
proses perlu ditingkatkan karena hasil analisis menunjukkan tidak ada indeks
kapabilitasbaik Cpk maupun Cpmyang nilainya lebih dari 1.
3.
Faktor Radius Bending pengaruhnya cukup signifikan terhadap variabilitas

ovality dari pipa yang mengalami proses bending. Oleh sebab itu proses
produksi yang melibatkan faktor ini harus dilakukan dengan cermat dan teliti.
5.2.
Saran
1.
Selain variabel ovality, perlu dilakukan penelitian terhadap variabel thinning

dan buckling karena ketiga variabel inilah yang menentukan kriteria kualitas
suatu pipa yang mengalami proses bending.
2.
Beberapa variabel seperti jenis material pipa dan kecepatan bending juga
perlu diteliti pengaruhnya terhadap variabilitas ovality.
62
DAFTAR PUSTAKA
Besterfield, D.H., Quality Control, 4th edition, New Jersey: Prentice-Hall, 1994.
Bluman, A.G., Elementary Statistics: A Step by Step Approach, 3rd edition, New
York: WCB/McGraw-Hill, 1997.
Gaspersz, V., Pedoman Implementasi Program Six Sigma Terintegrasi Dengan ISO
9001:2000, MBNQA, dan HACCP, Jakarta: Gramedia Pustaka Utama, 2002.
Grant, E.L., dan Leavenworth, R.S., Statistical Quality Control, 7th edition, New
York: McGraw-Hill, 1999.
Iriawan, N., dan Astuti, S.P., Mengolah Data Statistik dengan Mudah Menggunakan
Minitab 14, Yogyakarta: Andi Offset, 2006.
Kolarik, W.J., Creating Quality: Process Design For Results, New York: McGrawHill, 1999.
Nayyar, M.L., Piping Handbook, New York: McGraw-Hill, 2000.
Pyzdek, T., The Six Sigma Handbook, New York: McGraw-Hill, 2003.
Spiegel, M.R., Theory and Problems of Statistics, 2nd edition, Singapore: McGrawHill, 1992.
Trihendradi, C., Statistik Six Sigma Dengan Minitab: Panduan Cerdas Inisiatif
Kualitas, Yogyakarta: Andi Offset, 2006.
Lampiran 1. Tabel Nilai-Nilai untuk Pendugaan Standar Deviasi Sampel (S)

Ukuran Sampel (n)
Nilai-Nilai d2 Untuk Pendugaan S
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
60
70
80
90
100
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
3,173
3,258
3,336
3,407
3,472
3,532
3,588
3,640
3,689
3,735
3,778
3,819
3,858
3,895
3,931
4,086
4,322
4,498
4,639
4,755
4,854
4,939
5,105
(Gaspersz, 2002: 122)
Lampiran 2. Tabel Luas Area Kurva Distribusi Normal (Z1-/2)

z
0.00
0.10
0.20
0.30
0.40
0.00
0.0000
0.0398
0.0793
0.1179
0.1554
0.01
0.0040
0.0438
0.0832
0.1217
0.1591
0.02
0.0080
0.0478
0.0871
0.1255
0.1628
0.03
0.0120
0.0517
0.0910
0.1293
0.1664
0.04
0.0160
0.0557
0.0948
0.1331
0.1700
0.05
0.0199
0.0596
0.0987
0.1368
0.1736
0.06
0.0239
0.0636
0.1026
0.1406
0.1772
0.07
0.0279
0.0675
0.1064
0.1443
0.1808
0.08
0.0319
0.0714
0.1103
0.1480
0.1844
0.09
0.0359
0.0753
0.1141
0.1517
0.1879
0.50
0.60
0.70
0.80
0.90
0.1915
0.2257
0.2580
0.2881
0.3159
0.1950
0.2291
0.2611
0.2910
0.3186
0.1985
0.2324
0.2642
0.2939
0.3212
0.2019
0.2357
0.2673
0.2967
0.3238
0.2054
0.2389
0.2704
0.2995
0.3264
0.2088
0.2422
0.2734
0.3023
0.3289
0.2123
0.2454
0.2764
0.3051
0.3315
0.2157
0.2486
0.2794
0.3078
0.3340
0.2190
0.2517
0.2823
0.3106
0.3365
0.2224
0.2549
0.2852
0.3133
0.3389
1.00
1.10
1.20
1.30
1.40
0.3413
0.3643
0.3849
0.4032
0.4192
0.3438
0.3665
0.3869
0.4049
0.4207
0.3461
0.3686
0.3888
0.4066
0.4222
0.3485
0.3708
0.3907
0.4082
0.4236
0.3508
0.3729
0.3925
0.4099
0.4251
0.3531
0.3749
0.3944
0.4115
0.4265
0.3554
0.3770
0.3962
0.4131
0.4279
0.3577
0.3790
0.3980
0.4147
0.4292
0.3599
0.3810
0.3997
0.4162
0.4306
0.3621
0.3830
0.4015
0.4177
0.4319
1.50
1.60
1.70
1.80
1.90
0.4332
0.4452
0.4554
0.4641
0.4713
0.4345
0.4463
0.4564
0.4649
0.4719
0.4357
0.4474
0.4573
0.4656
0.4726
0.4370
0.4484
0.4582
0.4664
0.4732
0.4382
0.4495
0.4591
0.4671
0.4738
0.4394
0.4505
0.4599
0.4678
0.4744
0.4406
0.4515
0.4608
0.4686
0.4750
0.4418
0.4525
0.4616
0.4693
0.4756
0.4429
0.4535
0.4625
0.4699
0.4761
0.4441
0.4545
0.4633
0.4706
0.4767
2.00
2.10
0.4772
0.4821
0.4778
0.4826
0.4783
0.4830
0.4788
0.4834
0.4793
0.4838
0.4798
0.4842
0.4803
0.4846
0.4808
0.4850
0.4812
0.4854
0.4817
0.4857
z
2.20
2.30
2.40
0.00
0.4861
0.4893
0.4918
0.01
0.4864
0.4896
0.4920
0.02
0.4868
0.4898
0.4922
0.03
0.4871
0.4901
0.4925
0.04
0.4875
0.4904
0.4927
0.05
0.4878
0.4906
0.4929
0.06
0.4881
0.4909
0.4931
0.07
0.4884
0.4911
0.4932
0.08
0.4887
0.4913
0.4934
0.09
0.4890
0.4916
0.4936
2.50
2.60
2.70
2.80
2.90
3.00
0.4938
0.4953
0.4965
0.4974
0.4981
0.4987
0.4940
0.4955
0.4966
0.4975
0.4982
0.4987
0.4941
0.4956
0.4967
0.4976
0.4982
0.4987
0.4943
0.4957
0.4968
0.4977
0.4983
0.4988
0.4945
0.4959
0.4969
0.4977
0.4984
0.4988
0.4946
0.4960
0.4970
0.4978
0.4984
0.4989
0.4948
0.4961
0.4971
0.4979
0.4985
0.4989
0.4949
0.4962
0.4972
0.4979
0.4985
0.4989
0.4951
0.4963
0.4973
0.4980
0.4986
0.4990
0.4952
0.4964
0.4974
0.4981
0.4986
0.4990
(Sumber: Spiegel, 1992: 487)
Lampiran 3. Tabel Distribusi 2

Derajat
Bebas
(n)
1
2
3
4
5
6
7
8
9
10
0.995
0.99
0.975
0.95
0.9
0.8
0.2
0.1
0.05
0.025
0.01
0.005
0.000039
0.0100
0.0717
0.2070
0.4117
0.6757
0.9893
1.3444
1.7349
2.1559
0.0002
0.0201
0.1148
0.2971
0.5543
0.8721
1.2390
1.6465
2.0879
2.5582
0.0010
0.0506
0.2158
0.4844
0.8312
1.2373
1.6899
2.1797
2.7004
3.2470
0.0039
0.1026
0.3518
0.7107
1.1455
1.6354
2.1673
2.7326
3.3251
3.9403
0.0158
0.2107
0.5844
1.0636
1.6103
2.2041
2.8331
3.4895
4.1682
4.8652
0.0642
0.4463
1.0052
1.6488
2.3425
3.0701
3.8223
4.5936
5.3801
6.1791
1.6424
3.2189
4.6416
5.9886
7.2893
8.5581
9.8032
11.0301
12.2421
13.4420
2.7055
4.6052
6.2514
7.7794
9.2364
10.6446
12.0170
13.3616
14.6837
15.9872
3.8415
5.9915
7.8147
9.4877
11.0705
12.5916
14.0671
15.5073
16.9190
18.3070
5.0239
7.3778
9.3484
11.1433
12.8325
14.4494
16.0128
17.5345
19.0228
20.4832
6.6349
9.2103
11.3449
13.2767
15.0863
16.8119
18.4753
20.0902
21.6660
23.2093
7.8794
10.5966
12.8382
14.8603
16.7496
18.5476
20.2777
21.9550
23.5894
25.1882
11
12
13
14
15
16
17
18
19
20
2.6032
3.0738
3.5650
4.0747
4.6009
5.1422
5.6972
6.2648
6.8440
7.4338
3.0535
3.5706
4.1069
4.6604
5.2293
5.8122
6.4078
7.0149
7.6327
8.2604
3.8157
4.4038
5.0088
5.6287
6.2621
6.9077
7.5642
8.2307
8.9065
9.5908
4.5748
5.2260
5.8919
6.5706
7.2609
7.9616
8.6718
9.3905
10.1170
10.8508
5.5778
6.3038
7.0415
7.7895
8.5468
9.3122
10.0852
10.8649
11.6509
12.4426
6.9887
7.8073
8.6339
9.4673
10.3070
11.1521
12.0023
12.8570
13.7158
14.5784
14.6314
15.8120
16.9848
18.1508
19.3107
20.4651
21.6146
22.7595
23.9004
25.0375
17.2750
18.5493
19.8119
21.0641
22.3071
23.5418
24.7690
25.9894
27.2036
28.4120
19.6751
21.0261
22.3620
23.6848
24.9958
26.2962
27.5871
28.8693
30.1435
31.4104
21.9200
23.3367
24.7356
26.1189
27.4884
28.8454
30.1910
31.5264
32.8523
34.1696
24.7250
26.2170
27.6882
29.1412
30.5779
31.9999
33.4087
34.8053
36.1909
37.5662
26.7568
28.2995
29.8195
31.3193
32.8013
34.2672
35.7185
37.1565
38.5823
39.9968
Tingkat Signifikansi ()
Derajat
Bebas
(n)
21
22
23
24
25
26
27
28
29
30
0.995
0.99
0.975
0.95
0.9
0.8
0.2
0.1
0.05
0.025
0.01
0.005
8.0337
8.6427
9.2604
9.8862
10.5197
11.1602
11.8076
12.4613
13.1211
13.7867
8.8972
9.5425
10.1957
10.8564
11.5240
12.1981
12.8785
13.5647
14.2565
14.9535
10.2829
10.9823
11.6886
12.4012
13.1197
13.8439
14.5734
15.3079
16.0471
16.7908
11.5913
12.3380
13.0905
13.8484
14.6114
15.3792
16.1514
16.9279
17.7084
18.4927
13.2396
14.0415
14.8480
15.6587
16.4734
17.2919
18.1139
18.9392
19.7677
20.5992
15.4446
16.3140
17.1865
18.0618
18.9398
19.8202
20.7030
21.5880
22.4751
23.3641
26.1711
27.3015
28.4288
29.5533
30.6752
31.7946
32.9117
34.0266
35.1394
36.2502
29.6151
30.8133
32.0069
33.1962
34.3816
35.5632
36.7412
37.9159
39.0875
40.2560
32.6706
33.9244
35.1725
36.4150
37.6525
38.8851
40.1133
41.3371
42.5570
43.7730
35.4789
36.7807
38.0756
39.3641
40.6465
41.9232
43.1945
44.4608
45.7223
46.9792
38.9322
40.2894
41.6384
42.9798
44.3141
45.6417
46.9629
48.2782
49.5879
50.8922
41.4011
42.7957
44.1813
45.5585
46.9279
48.2899
49.6449
50.9934
52.3356
53.6720
31
32
33
34
35
36
37
38
39
40
14.4578
15.1340
15.8153
16.5013
17.1918
17.8867
18.5858
19.2889
19.9959
20.7065
15.6555
16.3622
17.0735
17.7891
18.5089
19.2327
19.9602
20.6914
21.4262
22.1643
17.5387
18.2908
19.0467
19.8063
20.5694
21.3359
22.1056
22.8785
23.6543
24.4330
19.2806
20.0719
20.8665
21.6643
22.4650
23.2686
24.0749
24.8839
25.6954
26.5093
21.4336
22.2706
23.1102
23.9523
24.7967
25.6433
26.4921
27.3430
28.1958
29.0505
24.2551
25.1478
26.0422
26.9383
27.8359
28.7350
29.6355
30.5373
31.4405
32.3450
37.3591
38.4663
39.5718
40.6756
41.7780
42.8788
43.9782
45.0763
46.1730
47.2685
41.4217
42.5847
43.7452
44.9032
46.0588
47.2122
48.3634
49.5126
50.6598
51.8051
44.9853
46.1943
47.3999
48.6024
49.8018
50.9985
52.1923
53.3835
54.5722
55.7585
48.2319
49.4804
50.7251
51.9660
53.2033
54.4373
55.6680
56.8955
58.1201
59.3417
52.1914
53.4858
54.7755
56.0609
57.3421
58.6192
59.8925
61.1621
62.4281
63.6907
55.0027
56.3281
57.6484
58.9639
60.2748
61.5812
62.8833
64.1814
65.4756
66.7660
41
21.4208
22.9056 25.2145 27.3256 29.9071 33.2506
48.3628
52.9485
56.9424
60.5606
64.9501
68.0527
Derajat
Bebas
(n)
42
43
44
45
46
47
48
49
50
0.995
0.99
0.975
0.95
0.9
0.8
0.2
0.1
0.05
0.025
0.01
0.005
22.1385
22.8595
23.5837
24.3110
25.0413
25.7746
26.5106
27.2493
27.9907
23.6501
24.3976
25.1480
25.9013
26.6572
27.4158
28.1770
28.9406
29.7067
25.9987
26.7854
27.5746
28.3662
29.1601
29.9562
30.7545
31.5549
32.3574
28.1440
28.9647
29.7875
30.6123
31.4390
32.2676
33.0981
33.9303
34.7643
30.7654
31.6255
32.4871
33.3504
34.2152
35.0814
35.9491
36.8182
37.6886
34.1574
35.0653
35.9743
36.8844
37.7955
38.7075
39.6205
40.5344
41.4492
49.4560
50.5480
51.6389
52.7288
53.8177
54.9056
55.9926
57.0786
58.1638
54.0902
55.2302
56.3685
57.5053
58.6405
59.7743
60.9066
62.0375
63.1671
58.1240
59.3035
60.4809
61.6562
62.8296
64.0011
65.1708
66.3386
67.5048
61.7768
62.9904
64.2015
65.4102
66.6165
67.8206
69.0226
70.2224
71.4202
66.2062
67.4593
68.7095
69.9568
71.2014
72.4433
73.6826
74.9195
76.1539
69.3360
70.6159
71.8926
73.1661
74.4365
75.7041
76.9688
78.2307
79.4900
51
52
53
54
55
56
57
58
59
60
28.7347
29.4812
30.2300
30.9813
31.7348
32.4905
33.2484
34.0084
34.7704
35.5345
30.4750
31.2457
32.0185
32.7934
33.5705
34.3495
35.1305
35.9135
36.6982
37.4849
33.1618
33.9681
34.7763
35.5863
36.3981
37.2116
38.0267
38.8435
39.6619
40.4817
35.5999
36.4371
37.2759
38.1162
38.9580
39.8013
40.6459
41.4920
42.3393
43.1880
38.5604
39.4334
40.3076
41.1830
42.0596
42.9373
43.8161
44.6960
45.5770
46.4589
42.3649
43.2814
44.1987
45.1167
46.0356
46.9552
47.8755
48.7965
49.7182
50.6406
59.2481
60.3316
61.4142
62.4961
63.5772
64.6576
65.7373
66.8162
67.8945
68.9721
64.2954
65.4224
66.5482
67.6728
68.7962
69.9185
71.0397
72.1598
73.2789
74.3970
68.6693
69.8322
70.9935
72.1532
73.3115
74.4683
75.6237
76.7778
77.9305
79.0819
72.6160
73.8099
75.0019
76.1920
77.3805
78.5672
79.7522
80.9356
82.1174
83.2977
77.3860
78.6158
79.8433
81.0688
82.2921
83.5134
84.7328
85.9502
87.1657
88.3794
80.7467
82.0008
83.2526
84.5019
85.7490
86.9938
88.2364
89.4769
90.7153
91.9517
61
62
36.3005
37.0684
38.2732 41.3031 44.0379 47.3418 51.5637

39.0633 42.1260 44.8890 48.2257 52.4873
70.0490
71.1253
75.5141
76.6302
80.2321
81.3810
84.4764
85.6537
89.5913
90.8015
93.1861
94.4187
Derajat
Bebas
(n)
63
64
65
66
67
68
69
70
0.995
0.99
0.975
0.95
0.9
0.8
0.2
0.1
0.05
0.025
0.01
0.005
37.8382
38.6098
39.3831
40.1582
40.9350
41.7135
42.4935
43.2752
39.8551
40.6486
41.4436
42.2402
43.0384
43.8380
44.6392
45.4417
42.9503
43.7760
44.6030
45.4314
46.2610
47.0920
47.9242
48.7576
45.7414
46.5949
47.4496
48.3054
49.1623
50.0202
50.8792
51.7393
49.1105
49.9963
50.8829
51.7705
52.6588
53.5481
54.4381
55.3289
53.4116
54.3365
55.2620
56.1880
57.1147
58.0418
58.9696
59.8978
72.2010
73.2761
74.3506
75.4245
76.4978
77.5707
78.6429
79.7147
77.7454
78.8596
79.9730
81.0855
82.1971
83.3079
84.4179
85.5270
82.5287
83.6753
84.8206
85.9649
87.1081
88.2502
89.3912
90.5312
86.8296
88.0041
89.1771
90.3489
91.5194
92.6885
93.8565
95.0232
92.0100
93.2169
94.4221
95.6257
96.8278
98.0284
99.2275
100.4252
95.6493
96.8781
98.1051
99.3304
100.5540
101.7759
102.9962
104.2149
71
72
73
74
75
76
77
78
79
80
44.0584
44.8431
45.6293
46.4170
47.2060
47.9965
48.7884
49.5816
50.3761
51.1719
46.2457
47.0510
47.8577
48.6657
49.4750
50.2856
51.0974
51.9104
52.7247
53.5401
49.5922
50.4279
51.2648
52.1028
52.9419
53.7821
54.6234
55.4656
56.3089
57.1532
52.6003
53.4623
54.3253
55.1892
56.0541
56.9198
57.7864
58.6539
59.5223
60.3915
56.2206
57.1130
58.0061
58.9000
59.7946
60.6899
61.5859
62.4825
63.3799
64.2778
60.8266
61.7558
62.6856
63.6158
64.5466
65.4777
66.4094
67.3415
68.2740
69.2069
80.7859
81.8566
82.9268
83.9965
85.0658
86.1346
87.2030
88.2709
89.3383
90.4053
86.6354
87.7430
88.8499
89.9560
91.0615
92.1662
93.2702
94.3735
95.4762
96.5782
91.6702
92.8083
93.9453
95.0815
96.2167
97.3510
98.4844
99.6169
100.7486
101.8795
96.1887
97.3531
98.5163
99.6783
100.8393
101.9993
103.1581
104.3159
105.4727
106.6286
101.6214
102.8163
104.0098
105.2020
106.3929
107.5825
108.7709
109.9581
111.1440
112.3288
105.4320
106.6476
107.8617
109.0744
110.2856
111.4954
112.7038
113.9109
115.1166
116.3211
81
82
83
51.9690
52.7674
53.5669
54.3566 57.9984 61.2615 65.1765 70.1403

55.1743 58.8446 62.1323 66.0757 71.0741
55.9931 59.6918 63.0039 66.9756 72.0083
91.4720
92.5382
93.6039
97.6796
98.7803
99.8805
103.0095
104.1387
105.2672
107.7834
108.9373
110.0902
113.5124
114.6949
115.8763
117.5242
118.7261
119.9268
Derajat
Bebas
(n)
84
85
86
87
88
89
90
0.995
0.99
0.975
0.95
0.9
54.3677
55.1696
55.9727
56.7769
57.5823
58.3888
59.1963
56.8130
57.6339
58.4559
59.2790
60.1030
60.9281
61.7541
60.5398
61.3888
62.2386
63.0894
63.9409
64.7934
65.6466
63.8763
64.7494
65.6233
66.4979
67.3732
68.2493
69.1260
67.8761
68.7772
69.6788
70.5810
71.4838
72.3872
73.2911
60.0049 62.5811
91
60.8146 63.4090
92
61.6253 64.2379
93
62.4370 65.0677
94
63.2496 65.8984
95
64.0633 66.7299
96
64.8780 67.5624
97
65.6936 68.3957
98
66.5101 69.2299
99
67.3276 70.0649
100
(Sumber: Gaspersz, 2002: 524)
66.5007
67.3556
68.2112
69.0677
69.9249
70.7828
71.6415
72.5009
73.3611
74.2219
70.0035
70.8816
71.7603
72.6398
73.5198
74.4005
75.2819
76.1638
77.0463
77.9295
74.1955
75.1005
76.0060
76.9119
77.8184
78.7254
79.6329
80.5408
81.4493
82.3581
0.8
0.2
0.1
0.05
0.025
0.01
0.005
72.9429 94.6693
73.8779 95.7343
74.8132 96.7990
75.7490 97.8632
76.6851 98.9271
77.6216 99.9906
78.5584 101.0537
100.9800
102.0789
103.1773
104.2750
105.3722
106.4689
107.5650
106.3948
107.5217
108.6479
109.7733
110.8980
112.0220
113.1453
111.2423
112.3934
113.5436
114.6929
115.8414
116.9891
118.1359
117.0565
118.2357
119.4139
120.5910
121.7671
122.9422
124.1163
121.1263
122.3246
123.5217
124.7177
125.9125
127.1063
128.2989
79.4956
80.4332
81.3711
82.3093
83.2478
84.1867
85.1259
86.0654
87.0052
87.9453
108.6606
109.7556
110.8502
111.9442
113.0377
114.1307
115.2232
116.3153
117.4069
118.4980
114.2679
115.3898
116.5110
117.6317
118.7516
119.8709
120.9896
122.1077
123.2252
124.3421
119.2819
120.4271
121.5715
122.7151
123.8580
125.0001
126.1414
127.2821
128.4220
129.5612
125.2895
126.4617
127.6329
128.8032
129.9727
131.1412
132.3089
133.4757
134.6416
135.8067
129.4905
130.6811
131.8706
133.0591
134.2465
135.4330
136.6186
137.8032
138.9868
140.1695
102.1165
103.1790
104.2411
105.3028
106.3643
107.4254
108.4862
109.5467
110.6068
111.6667
Lampiran 4. Tabel Distribusi Fisher ( = 0,05)

DB1
DB2
1
10
11
12
13
14
15
161.45
199.50
215.71
224.58
230.16
233.99
236.77
238.88
240.54
241.88
242.98
243.91
244.69
245.36
245.95
18.51
19.00
19.16
19.25
19.30
19.33
19.35
19.37
19.38
19.40
19.40
19.41
19.42
19.42
19.43
10.13
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
8.79
8.76
8.74
8.73
8.71
8.70
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
5.96
5.94
5.91
5.89
5.87
5.86
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
4.74
4.70
4.68
4.66
4.64
4.62
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
4.06
4.03
4.00
3.98
3.96
3.94
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
3.64
3.60
3.57
3.55
3.53
3.51
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
3.35
3.31
3.28
3.26
3.24
3.22
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
3.14
3.10
3.07
3.05
3.03
3.01
10
4.96
4.10
3.71
3.48
3.33
3.22
3.14
3.07
3.02
2.98
2.94
2.91
2.89
2.86
2.85
11
4.84
3.98
3.59
3.36
3.20
3.09
3.01
2.95
2.90
2.85
2.82
2.79
2.76
2.74
2.72
12
4.75
3.89
3.49
3.26
3.11
3.00
2.91
2.85
2.80
2.75
2.72
2.69
2.66
2.64
2.62
13
4.67
3.81
3.41
3.18
3.03
2.92
2.83
2.77
2.71
2.67
2.63
2.60
2.58
2.55
2.53
14
4.60
3.74
3.34
3.11
2.96
2.85
2.76
2.70
2.65
2.60
2.57
2.53
2.51
2.48
2.46
15
4.54
3.68
3.29
3.06
2.90
2.79
2.71
2.64
2.59
2.54
2.51
2.48
2.45
2.42
2.40
16
4.49
3.63
3.24
3.01
2.85
2.74
2.66
2.59
2.54
2.49
2.46
2.42
2.40
2.37
2.35
17
4.45
3.59
3.20
2.96
2.81
2.70
2.61
2.55
2.49
2.45
2.41
2.38
2.35
2.33
2.31
18
4.41
3.55
3.16
2.93
2.77
2.66
2.58
2.51
2.46
2.41
2.37
2.34
2.31
2.29
2.27
19
4.38
3.52
3.13
2.90
2.74
2.63
2.54
2.48
2.42
2.38
2.34
2.31
2.28
2.26
2.23
20
4.35
3.49
3.10
2.87
2.71
2.60
2.51
2.45
2.39
2.35
2.31
2.28
2.25
2.22
2.20
DB1
DB2
21
10
11
12
13
14
15
4.32
3.47
3.07
2.84
2.68
2.57
2.49
2.42
2.37
2.32
2.28
2.25
2.22
2.20
2.18
22
4.30
3.44
3.05
2.82
2.66
2.55
2.46
2.40
2.34
2.30
2.26
2.23
2.20
2.17
2.15
23
4.28
3.42
3.03
2.80
2.64
2.53
2.44
2.37
2.32
2.27
2.24
2.20
2.18
2.15
2.13
24
4.26
3.40
3.01
2.78
2.62
2.51
2.42
2.36
2.30
2.25
2.22
2.18
2.15
2.13
2.11
25
4.24
3.39
2.99
2.76
2.60
2.49
2.40
2.34
2.28
2.24
2.20
2.16
2.14
2.11
2.09
26
4.23
3.37
2.98
2.74
2.59
2.47
2.39
2.32
2.27
2.22
2.18
2.15
2.12
2.09
2.07
27
4.21
3.35
2.96
2.73
2.57
2.46
2.37
2.31
2.25
2.20
2.17
2.13
2.10
2.08
2.06
28
4.20
3.34
2.95
2.71
2.56
2.45
2.36
2.29
2.24
2.19
2.15
2.12
2.09
2.06
2.04
29
4.18
3.33
2.93
2.70
2.55
2.43
2.35
2.28
2.22
2.18
2.14
2.10
2.08
2.05
2.03
30
4.17
3.32
2.92
2.69
2.53
2.42
2.33
2.27
2.21
2.16
2.13
2.09
2.06
2.04
2.01
40
4.08
3.23
2.84
2.61
2.45
2.34
2.25
2.18
2.12
2.08
2.04
2.00
1.97
1.95
1.92
50
4.03
3.18
2.79
2.56
2.40
2.29
2.20
2.13
2.07
2.03
1.99
1.95
1.92
1.89
1.87
60
4.00
3.15
2.76
2.53
2.37
2.25
2.17
2.10
2.04
1.99
1.95
1.92
1.89
1.86
1.84
70
3.98
3.13
2.74
2.50
2.35
2.23
2.14
2.07
2.02
1.97
1.93
1.89
1.86
1.84
1.81
80
3.96
3.11
2.72
2.49
2.33
2.21
2.13
2.06
2.00
1.95
1.91
1.88
1.84
1.82
1.79
90
3.95
3.10
2.71
2.47
2.32
2.20
2.11
2.04
1.99
1.94
1.90
1.86
1.83
1.80
1.78
100
3.94
3.09
2.70
2.46
2.31
2.19
2.10
2.03
1.97
1.93
1.89
1.85
1.82
1.79
1.77
125
3.92
3.07
2.68
2.44
2.29
2.17
2.08
2.01
1.96
1.91
1.87
1.83
1.80
1.77
1.75
150
3.90
3.06
2.66
2.43
2.27
2.16
2.07
2.00
1.94
1.89
1.85
1.82
1.79
1.76
1.73
200
3.89
3.04
2.65
2.42
2.26
2.14
2.06
1.98
1.93
1.88
1.84
1.80
1.77
1.74
1.72
(Sumber: Iriawan, 2006: 457)
Lampiran 5. Tabel Konversi SQL ke DPMO dan % (Persentase Bebas Cacat) Berdasarkan Konsep Motorola
SQL DPMO
0.00 933193
0.01 931888
0.02 930563
0.03 929219
0.04 927855
0.05 926471
0.06 925066
0.07 923641
0.08 922196
0.09 920730
%
SQL DPMO
6.68 1.00 691462
6.81 1.01 687933
6.94 1.02 684386
7.08 1.03 680822
7.21 1.04 677242
7.35 1.05 673645
7.49 1.06 670031
7.64 1.07 666402
7.78 1.08 662757
7.93 1.09 659097
%
SQL DPMO
30.85 2.00 308538
31.21 2.01 305026
31.56 2.02 301532
31.92 2.03 298056
32.28 2.04 294599
32.64 2.05 291160
33.00 2.06 287740
33.36 2.07 284339
33.72 2.08 280957
34.09 2.09 277595
%
SQL DPMO
69.15 3.00
66807
69.50 3.01
65522
69.85 3.02
64255
70.19 3.03
63008
70.54 3.04
61780
70.88 3.05
60571
71.23 3.06
59380
71.57 3.07
58208
71.90 3.08
57053
72.24 3.09
55917
%
SQL DPMO
93.32 4.00
6210
93.45 4.01
6037
93.57 4.02
5868
93.70 4.03
5703
93.82 4.04
5543
93.94 4.05
5386
94.06 4.06
5234
94.18 4.07
5085
94.29 4.08
4940
94.41 4.09
4799
%
SQL DPMO
99.38 5.00
233
99.40 5.01
224
99.41 5.02
216
99.43 5.03
208
99.45 5.04
200
99.46 5.05
193
99.48 5.06
185
99.49 5.07
178
99.51 5.08
172
99.52 5.09
165
%
99.977
99.978
99.978
99.979
99.980
99.981
99.981
99.982
99.983
99.983
0.10
0.11
0.12
0.13
0.14
0.15
0.16
0.17
0.18
0.19
919243
917736
916207
914657
913085
911492
909877
908241
906582
904902
8.08
8.23
8.38
8.53
8.69
8.85
9.01
9.18
9.34
9.51
1.10
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
655422
651732
648027
644309
640576
636831
633072
629300
625516
621720
34.46
34.83
35.20
35.57
35.94
36.32
36.69
37.07
37.45
37.83
2.10
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
2.19
274253
270931
267629
264347
261086
257846
254627
251429
248252
245097
72.57
72.91
73.24
73.57
73.89
74.22
74.54
74.86
75.17
75.49
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
54799
53699
52616
51551
50503
49471
48457
47460
46479
45514
94.52
94.63
94.74
94.84
94.95
95.05
95.15
95.25
95.35
95.45
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
4661
4527
4396
4269
4145
4025
3907
3793
3681
3573
99.53
99.55
99.56
99.57
99.59
99.60
99.61
99.62
99.63
99.64
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
5.18
5.19
159
153
147
142
136
131
126
121
117
112
99.9841
99.9847
99.9853
99.9858
99.9864
99.9869
99.9874
99.9879
99.9883
99.9888
0.20
0.21
0.22
0.23
903200
901475
899727
897958
9.68
9.85
10.03
10.20
1.20
1.21
1.22
1.23
617911
614092
610261
606420
38.21
38.59
38.97
39.36
2.20
2.21
2.22
2.23
241964
238852
235762
232695
75.80
76.11
76.42
76.73
3.20
3.21
3.22
3.23
44565
43633
42716
41815
95.54
95.64
95.73
95.82
4.20
4.21
4.22
4.23
3467
3364
3264
3167
99.65
99.66
99.67
99.68
5.20
5.21
5.22
5.23
108
104
100
96
99.9892
99.9896
99.9900
99.9904
SQL DPMO
0.24 896165
0.25 894350
0.26 892512
0.27 890651
0.28 888768
0.29 886861
%
SQL DPMO
10.38 1.24 602568
10.56 1.25 598706
10.75 1.26 594835
10.93 1.27 590954
11.12 1.28 587064
11.31 1.29 583166
%
SQL DPMO
39.74 2.24 229650
40.13 2.25 226627
40.52 2.26 223627
40.90 2.27 220650
41.29 2.28 217695
41.68 2.29 214764
%
SQL DPMO
77.04 3.24
40930
77.34 3.25
40059
77.64 3.26
39204
77.94 3.27
38364
78.23 3.28
37538
78.52 3.29
36727
%
SQL DPMO
95.91 4.24
3072
95.99 4.25
2980
96.08 4.26
2890
96.16 4.27
2803
96.25 4.28
2718
96.33 4.29
2635
%
SQL DPMO
99.69 5.24
92
99.70 5.25
88
99.71 5.26
85
99.72 5.27
82
99.73 5.28
78
99.74 5.29
75
%
99.9908
99.9912
99.9915
99.9918
99.9922
99.9925
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
884930
882977
881000
879000
876976
874928
872857
870762
868643
866500
11.51
11.70
11.90
12.10
12.30
12.51
12.71
12.92
13.14
13.35
1.30
1.31
1.32
1.33
1.34
1.35
1.36
1.37
1.38
1.39
579260
575345
571424
567495
563559
559618
555670
551717
547758
543795
42.07
42.47
42.86
43.25
43.64
44.04
44.43
44.83
45.22
45.62
2.30
2.31
2.32
2.33
2.34
2.35
2.36
2.37
2.38
2.39
211855
208970
206108
203269
200454
197663
194895
192150
189430
186733
78.81
79.10
79.39
79.67
79.95
80.23
80.51
80.78
81.06
81.33
3.30
3.31
3.32
3.33
3.34
3.35
3.36
3.37
3.38
3.39
35930
35148
34380
33625
32884
32157
31443
30742
30054
29379
96.41
96.49
96.56
96.64
96.71
96.78
96.86
96.93
96.99
97.06
4.30
4.31
4.32
4.33
4.34
4.35
4.36
4.37
4.38
4.39
2555
2477
2401
2327
2256
2186
2118
2052
1988
1926
99.74
99.75
99.76
99.77
99.77
99.78
99.79
99.79
99.80
99.81
5.30
5.31
5.32
5.33
5.34
5.35
5.36
5.37
5.38
5.39
72
69
67
64
62
59
57
54
52
50
99.9928
99.9931
99.9933
99.9936
99.9938
99.9941
99.9943
99.9946
99.9948
99.9950
0.40
0.41
0.42
0.43
0.44
0.45
0.46
0.47
0.48
0.49
864334
862143
859929
857690
855428
853141
850830
848495
846136
843752
13.57
13.79
14.01
14.23
14.46
14.69
14.92
15.15
15.39
15.62
1.40
1.41
1.42
1.43
1.44
1.45
1.46
1.47
1.48
1.49
539828
535856
531881
527903
523922
519939
515953
511966
507978
503989
46.02
46.41
46.81
47.21
47.61
48.01
48.40
48.80
49.20
49.60
2.40
2.41
2.42
2.43
2.44
2.45
2.46
2.47
2.48
2.49
184060
181411
178786
176186
173609
171056
168528
166023
163543
161087
81.59
81.86
82.12
82.38
82.64
82.89
83.15
83.40
83.65
83.89
3.40
3.41
3.42
3.43
3.44
3.45
3.46
3.47
3.48
3.49
28717
28067
27429
26803
26190
25588
24998
24419
23852
23295
97.13
97.19
97.26
97.32
97.38
97.44
97.50
97.56
97.61
97.67
4.40
4.41
4.42
4.43
4.44
4.45
4.46
4.47
4.48
4.49
1866
1807
1750
1695
1641
1589
1538
1489
1441
1395
99.81
99.82
99.82
99.83
99.84
99.84
99.85
99.85
99.86
99.86
5.40
5.41
5.42
5.43
5.44
5.45
5.46
5.47
5.48
5.49
48
46
44
42
41
39
37
36
34
33
99.9952
99.9954
99.9956
99.9958
99.9959
99.9961
99.9963
99.9964
99.9966
99.9967
SQL DPMO
SQL DPMO
SQL DPMO
SQL DPMO
SQL DPMO
SQL DPMO
0.50
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
841345
838913
836457
833977
831472
828944
826391
823814
821214
818589
15.87
16.11
16.35
16.60
16.85
17.11
17.36
17.62
17.88
18.14
1.50
1.51
1.52
1.53
1.54
1.55
1.56
1.57
1.58
1.59
500000
496011
492022
488034
484047
480061
476078
472097
468119
464144
50.00
50.40
50.80
51.20
51.60
51.99
52.39
52.79
53.19
53.59
2.50
2.51
2.52
2.53
2.54
2.55
2.56
2.57
2.58
2.59
158655
156248
153864
151505
149170
146859
144572
142310
140071
137857
84.13
84.38
84.61
84.85
85.08
85.31
85.54
85.77
85.99
86.21
3.50
3.51
3.52
3.53
3.54
3.55
3.56
3.57
3.58
3.59
22750
22216
21692
21178
20675
20182
19699
19226
18763
18309
97.72
97.78
97.83
97.88
97.93
97.98
98.03
98.08
98.12
98.17
4.50
4.51
4.52
4.53
4.54
4.55
4.56
4.57
4.58
4.59
1350
1306
1264
1223
1183
1144
1107
1070
1035
1001
99.87
99.87
99.87
99.88
99.88
99.89
99.89
99.89
99.90
99.90
5.50
5.51
5.52
5.53
5.54
5.55
5.56
5.57
5.58
5.59
32
30
29
28
27
26
25
24
23
22
99.9968
99.9970
99.9971
99.9972
99.9973
99.9974
99.9975
99.9976
99.9977
99.9978
0.60
0.61
0.62
0.63
0.64
0.65
0.66
0.67
0.68
0.69
815940
813267
810570
807850
805105
802337
799546
796731
793892
791030
18.41
18.67
18.94
19.22
19.49
19.77
20.05
20.33
20.61
20.90
1.60
1.61
1.62
1.63
1.64
1.65
1.66
1.67
1.68
1.69
460172
456205
452242
448283
444330
440382
436441
432505
428576
424655
53.98
54.38
54.78
55.17
55.57
55.96
56.36
56.75
57.14
57.53
2.60
2.61
2.62
2.63
2.64
2.65
2.66
2.67
2.68
2.69
135666
133500
131357
129238
127143
125072
123024
121000
119000
117023
86.43
86.65
86.86
87.08
87.29
87.49
87.70
87.90
88.10
88.30
3.60
3.61
3.62
3.63
3.64
3.65
3.66
3.67
3.68
3.69
17864
17429
17003
16586
16177
15778
15386
15003
14629
14262
98.21
98.26
98.30
98.34
98.38
98.42
98.46
98.50
98.54
98.57
4.60
4.61
4.62
4.63
4.64
4.65
4.66
4.67
4.68
4.69
968
935
904
874
845
816
789
762
736
711
99.90
99.91
99.91
99.91
99.92
99.92
99.92
99.92
99.93
99.93
5.60
5.61
5.62
5.63
5.64
5.65
5.66
5.67
5.68
5.69
21
20
19
18
17
17
16
15
15
14
99.9979
99.9980
99.9981
99.9982
99.9983
99.9983
99.9984
99.9985
99.9985
99.9986
0.70
0.71
0.72
0.73
0.74
788145
785236
782305
779350
776373
21.19
21.48
21.77
22.06
22.36
1.70
1.71
1.72
1.73
1.74
420740
416834
412936
409046
405165
57.93
58.32
58.71
59.10
59.48
2.70
2.71
2.72
2.73
2.74
115070
113139
111232
109349
107488
88.49
88.69
88.88
89.07
89.25
3.70
3.71
3.72
3.73
3.74
13903
13553
13209
12874
12545
98.61
98.64
98.68
98.71
98.75
4.70
4.71
4.72
4.73
4.74
687
664
641
619
598
99.93
99.93
99.94
99.94
99.94
5.70
5.71
5.72
5.73
5.74
13
13
12
12
11
99.9987
99.9987
99.9988
99.9988
99.9989
SQL DPMO
0.75 773373
0.76 770350
0.77 767305
0.78 764238
0.79 761148
%
SQL DPMO
22.66 1.75 401294
22.96 1.76 397432
23.27 1.77 393580
23.58 1.78 389739
23.89 1.79 385908
%
SQL DPMO
59.87 2.75 105650
60.26 2.76 103835
60.64 2.77 102042
61.03 2.78 100273
61.41 2.79
98525
%
SQL DPMO
89.44 3.75
12224
89.62 3.76
11911
89.80 3.77
11604
89.97 3.78
11304
90.15 3.79
11011
%
SQL DPMO
98.78 4.75
577
98.81 4.76
557
98.84 4.77
538
98.87 4.78
519
98.90 4.79
501
%
SQL DPMO
99.94 5.75
11
99.94 5.76
10
99.95 5.77
10
99.95 5.78
9
99.95 5.79
9
%
99.9989
99.9990
99.9990
99.9991
99.9991
0.80
0.81
0.82
0.83
0.84
0.85
0.86
0.87
0.88
0.89
758036
754903
751748
748571
745373
742154
738914
735653
732371
729069
24.20
24.51
24.83
25.14
25.46
25.78
26.11
26.43
26.76
27.09
1.80
1.81
1.82
1.83
1.84
1.85
1.86
1.87
1.88
1.89
382089
378280
374484
370700
366928
363169
359424
355691
351973
348268
61.79
62.17
62.55
62.93
63.31
63.68
64.06
64.43
64.80
65.17
2.80
2.81
2.82
2.83
2.84
2.85
2.86
2.87
2.88
2.89
96800
95098
93418
91759
90123
88508
86915
85343
83793
82264
90.32
90.49
90.66
90.82
90.99
91.15
91.31
91.47
91.62
91.77
3.80
3.81
3.82
3.83
3.84
3.85
3.86
3.87
3.88
3.89
10724
10444
10170
9903
9642
9387
9137
8894
8656
8424
98.93
98.96
98.98
99.01
99.04
99.06
99.09
99.11
99.13
99.16
4.80
4.81
4.82
4.83
4.84
4.85
4.86
4.87
4.88
4.89
483
466
450
434
419
404
390
376
362
349
99.95
99.95
99.95
99.96
99.96
99.96
99.96
99.96
99.96
99.97
5.80
5.81
5.82
5.83
5.84
5.85
5.86
5.87
5.88
5.89
9
8
8
7
7
7
7
6
6
6
99.9991
99.9992
99.9992
99.9993
99.9993
99.9993
99.9993
99.9994
99.9994
99.9994
0.90
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
725747
722405
719043
715661
712260
708840
705401
701944
698468
694974
27.43
27.76
28.10
28.43
28.77
29.12
29.46
29.81
30.15
30.50
1.90
1.91
1.92
1.93
1.94
1.95
1.96
1.97
1.98
1.99
344578
340903
337243
333598
329969
326355
322758
319178
315614
312067
65.54
65.91
66.28
66.64
67.00
67.36
67.72
68.08
68.44
68.79
2.90
2.91
2.92
2.93
2.94
2.95
2.96
2.97
2.98
2.99
80757
79270
77804
76359
74934
73529
72145
70781
69437
68112
91.92
92.07
92.22
92.36
92.51
92.65
92.79
92.92
93.06
93.19
3.90
3.91
3.92
3.93
3.94
3.95
3.96
3.97
3.98
3.99
8198
7976
7760
7549
7344
7143
6947
6756
6569
6387
99.18
99.20
99.22
99.25
99.27
99.29
99.31
99.32
99.34
99.36
4.90
4.91
4.92
4.93
4.94
4.95
4.96
4.97
4.98
4.99
337
325
313
302
291
280
270
260
251
242
99.97
99.97
99.97
99.97
99.97
99.97
99.97
99.97
99.97
99.976
5.90
5.91
5.92
5.93
5.94
5.95
5.96
5.97
5.98
5.99
5
5
5
5
4
4
4
4
4
4
99.9995
99.9995
99.9995
99.9995
99.9996
99.9996
99.9996
99.9996
99.9996
99.9996
Lampiran 6. Tabel Nilai-Nilai Target Pengendalian Kualitas untuk Satu Batas Spesifikasi (USL atau LSL) dan Toleransi Maksimum Standar
Deviasi Proses
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
2.00
0.500000
3.00
0.333333
4.00
0.250000
5.00
0.200000
6.00
0.166667
2.01
0.497512
3.01
0.332226
4.01
0.249377
5.01
0.199601
6.01
0.166389
2.02
0.495050
3.02
0.331126
4.02
0.248756
5.02
0.199203
6.02
0.166113
2.03
0.492611
3.03
0.330033
4.03
0.248139
5.03
0.198807
6.03
0.165837
2.04
0.490196
3.04
0.328947
4.04
0.247525
5.04
0.198413
6.04
0.165563
2.05
0.487805
3.05
0.327869
4.05
0.246914
5.05
0.198020
6.05
0.165289
2.06
0.485437
3.06
0.326797
4.06
0.246305
5.06
0.197628
6.06
0.165017
2.07
0.483092
3.07
0.325733
4.07
0.245700
5.07
0.197239
6.07
0.164745
2.08
0.480769
3.08
0.324675
4.08
0.245098
5.08
0.196850
6.08
0.164474
2.09
0.478469
3.09
0.323625
4.09
0.244499
5.09
0.196464
6.09
0.164204
2.10
0.476190
3.10
0.322581
4.10
0.243902
5.10
0.196078
6.10
0.163934
2.11
0.473934
3.11
0.321543
4.11
0.243309
5.11
0.195695
6.11
0.163666
2.12
0.471698
3.12
0.320513
4.12
0.242718
5.12
0.195313
6.12
0.163399
2.13
0.469484
3.13
0.319489
4.13
0.242131
5.13
0.194932
6.13
0.163132
2.14
0.467290
3.14
0.318471
4.14
0.241546
5.14
0.194553
6.14
0.162866
2.15
0.465116
3.15
0.317460
4.15
0.240964
5.15
0.194175
6.15
0.162602
2.16
0.462963
3.16
0.316456
4.16
0.240385
5.16
0.193798
6.16
0.162338
2.17
0.460829
3.17
0.315457
4.17
0.239808
5.17
0.193424
6.17
0.162075
2.18
0.458716
3.18
0.314465
4.18
0.239234
5.18
0.193050
6.18
0.161812
2.19
0.456621
3.19
0.313480
4.19
0.238663
5.19
0.192678
6.19
0.161551
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
2.20
0.454545
3.20
0.312500
4.20
0.238095
5.20
0.192308
6.20
0.161290
2.21
0.452489
3.21
0.311526
4.21
0.237530
5.21
0.191939
6.21
0.161031
2.22
0.450450
3.22
0.310559
4.22
0.236967
5.22
0.191571
6.22
0.160772
2.23
0.448430
3.23
0.309598
4.23
0.236407
5.23
0.191205
6.23
0.160514
2.24
0.446429
3.24
0.308642
4.24
0.235849
5.24
0.190840
6.24
0.160256
2.25
0.444444
3.25
0.307692
4.25
0.235294
5.25
0.190476
6.25
0.160000
2.26
0.442478
3.26
0.306748
4.26
0.234742
5.26
0.190114
6.26
0.159744
2.27
0.440529
3.27
0.305810
4.27
0.234192
5.27
0.189753
6.27
0.159490
2.28
0.438596
3.28
0.304878
4.28
0.233645
5.28
0.189394
6.28
0.159236
2.29
0.436681
3.29
0.303951
4.29
0.233100
5.29
0.189036
6.29
0.158983
2.30
0.434783
3.30
0.303030
4.30
0.232558
5.30
0.188679
6.30
0.158730
2.31
0.432900
3.31
0.302115
4.31
0.232019
5.31
0.188324
6.31
0.158479
2.32
0.431034
3.32
0.301205
4.32
0.231481
5.32
0.187970
6.32
0.158228
2.33
0.429185
3.33
0.300300
4.33
0.230947
5.33
0.187617
6.33
0.157978
2.34
0.427350
3.34
0.299401
4.34
0.230415
5.34
0.187266
6.34
0.157729
2.35
0.425532
3.35
0.298507
4.35
0.229885
5.35
0.186916
6.35
0.157480
2.36
0.423729
3.36
0.297619
4.36
0.229358
5.36
0.186567
6.36
0.157233
2.37
0.421941
3.37
0.296736
4.37
0.228833
5.37
0.186220
6.37
0.156986
2.38
0.420168
3.38
0.295858
4.38
0.228311
5.38
0.185874
6.38
0.156740
2.39
0.418410
3.39
0.294985
4.39
0.227790
5.39
0.185529
6.39
0.156495
2.40
0.416667
3.40
0.294118
4.40
0.227273
5.40
0.185185
6.40
0.156250
2.41
0.414938
3.41
0.293255
4.41
0.226757
5.41
0.184843
6.41
0.156006
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
2.42
0.413223
3.42
0.292398
4.42
0.226244
5.42
0.184502
6.42
0.155763
2.43
0.411523
3.43
0.291545
4.43
0.225734
5.43
0.184162
6.43
0.155521
2.44
0.409836
3.44
0.290698
4.44
0.225225
5.44
0.183824
6.44
0.155280
2.45
0.408163
3.45
0.289855
4.45
0.224719
5.45
0.183486
6.45
0.155039
2.46
0.406504
3.46
0.289017
4.46
0.224215
5.46
0.183150
6.46
0.154799
2.47
0.404858
3.47
0.288184
4.47
0.223714
5.47
0.182815
6.47
0.154560
2.48
0.403226
3.48
0.287356
4.48
0.223214
5.48
0.182482
6.48
0.154321
2.49
0.401606
3.49
0.286533
4.49
0.222717
5.49
0.182149
6.49
0.154083
2.50
0.400000
3.50
0.285714
4.50
0.222222
5.50
0.181818
6.50
0.153846
2.51
0.398406
3.51
0.284900
4.51
0.221729
5.51
0.181488
6.51
0.153610
2.52
0.396825
3.52
0.284091
4.52
0.221239
5.52
0.181159
6.52
0.153374
2.53
0.395257
3.53
0.283286
4.53
0.220751
5.53
0.180832
6.53
0.153139
2.54
0.393701
3.54
0.282486
4.54
0.220264
5.54
0.180505
6.54
0.152905
2.55
0.392157
3.55
0.281690
4.55
0.219780
5.55
0.180180
6.55
0.152672
2.56
0.390625
3.56
0.280899
4.56
0.219298
5.56
0.179856
6.56
0.152439
2.57
0.389105
3.57
0.280112
4.57
0.218818
5.57
0.179533
6.57
0.152207
2.58
0.387597
3.58
0.279330
4.58
0.218341
5.58
0.179211
6.58
0.151976
2.59
0.386100
3.59
0.278552
4.59
0.217865
5.59
0.178891
6.59
0.151745
2.60
0.384615
3.60
0.277778
4.60
0.217391
5.60
0.178571
6.60
0.151515
2.61
0.383142
3.61
0.277008
4.61
0.216920
5.61
0.178253
6.61
0.151286
2.62
0.381679
3.62
0.276243
4.62
0.216450
5.62
0.177936
6.62
0.151057
2.63
0.380228
3.63
0.275482
4.63
0.215983
5.63
0.177620
6.63
0.150830
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
2.64
0.378788
3.64
0.274725
4.64
0.215517
5.64
0.177305
6.64
0.150602
2.65
0.377358
3.65
0.273973
4.65
0.215054
5.65
0.176991
6.65
0.150376
2.66
0.375940
3.66
0.273224
4.66
0.214592
5.66
0.176678
6.66
0.150150
2.67
0.374532
3.67
0.272480
4.67
0.214133
5.67
0.176367
6.67
0.149925
2.68
0.373134
3.68
0.271739
4.68
0.213675
5.68
0.176056
6.68
0.149701
2.69
0.371747
3.69
0.271003
4.69
0.213220
5.69
0.175747
6.69
0.149477
2.70
0.370370
3.70
0.270270
4.70
0.212766
5.70
0.175439
6.70
0.149254
2.71
0.369004
3.71
0.269542
4.71
0.212314
5.71
0.175131
6.71
0.149031
2.72
0.367647
3.72
0.268817
4.72
0.211864
5.72
0.174825
6.72
0.148810
2.73
0.366300
3.73
0.268097
4.73
0.211416
5.73
0.174520
6.73
0.148588
2.74
0.364964
3.74
0.267380
4.74
0.210970
5.74
0.174216
6.74
0.148368
2.75
0.363636
3.75
0.266667
4.75
0.210526
5.75
0.173913
6.75
0.148148
2.76
0.362319
3.76
0.265957
4.76
0.210084
5.76
0.173611
6.76
0.147929
2.77
0.361011
3.77
0.265252
4.77
0.209644
5.77
0.173310
6.77
0.147710
2.78
0.359712
3.78
0.264550
4.78
0.209205
5.78
0.173010
6.78
0.147493
2.79
0.358423
3.79
0.263852
4.79
0.208768
5.79
0.172712
6.79
0.147275
2.80
0.357143
3.80
0.263158
4.80
0.208333
5.80
0.172414
6.80
0.147059
2.81
0.355872
3.81
0.262467
4.81
0.207900
5.81
0.172117
6.81
0.146843
2.82
0.354610
3.82
0.261780
4.82
0.207469
5.82
0.171821
6.82
0.146628
2.83
0.353357
3.83
0.261097
4.83
0.207039
5.83
0.171527
6.83
0.146413
2.84
0.352113
3.84
0.260417
4.84
0.206612
5.84
0.171233
6.84
0.146199
2.85
0.350877
3.85
0.259740
4.85
0.206186
5.85
0.170940
6.85
0.145985
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL T)]
Sigma
[ x abs (SL - T)]
Sigma
[ x abs (SL - T)]
2.86
0.349650
3.86
0.259067
4.86
0.205761
5.86
0.170648
6.86
0.145773
2.87
0.348432
3.87
0.258398
4.87
0.205339
5.87
0.170358
6.87
0.145560
2.88
0.347222
3.88
0.257732
4.88
0.204918
5.88
0.170068
6.88
0.145349
2.89
0.346021
3.89
0.257069
4.89
0.204499
5.89
0.169779
6.89
0.145138
2.90
0.344828
3.90
0.256410
4.90
0.204082
5.90
0.169492
6.90
0.144928
2.91
0.343643
3.91
0.255754
4.91
0.203666
5.91
0.169205
6.91
0.144718
2.92
0.342466
3.92
0.255102
4.92
0.203252
5.92
0.168919
6.92
0.144509
2.93
0.341297
3.93
0.254453
4.93
0.202840
5.93
0.168634
6.93
0.144300
2.94
0.340136
3.94
0.253807
4.94
0.202429
5.94
0.168350
6.94
0.144092
2.95
0.338983
3.95
0.253165
4.95
0.202020
5.95
0.168067
6.95
0.143885
2.96
0.337838
3.96
0.252525
4.96
0.201613
5.96
0.167785
6.96
0.143678
2.97
0.336700
3.97
0.251889
4.97
0.201207
5.97
0.167504
6.97
0.143472
2.98
0.335570
3.98
0.251256
4.98
0.200803
5.98
0.167224
6.98
0.143266
2.99
0.334448
3.99
0.250627
4.99
0.200401
5.99
0.166945
6.99
0.143062
Lampiran 7. Tabel Nilai-Nilai Target Pengendalian Kualitas untuk Dua Batas Spesifikasi (USL dan LSL) dan Toleransi Maksimum Standar
Deviasi Proses
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
2.00
0.250000
3.00
0.166667
4.00
0.125000
5.00
0.100000
6.00
0.083333
2.01
0.248756
3.01
0.166113
4.01
0.124688
5.01
0.099800
6.01
0.083195
2.02
0.247525
3.02
0.165563
4.02
0.124378
5.02
0.099602
6.02
0.083056
2.03
0.246305
3.03
0.165017
4.03
0.124069
5.03
0.099404
6.03
0.082919
2.04
0.245098
3.04
0.164474
4.04
0.123762
5.04
0.099206
6.04
0.082781
2.05
0.243902
3.05
0.163934
4.05
0.123457
5.05
0.099010
6.05
0.082645
2.06
0.242718
3.06
0.163399
4.06
0.123153
5.06
0.098814
6.06
0.082508
2.07
0.241546
3.07
0.162866
4.07
0.122850
5.07
0.098619
6.07
0.082372
2.08
0.240385
3.08
0.162338
4.08
0.122549
5.08
0.098425
6.08
0.082237
2.09
0.239234
3.09
0.161812
4.09
0.122249
5.09
0.098232
6.09
0.082102
2.10
0.238095
3.10
0.161290
4.10
0.121951
5.10
0.098039
6.10
0.081967
2.11
0.236967
3.11
0.160772
4.11
0.121655
5.11
0.097847
6.11
0.081833
2.12
0.235849
3.12
0.160256
4.12
0.121359
5.12
0.097656
6.12
0.081699
2.13
0.234742
3.13
0.159744
4.13
0.121065
5.13
0.097466
6.13
0.081566
2.14
0.233645
3.14
0.159236
4.14
0.120773
5.14
0.097276
6.14
0.081433
2.15
0.232558
3.15
0.158730
4.15
0.120482
5.15
0.097087
6.15
0.081301
2.16
0.231481
3.16
0.158228
4.16
0.120192
5.16
0.096899
6.16
0.081169
2.17
0.230415
3.17
0.157729
4.17
0.119904
5.17
0.096712
6.17
0.081037
2.18
0.229358
3.18
0.157233
4.18
0.119617
5.18
0.096525
6.18
0.080906
2.19
0.228311
3.19
0.156740
4.19
0.119332
5.19
0.096339
6.19
0.080775
2.20
0.227273
3.20
0.156250
4.20
0.119048
5.20
0.096154
6.20
0.080645
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
2.21
0.226244
3.21
0.155763
4.21
0.118765
5.21
0.095969
6.21
0.080515
2.22
0.225225
3.22
0.155280
4.22
0.118483
5.22
0.095785
6.22
0.080386
2.23
0.224215
3.23
0.154799
4.23
0.118203
5.23
0.095602
6.23
0.080257
2.24
0.223214
3.24
0.154321
4.24
0.117925
5.24
0.095420
6.24
0.080128
2.25
0.222222
3.25
0.153846
4.25
0.117647
5.25
0.095238
6.25
0.080000
2.26
0.221239
3.26
0.153374
4.26
0.117371
5.26
0.095057
6.26
0.079872
2.27
0.220264
3.27
0.152905
4.27
0.117096
5.27
0.094877
6.27
0.079745
2.28
0.219298
3.28
0.152439
4.28
0.116822
5.28
0.094697
6.28
0.079618
2.29
0.218341
3.29
0.151976
4.29
0.116550
5.29
0.094518
6.29
0.079491
2.30
0.217391
3.30
0.151515
4.30
0.116279
5.30
0.094340
6.30
0.079365
2.31
0.216450
3.31
0.151057
4.31
0.116009
5.31
0.094162
6.31
0.079239
2.32
0.215517
3.32
0.150602
4.32
0.115741
5.32
0.093985
6.32
0.079114
2.33
0.214592
3.33
0.150150
4.33
0.115473
5.33
0.093809
6.33
0.078989
2.34
0.213675
3.34
0.149701
4.34
0.115207
5.34
0.093633
6.34
0.078864
2.35
0.212766
3.35
0.149254
4.35
0.114943
5.35
0.093458
6.35
0.078740
2.36
0.211864
3.36
0.148810
4.36
0.114679
5.36
0.093284
6.36
0.078616
2.37
0.210970
3.37
0.148368
4.37
0.114416
5.37
0.093110
6.37
0.078493
2.38
0.210084
3.38
0.147929
4.38
0.114155
5.38
0.092937
6.38
0.078370
2.39
0.209205
3.39
0.147493
4.39
0.113895
5.39
0.092764
6.39
0.078247
2.40
0.208333
3.40
0.147059
4.40
0.113636
5.40
0.092593
6.40
0.078125
2.41
0.207469
3.41
0.146628
4.41
0.113379
5.41
0.092421
6.41
0.078003
2.42
0.206612
3.42
0.146199
4.42
0.113122
5.42
0.092251
6.42
0.077882
2.43
0.205761
3.43
0.145773
4.43
0.112867
5.43
0.092081
6.43
0.077760
2.44
0.204918
3.44
0.145349
4.44
0.112613
5.44
0.091912
6.44
0.077640
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
2.45
0.204082
3.45
0.144928
4.45
0.112360
5.45
0.091743
6.45
0.077519
2.46
0.203252
3.46
0.144509
4.46
0.112108
5.46
0.091575
6.46
0.077399
2.47
0.202429
3.47
0.144092
4.47
0.111857
5.47
0.091408
6.47
0.077280
2.48
0.201613
3.48
0.143678
4.48
0.111607
5.48
0.091241
6.48
0.077160
2.49
0.200803
3.49
0.143266
4.49
0.111359
5.49
0.091075
6.49
0.077042
2.50
0.200000
3.50
0.142857
4.50
0.111111
5.50
0.090909
6.50
0.076923
2.51
0.199203
3.51
0.142450
4.51
0.110865
5.51
0.090744
6.51
0.076805
2.52
0.198413
3.52
0.142045
4.52
0.110619
5.52
0.090580
6.52
0.076687
2.53
0.197628
3.53
0.141643
4.53
0.110375
5.53
0.090416
6.53
0.076570
2.54
0.196850
3.54
0.141243
4.54
0.110132
5.54
0.090253
6.54
0.076453
2.55
0.196078
3.55
0.140845
4.55
0.109890
5.55
0.090090
6.55
0.076336
2.56
0.195313
3.56
0.140449
4.56
0.109649
5.56
0.089928
6.56
0.076220
2.57
0.194553
3.57
0.140056
4.57
0.109409
5.57
0.089767
6.57
0.076104
2.58
0.193798
3.58
0.139665
4.58
0.109170
5.58
0.089606
6.58
0.075988
2.59
0.193050
3.59
0.139276
4.59
0.108932
5.59
0.089445
6.59
0.075873
2.60
0.192308
3.60
0.138889
4.60
0.108696
5.60
0.089286
6.60
0.075758
2.61
0.191571
3.61
0.138504
4.61
0.108460
5.61
0.089127
6.61
0.075643
2.62
0.190840
3.62
0.138122
4.62
0.108225
5.62
0.088968
6.62
0.075529
2.63
0.190114
3.63
0.137741
4.63
0.107991
5.63
0.088810
6.63
0.075415
2.64
0.189394
3.64
0.137363
4.64
0.107759
5.64
0.088652
6.64
0.075301
2.65
0.188679
3.65
0.136986
4.65
0.107527
5.65
0.088496
6.65
0.075188
2.66
0.187970
3.66
0.136612
4.66
0.107296
5.66
0.088339
6.66
0.075075
2.67
0.187266
3.67
0.136240
4.67
0.107066
5.67
0.088183
6.67
0.074963
2.68
0.186567
3.68
0.135870
4.68
0.106838
5.68
0.088028
6.68
0.074850
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
2.69
0.185874
3.69
0.135501
4.69
0.106610
5.69
0.087873
6.69
0.074738
2.70
0.185185
3.70
0.135135
4.70
0.106383
5.70
0.087719
6.70
0.074627
2.71
0.184502
3.71
0.134771
4.71
0.106157
5.71
0.087566
6.71
0.074516
2.72
0.183824
3.72
0.134409
4.72
0.105932
5.72
0.087413
6.72
0.074405
2.73
0.183150
3.73
0.134048
4.73
0.105708
5.73
0.087260
6.73
0.074294
2.74
0.182482
3.74
0.133690
4.74
0.105485
5.74
0.087108
6.74
0.074184
2.75
0.181818
3.75
0.133333
4.75
0.105263
5.75
0.086957
6.75
0.074074
2.76
0.181159
3.76
0.132979
4.76
0.105042
5.76
0.086806
6.76
0.073964
2.77
0.180505
3.77
0.132626
4.77
0.104822
5.77
0.086655
6.77
0.073855
2.78
0.179856
3.78
0.132275
4.78
0.104603
5.78
0.086505
6.78
0.073746
2.79
0.179211
3.79
0.131926
4.79
0.104384
5.79
0.086356
6.79
0.073638
2.80
0.178571
3.80
0.131579
4.80
0.104167
5.80
0.086207
6.80
0.073529
2.81
0.177936
3.81
0.131234
4.81
0.103950
5.81
0.086059
6.81
0.073421
2.82
0.177305
3.82
0.130890
4.82
0.103734
5.82
0.085911
6.82
0.073314
2.83
0.176678
3.83
0.130548
4.83
0.103520
5.83
0.085763
6.83
0.073206
2.84
0.176056
3.84
0.130208
4.84
0.103306
5.84
0.085616
6.84
0.073099
2.85
0.175439
3.85
0.129870
4.85
0.103093
5.85
0.085470
6.85
0.072993
2.86
0.174825
3.86
0.129534
4.86
0.102881
5.86
0.085324
6.86
0.072886
2.87
0.174216
3.87
0.129199
4.87
0.102669
5.87
0.085179
6.87
0.072780
2.88
0.173611
3.88
0.128866
4.88
0.102459
5.88
0.085034
6.88
0.072674
2.89
0.173010
3.89
0.128535
4.89
0.102249
5.89
0.084890
6.89
0.072569
2.90
0.172414
3.90
0.128205
4.90
0.102041
5.90
0.084746
6.90
0.072464
2.91
0.171821
3.91
0.127877
4.91
0.101833
5.91
0.084602
6.91
0.072359
2.92
0.171233
3.92
0.127551
4.92
0.101626
5.92
0.084459
6.92
0.072254
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Target
Smaks
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
Sigma
[ x (USL - LSL)]
2.93
0.170648
3.93
0.127226
4.93
0.101420
5.93
0.084317
6.93
0.072150
2.94
0.170068
3.94
0.126904
4.94
0.101215
5.94
0.084175
6.94
0.072046
2.95
0.169492
3.95
0.126582
4.95
0.101010
5.95
0.084034
6.95
0.071942
2.96
0.168919
3.96
0.126263
4.96
0.100806
5.96
0.083893
6.96
0.071839
2.97
0.168350
3.97
0.125945
4.97
0.100604
5.97
0.083752
6.97
0.071736
2.98
0.167785
3.98
0.125628
4.98
0.100402
5.98
0.083612
6.98
0.071633
2.99
0.167224
3.99
0.125313
4.99
0.100200
5.99
0.083472
6.99
0.071531
2.00
0.250000
3.00
0.166667
4.00
0.125000
5.00
0.100000
6.00
0.083333
2.01
0.248756
3.01
0.166113
4.01
0.124688
5.01
0.099800
6.01
0.083195
2.02
0.247525
3.02
0.165563
4.02
0.124378
5.02
0.099602
6.02
0.083056
2.03
0.246305
3.03
0.165017
4.03
0.124069
5.03
0.099404
6.03
0.082919
2.04
0.245098
3.04
0.164474
4.04
0.123762
5.04
0.099206
6.04
0.082781
2.05
0.243902
3.05
0.163934
4.05
0.123457
5.05
0.099010
6.05
0.082645
2.06
0.242718
3.06
0.163399
4.06
0.123153
5.06
0.098814
6.06
0.082508
2.07
0.241546
3.07
0.162866
4.07
0.122850
5.07
0.098619
6.07
0.082372

Syaiful Bachri 0110620127

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Syaiful Bachri 0110620127

Diunggah oleh

Hak Cipta:

Format Tersedia

PENERAPAN STATISTICAL PROCESS CONTROL

SEBAGAI UPAYA IMPLEMENTASI METODE SIX SIGMA

Diajukan Untuk Memenuhi Sebagian Persyaratan

DEPARTEMEN PENDIDIKAN NASIONAL

Diajukan Untuk Memenuhi Sebagian Persyaratan

Telah diperiksa dan disetujui oleh:

Ir. Masduki, MM.

Ishardita Pambudi Tama, ST., MT.

Skripsi ini telah diuji dan dinyatakan lulus pada

Ir. Marsoedi Wirohardjo, MMT.

Ir. Handono Sasmito, M.Eng.Sc.

Ir. Bambang Indrayadi, MT.

Dr. Slamet Wahyudi, ST., MT.

Bapak Ir. Handono Sasmita, M.Eng.Sc. selaku Ketua Kelompok Konsentrasi

Daftar Isi ..............................................................................................................

Daftar Gambar .....................................................................................................

Daftar Tabel .........................................................................................................

Daftar Lampiran ...................................................................................................

1.2. Rumusan Masalah .........................................................................................

1.3. Batasan Masalah ...........................................................................................

1.4. Tujuan Penelitian ..........................................................................................

1.5. Manfaat Penelitian ........................................................................................

BAB II. TINJAUAN PUSTAKA

2.2. Pengendalian Proses Statistikal .....................................................................

2.2.1. Definisi Statistika ..................................................................................

2.2.2. Pengendalian Proses ..............................................................................

2.2.3. Pengendalian Proses Statistikal .............................................................

2.2.3.1. Kestabilan dan Kemampuan Proses ..............................................

2.2.3.2. Metode Pengendalian Proses Statistikal ........................................

2.3. Six Sigma (6) ...............................................................................................

2.3.1. Konsep Six Sigma Motorola ..................................................................

2.3.2. Tahap Define .........................................................................................

2.3.3. Tahap Measure ......................................................................................

2.3.3.1. Mengembangkan Rencana Pengumpulan Data .............................

2.3.3.2. Mengukur Tolok Ukur Kinerja (Performance Baseline) ..............

2.3.4. Tahap Analyze .......................................................................................

2.3.4.1. Menganalisis Stabilitas dan Kapabilitas Proses ............................

2.3.4.2. Mengidentifikasi Sumber-Sumber Penyebab

2.3.5. Tahap Improve ......................................................................................

2.3.6. Tahap Control .......................................................................................

BAB III. METODE PENELITIAN

3.2. Metode Pengumpulan Data ...........................................................................

3.3. Sumber Data ..................................................................................................

3.4. Alokasi Waktu dan Tempat ..........................................................................

3.5. Diagram Alir Penelitian ................................................................................

BAB IV. PENGOLAHAN DATA DAN PEMBAHASAN

4.2. Tahap Measure ..............................................................................................

4.2.1. Tes Kecukupan Data .............................................................................

4.2.2. Pengukuran Tingkat Kapabilitas Sigma ................................................

4.3. Tahap Analyze ...............................................................................................

4.3.1. Analisa Stabilitas dan Kapabilitas Proses .............................................

4.3.2. Identifikasi Sumber-Sumber Penyebab Variabilitas .............................

4.4. Tahap Improve ..............................................................................................

4.5. Tahap Control ...............................................................................................

5.2. Saran .............................................................................................................

Gambar 2.1: Bagian yang Bertanggung Jawab Terhadap Kualitas ...................

Gambar 2.2: Siklus Hidup Proses Industri ........................................................

Gambar 2.3: Penggunaan Alat-alat Statistika untuk Pengembangan

Gambar 2.4: Konsep Proses Six Sigma .............................................................

Gambar 2.5: Diagram Sebab Akibat ..............................................................

Gambar 3.1: Diagram Alir Penelitian ...............................................................

Gambar 4.1: DPMO Pipa I (Dn = 38,10 mm; R = 80 mm) ...............................

Gambar 4.3: DPMO Pipa II (Dn = 38,10 mm; R = 80 mm) .............................