1

DAFTAR ISI

DAFTAR ISI
DAFTAR GAMBAR
DAFTAR TABEL
BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Asumsi dan Batasan masalah
1.4 Tujuan
1.5 Manfaat

i
ii
iii
1
2
2
2
2

BAB II LANDASAN TEORI

2.1 Measurement System Analysis
2.2 Klasifikasi Measurement System Analysis
2.3 Analisis Gauge Repeatability & Reproducibility

3
4
6

BAB III METODOLOGI PENELITIAN

3.1 Waktu dan Tempat
3.2 Alat dan Bahan
3.3 Prosedur Praktikum

9
9
9

BAB IV HASIL DAN PEMBAHASAN

4.1 Data Velg Depan

12

4.2 Analisis Data Velg Depan dengan Microsoft Excel

4.2.1 Perhitungan Repeatability
4.2.2 Perhitungan Reproducability
4.2.3 Perhitungan R&R, Part Variability,
dan Total varianility
4.2.4 Perhitungan Persentase Kontribusi
4.2.5 Interpretasi hasil
4.3 Analisis Data Velg Depan dengna Minitab
4.3.1 Analisis Data dengan Metode ANOVA
4.3.2 Interpretasi Hasil ANOVA
4.3.3 Analisis Data dengan metode Xbar and R
4.3.3 Interpretasi Hasil Metode Xbar and R
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran

13
13
15

29
30

DAFTAR PUSTAKA

31

16
17
18
19
20
24
25
27

DAFTAR GAMBAR

Gambar 2.2.1 Repeatability

Gambar 2.2.2 Reproductibility

Gambar 2.2.3. Bias

Gambar 4.3.1 Dialog Box Create Gage R&R Study Worksheet

21

Gambar 4.3.2 Dialog Box Gage R&R Study (Crossed)

22

Gambar 4.3.3 Hasil Analisis Metode ANOVA

22

Gambar 4.3.4 Hasil Analisis Metode ANOVA

22

Gambar 4.3.4 Hasil Analisis Metode ANOVA

23

Gambar 4.3.5 Dialog Box Gage R&R Study (Crossed)

25

Gambar 4.3.6 Hasil Analisis Metode Xbar and R

27

Gambar 4.3.4 Hasil Analisis Metode Xbar and R

27

DAFTAR TABEL

Tabel 4.1.1 Data Pengukuran Velg Depan

12

Tabel 4.2.1 Data Repeatability

13

Tabel 4.2.2 Hasil Perhitungan Repeatability

14

Tabel 4.2.3 Hasil Perhitungan Range dan rata-rata part

15

Tabel 4.2.4 Data Reproducibility

16

Tabel 4.2.5 Hasil Perhitungan Reproducibility

16

Tabel 4.2.6 Hasil Perhitungan R&R, Part Variability

17

Tabel 4.2.7 Persentase Kontribusi

19

Tabel 4.3.1 Needs and Matrices Tempat Pensil

16

Tabel 4.4.1 Competitive Benchmarking

19

Tabel 4.5.1 Analisis Competitive Product Berdasarkan

Kepuasan Pelanggan Terhadap Kebutuhan

21

Tabel 4.6.1 Target Spesifikasi

23

Tabel 4.6.1 Target Spesifikasi

25

BAB I
PENDAHULUAN

1.1.

Latar Belakang

Kualitas merupakan suatu parameter penting yang menentukan mutu sebuah

perusahaan. Oleh karena itu, sebuah perusahaan akan selalu melakukan
pengendalian kualitas (quality control) serta meningkatan kualitas terhadap
produknya dengan tujuan meningkatkan mutu perusahaan. Suatu produk dapat
dikatakan baik apabila saat diproduksi massal variasi part saat diukur beberapa
kali menggunakan alat ukur yang sama, tergolong rendah serta memiliki
kedekatan dengan hasil pengukuran sebenarnya. Salah satu metode yang
digunakan untuk menganalisis sistem pengukuran adalah metode gauge R&R,
dengan metode tersebut kita dapat mengetahui apakan sistem pengukuran yang

sudah ada dapat diterima atau tidak. Metode ini sangat membantu proses
pengambilan keputusan dalam sebuah perusahaan.
Sebagai seorang industrial engineer yang bertugas untuk mnng-improve
sistem yang sudah ada, keterampilan dan pemahaman mengenai berbagai metode
untuk menganalisis sistem pengukuran sangatlah penting. Dengan begitu, kita
dapat mengetahui apakah sistem yang ada sudah baik, dan dapat melakukan
evaluasi lanjutan untuk memperbaiki sistem tersebut sehingga didapatkan output
real-nya yaitu produk dengan kualitas yang lebih baik.
Dalam praktikum Quality and Reliability Engineering modul 3 yaitu
repeatabilitydan reproducability, praktikan diajarkan mengenai berbagai metode
dalam menganalisis sistem pengukuran sehingga dapat menunjang kemampuan
praktikan dalam mengambil keputusan pada masa yang akan datang untuk
memperbaiki kualitas sebuah produk.

1.2.
Rumusan Masalah
1. Lakukan Analisis Gauge Repeatability dan Reproductibility dengan
menggunakan data velg tamiya pada praktikum Alat Bantu. Jumlah data yang
diambil sebanyak 54 data dengan memilih data velg dari 3 operator sebanyak
3 part dengan 6 trial. Lakukan analisa dengan cara manual menggunakan
Ms.Excel dan dengan software Minitab.

1.3.

Asumsi dan Batasan Masalah

Dalam praktikum ini, berikut adalah asumdsi dan batasan masalah yang
digunakan
1. Data yang digunakan adalah data velg depan part A, B, C , dari 6 trial , dan 3
operator (Dila, Vina, Ovi) yang didapat dari praktikum alat bantu.
2. Hasil pengukuran yang didapat adalah benar
3. Pengukuran dilakukan sudah sesuai prosedur dan operator melakukan
pengukuran

dalam

kondisi

yang

mengoperasikan alat ukur dengan baik.

kondusif

serta

operator

mampu

1.4.

Tujuan
Tujuan dari praktikum memahami Repeatability dan Reproductibility pada

hasil pengukuran velg ban depan tamiya.

1.5.

Manfaat
Manfaat dari praktikum kali ini adalah untuk mengetahui apakah suatu

sistem pengukuran dapat diterima atau tidak, kemudian dapat dilakukan evaluasi
lanjutan untuk memperbaiki sistem tersebut dan akan meningkatkan kualitas
produk.
BAB II
LANDASAN TEORI
2.1.

Measurement System Analysis

Data pengukuran berperan cukup penting pada masa sekarang dibanding masa
sebelumnya. Sebagai contoh pada saat ini pengambilan keputusan untuk
memperbaiki atau tidak suatu proses manufaktur umumnya berdasarkan data
pengukuran. Hal ini menyebabkan diperlukannya kualitas data pengukuran yang
baik.
Kualitas data didefinisikan sebagai statistical properties pengukuran yang
didapat dari pelaksanaan sistem pengukuran dalam kondisi stabil. Jika pengukuran
semuanya mendekati nilai yang dijadikan master untuk karakteristik tersebut,
maka kualitas data tersebut dikatakan tinggi. Demikian pula jika beberapa atau
semua pengukuran jauh dari master nilai maka kualitas data tersebut dikatakan
jelek.
Sifat statistik yang umum digunakan untuk mengkarakterisasi kualitas data
adalah bias dan variance sistem pengukuran. Bias merujuk lokasi data relatif
terhadap nilai yang dijadika reference (master). Sedangkan variance merujuk
pada penyebaran data.
Measurement Analysis System (MSA) adalah analisis terhadap sistem
pengukuran dengan tujuan agar didapatkan hasil pengukuran yang benar-benar

akurat, presisi, meminimasi error dan dapat dipertanggung-jawabkan. Selain itu,

Measurement System Analysisis (MSA) juga dapat diartikan sebagai suatu studi
analitik tentang pengaruh suatu sistem terhadap sistem pengukuran. Sistem
tersebut umumnya terdiri dari appraiser (orang yang melakukan pembacaan alat
ukur), alat ukur, dan produk. Pengukuran bukanlah sesuatu yang selalu sama.
Jarang yang menyadari bahwa terdapat kemungkinan terjadinya variasi pada
sistem pengukuran. Variasi in akan mempengaruhi hasil pengukuran seseorang
yang selanjutnya dapat mempengaruhi keputusan yang diambil berdasarkan data
tersebut.
Tujuan dari MSA itu sendiri adalah memisahkan variasi karena sistem
pengukuran dari variasi proses, mengidentifikasi sumber dan penyebabpenyebab variasi sistem pengukuran dan mengurangi kemungkinan misklasifikasi
produk. Maka penerapan MSA dilakukan pada:
1. Kriteria penerimaan alat ukur baru.
2. Metode untuk perbandingan beberapa alat ukur atau sistem pengukuran.
3. Dasar penilaian alat ukur yang diduga bermasalah.
4. Perbandingan alat ukur sebelum dan atau setelah perbaikan.
5. Salah satu komponen dalam menghitung variasi proses, dan level yang
dapat diterima untuk proses produksi
6. memastikan bahwa sistem pengukuran dapat mendeteksi perubahan kecil
yang ada di part (discrimination).
Tujuan akhir dari MSA adalah mengusahakan agar variasi pengukuran
menjadi seminimal mungkin. Terdapat tiga masalah pokok yang harus
diperhatikan dalam mengevaluasi sistem pengukuran, yaitu:
1. Sistem pengukuran harus memiliki sensitivitas yang cukup.
2. Sistem pengukuran harus stabil.
3. Bias yang terjadi konsisten terhadap range yang diharapkan dan memadai
untuk tujuan pengukuran (produk dan proses kontrol).
2.2.

Klasifikasi Measurement System Analysis

Measurement System Analysis (MSA) dapat diklasifikasikan atas :

1. Presisi (Precision)

Secara tradisional presisi menggambarkan efek dari discrimination,

sensitivitas,
dan repeatability dalam range pelaksanaan sistem pengukuran. pada kondisi nyata
presisi lebih sering digunakan untuk mengambarkan variasi yang diharapkan dari
pengukuran yang berulang-ulang dalam range pengukuran. range pengukuran
dapat berupa size atau waktu. Precision mempunyai 2 Komponen :
a. Repeatability
Repeatability adalah variasi dalam pengukuran yang didapat dari satu alat
pengukuran ketika digunakan beberapa kali oleh satu appraiser pada
pengukuran suatu karakteristik pada part yang sama.

Gambar 2.2.1 Repeatability

b. Reproducibility
Reproducibility didefinisikan sebgai variasi pada rata-rata pengukuran yang
dilakukan oleh appraiser yang berbeda menggunakan alat ukur yang sama
ketika
mengukur suatu karakteristik pada part yang sama.

Gambar 2.2.2 Reproductibility

2.Akurasi (Accuracy)
Akurasi secara umum didefinisikan sebagai ketepatan yang berhubungan
dengan kedekatan antara rata-rata satu atau lebih hasil ukuran dengan nilai
reference. Pada beberapa organisasi akurasi digunakan bergantian dengan bias.
Untuk menghindari kebingungan yang akan terjadi akibat penggunaan kata
akurasi maka istilah bias yang akan digunakan sebagai deskripsi lokasi kesalahan
(error).
Accuracy mempunyai 3 komponen :
a. Stability
Pengukuran harus mempunyai nilai yang sama baik di masa lalu maupun di
masa datang(time base).
b.

Linearity
Pengukuran memberikan pembacaan yang tepat pada rentang ukuran tertentu.
(scale base).

c.

Bias
Bias adalah perbedaan antara nilai reference dengan rata-rata pengamatan
pengukuran pada karakteristik dan part yang sama. Bias yang sangat tinggi
kemungkinan disebabkan oleh:

1.
2.
3.
4.

Alat ukur perlu dikalibrasi

Penggunaan alat ukur, perlengkapan atau fixture
Kesalahan pemilihan aplikasi alat ukur
Perbedaan metoda pengukuran.

Gambar 2.2.3. Bias

2.3.

Analisis Gauge Repeatability & Reproducibility (GRR)

10

Analisa Gauge Repeatability & Reproductibility adalah Suatu metode yang

digunakan untuk analisa sistem pengukuran untuk menentukan jumlah variasi
(kesalahan)

ketika

melakukan

pengukuran.

Kriteria

Penerimaan

Sistem

Pengukuran dilakukan dengan melakukan analisis Gauge R & R(Repeatability &

Reproducibility) sehingga dapat dilihat kepresisian sistem pengukuran, yaitu :
1. Dengan melihat % Study Var dapat dilihat variasi Repeatability & variasi
Reproducibility.
2. % Study Var (SV)
- % SV < 10 % (Gage dapat diterima).
- 10 % < % SV < 30 % (Gage diterima dengan persyaratan tertentu).
- % SV > 30 % (Gage tidak diterima).
3. Dengan melihat Discrimination / Number of distinct Categories dapat dilihat
apakah sistem pengukuran mampu membedakan berbagai part ukur yang
berbeda ukurannya. Discrimination sendiri berarti sistem pengukuran harus
mampu membagi nilai terkecil dari distribusi normal ( 3 sigma) menjadi
minimal 5 kategori. Misal, sebuah Caliper resolusi 0.1 mm dapat mengukur
part (mis dimensi 10.0 mm ) dengan hasil : 10.1, 9.8, 9.9, 10.0, 10.2.
Ditunjukkan dengan Number of Distinct Category (Min 5).
4. Dengan melihat P value, dapat dilihat apakah ada kecenderungan interaksi
antara operator dengan part yang diukur (mis. Part dengan bentuk, jenis,
ukuran tertentu). P value :
- P value > 0.25 ; tidak ada interaksi operator dengan part.
- P value < 0.25 ; ada interaksi operator dengan part.
Ada dua method Gauge R & R, yaitu:
1. Crossed Method (Silang): apabila part ukur yang sudah diukur operator
pertama dapat diukur ulang oleh operator kedua dst (bersifat tidak merusak).
2. Nested Method (Bersarang) : apabila part ukur yang sudah diukur oleh
operator pertama tidak dapat dilakukan pengukuran ulang oleh operator
kedua dst (bersifat merusak).
Dengan memakai ANOVA (Analisa of Variance) dibantu dengan software
Minitab, Gauge R & R dapat membedakan :
1. Variasi antar part.
2. Variasi antar operator/pengukur.
3. Variasi alat ukur (repeatability)
4. Interaksi operator/pengukur dengan part ukur.

11

Hasil Analisis Gauge R & R

akan menampilkan variasi total suatu

pengukuran yang berasal dari variasi yang ditimbulkan oleh produk (part to part)
dan varian akibat kesalahan pengukuran (gage).
Apabila repeatability nilainya terlalu besar (over value) dibandingkan
reproducibility, dapat disimpulkan variasi disebabkan oleh equipment atau
peralatan ukur, maka perlu dilihat :
1. Gauge (alat ukur) mungkin perlu dimaintenance.
2. Gauge (alat ukur) mungkin perlu di redesain supaya lebih rigid.
3. Clamp atau lokasi gauge perlu diimprove.
Sedangkan bila reproducibility nilainya terlalu besar (over value) dibanding
repeatability, dapat disimpulkan variasi disebabkan oleh appraiser atau operator
maka perlu dilihat :
1. Pelatihan Operator perlu diimprove.
2. Akurasi dari prosedur pengukuran.
3. Kalibrasi gauge tidak jelas.
Untuk menghitung Repeatibility and reproducibility ada beberapa cara, berikut
adalah tiga cara yang dapat dilakukan:
1. Range method: Menghitung gabungan repeatibility dan reproducibility
2. Average and Range: Menghitung total variabilitas sistem pengukuran yaitu
repeatibility dan reproducibility secara terpisah dengan menggunakan
grafik Average dan Range. Pada praktikum menggunakan metode ini
dengan software Ms.Excel
3. ANOVA: Menghitung repeatibility dan reproducibility secara terpisah
dengan menggunakan teknik ANOVA. Pada praktikum menggunakan
metode ini dengan software mini.
BAB III
METODOLOGI PENELITIAN
3.1.
Waktu dan Tempat
Hari, Tanggal
: Senin, 20 April 2015
Waktu
: 09.45 13.00 WIB
Tempat
: Laboratorium Quality and Reliability Engineering,
Fakultas Teknik, Jurusan Teknik Mesin dan Industri,
Universitas Gadjah Mada
3.2.
Alat dan Bahan
1. Data hasil pengukuran pada praktikum alat bantu
2. Microsoft Excel
3. Software spreadsheet dan minitab

12

3.3.
Prosedur Praktikum
1. Microsoft Excel
Berikut adalah langkah-langkah yang harus dilakukan untuk menganalisis data
menggunakan microsoft excel:
a. Bukalah aplikasi microsoft excel kemudian lakukan Input data pengukuran
pada lembar kerja excel untuk menghitung repeatbilility data tersebut
b. Hitung range dan rata-rata untuk setiap part setiap operator
c. Hitung range bar dan d2 menggunakan tabel d2
d. Hitunglah repeatability-nya menggunakan rumus di bawah iniL

e. Hitung rata-rata pengukuran tiap part dan range rata-rata part

f. Lakukan input data pengukuran pada lembar kerja excel untuk menghitung
reproducability
g. Hitung range dan rata-rata dari setiap part dan setiap trial
h. Hitung x range bar dan d2 menggunakan tabel d2
i. Hitung reproducability menggunakan rumus di bawah ini:

j. Hitunglah nilai R&R menggunakan rumus di bawah ini:

k. Carilah nilai d2 dari tabel d2 kemudian hitung variation part menggunakan

rumus di bawah ini:

l. Setelah semua data diketahui, hitung total variasi menggunakan rumus

berikut:

13

m. Hitunglah persentase kontribusi dari repeatability, reproducibility, part

variation dan total variation nya
n. Terakhir, interpretasikan hasil yang diperoleh setelah melakukan analisis
dengan microsoft excel
2. Minitab
a. Bukalah software minitab, pilih stat quality tools gage study create
gage R&R study worksheet
b. Isilah pada kolom number of parts, number of operator, dan number of
replication serta ubahlah nama part dan operator-nya
c. Pilih menu options kemudian pilih dont randomize dan klik OK
d. Buatlah kolom baru pada minitab yaitu kolom measurement dan masukkan
data pengukuran dari microsoft excel
e. Pilh menu stat quality tools gage study Gage R&R Study Crossed
f. Isilah pada kolom parts, opertaor, dan measurement data emudian pilih
metode analisis yang diinginkan yaitu ANOVA / Xbar and R dan klik OK
g. Setelah muncul session window dan graph window output, lakukan
interpretasi hasil analisis menggunakan metode ANOVA & Xbar amd R

BAB IV
HASIL DAN PEMBAHASAN
4.1.

Data Velg Depan

Data yang digunakan modul 3 praktikum Quality and Reliability Engineering

adalah data hasil pengukuran velg depan tamiya pada Praktikum Alat Bantu dan
Statistika. Pada praktikum tersebut dilakukan pengukuran terhadap 6 part velg
depan tamiya dengan 50 replikasi pengukuran oleh 5 operator. Namun, pada

14

praktikum kali ini data yang digunakan adalah data 3 part velg depan tamiya
dengan 6 trial atau replikasi pengukuran dari 3 operator. Dari 6 part tersebut, 3
part yang dipilih adalah part A, B, dan C serta 3 operator yang datanya digunakan
adalah operator Ovi, Vina, dan Dhila. Data ini nantinya akan dianalisis reliability
dan reproducibility (R&R)-nya menggunakan dua software yang berbeda yaitu
microsoft excel dan minitab. Berikut adalah data velg depan yang digunakan pada
praktikum QRE:
Tabel 4.1.1 Data Pengukuran Velg Depan
Part

Trial

4.2.

1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6

Ovi
1,000
0,900
1,100
1,200
1,000
1,000
9,80
9,65
9,60
9,70
9,60
9,60
17,60
18,00
17,70
17,40
17,20
17,20

Dilla
1,14
1,08
0,96
0,98
1,12
0,76
9,74
9,66
9,70
9,72
9,96
9,52
17,20
17,36
17,26
17,04
17,38
16,94

Vina
0,97
0,90
1,00
0,99
1,03
0,97
9,66
9,46
9,68
9,64
9,62
9,60
17,06
16,95
17,24
17,20
17,07
16,63

Analisis Data Velg Depan dengan Microsoft Excel

Terdapat beberapa metode dalam mengukur R&R data velg depan, salah

satunya adalah Range and Average Method. Metode ini menghitung total
variabilitas sistem pengukuran dan dapat dipisahkan menjadi repeatability,
reproducability, dan variasi part.

15

4.2.1. Perhitungan Repeatability

Repeatability adalah variasi pengukuran yang terjadi ketika operator yang
sama mengukur part yang sama denganalat ukur yang sama di waktu yang
berbeda atau berulang kali. Semakin besar nilai repeatability-nya maka
variasi pengukuran yang terjadi semakin besar, begitu pula sebaliknya. Untuk
menghitung reliability data velg depan, langkah awal yang dilakukan adalah
input data pada lembar kerja microsoft excel serta menghitung range dan
average untuk hasil pengukuran setiap part dari setiap operator. Range
didapat dari pengurangan nilai maksimum dan minimum data, sedangkan
average didapat dari merata-rata data yang ada. Berikut adalah hasil yang
didapat:
Tabel 4.2.1 Data Repeatability

PART A

PARTB

PARTC

Trial 1
1,000

Trial 2
0,900

Trial 3
1,100

Trial 1
1,14

Trial 2
1,08

Trial 3
0,96

Trial 1
0,97

Trial 2
0,90

Trial 3
1,00

Trial 1
9,80

Trial 2
9,65

Trial 3
9,60

Trial 1
9,74

Trial 2
9,66

Trial 3
9,70

Trial 1
9,66

Trial 2
9,46

Trial 3
9,68

Trial 1
17,60

Trial 2
18,00

Trial 3
17,70

Trial 1
17,20

Trial 2
17,36

Trial 3
17,26

Ovi
Trial 5
1,000
Dila
Trial 4 Trial 5
0,98
1,12
Vina
Trial 4 Trial 5
0,99
1,03
Ovi
Trial 4 Trial 5
9,70
9,60
Dila
Trial 4 Trial 5
9,72
9,96
Vina
Trial 4 Trial 5
9,64
9,62
Ovi
Trial 4 Trial 5
17,40 17,20
Dila
Trial 4 Trial 5
17,04
17,38
Vina
Trial 4
1,200

Trial 6
1,000

Range
0,300

Average
1,033

Trial 6
0,76

Range
0,38

Average
1,01

Trial 6
0,97

Range
0,13

Average
0,98

Trial 6
9,60

Range
0,200

Average
9,658

Trial 6
9,52

Range
0,44

Average
9,72

Trial 6
9,60

Range
0,22

Average
9,61

Trial 6
17,20

Range
0,800

Average
17,517

Trial 6
16,94

Range
0,44

Average
17,20

16

Trial 1
17,06

Trial 2
16,95

Trial 3
17,24

Trial 4
17,20

Trial 5
17,07

Trial 6
16,63

Range
0,61

Average
17,03

Repeatability dapat dihitung dengan rumus sebagai berikut:

R bar untuk menghitung repeatability didapat dari rata-rata range untuk

setiap operator sedangkan d2 didapat dari tabel d2 dengan Z = jumlah
operator yaitu 3 dikali jumlah part yaitu 3 = 3 x 3 = 9 dan W= jumlah trial =
6, sehingga didapatkan nilai d2 adalah 2,55. Berikut adalah hasil perhitungan
repeatability yang telah dilakukan:
Tabel 4.2.2 Hasil Perhitungan Reliability
Range bar
d2 tabel
Repeatabil
ity

0,364
2,55
0,7346
32

Setelah itu dilakukan pengukuran rata-rata setiap part dan range rata-rata
seluruh part. Rata-rata setiap part didapat dari merata-rata hasil pengukuran
setiap part seluruh operator sedangkan range didapat dari pengurangan nilai
maksimum dan minimum rata-rata part. Berikut adalah hasil perhitungan-nya:
Tabel 4.2.3 Hasil Perhitungan Range dan rata-rata part
Rata-rata part a
Rata-rata part b
Rata-rata part c
Range rata-rata part

1,006
9,66
17,25
16,24
1

4.2.2. Perhitungan Reproducability

Reproducability adalah variasi pengukuran oleh operator yang berbeda,
mengukur part yang sama dengan alat ukur yang sama pula. Semakin besar
nilai reproducability-nya maka semakin besar perbedaan hasil pengukuran
antar operator. Perhitungan reproducability baru dapat dilakukan setelah nilai

17

repeatability-nya diketahui. Langkah awal yang Untuk menghitung

reproducability data velg depan, langkah awal yang dilakukan adalah input
data pada lembar kerja microsoft excel serta menghitung range dan average
untuk hasil pengukuran setiap part dari setiap trial. Data yang diinput pada
analisis reproducibility sama dengan analisis repeatability namun struktur
data-nya berbeda. Range didapat dari pengurangan nilai maksimum dan
minimum data, sedangkan average didapat dari merata-rata data yang ada.
Berikut adalah hasil yang didapat:
Tabel 4.2.4 Data Reproducibility
Part

Trial

1
2
3
4
5
6
1
2
3
4
5
6
1
2

3
4
5
6

Ovi
1,000
0,900
1,100
1,200
1,000
1,000
9,80
9,65
9,60
9,70
9,60
9,60

Dilla
1,14
1,08
0,96
0,98
1,12
0,76
9,74
9,66
9,70
9,72
9,96
9,52

17,60

17,20

17,06

18,00

17,36

16,95

17,70
17,40
17,20
17,20

17,26
17,04
17,38
16,94

Vina
0,97
0,90
1,00
0,99
1,03
0,97
9,66
9,46
9,68
9,64
9,62
9,60

17,24
17,20
17,07
16,63

Range
0,170
0,180
0,140
0,220
0,120
0,240
0,140
0,200
0,100
0,080
0,360
0,080
0,540
1,050
0,460
0,360
0,310
0,570

x bar
range

Reproducability dapat dihitung dengan rumus sebagai berikut:

Avera
ge
1,037
0,960
1,020
1,057
1,050
0,910
9,733
9,590
9,660
9,687
9,727
9,573
17,28
7
17,43
7
17,40
0
17,21
3
17,21
7
16,92
3

0,296

18

X bar range untuk menghitung reproducibility didapat dari rata-rata

range untuk setiap trial sedangkan d2 didapat dari tabel d2 dengan Z = 1 dan
W= jumlah operator = 3, sehingga didapatkan nilai d2 adalah 1,91. N dan r
berturut-turut adalah jumlah part dan jumlah trial atau percobaan, karena
jumlah part-nya 3 dan jumlah trial-nya 6 maka nr nya 18. Berikut adalah
hasil perhitungan reproducability yang telah dilakukan:
Tabel 4.2.5 Hasil Perhitungan Reproducibility
d2
nr
Reproducibilit
y

4.2.3.

1,91
18
0,7778
78

Perhitungan R&R, Part Variability, dan Total Variability

Urutan perhitungan yang dilakukan dalam menganalisis data velg depan

setelah menghitung nilai repeatability dan reproducibility-nya adalah
menghitung R&R, kemudian part variability, dan yang terakhir adalah total
variability.
Nilai R&R baru dapat dihitung setelah nilai repeatability dan
reproducability telah diketahui. Nantinya, R&R akan dievaluasi menurut
kriteria yang telah dijelaskan pada BAB II untuk mengetahui apakah hasil
pengukurannya yang telah dilakukan dapat diterima atau tidak. Berikut adalah
rumus untuk menghitung R&R:

Part variabilty (Vp) dihitung untuk mengetahui variabilitas hasil

pengukuran antara part 1 dengan lainnya. Part variability dapat dihitung
menggunakan rumus sebagai berikut:

19

Rp pada rumus di atas adalah range rata-rata part yang didapat dari
pengurangan nilai maksimum dan minimum rata-rata seluruh part, sedangkan
d2 didapat dari tabel d2 dengan Z = 1 dan W= jumlah part = 3, sehingga
didapatkan nilai d2 adalah 1,91.
Total Variability atau total variabilitas data didapatkan dari rumus sebagai
berikut:

Berikut adalah hasil perhitungan R&R, Part Variability, dan Total Variability
yang telah dilakukan:
Tabel 4.2.6 Hasil Perhitungan R&R, Part Variability, dan Total Variability
R&R
d2
Vp
Vt

1,0699
43
1,91
43,789
98
43,803
05

4.2.4. Perhitungan Persentase Kontribusi

Perhitungan persentase kontribusi merupakan langkah terakhir yang
dilakukan dalam menganalisis data velg depan menggunakan microsoft excel.
Persentase kontribusi yang dihitung adalah persentase kontribusi repeatability,
reproducability, R&R, part variation, dan total variation. Persen kontibusi
didapat dari hasil pembagian masing-masing nilai tersebut dengan total
variation. Berikut adalah hasil perhitungan-nya:
Tabel 4.2.7 Persentase Kontribusi

20

Persentase kontribusi
0,73463
Repeatability
2
2%
Reproducibilit
0,77787
y
8
2%
1,06994
R&R
3
2%
43,7899 99,97
Part Variation
8
%
43,8030
Total Variation
5 100%

4.2.5. Interpretasi Hasil

Semua nilai yang telah dihitung pada analisis data velg depan
menggunakan microsoft excel memiliki interpretasi tersendiri yang nantinya
akan mempengaruhi proses pengambilan keputusan. Interpretasi hasil-nya
adalah sebagai berikut:
1. Berdasarkan nilai R&R yang sudah dihitung ternyata nilainya 2%, nilai
tersebut tergolong kecil sehingga masuk ke dalam kategori 0 10%. Hal
itu menunjukkan hasil pengukuran baik sekali (excellent) dan dapat
diterima, sehingga tidak perlu melakuan evaluasi lanjutan terhadap sistem
pengukuran yang ada.
2. Nilai part variation yang didapat sebesar 99,97 % menunjukkan hasil
pengukuran antar part terdapat variasi yang tinggi (> 30%). Hal ini
disebabkan karena masing-masing part a, b, c memiliki bentuk maupun
ukuran yang berbeda cukup signifikan. Perbedaan signifikan tersebut
dapat dilihat melalu gambar dibawah ini:

21

Gambar 4.2.1 Dimensi A, B, dan C

3. Nilai repeatability yang didapat sebesar 2% menunjukkan variasi
pengukuran yang terjadi ketika operator yang sama mengukur part yang
sama dengan alat ukur yang sama namun berulang kali tergolong rendah.
Sehingga, hasil pengukuran ini baik dan dapat diterima karena nilainya
kurang dari 30%.
4. Nilai reproducability yang didapat sebesar 2% menunjukkan variasi
pengukuran oleh operator yang berbeda mengukur part yang sama dengan
alat ukur yang sama pula tergolong rendah. Sehingga dapat dikatakan
sistem pengukuran dari ketiga operator tersebut sudah baik sehingga tidak
diperlukan evaluasi lanjutan.
5. Nilai R&R sebesar 2% lebih kecil dari nilai part variation sebesar 99,97 %
sehngga dapat disimpulkan tidak terdapat kesalahan terhadap sistem
pengukuran yang ada.
4.3.

Analisis Data Velg Depan dengan Minitab

Selain menggunakan software microsoft excel, analisis data velg depan juga

dapat dilakukan menggunakan software lainnya yaitu minitab. Dengan

menggunakan software proses analisis akan lebih mudah dan cepat, karena kita
tidak perlu menghitungnya secara manual menggunakan rumus-rumus yang ada
namun cukup meng-input data yang ingin dianalisis kemudian hasil perhitungan
akan langsung didapat. Terdapat 2 metode yang digunakan untuk menganalisis
data, antara lain ANOVA dan X Bar and R. Meskipun metode-nya berbeda, namun

22

langkah-langkah yang dilakukan pada kedua metode tersebut cukup mirip satu
sama lain.
4.3.1. Analisis Data dengan Metode ANOVA
Langkah awal yang dilakukan dalam metode ANOVA setelah membuka
software minitab adalah pilih menu Stat Quality Tools Gage Study
Create Gage R&R Study Worksheet. Kemudian akan muncul dialog box
seperti berikut ini:

Gambar 4.3.1 Dialog Box Create Gage R&R Study Worksheet

Pada kolom number of parts, input jumlah part atau komponen yang akan
diukur. Karena jumlah part yang diukur yaitu 3 maka masukkan angka 3.
Kemudian isilah nama dari setiap part, yaitu A, B, dan C pada kolom part
name. Setelah itu masukkan jumlah operator yang melakukan pengukuran
dan isilah nama setiap operator (Ovi, Dila, Vina) pada kolom operator name.
Jumlah replikasi pengukuran yaitu 6 trial maka masukkan angka 6 pada
kolom number of replicates. Terakhir, pada kolom options pilih dont

23

randomize dan klik OK maka akan muncul kolom Std Order, Run Order,
Parts, dan Operators. .
Setelah membuat Gage R&R Study Worksheet, buatlah kolom baru yaitu
measurement dan masukkan data pengukuran dari excel. Kemudian pilih Stat
Quality Tools Gage Study Gage R&R Study Crossed maka akan muncul
dialog box seperti dibawah ini:

Tabel 4.3.2 Dialog Box Gage R&R Study (Crossed)

Pada part numbers masukkan kolom yang memuat nama atau nomor
komponen dengan cara

memilih nama kolom kemudian select. Pada

operators masukkan kolom yang memuat nama atau nomor operator dengan
cara

memilih nama kolom kemudian select. Pada measurement data

masukkan kolom yang memuat hasil pengukuran dengan cara memilih nama
kolom kemudian select. Terakhir, pilih method of analysis yaitu ANOVA dan
klik OK maka akan muncul session window yang memuat hasil perhitungan
metode ANOVA dan graph window yang memuat grafik hasil perhitungan
metode ANOVA seperti berikut ini:

24

Gambar 4.3.3 Hasil Analisis Metode ANOVA

Gambar 4.3.4 Hasil Analisis Metode Anova

25

Gambar 4.3.4 Hasil Analisis Metode ANOVA

4.3.2 Interpretasi Hasil ANOVA
Semua hasil yang diperoleh pada minitab memiliki interpretasi tersendiri
yang nantinya akan mempengaruhi pengambilan keputusan. Interpretasi hasil
metode ANOVA sendiri dapat dilihat melalui session window output dan
graph window output. Pada session window output, interpretasi hasil-nya
adalah sebagai berikut:
1. Nilai p-value pada interaksi operator*part di tabel ANOVA adalah 0,007.
Nilai p-value untuk operator oleh komponen-nya yang lebih kecil ( < )
dari 0,25 menunjukkan adanya interaksi antara operator dengan variasi
part, sehingga minitab tidak akan menyesuaikan model tanpa interaksi.
2. Persentase kontribusi pada tabel Gage R&R yang didapat untuk Total
Gage R&R adalah 0,07 dan part-to-part adalah 99,93. Karena persentase
kontribusi dari part-to-part lebih besar dari Total Gage R&R maka variasi
yang muncul disebabkan oleh perbedaan antar komponen. Selain itu,
menurut AIAG (Automobile Industry Action Group) persentase kontribusi

26

dari Total Gage R&R sebesar 0,07 masuk ke dalam kategori kurang dari
1% sehingga sistem pengukuran dapat diterima.
3. Persentase studi variasi yang didapat dari total Gage R&R adalah 2,59 %.
Menurut AIAG, nilai tersebut masuk ke dalam kategori lebih kecil dari
10% sehingga sistem pengukuran dapat diterima.
4. Number of distinct categories atau jumlah kategori yang didapat dari
analisis menggunakan ANOVA adalah 54. Karena nilainya sudah melebihi
angka 5 maka sistem pengukuran bagus dan dapat diterima.
Pada graph window output, interpretasi hasil yang didapat adalah sebagai
berikut:
1. Pada grafik components variation, dapat dilihat bahwa persentase
kontribusi (yang ditunjukkan dengan warna orange) Total Gage R&R dan
part-to-part berbeda cukup signifikan dimana persentase kontribusi partto-part lebih besar dari Total Gage R&R sehingga dapat disimpulkan
variasi yang muncul disebabkan oleh perbedaan antar komponen.
2. Pada grafik component of variation dapat dilihat bahwa baik repeatability
maupun reproducibility menunjukkan angka yang cukup kecil. Hal ini
menunjukkan variasi pengukuran yang timbul saat suatu part diukur
berulang kali oleh satu operator dan saat operator yang berbeda mengukur
part yang sama tergolong rendah.
3. Grafik by part dapat digunakan untuk menganalisis variasi pengukuran
antara part 1 dengan lainnya. Apabila garis pada grafik semakin
membentuk garis lurus maka variasi pengukuran antara part 1 dengan
lainnya semakin kecil atau dapat dikatakan bahwa semakin tidak ada
perbedaan yang cukup signifikan antara hasil pengukuran part 1 dengan
lainnya. Dari grafik by part dapat dilihat bahwa garis yang terbentuk
cukup jauh dari garis lurus sehingga dapat disimpulkan variasi
pengukuran antara part A, B, dan C cukup besar atau dapat dikatakan
terjadi perbedaan yang cukup signifikan antara hasil pengukuran part A,
B, dan C.
4. Grafik by operator dapat digunakan untuk menganalisis variasi
pengukuran antara operator 1 dengan lainnya. Semakin lurus garis yang
terbentuk maka variasi pengukuran antara operator 1 dan lainnya semakin

27

kecil atau dapat dikatakan semakin tidak ada perbedaan yang cukup
signifikan antara pengukuran operator 1 dengan lainnya. Dari grafik by
operator dapat dilihat bahwa garis yang terbentuk sangat mendekati garis
lurus sehingga dapat disimpulkan variasi pengukuran antara operator Ovi,
Dila, dan Vina cukup kecil atau tidak ada perbedaan yang cukup
signifikan antar operator.
4.3.3. Analisis Data Velg Depan dengan Metode Xbar and Range
Langkah awal yang dilakukan dalam metode Xbar and range adalah
pilih menu Stat Quality Tools Gage Study Gage R&R Study Crossed
maka akan muncul dialog box seperti dibawah ini:

Tabel 4.3.5 Dialog Box Gage R&R Study (Crossed)

Pada part numbers masukkan kolom yang memuat nama atau nomor
komponen dengan cara

memilih nama kolom kemudian select. Pada

operators masukkan kolom yang memuat nama atau nomor operator dengan
cara

memilih nama kolom kemudian select. Pada measurement data

masukkan kolom yang memuat hasil pengukuran dengan cara memilih nama
kolom kemudian select. Terakhir, pilih method of analysis yaitu X bar and R
dan klik OK maka akan muncul session window yang memuat hasil

28

perhitungan metode Xbar and R dan graph window yang memuat grafik hasil
perhitungan metode Xbar and R seperti berikut ini:

Gambar 4.3.6 Hasil Analisis Metode Xbar and R

Gambar 4.3.4 Hasil Analisis Metode Xbar and R

29

4.3.4. Interpretasi Hasil Metode Xbar and R

Semua hasil yang diperoleh pada minitab memiliki interpretasi tersendiri
yang nantinya akan mempengaruhi pengambilan keputusan. Interpretasi hasil
metode Xbar and R sendiri dapat dilihat melalui session window output dan
graph window output. Pada session window output, interpretasi hasil-nya
adalah sebagai berikut:
1. Persentase kontribusi pada tabel Gage R&R yang didapat untuk Total
Gage R&R adalah 0,05 dan part-to-part adalah 99,95. Karena persentase
kontribusi dari part-to-part lebih besar dari Total Gage R&R maka variasi
yang muncul disebabkan oleh perbedaan antar komponen. Selain itu,
menurut AIAG (Automobile Industry Action Group) persentase kontribusi
dari Total Gage R&R sebesar 0,075masuk ke dalam kategori kurang dari
1% sehingga sistem pengukuran dapat diterima.
2. Persentase studi variasi yang didapat dari total Gage R&R adalah 2,14 %.
Menurut AIAG, nilai tersebut masuk ke dalam kategori lebih kecil dari
10% sehingga sistem pengukuran dapat diterima.
3. Number of distinct categories atau jumlah kategori yang didapat dari
analisis menggunakan ANOVA adalah 65. Karena nilainya sudah melebihi
angka 5 maka sistem pengukuran bagus dan dapat diterima.
Pada graph window output, interpretasi hasil yang didapat adalah sebagai
berikut:
1. Pada grafik components variation, dapat dilihat bahwa persentase
kontribusi (yang ditunjukkan dengan warna orange) Total Gage R&R dan
part-to-part berbeda cukup signifikan dimana persentase kontribusi partto-part lebih besar dari Total Gage R&R sehingga dapat disimpulkan
variasi yang muncul disebabkan oleh perbedaan antar komponen.
2. Pada grafik component of variation dapat dilihat bahwa baik repeatability
maupun reproducibility menunjukkan angka yang cukup kecil. Hal ini
menunjukkan variasi pengukuran yang timbul saat suatu part diukur
berulang kali oleh satu operator dan saat operator yang berbeda mengukur
part yang sama tergolong rendah.

30

3. Grafik by part dapat digunakan untuk menganalisis variasi pengukuran

antara part 1 dengan lainnya. Apabila garis pada grafik semakin
membentuk garis lurus maka variasi pengukuran antara part 1 dengan
lainnya semakin kecil atau dapat dikatakan bahwa semakin tidak ada
perbedaan yang cukup signifikan antara hasil pengukuran part 1 dengan
lainnya. Dari grafik by part dapat dilihat bahwa garis yang terbentuk
cukup jauh dari garis lurus sehingga dapat disimpulkan variasi pengukuran
antara part A, B, dan C cukup besar atau dapat dikatakan terjadi perbedaan
yang cukup signifikan antara hasil pengukuran part A, B, dan C.
4. Grafik by operator dapat digunakan untuk menganalisis variasi
pengukuran antara operator 1 dengan lainnya. Semakin lurus garis yang
terbentuk maka variasi pengukuran antara operator 1 dan lainnya semakin
kecil atau dapat dikatakan semakin tidak ada perbedaan yang cukup
signifikan antara pengukuran operator 1 dengan lainnya. Dari grafik by
operator dapat dilihat bahwa garis yang terbentuk sangat mendekati garis
lurus sehingga dapat disimpulkan variasi pengukuran antara operator Ovi,
Dila, dan Vina cukup kecil atau tidak ada perbedaan yang cukup signifikan
antar operator.

BAB V
PENUTUP

5.1.

Kesimpulan

31

Measurement System Analysis merupakan analisis dari sebuah sistem

pengukuran sehingga didapatkan hasil pengukuran dengan minimal error, akurat,
presisi, dan dapat dipertanggungjawabkan.

Kriteria penerimaan sistem

pengukuran dilakukan dengan melakukan analisis menggunakan metode Gauge

R&R (Repeatability dan Reproducibility). Analisis ini dapat dilakukan
menggunakan dua software yang berbeda yaitu microsoft excel dan minitab.
Setelah melakukan analisis menggunakan software tersebut, berikut adalah hasil
dan kesimpulan yang dapat ditarik:
1. Persentase kontribusi R&R pada microsoft excel adalah 2%, pada minitab
dengan metode ANOVA persentase kontribusinya adalah 0,07% dan
persentase studi variasi-nya adalah 2,59%, sedangkan pada minitab dengan
metode Xbar and R persentase konttribusinya adalah 0,05% dan persentase
studi variasi-nya adalah 2,54%. Dari hasil-hasil tersebut dapat ditarik
kesimpulan yang sama yaitu sistem pengukuran dapat diterima. Jadi,
meskpun digunakan software dan metode yang berbeda untuk menganalisis
data velg depan, kesimpulan yang ditarik tetap sama dan hasil
perhitungannya tidak berbeda cukup jauh.
2. Pada Microsoft Excel, minitab dengan metode ANOVA, maupun minitab
dengan metode Xbar and Range, nilai part-to-part / part variation lebih
besar dari nilai R&R sehingga dapat ditarik kesimpulan bahwa variasi
pengukuran disebabkan perbedaan antar komponen.
3. Persentase kontribusi dan persentase studi variasi repeatability dan
reproducibility pada microsoft exvel, mnitab dengan metode ANOVA, dan
minitab dengan metode Xbar and R berada dibawah 2%. Hal ini
menunjukkan bahwa meskipun dianalisis menggunakan software dan
metode yang berbeda namun kesimpulan yang ditarik sama bahwa variasi
pengukuran yang terjadi baik dalam repeatability dan reproducibility
tergolong rendah sehingga sistem pengukuran dapat diterima.
4. Persentase part variation pada microsoft excel, minitab dengan ANOVA,
minitab dengan Xbar and Range sama-sama berada di atas 99 %. Hal ini
menunjukkan bahwa perbedaan setiap part yang diukur sangat signifikan
karena nilainya mendekati 100 %.

32

5.2.

Saran
Dalam melakukan amalisis sistem pengukuran, hal kritis yang harus

diperhatikan adalah proses input data terlebih apabila data yang diinput
memiliki jumlah part, trial, dan operator yang cukup banyak. Karena,
kesalahan dalam proses input data akan menyebabkan hasil yang diperoleh
berbeda cukup jauh dengan nilai aslinya. Selain itu proses perhitungan
manual dengan microsoft excel juga perlu perhatian lebih. Oleh karena itu,
kecermatan dan ketelitian diperlukan dalam berjalannya proses analisis sistem
pengukuran

supaya

hasil

pengukuran

yang

didap

dapat

dipertanggungjawabkan kebenarannya.
DAFTAR PUSTAKA

Binus, 2012. Akurasi dan Presisi. [online] Available at:

<http://library.binus.ac.id/eColls/eThesis/Bab2/2006-2-01111-TIAS-bab
%202.pdf> [Diakses 26 Maret 2014].
Montgomery, D.C. and Ranger, G.C., Applied Statistic and Probability for
Engineers, Third Edition, John Wiley and Sons Inc: USA.
Pramono, Wisnu Arief, 2012, Measurement System Analysis

- MSA,

http://www.wishnuap.com/2012/12/measurement-system-analysismsa.html<diakses 22 Mei 201==2015>