Anda di halaman 1dari 211

TAHAP II

:
IDENTIFIKASI PELUANG PERBAIKAN
C. ANALISA PERMASALAHAN
C1. ANALISA DATA

Analisa Permasalahan-R0

1/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

Tony A Himawan

Analisa Permasalahan-R0

2/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

ATURAN
• TEPAT WAKTU
• PROAKTIF
• HP SILENT
• MENERIMA
TELEPON DI
LUAR RUANGAN
Analisa Permasalahan-R0

3/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

PRE-TEST

Analisa Permasalahan-R0

4/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

pqm.id .co.PQM Consultants http:\\www.NEW TEAMS PERIOD: 16 Maret – 6 June 2009 (Classroom) • KELAS A : 5 team – – – – – • KELAS C : 6 team Team 2 & 3 : 8 org Team 4 & 5 : 8 org Team 1 & 6 : 6 org Team 11 & 12 : 5 org Team 10 : 4 org – – – – – – Team 8 & 9 : 7 org Team 13 & 14 : 7 org Team 28 & 29 : 7 org Team 30 & 31 : 7 org Team 33 & 34 : 7 org Team 32 & 20 : 7 org • KELAS B : 6 team – – – – – – Team 7 & 15 & 16 : 9 org Team 18 & 19 : 7 org Team 21 & 22 : 7 org Team 23 & 24 : 7 org Team 26 & 27 : 6 org Team 17 & 25 : 8 org Analisa Permasalahan-R0 5/211 Copyright 2009 .

id .pqm.LATIHAN : DATA COLLECTION PLAN 1 2 Project measurements Operational Definition Data Sources Sample Size Sampling scheme PIC Form Procedure AnalisaAnalysis Permasalahan-R0 6/211 Copyright 2009 .co.PQM Consultants http:\\www.

PT BA MILIK KITA YUK KITA BANGUN BERSAMA UNTUK PT BA EMAS Analisa Permasalahan-R0 7/211 Copyright 2009 .pqm.MARS PTBA PT BA…..PQM Consultants http:\\www. PT BA ….co.id .

pqm.co.PQM Consultants http:\\www.id .SASARAN MODUL Setelah mengikuti pelatihan ini MT memahami dan mampu melakukan Analisa Data dengan menggunakan teknik yang sesuai Analisa Permasalahan-R0 8/211 Copyright 2009 .

30 Grafik Visualisasi Data . Pareto 10.00 Makan Siang 13:00 -14.TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN C. Garis.00 –10.id .Grafik: Balok.Histogram 14:30 -14.45 Rehat 14.00 Grafik Visualisasi Data .00 Grafik Visualisasi Data .00 -10.PQM Consultants http:\\www.15 Rehat 10:15 -12.SMART Analisa Permasalahan-R0 9/211 Copyright 2009 .45 -16.co.00 -13. Pie.pqm.30 Menetapkan Target . ANALISA PERMASALAHAN TEKNIK ANALISA DATA Hari Pertama: 08.Pareto 12.

ANALISA PERMASALAHAN TEKNIK ANALISA DATA Hari Kedua: 08.Verifikasi Sebab Analisa Permasalahan-R0 10/211 Copyright 2009 .45 -16.30 Analisa Sebab .pqm.Diagram Tulang Ikan/Sebab-Akibat 12.00 Makan Siang 13:00 -14.5xMengapa? 10.id .Verifikasi Sebab – Diagram Tebar/Scatter 14:30 -14.15 Rehat 10:15 -12.45 Rehat 14.00 -13.PQM Consultants http:\\www.00 –10.00 -10.TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN C.co.30 Analisa Sebab .00 Analisa Sebab .00 Analisa Sebab: .

GRAPH
(BALOK, GARIS, PIE)

Analisa Permasalahan-R0

11/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

GRAFIK BALOK
DEFINISI
Grafik Balok adalah grafik dalam bentuk balok
yang menunjukkan perbandingan kuantitas/jumlah
dari dua atau lebih faktor / item dalam periode
tertentu

MANFAAT
Membandingkan dua atau lebih faktor/ item pada
periode tertentu

Analisa Permasalahan-R0

12/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

GRAFIK BALOK
LANGKAH

1. Kumpulkan data berbentuk kategori
• Tetapkan periode waktu
• Jenis data : dapat berupa data continuous (hasil
pengukuran) atau data atribut (hasil penghitungan)
2. Gambar sumbu horizontal dan vertikal dan buat skalanya
• Sumbu Horizontal : kategori
• Sumbu Vertical
: hasil pengukuran atau penghitungan
3. Gambar dan beri label balok dari tiap kategori
dimana setiap balok dapat mencerminkan perhitungan suatu
kategori, suatu fungsi (rumus) dari kategori (seperti ratarata, jumlah, atau standard deviasi ) atau jumlahan nilai
dari suatu tabel
4. Analisa Grafik Balok
Analisa Permasalahan-R0

13/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

GRAFIK BALOK
CONTOH
Problem Tile di FT 1 - Januari 2001
50
40
30

39
31

29

27

20

12

18

10

Si
ze

Th
ic
kn
es
s

Sh
ad
in
g

ra
zi
ng
C

Pi
nh
ol
e

C

hi
pp
in
g

0

Kesimpulan: Problem tile terbesar pada Januari 2001 adalah
Pinhole (39 pcs)
Analisa Permasalahan-R0

14/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

pqm.id .GRAFIK BALOK CONTOH Graph batang vertikal Graph batang horizontal Jumlah penjualan 100 Line A 200 300 400 Jumlah produk 200 Line B Line C 100 Line D pabrik pabrik pabrik pabrik D A B C Analisa Permasalahan-R0 15/211 Copyright 2009 .co.PQM Consultants http:\\www.

GRAFIK GARIS DEFINISI : Grafik Garis adalah grafik dalam bentuk garis yang menunjukkan PERGERAKAN hasil pengukuran suatu parameter dalam periode tertentu Contoh Parameter : suhu. Analisa Permasalahan-R0 16/211 Copyright 2009 .co. jumlah produk cacat MANFAAT : Untuk memonitor kecenderungan / perubahan hasil pengukuran suatu pengamatan dalam periode tertentu .PQM Consultants http:\\www.id . kelembaban.pqm.

dll). Rp Sales Tentukan frekwensi pengamatan (misal setiap 1 jam.id . 2.co. # defect. berat jenis. setiap 1 shift. Kumpulkan data dalam kurun waktu tertentu • Data yang diplot bisa berupa data continuous (hasil pengukuran) atau data atribut (hasil penghitungan) • Contoh : suhu. Gambar sumbu horizontal dan vertikal dan buat skalanya • Sumbu Horizontal : interval waktu • Sumbu Vertical : hasil pengukuran atau penghitungan Plot data secara kronologis ke dalam grafik dan hubungkan dengan garis Analisa Grafik Analisa Permasalahan-R0 17/211 Copyright 2009 .pqm. 3. 3.GRAFIK GARIS LANGKAH 1.PQM Consultants http:\\www. 2.

co.id .GRAFIK GARIS CONTOH KERUSAKAN MESIN – JAN – JULI „02 CACAT CHIPPING TAHUN 2001 persentase kerusakan jml Chipping 30 Mesin A 25 20 15 10 Mesin B 0 Bulan 1 2 3 4 5 6 7 Kesimpulan: Mesin A mengalami kerusakan lebih sering dibanding mesin B 5 1 2 3 4 5 6 7 8 9 10 11 12 Kesimpulan: Cacat Chipping selama tahun 2001 cenderung menunjukkan penurunan Analisa Permasalahan-R0 18/211 Copyright 2009 .pqm.PQM Consultants http:\\www.

pqm.id .GRAFIK LINGKARAN / PIE CHART DEFINISI : Suatu grafik lingkaran yang menggambarkan proporsi dua atau lebih data kategori dengan pengukuran yang sama pada periode waktu tertentu Contoh: kg. unit MANFAAT Berguna untuk menunjukkan proporsi dari setiap kategori data relatif terhadap keseluruhan data Analisa Permasalahan-R0 19/211 Copyright 2009 . newton. Rp.co.PQM Consultants http:\\www.

Kategori pertama dimulai dari puncak pie chart dan semua kategori diatur searah putaran jarum jam.PQM Consultants http:\\www. Analisa Grafik Analisa Permasalahan-R0 20/211 Copyright 2009 .GRAFIK LINGKARAN / PIE CHART LANGKAH: 1.id .pqm. 3. Data disusun dalam tiga kolom : kolom pertama berisi kategori data dan 2 (dua) kolom berikutnya adalah rekapitulasi data (Hitungan & %) 2.co. Hasil dari grafik lingkaran / pie chart berupa potongan -potongan untuk setiap kategori yang diurutkan dari yang paling besar proporsinya hingga yang paling kecil.

PQM Consultants http:\\www. 12. 18. 24% Size. 19% Crazing. 20% Kesimpulan: Problem tile terbesar pada Januari 2001 adalah Pinhole (24%= 39/156) Analisa Permasalahan-R0 21/211 Copyright 2009 . 12% Thickness. 29.pqm. 31.id . 17% Chipping.Januari 2001 Shading. 39.GRAFIK LINGKARAN (PIE CHART) CONTOH Problem Tile di FT 1 . 27. 8% Pinhole.co.

pqm.co.DIAGRAM PARETO Analisa Permasalahan-R0 22/211 Copyright 2009 .PQM Consultants http:\\www.id .

dan anda bertekad melakukan perbaikan namun kalau semua program perbaikan dijalankan maka sudah kebayang bakalan lembur tiap hari 2. dan pekerjaan yang sulit dilakukan belakangan yang akhirnya tidak selesai Apa yang salah ? Analisa Permasalahan-R0 23/211 Copyright 2009 .co. Anda sebagai Production Manager baru melihat bahwa banyak sekali pemborosan yang terjadi di perusahaan.DIAGRAM PARETO LATAR BELAKANG Pernahkah anda berada dalam situasi ini? 1. Seorang Supervisor harus mengalokasikan waktu kerja sebaik-baiknya.PQM Consultants http:\\www.id . Namun sering dijumpai beberapa Supervisor lebih senang mengerjakan pekerjaan yang mudah.pqm.

jumlah. atau standard deviasi ) atau jumlahan nilai dari suatu tabel • Pada umumnya digunakan untuk menunjukkan masalah yang disusun dari prioritas tertinggi ke yang terendah untuk menentukan masalah yang harus ditangani terlebih dahulu • Pertama kali ditemukan oleh Vilfredo Pareto . dimana setiap balok dapat merupakan mencerminkan perhitungan suatu kategori. suatu fungsi (rumus) dari kategori (seperti ratarata.co.id . ahli ekonomi Italia Analisa Permasalahan-R0 24/211 Copyright 2009 .pqm.PQM Consultants http:\\www.DIAGRAM PARETO DEFINISI Diagram Pareto adalah suatu Grafik Balok berbentuk vertikal yang mengurutkan hasil pengukuran dari yang tertinggi ke yang terendah • Diagram Pareto merupakan salah satu bentuk Bar Chart .

id .DIAGRAM PARETO MANFAAT • Merupakan pedoman memilih peluang perbaikan berdasarkan prinsip „vital few‟ dari ‟trivial many‟ • Memfokuskan sumber daya pada area/ defect/ penyebab yang menghasilkan keuntungan yang terbesar • Membandingkan frekuensi dan/atau dampak dari berbagai penyebab masalah Analisa Permasalahan-R0 25/211 Copyright 2009 .PQM Consultants http:\\www.pqm.co.

PQM Consultants http:\\www. dsb.) Analisa Permasalahan-R0 26/211 Copyright 2009 .id . tingkat kecelakaan . Tetapkan kategori yang relevan dengan topik yang akan dianalisis untuk menjabarkan masalah menjadi komponen yang lebih kecil  Pareto umumnya terdiri dari 5 kategori atau kurang  Kategori yang dibuat harus saling eksklusif sesuai jenis kelompok masalah  Urutkan balok berdasarkan jumlahan atau biaya 2. Tetapkan periode waktu 3.DIAGRAM PARETO LANGKAH 1. Kumpulkan data Jenis data • Berdasarkan jumlahan atau biaya • Membutuhkan data tambahan (Total/jumlahan) • Data tidak dapat berupa : hal-hal yang tidak bisa ditambahkan (mis: Yields.co. Rates .pqm. tingkat komplain .

jumlah . yang paling tinggi diletakkan sebelah kiri. Sumbu Horizontal : kategori Sumbu Vertical kiri : hasil pengukuran Sumbu Vertical kanan : persentase Setiap balok vertikal menunjukkan besarnya kontribusi terhadap total masalah Balok disusun berdasarkan urutan nilai. Gambarkan grafik baloknya dan beri keterangan untuk setiap kategori • • 7. jumlah kumulatif .co.id .PQM Consultants http:\\www. % . Balok paling kiri memberikan kontribusi tertinggi dalam jumlah kejadian maupun biaya. Gambarkan garis persentase kumulatif Analisa Diagram Pareto yang dihasilkan Analisa Permasalahan-R0 27/211 Copyright 2009 . Buat tabel frekuensi (item. Buatlah segi empat dan buat skalanya • • • 6.DIAGRAM PARETO LANGKAH 4.pqm. % kumulatif) 5. 8.

00%100% 94.07% 3 Fallen dirty 16 76 14.72% 56.39% 100 82.00% 0 0% Chipping Crawling Fallen Dirty Campana Dimple Def ect Jenis Cacat Kesimpulan : Defect paling besar di FT 1 pada 1.38%) Analisa Permasalahan-R0 28/211 Copyright 2009 .02% 70.69% 56.38% 30% 20 20 7 Lain-lain 6 107 5.38% 2 Crawling 20 60 18.39% 70% 60% Jumlah Cam pana defect 80% 80 60 4 90% 89.09% 70.09% 12 88 12.Periode : 1-7 Juli 2001 Jenis Cacat 1 Chipping Frekwensi Akumulasi 40 40 % % Akumulasi 37.7 Juli 2001 adalah Chipping (40 pcs = 37.07% 50% 40 40 40% 37.DIAGRAM PARETO Defect Produksi FT 1 .24% 82.id .15% 82.38% 37.00% 13 8 5 6 Pinhole Lain-lain 10% 0 TOTAL 107 100.67% 94.pqm.09% 100.24% 70.39% 94.PQM Consultants http:\\www.38% 37.24% 5 Dimple 8 96 7.co.72% 89.61% 20% 15 100.07% 56.48% 89.72% 6 Pinhole 5 101 4.00% 100.

3 4 Beds 4 6.3 84.4 20 2000 Beds 2000 7.9 1800 Dressers 1800 6.0 C ouches Fine Dining Sets 10 8 16.5 91.PQM Consultants http:\\www.Jan 07 100 80 40 20 10 10 C 11 C 12 Percent Cum % 20 8 5 Chairs 30 50.9 73.ANALISA PARETO DIAGRAM Type of Furniture Returns .0 $USD 30 Percent FREQ 60 0 80 20000 40 30 100 25000 50 15000 60 15000 40 10000 4500 5000 3000 3 Other 3 5.Store # 1 .co.Store # 1 .3 100.0 50.3 88.0 Lamps 5 8.7 350 Other 350 1.7 80.pqm.3 Chairs 4500 16.3 56.3 66.8 98.0 100.id .2 Couches 3000 11.0 0 Note : Pareto Diagram dari Furniture return berdasar Frequency dan berdasar losses $USD beda prioritasnya  mana yang dipilih? Analisa Permasalahan-R0 29/211 Copyright 2009 .7 95.Jan 07 Type of Furniture Returns .7 13.0 0 0 C17 C18 Percent Cum % Percent 60 30000 Fine Dining Sets 15000 56.

3 100.7 30 20 32 20 0 C8 C9 Percent Cum % 80 40 Number 60 Percent Number 80 60 100 Percent 120 Store # 2 15 12.id .7 13.7 80.0 Lamps 5 8.0 Store # 6 32 26.co.2 Store # 4 8 6.7 Other 1 3.0 Other 3 5.8 Other 5 4.0 50.Store # 1 .PQM Consultants http:\\www.2 100.0 0 30/211 Copyright 2009 .3 4 3 Beds 4 6.Jan 07 60 100 100 50 80 60 40 40 60 30 40 20 15 8 Store # 1 60 50.0 100.7 96.3 88.7 76.0 Wood Fine Dining Sets 2 6.3 66.7 90.3 Occasional 5 16.Jan 07 30 100 25 80 Number 60 15 40 Percent 20 10 20 5 0 C14 C15 Percent Cum % Analisa Permasalahan-R0 Dining Room 22 73.7 95.ANALISA PARETO DIAGRAM Type of Furniture Returns .3 73.Jan 07 Number of Returns of Furniture by Store .7 95.Store # 1 .5 89.0 0 Type of Chairs Returned .0 10 10 5 0 0 C 11 C 12 Percent Cum % Chairs 30 50.pqm.0 50.0 20 8 5 C ouches Fine Dining Sets 10 8 16.

Jan 07 IMPROVEMENT 140 100 120 60 68 60 40 100 60 30 20 10 Defect A 68 51.3 90.PQM Consultants http:\\www.1 96.9 74.7 3 Other 3 2.bukan hanya pada Defect A yang dominan saja Analisa Permasalahan-R0 31/211 Copyright 2009 .8 Defect D 15 23.8 80 50 20 20 Defect C 20 15.9 Defect B 30 22.8 50.0 0 AFTER IMPROVEMENT BEFORE IMPROVEMENT Kesimpulan: Penurunan Defect keseluruhan dapat dilihat.0 0 40 60 33 30 40 20 15 Percent 40 0 C2 C3 Percent Cum % Pareto Chart Defect.co.April 07 70 FREQ FREQ 80 Percent 80 100 15 20 10 2 0 C5 C6 Percent Cum % Defect B 33 50.8 Defect A 15 23.pqm.1 100.9 51.3 100.1 73.6 97.9 Other 2 3.ANALISA PARETO DIAGRAM Pareto Chart Defect .1 Defect D 10 7.id .

1.PQM Consultants http:\\www.pqm. Klik : Chart Wizard 5.co.id . Siapkan lembar data Pareto dengan data yang sudah diurutkan dari besar hingga terkecil 3. %kumulatif 4. Pda Chart type: pilih Line –Column on 2 axes 7. Pilih Custom Types 6. frekwensi. Finish  muncul Diagram Pareto awal  bersambung Analisa Permasalahan-R0 32/211 Copyright 2009 . Klik : Next 8. 2. Blok Range yang berisi 3 kolom: Item masalah. Buka File Excell 2. Klik : Next .Membuat Diagram Pareto dengan EXCELL 1. Klik Next 10. klik Title : beri judul Klik Data labels: Pada Label contains Klik “value” 9.

pqm. Klik pada Diagram Pareto awal. Klik pada Diagram Pareto awal. Klik Scale 19. Maximum : 1 . Supaya baloknya rapat.PQM Consultants http:\\www. Klik : “OK” 20. Klik kanan: Format axis 18. klik kanan pada salah satu baloknya. Klik kanan: Format axis 13. Minimum : 0. pada sumbu Y sebelah kanan hingga muncul “secondary value axis” 17.id .Membuat Diagram Pareto dengan EXCELL Lanjutan 11. klik “Options”. Klik Scale 14. Minimum : 0 . klik “OK” 21. klik “format data series” . Klik : “OK” 16. pada sumbu Y sebelah kiri hingga muncul “value axis” 12. Diagram Pareto selesai (jika perlu dapat dirapikan ukuran font) Analisa Permasalahan-R0 33/211 Copyright 2009 . Klik pada kotak Gap width = 0. Maximum : disesuaikan nilai total frekwensi 15.co.

co. dan buatlah Diagram Paretonya Analisa Permasalahan-R0 34/211 Copyright 2009 .DIAGRAM PARETO LATIHAN Identifikasi data-data di area kerja yang dapat dianalisa dengan Diagram Pareto.PQM Consultants http:\\www.id .pqm.

id .pqm.co.PQM Consultants http:\\www.HISTOGRAM Analisa Permasalahan-R0 35/211 Copyright 2009 .

Berdasar data tersebut anda melakukan pemesanan barang H7.co. Anda sedang kehabisan uang sehingga pergi ke ATM terdekat dari rumah Anda. sehingga terpaksa pindah ke ATM lainnya Anda suka jeruk Medan yang memang manis. Namun pada hari H ternyata barang belum datang. 3. namun tidak semua supermarket menjualnya sehingga harus ke supermarket tertentu Apa yang salah ? Analisa Permasalahan-R0 36/211 Copyright 2009 .pqm.HISTOGRAM LATAR BELAKANG Pernahkah anda berada dalam situasi ini? 1. Berdasar data lalu menunjukkan bahwa rata-rata lead time dari order barang dari supplier hingga delivery adalah 7 hari.id .PQM Consultants http:\\www. dan anda kecewa. namun untuk kesekian kalinya anda kecewa karena ternyata uang di ATM tersebut habis. 2.

Hanya berlaku untuk data continuous saja Analisa Permasalahan-R0 37/211 Copyright 2009 . cycle time.DEFINISI: HISTOGRAM Grafik balok yang menggambarkan penyebaran data sebagai hasil dari satu macam pengukuran . dolar yang dibelanjakan dalam setiap PO .PQM Consultants http:\\www.id . dsb). suhu.co. dsb)  Untuk melihat variasi dan tingkat pemenuhan spesifikasi/persyaratan pelanggan (size.atas suatu kejadian atau proses MANFAAT: Berguna untuk menguji bentuk dan penyebaran sample data :  Untuk melihat range dan distribusi dari data continuous (misalnya: berat barang yang dikirim.pqm.

id .HISTOGRAM LANGKAH 1.min k = sqrt ( n) Hitung lebar tiap balok dengan membagi range dari data (max-min) dengan jumlah balok • h = Range / k Analisa Permasalahan-R0 38/211 Copyright 2009 . range = max . Hitung jumlah balok (sel) sebagai berikut : akar pangkat dua dari jumlah nilai data • 5. Kurangi nilai tertinggi dengan nilai terendah untuk menghitung range dari data yang diobservasi • 4.PQM Consultants http:\\www. Urutkan data dari data yang terendah nilainya (min) sampai nilai yang tertinggi (max) 3.pqm.co. Kumpulkan dan tabulasikan data continuous (data hasil pengukuran) : n data 2.

PQM Consultants http:\\www. Sumbu horizontal (X) menunjukkan nilai data dari setiap balok 10.id . Hitung jumlah data dari tiap balok Sumbu vertikal (Y) menunjukkan jumlah data pada tiap balok 9.HISTOGRAM LANGKAH 6. Analisa Histogram Analisa Permasalahan-R0 39/211 Copyright 2009 .. Beri label di sumbu X dengan nilai dari tiap balok (dari balok pertama s/d balok ke k) • • • • balok pertama : min + h balok kedua : min + 2h …. balok ke -k : min + (kxh) 7.pqm. 8.co.

6 404.0 403.65 |||| 4 2 401. 4 – 400.65 - 403.0 401.0 409.0 404.3 402.6 3 403.1 = 9.85 - 409. Minimum :400.2 NO KELAS INTERVAL KELAS 400.id .PQM Consultants http:\\www..0 402.8 400.20 - 404.1 Jumlah data = n = 30  k = sqrt (30) = mendekati 6 Range = max – min = 409.) = 2.5 402.30 5 406.1 403.5 TALLY 404.DATA BERAT SUSU – 400 gr 407.2 404.4 4 404.26 Analisa Permasalahan-R0 40/211 Copyright 2009 .6 404.1 405.4 6 407.co.2 406..30 - 407.4 409.20 |||| || |||| || |||| |||| 7 | 1 T O T AL 30 401.0 402.75 - 406.8 406.) = 404.3 H = Range / k = 9.0 401.10 - 401.2 FREKUENSI 1 406.4 .40 404.55 Rata-rata : Mean : Excel formula =average (….3/6 = 1.9 403.75 406.pqm.4 403.2 405.4 404.85 402.3 406.4 8 5 5 Maximum : 409.25 Standard Deviasi : Excel formula = STDEV(….

3 5.HISTOGRAM Berat Susu.262 9.id .0 2.3 404.400 gr Rata 2 9 Center 8 Spread 7 Mean Median StDev Range Var 404.1 6 5 4 3 2 1 0 1 2 3 4 Analisa Permasalahan-R0 5 6 41/211 Copyright 2009 .co.pqm.PQM Consultants http:\\www.

id .PQM Consultants http:\\www.HISTOGRAM DATA BERDISTRIBUSI NORMAL Mean : Rata-rata Median : Nilai Tengah Mode : Nilai yang sering muncul Mean Median Mode Analisa Permasalahan-R0 42/211 Copyright 2009 .pqm.co.

co.3 dan X + 3 95.id .73% -3 -2 -1 X 1 mean + 3 43/211 Copyright 2009 .45% data berada dalam area X – 2 dan X + 2 c. 68.PQM Consultants http:\\www.27% data berada dalam area X – dan X + b.45% 68.27% -3 -2 -1 X 1 mean + -3 -2 -1 X 1 mean + 2 Analisa Permasalahan-R0 99.73% data berada dalam area X. 95.HISTOGRAM DATA BERDISTRIBUSI NORMAL Untuk Data berdistribusi Normal a.pqm. 99.

id . – Membandingkan histogram dengan spesifikasi ini lebih lanjut dianalisa dengan pengukuran Process Capability Analysis Analisa Permasalahan-R0 44/211 Copyright 2009 .pqm. Kemudian perhatikan apakah histogram berada dalam batas spesifikasi tersebut. buatlah garis batas spesifikasi pada histogram untuk membandingkan distribusi dari histogram dengan batas spesifikasi yang ditentukan.co.PQM Consultants http:\\www.ANALISA HISTOGRAM • Pelajari bentuk/ pola histogram • Membandingkan Histogram dengan spesifikasi yang ditetapkan – Jika ada spesifikasi.

kondisi operasional.395 36 24. stratifikasikanlah data yang ada (misalnya berdasar material.01 0. Histogram of Torque Normal Machine 1 2 0.119 32 0.ANALISA HISTOGRAM • Stratifikasi Histogram – Untuk menganalisa lebih lanjut sebuah histogram (terutama bila terjadi penyimpangan) dengan data yang dikumpulkan dari berbagai sumber/cara.03 0. – Dengan stratifikasi.02 0. pekerja. persoalan akan lebih jelas.09 0.67 4.co.04 0. mesin. dll) dan buatlah masing-masing histogram untuk data yang sudah distratifikasikan itu.PQM Consultants http:\\www.08 Mean StDev N 18.id .pqm.05 0.00 12 18 24 Torque 30 Analisa Permasalahan-R0 36 45/211 Copyright 2009 .07 Density 0.06 0.19 7.

pqm.PQM Consultants http:\\www.id .co.POLA HISTOGRAM S 35 er S 30 er 25 S 20 er 15 S er 10 5 0 Normal Distribusi Normal (Simetris) Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visual dapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi) persyaratan pelanggan Anda juga dapat memunculkan nilai rata-rata dan Standard Deviasi pada histogram ini sebagai angka yang mewakili proses Analisa Permasalahan-R0 46/211 Copyright 2009 .

co.POLA HISTOGRAM 30 30 25 25 20 20 15 15 10 10 5 5 5 0 0 0 25 20 15 10 Skewed Distribution (kelompok data mendekati salah satu ekor histogram) Contoh : waktu proses. tetapi jika merupakan kondisi yang diinginkan maka pertahankan dan dapat diterapkan di area lain Distribusi Bimodal (data memiliki dua puncak) Pola ini muncul bila sesuatu yang anda perkirakan sebagai sebuah proses ternyata adalah dua proses Jika anda melakukan stratifikasi.id .PQM Consultants http:\\www. anda bisa mengidentifikasi sumber data dari setiap puncak Analisa Permasalahan-R0 Nilai data tersebar rata (jarang sekali terjadi) Model ini muncul di pabrik bila sebuah gauge atau TOOLS pengukuran sudah tidak lagi sensitif dalam mendeteksi perbedaan antara unit (seperti sebuah penggaris yang seluruhnya hanya memiliki tanda inci) 47/211 Copyright 2009 . jika kondisi tersebut tidak diinginkan lakukan perbaikan. biaya Analisa kondisi apa yang terjadi di area ekor yang membedakan dengan area lain nya.pqm. cycle time. eliminir kejadiannya.

dan buatlah Histogramnya Analisa Permasalahan-R0 48/211 Copyright 2009 .id .co.PQM Consultants http:\\www.HISTOGRAM LATIHAN Identifikasi data-data di area kerja yang dapat dianalisa dengan Histogram.pqm.

PQM Consultants http:\\www.co.LEMBAR DATA (1) UNTUK HISTOGRAM DATA: LOKASI : PERIODE: MAX = MIN = Analisa Permasalahan-R0 49/211 Copyright 2009 .id .pqm.

pqm.LEMBAR DATA (2) UNTUK HISTOGRAM DATA: LOKASI : PERIODE: NO KELAS INTERVAL KELAS TALLY FREKWENSI TOTAL Analisa Permasalahan-R0 50/211 Copyright 2009 .PQM Consultants http:\\www.co.id .

Data : Lokasi Periode : HISTOGRAM Kesimpulan :…………………………………………………………….PQM Consultants http:\\www..pqm.id .co. Analisa Permasalahan-R0 51/211 Copyright 2009 .

MENETAPKAN TARGET Analisa Permasalahan-R0 52/211 Copyright 2009 .pqm.PQM Consultants http:\\www.co.id .

co. Mendorong pencapaian tujuan yang lebih baik CARA : 1. Attainable.MENETAPKAN TARGET Target menggambarkan hasil yang ingin dicapai dari masalah yang dikemukakan dalam Proposal perbaikan MANFAAT: 1.id .pqm. Penetapan Target dilakukan setelah dibuat kesimpulan dari Analisa Data 2. easureable ttainable elevant ime bounded > tertentu > dapat diukur atau diamati > realistik dan dapat dicapai > terkait dengan misi/cita-cita > ada batas waktu Analisa Permasalahan-R0 53/211 Copyright 2009 . Relevant & Time Bounded S M A R T pesific.PQM Consultants http:\\www. Target biasanya mengandung prinsip SMART : Specific. Measurable. Memberikan arah perbaikan 2.

kompetitor. Target biasanya dimulai dengan kata kerja: “Mengurangi”.id . Target harus menunjukkan perbaikan dari kondisi sebelumnya  Baseline data yang digunakan : data lampau. “meningkatkan”.MENETAPKAN TARGET CARA 3. atau “Mengeliminasi” 4.pqm. hasil Benchmarking  Target yang akan ditetapkan hendaknya menunjang pencapaian sasaran perusahaan Analisa Permasalahan-R0 54/211 Copyright 2009 .co. pengalaman.PQM Consultants http:\\www.

install suatu Web Site”  Tulisan dengan tanda italic di atas merupakan solusi. Jelaskan bagaimana target tersebut ditetapkan (bagaimana perhitungan atau mengapa angka tersebut ditetapkan) Analisa Permasalahan-R0 55/211 Copyright 2009 . jika tidak. 2006” dengan meng.MENETAPKAN TARGET CARA 5. 6. kita bisa gagal menyelesaikan masalah (sementara kita telah mengeluarkan banyak waktu dan biaya untuk Web site).pqm. Jika demikian akan banyak solusi dari problem tersebut.  Contoh SALAH : Mengurangi defect pada Customer Application sebesar 50% sebelum April 30.PQM Consultants http:\\www.co. Kita harus menggali dahulu penyebab-penyebab defect sebelum install solusi. Target seharusnya tidak berisi bagaimana akan dicapai.id .

92 ppm Target Perbaikan: Menurunkan kebocoran gas SO2 di PH menjadi 5 ppm dalam waktu 2 bulan ke depan Latar Belakang Penetapan Target: .Pernah dicapai 2 thn lalu Analisa Permasalahan-R0 56/211 Copyright 2009 .Merupakan target perusahaan .pqm.MENETAPKAN TARGET Contoh: Kesimpulan dari Analisa Data : PH merupakan sumber dominan kebocoran gas SO2= 52.id .co.PQM Consultants http:\\www.

LATIHAN : ANALISA DATA Berdasar data yang telah dikumpulkan.pqm. analisalah data anda dengan 7QC Tools yang sesuai & Tetapkan Target Perbaikan Analisa Permasalahan-R0 57/211 Copyright 2009 .PQM Consultants http:\\www.id .co.

CAUSE & EFFECT ANALYSIS Analisa Permasalahan-R0 58/211 Copyright 2009 .pqm.id .co.PQM Consultants http:\\www.

kemudian berhasil diselesaikan .id . padahal kondisi perusahaan sedang payah dan tidak memungkinkan mengganti mesin yang tua dan sering rusak Apa yang salah ? Analisa Permasalahan-R0 59/211 Copyright 2009 .co. tetapi dalam beberapa waktu kemudian problem yang sama berulang kembali 2.PQM Consultants http:\\www. Menghadapi suatu problem. Menganalisa sebab-sebab permasalahan produksi namun penyebabnya senantiasa berujung pada mesin yang yang harus diganti.pqm.DIAGRAM SEBAB DAN AKIBAT LATAR BELAKANG Pernahkah anda berada dalam situasi ini? 1.

Menggali Faktor Penyebab • Gunakan prinsip 5 Why.PQM Consultants http:\\www.id .pqm.co. untuk: – Menghindari jebakan “mengobati” gejala – Menggali akar penyebab yang sebenarnya – Merangsang tim melakukan perbaikan optimal Analisa Permasalahan-R0 60/211 Copyright 2009 .

CONTOH 1: BERTANYA 5-MENGAPA Masalah: Banyak karyawan keluar 1 Mengapa? Tidak betah 2 Mengapa? Beban kerja tak seimbang 3 Mengapa? Skill tidak merata 4 Mengapa? Tidak ada program pengembangan karyawan Penanggulangan: 5 Mengapa? Menyusun kompetensi needs Ketidakjelasan kompetensi yang dibutuhkan Analisa Permasalahan-R0 61/211 Copyright 2009 .id .co.PQM Consultants http:\\www.pqm.

co.PQM Consultants http:\\www.id .LATIHAN : BERTANYA 5-MENGAPA Masalah: 1 Mengapa? 2 Mengapa? 3 Mengapa? 4 Mengapa? Penanggulangan: 5 Mengapa? Analisa Permasalahan-R0 62/211 Copyright 2009 .pqm.

id .pqm.PQM Consultants http:\\www. • Juga dapat digunakan untuk brainstorming cara-cara yang perlu dilakukan untuk mencapai suatu tujuan • Diagram Sebab dan Akibat ini dikembangkan tahun 1943 oleh Prof Kaoru Ishikawa.co.DIAGRAM SEBAB DAN AKIBAT DEFINISI Suatu diagram yang terstruktur untuk mengidentifikasi penyebab dari masalah (x‟s) dan hubungan sebabakibat berdasarkan pengalaman dan keahlian dari sekelompok orang dengan melakukan brainstorming secara terstruktur. Sehingga juga disebut dengan Diagram Ishikawa atau diagram Tulang Ikan karena bentuknya mirip gambar tulang ikan Analisa Permasalahan-R0 63/211 Copyright 2009 .

pqm.DIAGRAM SEBAB DAN AKIBAT MANFAAT • Mengidentifikasi sebab-sebab utama masalah • Mengidentifikasi akar masalah • Mengidentifikasi beberapa alternative cara penyelesaian masalah Analisa Permasalahan-R0 64/211 Copyright 2009 .id .co.PQM Consultants http:\\www.

dsb Analisa Permasalahan-R0 65/211 Copyright 2009 .PQM Consultants http:\\www.pqm.id .co.DIAGRAM SEBAB DAN AKIBAT (CAUSE–AND–EFFECT DIAGRAM) Penyebab Akibat (masalah) Sub-Penyebab 1 Sub-Penyebab Sub-Penyebab 3 Sub-Penyebab 2 Penyebab Sub-Penyebab ke 4.

Metoda. Tetapkan kategori penyebab yang sesuai dengan permasalahan yang dianalisa Umumnya menggunakan kategori sbb: • 5M & 1 E: Manusia. Measurement (Pengukuran).co.pqm. People Jika permasalahannya cukup kompleks dapat dibuat tulang ikan untuk setiap sub proses baru kemudian di setiap sub proses dianalisa 5M + 1E 3. Material. Plant (Pabrik). Prosedur.id . Environment (Lingkungan) • 4 P : Policy. Tuliskan secara singkat Masalah atau Akibat yang akan dianalisa pada “kepala” Diagram Tulang Ikan 2. Lakukan brainstorming sebab-sebab yang mungkin di setiap kategori Analisa Permasalahan-R0 66/211 Copyright 2009 . Mesin.PQM Consultants http:\\www.DIAGRAM SEBAB DAN AKIBAT LANGKAH 1.

PQM Consultants http:\\www. Identifikasi hubungan sebab-akibat di antara faktor di dalam setiap kategori dan sub kategori 5.pqm.DIAGRAM SEBAB DAN AKIBAT LANGKAH 4. Gunakan data atau lakukan konsensus untuk memilih akar penyebab yang paling mungkin atau paling penting untuk dianalisa lebih lanjut • • Pilih 3-5 penyebab dari tulang terkecil Penyebab tersebut ditandai tanda bintang atau lingkaran Analisa Permasalahan-R0 67/211 Copyright 2009 . Buat Diagram Tulang Ikan • • Kategori utama menjadi tulang terbesar dari diagram tulang ikan Susun setiap penyebab dan sub penyebab di tulang yang lebih rendah (penyebab paling spesifik dituliskan di tulang terkecil) 6.co.id .

CONTOH: DIAGRAM SEBAB DAN AKIBAT da ka n Td itme m ko Komite Min. Material sudah Absolut Min-Max Level Tidak optimal Check Listing terganggu Merubah Spec. Yang jelek Procurement S User ambil material melebihi Yang dibutuhan Issuing Printer sering hang 68/211 Copyright 2009 .co.id .Max Cataloging Tidak Akurat Merubah Spec. Material Absolut Keterbatasan waktu Spec.pqm. Performance Supp.PQM Consultants http:\\www.tanpa Persetujuan buyer Seleksi supplier Kurang teliti Receiving Analisa Permasalahan-R0 Penyerahan dari Issuing Ke user sering terlambat Setting printer Dari MIS tidak sempurna Salah Spec. dicataloging Tanpa Persetujuan komite Printer Sering Hang Penyimpagan Qty Order Tidak ada Standarisasi Perhitungan Min-Max Level Over Night Run Perubahan data Tanpa otorisasi Perhitungan Min – Max Level Tidak Akurat Unit Of Measure Tidak Standart Perubahan Qty Order Tanpa persetujuan Komite Quideline tidak ada Masalah Zero stock & Below Stock Consumable (Min-Max) Proses penerimaan Material lambat dari supplier Distribusi RO to Buyer tidak merata Pengetahuaan Buyer Tentang Material Kurang Pengiriman material Belawan-Porsea sering terlambat Stock tidak cukup Schedule transportasi Tidak bagus Material Lambat dikirim User punya Sub store Material yang diterima Tidak sesuai dengan permintaan Kominikasi Expeiditer Dengan buyer kurang Follow upEke Supplier Kurang oleh Expeiditer Baring tidak jadi ambil tetapi Request Material disystem MIMS tidak dibatalkan Penyimpangan schedule Tidak review RO Disystem MIMS W Picking slip yang sudah Diprint tapi Material tidak diambill Proses RTS lambat Penawaran harga Yang berulang-ulang N Kurang Trainning SOP tidak dijalankan Kominikasi buyer Dengan Mill store kurang Material Sulit diperoleh Pembagian RO ke Buyer Yang tidak Sistematis Pengetahuan User tentang Online system MIMS Minim Cataloging merubah Spec. Tanpa Persetujuan komite Kurang Koordinasi Penyimpagan Spec.

.id . 2………….: 3…………: 4………… Analisa Permasalahan-R0 69/211 Copyright 2009 .co.LATIHAN : DIAGRAM SEBAB AKIBAT Sebab Dominan: 1…………….pqm.PQM Consultants http:\\www.

SCATTER DIAGRAM Analisa Permasalahan-R0 70/211 Copyright 2009 .PQM Consultants http:\\www.co.id .pqm.

id .PQM Consultants http:\\www. namun anda kecewa ternyata peningkatan visit ke customer pada bulan Oktober ini tidak meningkatkan penjualan Apa yang salah ? Analisa Permasalahan-R0 71/211 Copyright 2009 .DIAGRAM TEBAR LATAR BELAKANG Pernahkah anda berada dalam situasi ini? 1. namun setelah dinaikkan gajinya.co. ternyata kinerjanya tidak meningkat 2.pqm. Dari survai karyawan menunjukkan bahwa kinerja karyawan yang kurang disebabkan gaji kurang. Dalam rapat mingguan disimpulkan bahwa semakin sering dilakukan visit ke customer maka penjualan semakin meningkat.

PQM Consultants http:\\www.pqm.id .DIAGRAM TEBAR ( SCATTER DIAGRAM ) DEFINISI : Diagram yang menggambarkan hubungan (korelasi) antara dua variabel (faktor ) MANFAAT : • Menyajikan data untuk mengkonfirmasikan hipotesa apakah dua variable (faktor) saling berhubungan /berkorelasi • Mengetahui seberapa erat hubungan antara faktor tersebut • Sebagai tools untuk memverifikasi akar penyebab yang diperoleh dari analisa sebab dan akibat Analisa Permasalahan-R0 72/211 Copyright 2009 .co.

co.pqm.PQM Consultants http:\\www.DIAGRAM TEBAR ( SCATTER DIAGRAM ) CONTOH KORELASI : – antara jumlah kunjungan ke pelanggan dengan hasil penjualan – antara keluhan pelanggan dengan pendapatan usaha – antara lama kerja dengan prestasi kerja – antara jumlah salesmen dengan hasil penjualan – antara waktu pelayanan dengan tingkat kepuasan pelanggan – antara umur mesin dengan jumlah breakdown – antara jumlah sampel yang diinspeksi dengan jumlah defect – antara frekwensi perawatan dengan dengan jumlah reject/breakdown – antara tingkat inventory dengan jumlah produk kedaluarsa – antara jumlah buku dengan kompetensi karyawan – antara jam training dengan kecelakaan/kesalahan kerja Analisa Permasalahan-R0 73/211 Copyright 2009 .id .

id .pqm.PQM Consultants http:\\www.JENIS KORELASI ANTARA DUA VARIABEL y y y x x Korelasi Positif Tidak ada Korelasi Korelasi Positif Mungkin Terjadi y y y x x Korelasi Negatif x Korelasi Negatif Mungkin Terjadi Analisa Permasalahan-R0 x Pola Kurvalinear 74/211 Copyright 2009 .co.

DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN:
1. Tetapkan dua variabel yang akan diteliti korelasinya, yaitu variabel X
& Y.
Variabel X: variabel independen (sebab, akan dirubahrubah, dipengaruhi). Misal: “jumlah kunjungan”, dan

Variabel Y: variabel dependen( akibat, diharapkan
berubah, terpengaruh, goal /dampak yang terjadi). Misalnya “hasil
penjualan
2.

Tentukan sumber data/darimana data itu diperoleh untuk setiap
pasangan X dan Y
Misalnya : X = 10 kunjungan, hasilnya Y= 2 penjualan; data ini
merupakan data kunjungan & penjualan Pak Budi(Salesman).
Jadi dalam hal ini sumber data adalah: data Salesman(nama
seluruh Salesman)

Analisa Permasalahan-R0

75/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN : (lanjutan)
3.
4.

Tentukan periode pengumpulan data (misal : tgl 1 – 31 Juli)
Buat Lembar Data Scatter Diagram yang terdiri dari 4 kolom:
• Kolom 1 nomor urut data
• Kolom 2 Sumber Data
• Kolom 3 variabel X
• Kolom 4 variabel Y

5.

Kumpulkan data dengan melakukan pengukuran aktual (pada
umumnya data yang dibuat Scatter Diagram adalah > 50
pasang data )

6.

Gambarkan Diagram Tebar dengan sumbunya:
• Gambarkan garis horizontal (sumbu X atau variabel
independen) dan
• vertikal (sumbu Y atau variabel dependen); Beri Label pada
setiap titik skala dalam diagram

Analisa Permasalahan-R0

76/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN : (lanjutan)

7. Plot data pada diagram sehingga dipeoleh titik-titik yang
berpencar (scatter)
8. Interpretasikan data
• Analisa Scatter Diagram, apakah ada kecenderungan
positif, negatif, atau tidak ada pola tertentu
• Untuk memastikan ada tidaknya korelasi, buatlah
garis regresi dengan type regresi sesuai pola
data(linier, kurve, dll) ,
• kemudian hitung koefisien korelasinya ( r )
• Korelasi dua variabel adalah kuat, bila |r| > 0.75
Analisa Permasalahan-R0

77/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

KOEFISIEN KORELASI ( r )
DEFINISI :
Koefisien yang menunjukkan korelasi antara dua faktor atau
variabel

Koefisien Korelasi

r = -1 < r < 1


r = 0, tidak ada korelasi
r > 0 , korelasi positif, bila X meningkat , maka Y juga
meningkat
 r < 0 , korelasi negatif, bila X meningkat, Y menurun

Analisa Permasalahan-R0

78/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

co.PQM Consultants http:\\www.pqm.id .KOEFISIEN KORELASI ( r ) 1. Perhitungan Manual -1 r -1 Korelasi Negatif Kuat 1 0 1 Korelasi Positif Kuat Analisa Permasalahan-R0 79/211 Copyright 2009 .

Klik : Finish 9. pilih paling atas 6. Klik : Chart Wizard 4. Klik Next 7. Scatter Diagram selesai Analisa Permasalahan-R0 80/211 Copyright 2009 . Klik Kanan: Format axis 11. Minimum : tulis sesuai dengan data minimum 13.pqm.DIAGRAM TEBAR (SCATTER DIAGRAM) PEMBUATAN DIAGRAM TEBAR– Microsoft Excel LANGKAH 1. Ketik Judul 8. Pilih: XY (Scatter) 5. Blok Range yang terdiri dari : Data X & Y (berisi faktor yang akan dianalisa hubungannya) 3. Klik value (X) axis 10.PQM Consultants http:\\www. Klik : Chart Subtype. Buka File Excell 2.id .co. Klik Scale 12.

OK  nilai R2 muncul 10. Klik : Format trend line 7. Klik : Linier Correlation *). Klik: Display squared value on chart 9.KOEFISIEN KORELASI ( r ) PEMBUATAN GARIS TREND PADA DIAGRAM TEBAR & r– Microsoft Excel LANGKAH 1. Klik : Add trend line.id .pqm.co. Klik: Option 8. Klik salah satu titik pada Diagram Tebar 2. Klik kanan : Format Trend line 3.PQM Consultants http:\\www. Klik kanan pada trend line 6. Klik : OK 5. Klik: OK 4. Hitung r = sqrt(R2) *) Note: Dalam contoh soal ini pola diagramnya mendekati linier sehingga didekati dengan regresi linier dan korelasi linier Analisa Permasalahan-R0 81/211 Copyright 2009 .

Membuat diagram tebar mengenai jumlah kunjungan vs hasil penjualan.PQM Consultants http:\\www.pqm. Caranya dengan menggambarkan titik-titik data ke dalam sumbu datar/ absis (X) dan sumbu tegak/ ordinat (Y) dimana: Sumbu datar (X) : jumlah kunjungan Sumbu tegak (Y) : hasil penjualan dengan menggunakan Scatter Diagram 3.DIAGRAM TEBAR CONTOH SOAL Kita ingin mengetahui dan melihat . Hitung koefisiensi korelasi (r) Analisa Permasalahan-R0 82/211 Copyright 2009 . misalnya ada 40 orang salesmen dengan jumlah kunjungan dan hasil penjualan mereka. 2.sales calls dengan hasil penjualan 1. Dibuatkan tabel seperti dalam Tabel 1. apakah ada korelasi antara jumlah kunjungan salesmen .id .co. Mengumpulkan data.

PQM Consultants http:\\www.id .pqm.co.TABEL: 1 NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 NAMA SALESM AN LEMBAR DATA SCATTER DIAGRAM X JUMLAH KUNJUNGAN 90 130 140 100 123 121 133 95 88 135 117 125 92 132 105 129 102 118 107 135 Y HASIL PENJUALAN 4 3 8 5 7 6 8 3 2 10 6 9 7 7 5 11 4 3 2 12 Analisa Permasalahan-R0 NO 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 NAMA SALESM AN X JUMLAH KUNJUNGAN 125 131 137 100 128 85 110 113 139 80 122 130 127 95 103 115 105 135 124 97 Y HASIL PENJUALAN 6 9 7 7 8 3 5 4 10 2 9 10 8 8 3 5 4 11 9 1 83/211 Copyright 2009 .

pqm.hasil penjualan SCATTER DIAGRAM 15 R2 = 0.5121 10 5 0 60 80 100 jml kunjungan 120 140 160 Kesimpulan : karena nilai “r” = 0.735 mendekati 1 maka bisa disimpulkan ada korelasi yang cukup kuat antara variabel X dan variabel Y (peningkatan kunjungan mempengaruhi peningkatan sales) Analisa Permasalahan-R0 84/211 Copyright 2009 .id .PQM Consultants http:\\www.co.

PQM Consultants http:\\www.pqm.co. 85/211 Copyright 2009 .LEMBAR DATA UNTUK SCATTER DIAGRAM DATA: LOKASI : PERIODE: NO SUMBER DATA X : ……….id . Analisa Permasalahan-R0 Y: ……….

PQM Consultants http:\\www. Analisa Permasalahan-R0 86/211 Copyright 2009 .id .co.LATIHAN : SCATTER DIAGRAM 100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Kesimpulan :……………………………………………………………..pqm.

pqm.VERIFIKASI SEBAB Analisa Permasalahan-R0 87/211 Copyright 2009 .co.PQM Consultants http:\\www.id .

id .pqm. Dari setiap sebab dominan yang diperoleh pada analisa sebab akibat . didrop (tidak ditindaklanjuti) Analisa Permasalahan-R0 88/211 Copyright 2009 .co. kumpulkan data kuantitatif atau bukti-bukti lainnya 2.VERIFIKASI SEBAB DEFINISI Suatu kegiatan untuk memverifikasi / mengkonfirmasikan / membuktikan terjadinya penyebab masalah MANFAAT Mendapatkan data / bukti / evidence yang menunjukkan bahwa penyebab masalah tersebut memang ada dan dapat dipertanggungjawabkan.PQM Consultants http:\\www. dan berkorelasi dengan akibat masalah LANGKAH 1. Buat kesimpulan apakah sebab dominan tersebut valid atau tidak   Sebab dominan yang valid ditindaklanjuti dengan menyusun Rencana Penanggulangan Sebab dominan yang tidak valid . Analisa data / evidence yang telah dikumpulkan. Scatter Diagram. Hyphothesis Test. Tools yang dapat digunakan antara lain : Grafik. bukan berdasar opini. tabel atau dengan menampilkan nilai kuantitatifnya 3.

pqm. dlm bln December 05 terjadi 3 kejadian 4 buyer valid tidak meresponse undangan meeting dari level yang lebih rendah valid 5 no Commitment dari higher level Note : Data No 3 & 4 dilampirkan Analisa Permasalahan-R0 89/211 Copyright 2009 .co.CONTOH : VERIFIKASI SEBAB SEBAB EVIDENCE Tidak ada standarisasi perhitungan min max masih pakai perhitungan sederhana (average per month) dan belum dibakukan 1 level valid Feb 2006 : 0 kejadian . dampaknya terjadi double job (2 org Pembagian RO ke buyer yang tidak mengerjakan 1 pekerjaan sama): ideal : dimasukkan dalam sistem Mincom.id . Maret 2006 terjadi 19 kejadian Perubahan quantity order tanpa persetujuan perubahan quantity order tanpa persetujuan komite min max 2 komite valid actual : terima PR dari store dibagikan oleh Section Head secara manual. dll… 3 sistematis valid Catalouging merubah spec tanpa persetujuan Catalouging rubah spec setelah ada cut order.PQM Consultants http:\\www.

co.pqm.SEBAB DOMINAN WASTE JUAL NO 10 11 SEBAB DOMINAN Bag di tusuk saat Pengecekan Mutu Impeller Centrifugal kurang bagus EVIDENCE Bag di tusuk saat pengecekan Impeller sering Putus KESIMPULAN Valid Valid Prongkolan Akibat Pisau Aus 12 Pisau Rotary Aus Valid Analisa Permasalahan-R0 90/211 Copyright 2009 .id .PQM Consultants http:\\www.

id .pqm.co.PQM Consultants http:\\www.LATIHAN : VERIFIKASI SEBAB Dari Sebab Dominan yang dipilih pada Diagram Sebab dan Akibat. lakukan Verifikasi untuk setiap Sebab Dominan NO SEBAB DOMINAN Analisa Permasalahan-R0 EVIDENCE KESIMPULAN (Valid/Invalid) 91/211 Copyright 2009 .

pqm.id .PQM Consultants http:\\www.co.TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN C. ANALISA PERMASALAHAN C2. TEKNIK STATISTIK Analisa Permasalahan-R0 92/211 Copyright 2009 .

id .SASARAN MODUL Setelah mengikuti pelatihan ini MT memahami dan mampu melakukan Analisa Data dengan menggunakan teknik statistik lanjutan Analisa Permasalahan-R0 93/211 Copyright 2009 .PQM Consultants http:\\www.pqm.co.

Variable Control Chart 10.00 Teknik Statistik: Statistical Process Control (SPC) . ANALISA PERMASALAHAN TEKNIK STATISTIK Hari Pertama: 08.30 Teknik Statistik: Statistical Process Control (SPC) .45 -16.co.00 -10.Variable Control Chart 12.TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN C.Process Capability Analysis Analisa Permasalahan-R0 94/211 Copyright 2009 .30 Teknik Statistik: Statistical Process Control (SPC) .15 Rehat 10:15 -12.00 Makan Siang 13:00 -14.45 Rehat 14.PQM Consultants http:\\www.00 Teknik Statistik: Statistical Process Control (SPC) .id .Atribute Control Chart 14:30 -14.00 -13.pqm.00 –10.

15 10:15 -12.00 –10.Paired T Test Makan Siang Analysis of Varian (ANOVA) Rehat Advanced analytical Tools (Discrete Data) .00 10.00 -14.One sample Z .00 13:00 14:30 14.30 Advanced analytical Tools (Continuous Data) .p Value .Goodness of fit chi square test Analisa Permasalahan-R0 95/211 Copyright 2009 .Two sample T – test .test Rehat Advanced analytical Tools (Continuous Data) -lanjutan .id .One Sample Proportion test .PQM Consultants http:\\www.00 12.TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN C.pqm.co.45 -16.30 -14. ANALISA PERMASALAHAN TEKNIK STATISTIK Hari Kedua: 08.Two Samples Proportion test .45 -13.Concept of Hypothesis Test .00 -10.

pqm.Attribute Control Chart Analisa Permasalahan-R0 96/211 Copyright 2009 .co.STATISTICAL PROCESS CONTROL (SPC) .Variable Control Chart .id .PQM Consultants http:\\www.

id .STATISTICAL PROCESS CONTROL (SPC) • DEFINISI: SPC adalah suatu metode pengendalian proses dengan menggunakan data dan teknik statistik dalam pengambilan keputusan • MANFAAT: Meminimalkan variasi yang muncul di dalam proses Analisa Permasalahan-R0 97/211 Copyright 2009 .pqm.PQM Consultants http:\\www.co.

SPESIFIKASI vs.id .co. CONTROL • MENGONTROL PROSES TERHADAP SPESIFIKASI = TAMPERING – Tampering mengakibatkan meningkatnya variasi proses Analisa Permasalahan-R0 98/211 Copyright 2009 .PQM Consultants http:\\www.pqm.

MENGONTROL PROSES
BERBASIS SPESIFIKASI LIMIT
Kondisi awal

Setelah Adjustment

USL

LSL

Analisa Permasalahan-R0

99/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

Proses Tampering
Kondisi awal

Stlh Adjustment #1

USL

LSL
Stlh Adjustment #2
Analisa Permasalahan-R0

100/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

Effect Tampering
Kondisi Awal

Stlh Adjustment #1

Original Variation

Resulting Variation

USL

LSL
Stlh Adjustment #2

Analisa Permasalahan-R0

101/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

CONTROL LIMIT vs SPESIFIKASI LIMIT

• Control limit:
– Control Limit merupakan garis batas yang menggambarkan
(potret) kemampuan berdasarkan pengalaman dan
kemampuan teknik .
Control Limit bukanlah Spesifikasi Limit !!!!

• Spesifikasi Limit ;
– Spesifikasi Limit adalah limit/batas-batas/spesifikasi yang
ditentukan oleh konsumen (dalam maupun luar) atau target
yang harus dicapai.
Walaupun proses menunjukkan keadaan terkontrol (di dalam control limit) harus
diperhatikan juga apakah proses sesuai dengan Spesifikasi Limit

Analisa Permasalahan-R0

102/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

id .PQM Consultants http:\\www.CONTROL LIMIT – Adalah garis yang menunjukkan dispersi/penyebaran data dan memberitahu apakah situasi abnormal terjadi dalam produksi.pqm.co. dengan demikian kita dapat segera mengambil tindakan yang tepat – Ada tiga macam garis kendali yaitu : • UCL (Upper Control Limit) atau garis/batas kontrol atas • LCL (Lower Control Limit) atau garis/batas kontrol bawah • CL (Central line) atau garis tengah Analisa Permasalahan-R0 103/211 Copyright 2009 .

co.CONTROL CHART DEFINISI: • Control Chart adalah suatu grafik garis yang mencantumkan garis-garis control (Control Limit) sebagai dasar pengendalian proses (untuk menunjukkan proses dalam keadaan terkontrol atau tidak) MANFAAT: • Control Chart ini digunakan untuk memonitor variasi hasil pengukuran parameter proses – Apakah prosesnya normal atau menunjukkan trend? – Mengidentifikasi penyimpangan dini dan mengambil tindakan sebelum proses out of control Analisa Permasalahan-R0 104/211 Copyright 2009 .PQM Consultants http:\\www.id .pqm.

PQM Consultants http:\\www.pqm.id .CONTOH CONTROL CHART x-chart and R-chart UCL x x-chart LCL time UCL R-chart R LCL time Analisa Permasalahan-R0 105/211 Copyright 2009 .co.

id . Variable Control Chart : adalah Control Chart dimana data yang dikumpulkan dan akan dianalisa adalah data variabel (data yang diperoleh dengan melakukan pengukuran dengan alat ukur).PQM Consultants http:\\www.JENIS-JENIS CONTROL CHART 1.pqm. Contoh : X-R . X-S. Individual Moving Range Analisa Permasalahan-R0 106/211 Copyright 2009 .co.

JENIS-JENIS CONTROL CHART
2. Attribute Control Chart :
adalah Control Chart dimana data
yang dikumpulkan dan akan
dianalisa adalah data yang
diperoleh dengan melakukan
menghitung
contoh : c-chart, u-chart, np-chart, pchart
Analisa Permasalahan-R0

107/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

JENIS-JENIS CONTROL CHART

Individual
& Moving
range
chart

Analisa Permasalahan-R0

108/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

CONTROL CHART BASICS
Special Cause Variation:
Range of unexpected variability

UCL
Common Cause
Variation: range of
expected variability

+3σ

Process Average

-3σ

LCL
time

UCL = Process Average + 3 Standard Deviations
LCL = Process Average – 3 Standard Deviations
Analisa Permasalahan-R0

109/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

PROCESS VARIABILITY
Special Cause of Variation
UCL
3σ → 99.7% of
process values
should be in this
range

Process Average
LCL

time

UCL = Process Average + 3 Standard Deviations
LCL = Process Average – 3 Standard Deviations
Analisa Permasalahan-R0

110/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id

PQM Consultants http:\\www.id .R Chart ( UCL & LCL dihitung berdasar kinerja proses lalu yang stabil dan memenuhi spesifikasi yang dijadikan acuan untuk mengontrol proses mendatang ) Analisa Permasalahan-R0 111/211 Copyright 2009 .pqm.co.Contoh Form untuk pengontrolan proses dengan menggunakan X bar .

co.PROCESS IN CONTROL • Process in control: Titik-titik terdistribusi secara random di sekitar center line dan semua titik berada di dalam control limit x UCL x LCL time Analisa Permasalahan-R0 112/211 Copyright 2009 .PQM Consultants http:\\www.pqm.id .

co.PQM Consultants http:\\www.pqm.PROCESS OUT OF CONTROL • Nine or more points in a • One or more points outside control limits UCL row on one side of the center line UCL x x LCL LCL • Six or more points moving in the same UCL direction • 14 or more points alternating above and below the center line UCL x x LCL LCL Analisa Permasalahan-R0 113/211 Copyright 2009 .id .

PROCESS OUT OF CONTROL • Jika control chart menunjukkan out-ofcontrol – Maka ada dua penyebab : common causes of variation dan assignable causes of variation – Assignable causes of variation harus diidentifikasi • Jika menunjukkan gejala penurunan mutu.co. maka assignable causes of variation harus dihilangkan • Jika menunjukkan gejala peningkatan mutu. maka assignable causes of variation harus diintegrasikan dalam proses Analisa Permasalahan-R0 114/211 Copyright 2009 .id .pqm.PQM Consultants http:\\www.

pqm.id .co.VARIABLE CONTROL CHART 1.PQM Consultants http:\\www. X bar-R Chart Definisi: Adalah variabel control chart dimana data yang dikumpulkan dalam setiap pengamatan berbentuk subgroup yang besarnya 2-9 Kapan digunakan: – Jika ingin mengetahui stabilitas suatu proses – Jika datanya adalah data variabel – Jika setiap data yang dikumpulkan dalam bentuk subgroup yang besarnya 2 .9 Analisa Permasalahan-R0 115/211 Copyright 2009 .

Variable Control Chart : X bar .R Chart Analisa Permasalahan-R0 116/211 Copyright 2009 .id .pqm.co.PQM Consultants http:\\www.

2 jam) Punch terminal pressure (n=5. 2. 1 jam) Intermediate test (n=10. 12. 8. per lot) Berat piston motor –grm (n= 5 per shift) Bending strength – kg/cm2 (n=3 per shift) Analisa Permasalahan-R0 117/211 Copyright 2009 . 6. 9. 11.VARIABLE CONTROL CHART 1.pqm. 5. 4. 10.co. X bar – R Chart Contoh penerapan X bar – R Chart: 1.id . Panjang potongan pelat baja yang diproduksi Welding strength (2 tiap 2jam) Porosity (n=4. 2 jam) Impact test (n=2. 7. per lot) Sliding impact test (n=6. tiap 4jam) Freeness ( 2x / shift) Ph (2 x / shift) Thickness solder paste (n=2.PQM Consultants http:\\www. 3.

PQM Consultants http:\\www.co.A2. yaitu: Peta X : Peta R : • UCL = X + A2.R • LCL = X .Variable Control Chart : X bar .id .R LCL = D 3. Untuk membuat peta kendali ini N = data (subgroup) yang dibutuhkan minimum 25 Analisa Permasalahan-R0 118/211 Copyright 2009 . Rumus garis kendali. Factors for Computing Control Chart Lines X = rata-rata hasil pengukuran dalam sekali pengamatan R = range/selisih hasil pengukuran terbesar dengan terkecil dalam sekali pengamatan X= X/N R= R/N N = jumlah pengamatan. D3.R CL = R A2.pqm.R Chart . D4 diambil dari Table A.R • CL = X • • • • • • UCL = D 4.

X bar – R Chart Analisa Permasalahan-R0 119/211 Copyright 2009 .id .co.PQM Consultants http:\\www.pqm.

PQM Consultants http:\\www.5 14.5 1.0 12.0 cl 1.0 ucl AVERAGE 13.0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 PENGAMATAN KE R CHART .0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 PENGAMATAN KE Analisa Permasalahan-R0 120/211 Copyright 2009 .5 ucl 3.co.5 lcl 0.UJI LIMIT (BOLT DIAMETER) 14.X bar – R Chart X BAR CHART .5 cl 13.5 2.5 12.0 lcl 11.0 RANGE 2.5 11.UJI LIMIT (BOLT DIAMETER) 3.pqm.id .0 0.

PQM Consultants http:\\www.id .pqm. X bar-S Chart Definisi: Adalah Variable Control Chart dimana data yang dikumpulkan dalam setiap pengamatan.VARIABLE CONTROL CHART 2. dalam subgroup yang besarnya 10 atau lebih Kapan digunakan:  Jika ingin mengetahui stabilitas suatu proses  Jika datanya adalah data variabel  Jika setiap data yang dikumpulkan dalam bentuk subroup yang besarnya 10 atau lebih Analisa Permasalahan-R0 121/211 Copyright 2009 .co.

X bar – S Chart Contoh penerapan Peta X bar .VARIABLE CONTROL CHART 2. …………………………………….pqm. 5. 7. 6. …………………………………….PQM Consultants http:\\www. …………………………………….id . Diameter hasil potongan ampul 3.co. ……………………………………. ……………………………………. 8. Analisa Permasalahan-R0 122/211 Copyright 2009 . 4.S: 1. Berat rokok hasil lintingan 2. …………………………………….

B3.S LCL = X .A3.Variable Control Chart : X bar .PQM Consultants http:\\www.X )2 S= S/N n-1 Analisa Permasalahan-R0 123/211 Copyright 2009 .S LCL = B3.co.S CL = X UCL = B4. yaitu: Peta X : Peta S : UCL = X + A3. B4 diambil dari Table A. Factors for Computing Control Chart Lines X = rata-rata hasil pengukuran dalam sekali pengamatan S = standard deviasi setiap sub group X =  X / N (N = jumlah pengamatan) S= ( Xi .id .S CL = S A3.pqm.S Chart – Rumus garis kendali.

PQM Consultants http:\\www.Variable Control Chart : X bar .co.id .S Chart Berat Pasta (gr) Analisa Permasalahan-R0 124/211 Copyright 2009 .pqm.

co.PQM Consultants http:\\www.id .S Chart Berat Pasta (gr) Analisa Permasalahan-R0 125/211 Copyright 2009 .Variable Control Chart : X bar .pqm.

Variable Control Chart : X bar .id .co.pqm.S Chart Analisa Permasalahan-R0 126/211 Copyright 2009 .PQM Consultants http:\\www.

atau memang sedikit produksi yang tersedia Analisa Permasalahan-R0 127/211 Copyright 2009 .pqm. minyak dimana dalam setiap pengambilan data hasilnya relatif homogen sehingga cukup diambil satu sampel  Dapat juga digunakan dimana pengujian hanya dapat dilakukan sedikit saja.Moving Range Chart Definisi: Adalah Variable Control Chart dimana data yang dikumpulkan dalam setiap pengamatan jumlahnya satu (=1) Disebut Moving Range karena: range diperoleh dari data yang bergerak yakni data dari pengujian satu ke pengujian berikutnya Kapan digunakan:  Jika ingin mengetahui stabilitas suatu proses  Jika datanya adalah data variabel  Jika setiap data yang dikumpulkan adalah data individu  Umumnya digunakan dalam industri yang berjalan 24 jam seperti semen.co. X. pupuk kimia.PQM Consultants http:\\www.VARIABLE CONTROL CHART 3. karena faktor biaya.id .

Dimensi komponen (per komponen) 8.co.Moving Range Chart Contoh penerapan Peta X . Daya tahan baterai handphone 5.id .PQM Consultants http:\\www. PH larutan (per batch) 10. Kadar TS (per batch) 6.Moving Range 1.VARIABLE CONTROL CHART 3. Running test break-m (per unit) 9. Konsentrasi larutan 2. Kadar air dalam pupuk 4. X. Viskositas – poise (per batch) Analisa Permasalahan-R0 128/211 Copyright 2009 .pqm. Kadar protein ransum (per no formula) 7. Daya ledak peluru 3.

66) X = hasil pengukuran dalam sekali pengamatan mR = range dari sekelompok data yang berturutan X = X / N (N = jumlah pengamatan) mR = mR / (N-n+1) Analisa Permasalahan-R0 Subgroup Size (n) 2 3 4 5 6 7 8 9 10 E2 2.mR UCL = D 4.109 1.290 1.mR LCL CL = X .PQM Consultants http:\\www.184 1.mR = X LCL = D 3. yaitu: Peta X : Peta Moving Range : UCL = X + E2. D3. Factors for Computing Control Chart Lines (untuk n= 2--> E2 = 2.E2.mR CL = mR E2.id .010 0. D4 diambil dari Table A.Variable Control Chart : X – Moving Average Rumus garis kendali.pqm.054 1.660 1.772 1.457 1.co.975 129/211 Copyright 2009 .

id .PQM Consultants http:\\www.co.Variable Control Chart : X – Moving Average Analisa Permasalahan-R0 130/211 Copyright 2009 .pqm.

02 0.03 0.PQM Consultants http:\\www.02 0.01 0.01 0.pqm.00 mR UCL CL LCL PENGUKURAN KE Analisa Permasalahan-R0 131/211 Copyright 2009 .03 0.co.id .04 0.Variable Control Chart : X – Moving Average mR MOVING RANGE (LEBAR SISI AXIS)-UJI LIMIT 0.

dan lain-lain Analisa Permasalahan-R0 132/211 Copyright 2009 . gelas retak.id .ATTRIBUTE CONTROL CHART DEFECT vs DEFECTIVE Dalam pembuatan ATTRIBUTE CONTROL CHART akan ditemui istilah . dinding menggelombang.pqm. cat mengelupas n Produk disebut defective(nonconforming) jika terdapat defect (satu atau lebih) yang mengakibatkan produk tersebut ditolak / tak berfungsi lagi Misal : ubin pecah.istilah yang perlu diperhatikan yaitu : defect dan defective n Produk disebut memiliki defect(nonconformity) jika terdapat sekurang-kurangnya satu spesifikasi yang tak dipenuhi Misal : tergores. produk yang rusak.co.PQM Consultants http:\\www.

co.ATTRIBUTE CONTROL CHART 1.id .pqm. dimana produk diklasifikasikan diterima atau ditolak Analisa Permasalahan-R0 133/211 Copyright 2009 .PQM Consultants http:\\www. dan dalam setiap pengamatan besarnya subgroup berbeda Kapan digunakan: n Jika ingin mengetahui stabilitas suatu proses n Jika datanya dalam setiap subgroup berupa jumlah produk defective / nonconforming n Jika dalam setiap pengamatan besarnya subgroup berbeda n Jika ingin mengamati karakteristik kualitas.chart Definisi: Adalah Attribute Control Chart dimana data yang dikumpulkan digo-longkan diterima atau ditolak (mengecek defective). p .

ATTRIBUTE CONTROL CHART 1.co. Jml ATM vs ATM yang rusak 14.chart: 1. p . Jml transaksi kiriman uang vs jml salah bayar 12. Jml nasabah yang dilayani vs yg complain 11. Proporsi reject item dalam pembelian barang 3. Jml Lampu mati pada saat pengujian 6. Reject kropos casting process 7. Salah bayar wesel 10. Proporsi ubin yang pecah dalam pemasangan lantai 5. Jml pengujian salah per bulan 8.pqm. Proporsi pasien meninggal dari seluruh pasien dirawat 4. Jml PO vs delivery terlambat 15. Proporsi waste per hari dalam pembuatan produk 2.chart Contoh penerapan p . Jml panggilan vs jml panggilan gagal Analisa Permasalahan-R0 134/211 Copyright 2009 . Jml unit terjual vs jml retour 13.id .PQM Consultants http:\\www. Salah kirim 9.

PQM Consultants http:\\www.i Analisa Permasalahan-R0 135/211 Copyright 2009 . yaitu: UCL = p + 3 p(1-p) ni LCL = p .Attribute Control Chart : p .chart Rumus garis kendali.pqm.id .3 p(1-p) ni CL = p p = proporsi defective per unit p = pn / ni ni = besarnya subroup/ pengamatan ke .co.

pqm.co.chart Analisa Permasalahan-R0 136/211 Copyright 2009 .id .PQM Consultants http:\\www.Attribute Control Chart : p .

Attribute Control Chart : p .id .PQM Consultants http:\\www.chart Analisa Permasalahan-R0 137/211 Copyright 2009 .pqm.co.

np .chart Definisi: Adalah Attribute Control Chart dimana data yang dikumpulkan digolongkan diterima atau ditolak (mengecek defective/nonconforming ) dan dalam setiap pengamatan besarnya subgroup sama Kapan digunakan: n Jika ingin mengetahui stabilitas suatu proses n Jika datanya dalam setiap subgroup berupa jumlah produk defective / nonconforming n Jika dalam setiap pengamatan besarnya subgroup sama n Jika ingin mengamati karakteristik kualitas.id . dimana produk diklasifikasikan diterima atau ditolak Analisa Permasalahan-R0 138/211 Copyright 2009 .pqm.co.ATTRIBUTE CONTROL CHART 2.PQM Consultants http:\\www.

np .co. 4.ATTRIBUTE CONTROL CHART 2.PQM Consultants http:\\www. 6.pqm. yg macet brp Box tercampur dalam tiap palet Setiap box dihitung salah size Analisa Permasalahan-R0 139/211 Copyright 2009 . bolpen yang dibeli Jml bayi meninggal setiap 100 kelahiran Jml „landing‟ pesawat yang kurang mulus dari setiap 1000 kali „landing‟ Inspeksi 100% untuksemua item setiap lot (ukuran sama) Setiap 1000 ton dihitung complain Setiap 1000 debitur. 7.chart: 1. 5. 3. 9. 2. Lama waktu breakdowm mesin setiap seminggunya (mesin beroperasi 24 jam dalam sehari) Jml reject item dalam setiap karton box(isi 12 lusin). 8.id .chart Contoh penerapan np .

Attribute Control Chart : np . yaitu: UCL = CL np +3 np ( 1 .p ) = np LCL = np .p ) np = proporsi defective per subgroup=> jumlah np =  np / N p =  np /  ni N = banyaknya pengamatan/ jumlah subgroup Analisa Permasalahan-R0 140/211 Copyright 2009 .co.3 np ( 1 .pqm.PQM Consultants http:\\www.chart Rumus Garis kendali.id .

chart Analisa Permasalahan-R0 141/211 Copyright 2009 .co.Attribute Control Chart : np .pqm.PQM Consultants http:\\www.id .

co.id .Attribute Control Chart : np .pqm.PQM Consultants http:\\www.chart Analisa Permasalahan-R0 142/211 Copyright 2009 .

pqm.chart Definisi: Adalah Attribute Control Chart dimana data yang dikumpulkan adalah defect-defect / nonconformity dalam subroup dimana dalam setiap pengamatan besarnya subgroup berbeda Kapan digunakan: n Jika ingin mengetahui stabilitas suatu proses n Jika datanya adalah berupa banyaknya defect / nonconformity setiap subgroup n Jika dalam setiap pengamatan besarnya subgroup berbeda n Jika ingin mengamati karakteristik kualitas. berapa banyaknya defect per unit pengamatan Analisa Permasalahan-R0 143/211 Copyright 2009 .PQM Consultants http:\\www.co.ATTRIBUTE CONTROL CHART 3. u .id .

8. Jml siswa vs kesalahan penggunaan pemadam kebakaran 6.ATTRIBUTE CONTROL CHART 3. Analisa Permasalahan-R0 144/211 Copyright 2009 .chart Contoh penerapan u . u . …………………………………….pqm.PQM Consultants http:\\www.id .chart: 1. ……………………………………. Jml nasabah yang transfer vs jumlah kesalahan penulisan form 2. Jumlah pelanggan datang vs Jumlah keluhan 5.co. Jml produksi harian vs jumlah cacat 4. 7. Jml kehadiran karyawan vs tindakan indisipliner 3. …………………………………….

3 u u ni u = proporsi defect per unit =>juml defect/juml yg di inspect u =  c /  ni c = jumlah defect per subgroup ni = besarnya subroup/ pengamatan ke.chart Rumus Garis kendali.PQM Consultants http:\\www.id .pqm.Attribute Control Chart : u .co. yaitu: UCL = u + 3 u CL = ni LCL = u .i Analisa Permasalahan-R0 145/211 Copyright 2009 .

Attribute Control Chart : u .pqm.chart Analisa Permasalahan-R0 146/211 Copyright 2009 .co.id .PQM Consultants http:\\www.

co.id .Attribute Control Chart : u .PQM Consultants http:\\www.chart Analisa Permasalahan-R0 147/211 Copyright 2009 .pqm.

c .co. berapa banyaknya defect pada setiap artikel produk Analisa Permasalahan-R0 148/211 Copyright 2009 .id .pqm.chart Definisi: Adalah Attribute Control Chart dimana data yang dikumpulkan adalah defect-defect / nonconformity dalam subgroup dimana dalam setiap pengamatan besarnya subgroup sama Kapan digunakan: n Jika ingin mengetahui stabilitas suatu proses n Jika datanya adalah berupa banyaknya defect / nonconformity setiap subgroup n Jika dalam setiap pengamatan besarnya subgroup sama n Jika ingin mengamati karakteristik kualitas.ATTRIBUTE CONTROL CHART 4.PQM Consultants http:\\www.

PQM Consultants http:\\www. 8. Setiap 100 sambungan telepon vs salah sambung 5. Setiap area dalam roll yang diperiksa vs jml defect 6. ……………………………………. Setiap 10 m luas bidang yang dicat vs jumlah cacat 3.co.id .ATTRIBUTE CONTROL CHART 4. …………………………………….chart: 1. ……………………………………. c .pqm. Setiap 10 halaman buku vs jumlah salah 2. Analisa Permasalahan-R0 149/211 Copyright 2009 . 7.chart Contoh penerapan c . Setiap botol obat vs banyaknya gelembung udara dalam satu botol obat 4.

chart Rumus Garis kendali.id .pqm. yaitu: UCL = c CL c LCL = + 3 = c .Attribute Control Chart : c .co.3 c c c = proporsi defect per subgroup =>jumlah c= c/N c = jumlah defect per subgroup N = banyaknya pengamatan atau jumlah subgroup Analisa Permasalahan-R0 150/211 Copyright 2009 .PQM Consultants http:\\www.

co.id .pqm.PQM Consultants http:\\www.Attribute Control Chart : c .chart Analisa Permasalahan-R0 151/211 Copyright 2009 .

id .Attribute Control Chart : c .pqm.chart Analisa Permasalahan-R0 152/211 Copyright 2009 .PQM Consultants http:\\www.co.

PQM Consultants http:\\www.Analisa Permasalahan-R0 153/211 Copyright 2009 .id .co.pqm.

pqm.id .PQM Consultants http:\\www.Process Capability Analysis Cp Cpk Analisa Permasalahan-R0 154/211 Copyright 2009 .co.

pqm.PQM Consultants http:\\www. “Real” Capability Index = Cpk Analisa Permasalahan-R0 155/211 Copyright 2009 .co.id .PROCESS CAPABILITY ANALYSIS • Definisi: adalah suatu analisa untuk memprediksi seberapa konsisten proses memenuhi spesifikasi yang ditentukan pelanggan internal atau eksternal • Proses disebut „capable‟ jika mampu menghasilkan hampir 100% output sesuai spesifikasi – Capability: kemampuan proses untuk menghasilkan output sesuai spesifikasi – Capability Index: adalah suatu index yang menggambarkan seberapa jauh proses memenuhi spesifikasi yang ditetapkan : 1. “Potential” Capability Index = Cp 2.

id .PQM Consultants http:\\www.Mengapa perlu Process Capability Analysis? Problem with Spread Problem with Centering Current situation Accurate (but not precise) LSL Desired Current Situation Desired Precise (but not accurate) T USL LSL 1 2 3 4 T USL 5 Precise but not Accurate Accurate but not Precise Analisa Permasalahan-R0 156/211 Copyright 2009 .co.pqm.

– Menguji seberapa baik performance dari suatu alat/ mesin / sekelompok pekerja terhadap suatu parameter (dimensi.pqm. membantu memfokuskan pada target value. bisa jadi pelanggan tidak puas & memungkinkan hilangnya bisnis • PENERAPAN: – Menguji apakah setup mesin baru sudah OK. Meskipun output 100% berada di dalam spesifikasi limit.PROCESS CAPABILITY ANALYSIS  Dengan mengetahui Capablility Index. monthly. dll) – Sebagai persyaratan untuk penerimaan produk Analisa Permasalahan-R0 157/211 Copyright 2009 .id . yaitu value yang paling diinginkan pelanggan. dll) dalam periode tertentu (daily. weekly.co.PQM Consultants http:\\www.

PQM Consultants http:\\www. Jika proses stabil maka dapat diprediksi performance mendatang dan meningkatkan capability • Process capability harus senantiasa diukur dan dianalisa • Dengan melakukan Process Capability Analysis dapat diketahui: – – – – Apakah proses memenuhi spesifikasi Bagaimana kinerja proses di masa mendatang Apakah perlu dilakukan perbaikan di dalam proses Apakah improvement yang dilakukan bisa mempertahankan kinerja. Proses yang tidak stabil tidak bisa dijadikan acuan untuk memprediksi.id .pqm.PROCESS CAPABILITY ANALYSIS • Sebelum melakukan Process Capability Analysis harus dipastikan prosesnya stabil.co. atau malah menurun? Analisa Permasalahan-R0 158/211 Copyright 2009 .

dimensi. analisa apakah berdistribusi normal? (Test: Anderson-Darling test atau Kolmogorov-Smirnov statistic.id .PQM Consultants http:\\www.pqm. n> 25(populasi homogen) • Buatlah Control Chart yang sesuai. dll (data variabel) • Kumpulkan data untuk setiap parameter yang akan dianalisa. viskositas. atau Mean=Median=Mode) • Hitung Cp dan/atau Cpk Analisa Permasalahan-R0 159/211 Copyright 2009 .PROCESS CAPABILITY ANALYSIS LANGKAH ANALYSIS: • Tetapkan parameter yang akan dianalisis : temperatur.co. analisa apakah Chart dalam keadaan in control atau out of control • Buat histogramnya.

pqm.PQM Consultants http:\\www.id .PROCESS CAPABILITY ANALYSIS Istilah yang perlu diperhatikan dalam mengukur proses Capability Index: • Control Limit: – Control Limit merupakan garis batas yang menggambaran kemampuan (potret) proses berdasarkan pengalaman dan kemampuan teknik • Spesifikasi Limit : – Spesikfikasi Limit adalah limit/batas-batas /spesifikasi yang ditentukan oleh konsumen (dalam maupun luar) atau target yang harus dicapai Analisa Permasalahan-R0 160/211 Copyright 2009 .co.

PROCESS „POTENTIAL‟ CAPABILITY INDEX .PQM Consultants http:\\www. dimana perhitungannya hanya memperhatikan spread (sebaran data) namun Tidak memperhatikan centering /titik tengah dari proses. Atas . dan harus disertai dengan Cpk Cp = Spec.pqm.Cp Cp = Index yang menunjukkan kemampuan suatu proses dalam memenuhi Spesifikasi Limit (atas & bawah).Spec.id . Bawah 6 Analisa Permasalahan-R0 161/211 Copyright 2009 . Bawah Jika ada 2 batas Spec. Atas & Spec.co. maka nilai Cp tak dapat digunakan sebagai index tersendiri dalam menggambarkan performance proses. Cp ini mengukur seberapa presisi suatu parameter proses Karena Cp tidak memperhitungkan centering dari proses. : Spec.

Standard deviasi sampel s: X : rata-rata S : Std.dapat diestimasi dari 1.X )2 n-1 Data dari Peta Kendali Xbar. jika menggunakan rumus ini . maka hasilnya adalah Cpk R = rata-rata range pada peta kendali X bar-R d2 = konstanta yang besarnya tergantung jumlah observasi dalam menghitung range (besar subgroup) S = rata-rata satndard deviasi pada peta kendali X bar-S c4 = konstanta yang besarnya tergantung jumlah observasi dalam menghitung standard deviasi(besar subgroup) Analisa Permasalahan-R0 162/211 Copyright 2009 .id .PQM Consultants http:\\www.co. jika menggunakan rumus ini .R atau X bar-S: = R d2 = S c4 Dalam Minitab. Deviasi S= 2.pqm. maka hasilnya adalah Ppk ( X . Dalam Minitab.

jika: Index Capability Process 1 .pqm.INTERPRETASI PROCESS „POTENTIAL‟ CAPABILITY .co.Cp • Variabilitas Proses dikatakan memenuhi spesifikasi yang ditetapkan.PQM Consultants http:\\www.id . atau Cp 1 Analisa Permasalahan-R0 163/211 Copyright 2009 .

5 C p = 2.id .co.INTERPRETASI PROCESS „POTENTIAL‟ CAPABILITY - Cp Upper Lower Specification Specification Limit Limit Cp <1 p =1 C p = 1.pqm.PQM Consultants http:\\www.0 Improvement C Analisa Permasalahan-R0 164/211 Copyright 2009 .

Atas saja 3 Cpk = X .co. Atas .INDEX PROCESS „REAL‟ CAPABILITY .X .Spec Bawah 3 Cpk = 3 Spec.Cpk Cpk = Index yang menunjukkan kemampuan suatu proses dalam memenuhi spesifikasi limit (atas &/ atau bawah) dimana dalam perhitungannya memperhatikan sebaran data dan centering/titik tengah proses Cpk ini mengukur seberapa Cpk = min presisi dan akurasi suatu parameter proses Spec. : Spec. X .Spec. Bawah saja 3 Analisa Permasalahan-R0 165/211 Copyright 2009 .pqm. Atas . Bawah Jika ada 1 batas Spec.id . Bawah Jika ada 1 batas Spec. : Spec.PQM Consultants http:\\www. Atas & Spec. : Spec.X Jika ada 2 batas Spec.

INTERPRETASI PROCESS „REAL‟ CAPABILITY .co. jika: Index Capability Process .PQM Consultants http:\\www.id .pqm.Cpk  Proses dikatakan memenuhi spesifikasi yang ditetapkan.Cpk  1 Catatan : nilai Cp Cpk Analisa Permasalahan-R0 166/211 Copyright 2009 .

id .0 C = 2.0 C = 2.Cp & Cpk BERBAGAI PROSES Lower specification Upper specification Potential capability Increase in the number of rejects C C C C C C Analisa Permasalahan-R0 p p p p p p = 2.co.pqm.0 C = 2.0 C = 2.PQM Consultants http:\\www.0 C = 2.0 pk pk pk pk pk =1 <1 =0 <0 < -1 167/211 Copyright 2009 .0 Real capability C pk = 2.

29 6 ( 2.id .pqm.262) Interpretasi : Karena Cp = 0.3 gr . s = 2.29 < 1 . X = 404. maka variabilitas berat susu melebihi batas spesifikasi  perlu dilakukan perbaikan untuk memperkecil variabilitas Analisa Permasalahan-R0 168/211 Copyright 2009 . Spec Atas = USL= 404 gr 5 4 3 2 1 Center 0 1 Cp = 2 USL .PQM Consultants http:\\www.400 gr LSL Rata 2 9 8 USL 7 Jawaban : 6 n = 30 .262 9.400 5 6 Spread Mean Median StDev Range Var 404. Spec bawah = LSL= 400 gr.3 404.co.3 5.262 gr.LSL 6 3 = 4 404 .CONTOH PERHITUNGAN Cp Jika Manajemen telah menetapkan spesifikasi bahwa berat susu tidak boleh kurang dari 400 gr dan tidak boleh lebih dari 404 gr Berapa nilai index Cp dari proses tersebut ? HISTOGRAM Berat Susu.1 = 0.0 2.

3 5.3 404.400 gr LSL Rata 2 9 8 Jawaban : n = 30 . X = 404.064 < 1 .262 2 x 2.262 Cpk = min { -0.262 gr.PQM Consultants http:\\www. 404.0.0 2.Spec bawah } = min { 404 .404.63} = . maka variabilitas berat susu melebihi batas spesifikasi dan rata-rata berat susu jauh menyimpang dari titik tengah spesifikasi Analisa Permasalahan-R0 169/211 Copyright 2009 .CONTOH PERHITUNGAN Cpk Jika Manajemen telah menetapkan spesifikasi bahwa berat susu tidak boleh kurang dari 400 gr dan tidak boleh lebih dari 404 gr Berapa nilai index Cpk dari proses tersebut ? HISTOGRAM Berat Susu. Spec bawah = LSL= 400 gr. Spec Atas = USL= 404 gr USL 7 6 5 4 Center 3 Spread 2 1 Mean Median StDev Range Var 404.3 .pqm. X .04 Kesimpulan : Karena Cpk = -0.X .262 9. s = 2.400 } 3s 3 s 3 x 2.1 0 1 Cpk 2 = 3 4 5 6 min { Spec atas .3 .co.id .04 . 0.3 gr .

proses tak terkontrol.Cpk • Cpk > 1.1 : – Perubahan sedikit dalam proses produksi mengakibatkan munculnya penyimpangan • 0. variasi dalam batas yang diijinkan • 1. lebih produktif) • 1. proses harus diperiksa lebih ketat untuk mengeliminasi cacat/penyimpangan • Cpk < 0.co.1 < Cpk < 1.0 : – Produk cacat (penyimpangan produk) kadangkala muncul. harus diperiksa bagaimana proses kerja.3 : – Kondisi ideal.3 : – Jika terjadi peningkatan variasi di masa mendatang.9 : – Produk cacat (penyimpangan produk) terjadi secara teratur.id . kecil kemungkinannya menyimpang dari spesifikasi (proses menjadi lebih murah.0 < Cpk < 1. atau design spesifikasi perlu ditinjau ulang Analisa Permasalahan-R0 170/211 Copyright 2009 .9 < Cpk < 1.pqm.INTERPRETASI PROCESS „REAL‟ CAPABILITY .PQM Consultants http:\\www.

Cpm = LSL 6 LSL T: Target USL ( – T )2 + USL 2 LSL : rata-rata . T: target/nominal .PQM Consultants http:\\www. standard deviasi populasi T: Target USL OR Analisa Permasalahan-R0 171/211 Copyright 2009 . Dimana target prosesnya bukan merupakan titik tengah spesifikasi limit.co.pqm.Cpm • Cpm (Taguchi Index): indeks yang menggambarkan kemampuan proses memenuhi spesifikasi.id .

43 Berapa nilai Cpm? Cpm = LSL 6 ( – T )2 + LSL 24 31 – 24 = USL - 6 2 26 27 28 29 (29 – 28 )2 + 0.id . dan standard deviasi S = 0. Rata-rata X = 29.co.pqm.43 2 USL Target 25 = 1.PQM Consultants http:\\www.0.CONTOH PERHITUNGAN Cpm Diketahui : Specification limit : 28 + 3/-4 .07 30 Analisa Permasalahan-R0 31 172/211 Copyright 2009 .

co. tidak diperlukan perhitungan tersendiri. Untuk improvement harus dipelajari sebab-sebab permasalahannya secara menyeluruh (Source : PQ Systems) Analisa Permasalahan-R0 173/211 Copyright 2009 . atau terlalu dekat dengan spesifikasi limit atau variabilitas yang tinggi di anatara unit .apakah system tidak capable karena tidak centered. Contoh: .id . • Capability dari data yang dituangkan dalam p chart adalah nilai p bar (average nonconforming items ) • Capability dari data yang dituangkan dalam np chart adalah nilai np bar (average number of nonconforming items generated by the system • Capability dari data yang dituangkan dalam c chart adalah nilai c bar (average number of nonconformities per subgroup) • Capability dari data yang dituangkan dalam u chart adalah nilai u bar (average number of nonconformities per unit ) Kelemahan Capability analisis untuk data attribute ini adalah tidak menjelaskan mengapa system tidak capable.PQM Consultants http:\\www.Capability Analysis untuk Data Attribute Index Capability Process data attribute diperoleh langsung hasil pembuatan control chart.pqm.

id .HYPHOTHESIS TEST Analisa Permasalahan-R0 174/211 Copyright 2009 .pqm.PQM Consultants http:\\www.co.

dinamakan STATISTICAL HYPHOTHESIS atau Hypothesis Test • Hypothesis test dapat digunakan untuk: • Menilai kinerja proses (rata-rata dan variasi) terhadap suatu standard atau spesifikasi.Hypothesis Test • Untuk mendapatkan keputusan.pqm. • Dan sebagainya Analisa Permasalahan-R0 175/211 Copyright 2009 .co. umumnya digunakan asumsi terhadap populasi. Asumsi untuk mendapatkan keputusan tersebut (bisa benar. • Menguji peningkatan proses dengan membandingkan data lama dan yang baru. bisa salah).PQM Consultants http:\\www. • Menentukan apakah terdapat perbedaan-perbedaan yang terjadi selama proses.id .

Menerima H1 = Menolak H0 Analisa Permasalahan-R0 176/211 Copyright 2009 . Menolak H0 = Menerima H1.PQM Consultants http:\\www. – Hipotesis Alternatif (Alternative Hypothesis) (H1) : Yaitu suatu statement yang berkontradiksi dengan null hyphothesis. digunakan dua hypothesis yang berlawanan: – Hipotesis Nol (Null Hypothesis) (H0) : Yaitu suatu statement mengenai persamaan atau ketidaksamaan mengenai parameter populasi.HYPOTHESIS TEST • Dalam melakukan hypothesis test.id . Peneliti ingin mendeskreditkan (menyangkal) statement ini.co.pqm. Peneliti mengharapkan statement ini yang aktual terjadi.

Menyajikan hyphothesis mengenai adanya perbedaan Contoh Ha: rata-rata Populasi # rata-rata hasil pengujian Dengan Hypothesis test dapat dibuktikan apakah perbedaan memang terjadi secara signifikan atau secara kebetulan Analisa Permasalahan-R0 177/211 Copyright 2009 .pqm. Ho merupakan hypothesis mengenai suatu kesamaan atau tidak ada perbedaaan Contoh : H0: Rata-rata Populasi = rata-rata hasil pengujian Hypothesis Ha adalah “alternative” hypothesis.co.id .Ho.PQM Consultants http:\\www.HYPOTHESIS TEST Starting point untuk hypothesis test adalah “null” hypothesis .

but =. And the Ha is 178/211 the opposite. the Ho wouldn‟t be ≠.PQM Consultants http:\\www. Copyright 2009 . ≥.Analisa Permasalahan-R0 Note: based on the graph above.co.pqm. or ≤.id .

dan Coin disebut imbang (dengan probabilitas muncul gambar kepala = 0.7 (pilih salah satu) 2.co. Jika ingin memutuskan apakah suatu coin itu imbang.5 atau p = 0.HYPOTHESIS TEST Contoh : 1. maka formulasi hipotesa tsb adalah : Ho: p = 0. Jika ingin memutuskan apakah suatu prosedur lebih baik dari yang lain.5 atau p > 0.5.id .PQM Consultants http:\\www.5) H1: p # 0. maka formulasi hipotesa tsb adalah: Ho: Tidak ada perbedaan antara prosedur H1 : Ada perbedaan prosedur Analisa Permasalahan-R0 179/211 Copyright 2009 .pqm.

 Dalam statistic. probabilitas maksimum bahwa akan muncul error type I disebut “Level of Significance” / tingkat signifikan dari suatu pengujian. yang sering digunakan adalah 0.PQM Consultants http:\\www.01 atau 0.co. artinya:  kita 95% yakin bahwa kita mengambil keputusan tepat  hipotesa tersebut ditolak pada tingkat signifikan 5%  atau kemungkinan salah sebesar 5% Analisa Permasalahan-R0 180/211 Copyright 2009 .LEVEL OF SIGNIFICANCE.  Dalam melakukan pengujian terhadap suatu hipotesa.05 (5%) .id .05  Jika suatu hipotesa dengan Level of Significance sebesar 0. (level of significance) : merupakan tingkat kesalahan yang ditolerir  Nilainya ditentukan secara bebas sesuai tingkat ketelitian yang diinginkan.pqm. .

co.08 dan 3.33 atau 2.pqm.58 atau 2.645 dan 1.28 atau 1.Critical Values of Z Dari Tabel Distribusi Normal.id .96 -2.58 -2.645 atau 1.01 0.81 -3. untuk setiap level of significant ( ).08 (Untuk lainnya.002 Critical Values of z for One Tailed Test -1.81 dan 2.PQM Consultants http:\\www.33 -2.28 Critical Values of z for Two Tailed Test -1.645 -2.645 -1.10 0.28 -1.96 dan 1.28 atau 2.05 0.005 0.58 -2. dapat dihitung confidence koefisien atau critical value/daerah kritis yang dinyatakan dalam Z Level of significance( ) 0. Critical values of Z dapat dilihat dalam tabel Distribusi Normal) Analisa Permasalahan-R0 181/211 Copyright 2009 .58 dan 2.

co.pqm.id .Mapping Statistical Tools Analisa Permasalahan-R0 182/211 Copyright 2009 .PQM Consultants http:\\www.

(Gunakan bahasa sehari-hari. Buat kesimpulan. 2. State a conclusion. atau F.co.LANGKAH-LANGKAH UJI HYPOTHESIS 1. jangan pakai jargon statistik). t. Buat keputusan terima/tolak Ho 5. Define the hypothesis test & Calculate the value of the test statistic. 4. Misal.PQM Consultants http:\\www.). Define the confidence level and error level ( level).pqm. atau p value ) Misal untuk mengetes rata-rata populasi dengan n> 30. test statistiknya: Z = X–  hitung hingga diperoleh suatu nilai s n 3. Tetapkan Hypothesis Awal (Ho). maka tingkat kepercayaan adalah sebesar 95%. Definisikan tingkat kesalahan ( ) dan kuasa uji (1.id . Define the hypothesis. Tetapkan test statistik yang digunakan (Z. H0: X vs H1: H0: < X vs H1: ≠ X (tanda ≠ nantinya menuntun kita untuk melakukan uji dua sisi/tail). >X (tanda > atau < nantinya menuntun kita untuk melakukan uji satu sisi). Carry out the test. untuk menguji apakah rata-rata populasi ( ) sama atau tidak dengan nilai tertentu. dengan tingkat error 5%. Misal. Analisa Permasalahan-R0 183/211 Copyright 2009 . dan Hypothesis Alternatif/Kontra (Ha/H 1). Hasil test statistik pada no 3 dibandingkan dengan rejection region.

pqm.co. • p-value ditunjukkan oleh tail area di dalam table distribusi normal yang diperoleh dari konversi hasil pengukuran aktual (rata-rata) ke dalam Statistic ( Z .p-Value • p-value adalah suatu test statistik yang digunakan di dalam hypotesis testing untuk menerima atau menolak null hypothesis.PQM Consultants http:\\www. t atau c2 statistic ) = .05 = .05 = .id .05 = .05 A B A P value = area A yg diarsir B P value = area B (yg diarsir) Analisa Permasalahan-R0 P value = area A + B (yg diarsir) 184/211 Copyright 2009 .

PQM Consultants http:\\www. Probabilitas Type I Error = . padahal kenyataannya rata-rata tinggi 160 cm • Semakin kecil p-value.pqm.co. semakin kecil pula peluang untuk membuat kesalahan untuk menolak null hypothesis (H0). Probabilitas Type II Error = β. padahal kenyataannya adalah benar Type II Error : Menerima null hypothesis padahal null hypothesis itu salah.id . β α • • Type I Error : Menolak null hypothesis padahal null hypothesis itu benar.P-value • p-value menunjukkan peluang untuk membuat Type I error. menolak null hypothesis yang benar. – Contoh: Peneliti tidak menolak (menerima) klaim/hipotesa bahwa rata-rata tinggi populasi = 160 cm. • Contoh: peneliti menolak klaim/hipotesa bahwa rata-rata tinggi populasi = 160 cm. • Nilai cut-off value yang sering dipergunakan untuk p-value adalah 0. Analisa Permasalahan-R0 185/211 Copyright 2009 .05 (α).

diterima Ho atau tolak H1 = .co. 01 atau 0. sehingga: – Kriteria penerimaan: • Jika p-value < 0.p-Value • Acuan menerima atau menolak hypothesis. diterima H1 atau tolak Ho • Jika p-value > 0. pada significance level ( ) – Jika p-value < . menerima H1 – Jika p-value .05 = .05 ( = 0. menerima H0 • Nilai umumnya yang digunakan adalah 0.id .05.PQM Consultants http:\\www.05 Terima Ho /Tolak H1 p value Analisa Permasalahan-R0 p value Terima H1 / Tolak Ho 186/211 Copyright 2009 .05 yang paling sering ).pqm.05.

PQM Consultants http:\\www.co.HYPHOTHESIS TEST .pqm.id .Data Variable - Analisa Permasalahan-R0 187/211 Copyright 2009 .

ONE SAMPLE Z-TEST • One Sample Z-Test – Digunakan untuk membandingkan rata-rata sample dengan nilai tertentu ketika standard deviasi populasi ( ) diketahui.pqm.co.PQM Consultants http:\\www.id . • Langkah melakukan One Sample Z-Test : – Tentukan uji normalitas (normality test) • Jika p-value > 0.05 : Data berdistribusi normal • Jika p-value < 0.05 : Data tidak berdistribusi normal – Lakukan uji one sample Z-Test – Tentukan keputusan berdasarkan analisa Analisa Permasalahan-R0 188/211 Copyright 2009 .

25 gr.88 gr dan standard deviasi (s) = 0.05) terbukti bahwa kadar protein dalam cereal < 3gram Analisa Permasalahan-R0 189/211 Copyright 2009 . Sebagai karyawan baru.Contoh: One Sample Z-Test • (dengan Excel Calculator) PT Crunchy yang memproduksi cereal mengklaim bahwa kadar protein dalam setiap 1 cup cereal adalah 3 gram. artinya dengan kepercayaan 95% (1-0.41 gr.0000 < 0. Dari hasil pengujian diketahui bahwa rata-rata kadar protein 2. Ho : H1: > 3 gr (kadar protein dalam cereal benar > 3 gr) < 3 gr. maka diterima H1.05. (kadar protein dalam cereal < 3 gr) 2 1 3 4 Karena p-value = 0.pqm. anda ingin membuktikan apakah pernyataan tersebut masih valid dengan melakukan pengujian terhadap 100 sample .id .co. Dari data sebelumnya diketahui bahwa standar deviasi populasi ( )= 0.PQM Consultants http:\\www.

pqm.id .One Sample T-Test • One Sample T-Test – Digunakan untuk membandingkan sebuah sample dengan sebuah nilai tertentu ketika standard deviasi populasi ( ) tidak diketahui.co.PQM Consultants http:\\www. • Langkah melakukan One Sample T-Test : – Tentukan uji normalitas (normality test) • Jika p-value > 0.05 : Data tidak berdistribusi normal – Lakukan uji one sample T-Test – Tentukan keputusan berdasarkan analisa Analisa Permasalahan-R0 190/211 Copyright 2009 .05 : Data berdistribusi normal • Jika p-value < 0.

Anda melakukan pengujian dengan mengambil 10 sampel.1114 > 0.pqm.PQM Consultants http:\\www. Kita akan menguji apakah klaim tersebut benar atau tidak dengan signifikan level 5%? Gunakan One sample t Test   Ho : beratgula dalam cereal > 8 gr H1 : berat gula dalam cereal < 8 gr 2 3 1 Karena p-value = 0. dan diperoleh rata-rata berat gula 7.05.co. maka terima H0.39 gr.84 gr.id .Contoh: One Sample T-Test (dengan Excel Calculator)  PT Merah Delima yang memproduksi cereal mengklaim bahwa kadar gula dalam cerealnya adalah 8 gram. std dev sample : 0. Tidak diketahui standar deviasi populasi ( ) sebelumnya. artinya dengan kepercayaan 95% terbukti bahwa berat gula dalam cereal > 8 gram Analisa Permasalahan-R0 191/211 Copyright 2009 .

id .pqm.05 : ada perbedaan varians antar sample – Lakukan uji two sample T-Test – Tentukan keputusan berdasarkan analisa Analisa Permasalahan-R0 192/211 Copyright 2009 .PQM Consultants http:\\www. dimana data didapat dari sampling dua populasi independen. • Ingin membandingkan mutu dari 2 produk /proses /area yang berbeda (data contonuous) mana yang lebih baik • Langkah melakukan Two Sample T-Test : – Tentukan uji normalitas (normality test) • Jika p-value > 0.05 : Data tidak berdistribusi normal – Tentukan uji homogeneity dengan melakukan Two variation test • Jika p-value > 0.co.Two Sample T-Test • Two Sample T-Test – Digunakan untuk membandingkan dua rata-rata dari dua proses jika standard deviasi tidak diketahui.05 : tidak ada perbedaan varians antar sample • Jika p-value < 0.05 : Data berdistribusi normal • Jika p-value < 0.

Contoh: Two Sample T-Test Tahap 1: Two Variation Test Anda akan melakukan pengamatan untuk mengevaluasi efsiensi penggunaan bahan bakar dari dua alat electric vent damper (Mesin A )dan thermally activated vent damper (Mesin B) . tetapi sebelumnya anda harus melakukan two.co. (syarat untuk melakukan two sample t test adalah varians kedua mesin tersebut berbeda) Ho : varians konsumsi bahan bakar (ltr/hr) kedua mesin sama H1 : varians konsumsi bahan bakar (ltr/hr) kedua mesin tidak sama 1 2 3 4 Analisa Permasalahan-R0 Copyright 2009 .0030 < 0.05.id Karena p-value = 0.variation test untuk menguji apakah kedua mesin tersebut varians nya berbeda. Untuk itu anda akan melakukan two sample t test. dengan demikian anda bisa melan-jutkan pengujian two sample 193/211 t test.PQM Consultants http:\\www. artinya dengan kepercayaan 95% terbukti bahwa varians konsumsi bahan bakar kedua mesin tidak sama. maka diterima H1.pqm. .

Analisa Permasalahan-R0 194/211 Copyright 2009 . (sebagai syarat melakukan two sample t test). dan hasil pengujian menunjukkan bahwa varians kedua mesin tersebut beda.5276> 0.Contoh: Two Sample T-Test Tahap 2: Two Sampe t -Test Anda akan melakukan pengamatan untuk mengevaluasi efsiensi penggunaan bahan bakar dari dua alat electric vent damper (Mesin A )dan thermally activated vent damper (Mesin B) .pqm. Anda telah melakukan two variation test.id . artinya dengan kepercayaan 95% terbukti bahwa rata2 konsumsi bahan bakar kedua mesin sama. – H0: rata2 konsumsi bahan bakar (ltr/hr) kedua mesin sama – H1 : rata2 konsumsi bahan bakar (ltr/hr) antara dua mesin berbeda 2 1 3 Karena p-value = 0.PQM Consultants http:\\www.co.05. sehingga anda sekarang bisa melakukan two sample t test. maka diterima H0.

05 : Data tidak berdistribusi normal – Lakukan uji paired T-Test – Tentukan keputusan berdasarkan analisa Analisa Permasalahan-R0 195/211 Copyright 2009 . • Ingin dilihat pengaruh mutu suatu Produk (data continuous) atas penggunaan suatu jenis material : A vs B • Ingin dilihat pengaruh mutu suatu Produk (data continuous) jika diberi perlakukan A vs perlakuan B • Langkah melakukan Paired T-Test : – Tentukan uji normalitas (normality test) • Jika p-value > 0.pqm.Paired T-Test • Paired T-Test – Digunakan untuk membandingkan rata-rata perbedaan antara dua sample jika standard deviasinya tidak diketahui.05 : Data berdistribusi normal • Jika p-value < 0.co.PQM Consultants http:\\www. dimana data didapat dari sampling dua populasi dependen.id .

pqm.id . Kita akan menguji apakah benar bahwa material kedua vendor tersebut berbeda dengan signifikan level 5%? – – Ho : kadar protein terigu dari vendor A # vendor B Ha : kadar protein terigu dari vendor A = vendor B 2 1 3 Karena p-value = 0.co. artinya dengan kepercayaan 95% terbukti bahwa kadar protein terigu dari vendor A = vendor B Analisa Permasalahan-R0 196/211 Copyright 2009 . maka terima H1.Contoh: Paired T-Test PT Merah Delima yang memproduksi roti menyatakan bahwa tepung terigu dari vendor A dan dari vendor B kadar proteinnya tidak sama sehingga berpengaruh pada kualitas roti yang dihasilkan.PQM Consultants http:\\www.0085 < 0.05.

• pasien ada yang diberi serum jenis A. C. B. • selain kondisi di atas. pasien yang diobservasi mendapat perlakuan yang sama Analisa Permasalahan-R0 197/211 Copyright 2009 .co. • serumnya yang diuji beda-beda.pqm.ANALYSIS OF VARIANCE (ANOVA) DEFINISI : Adalah suatu analisa statistik yang digunakan dalam rancangan percobaan untuk menguji ada/tidaknya perbedaan dampak yang signifikan atas perlakuan yang berbeda Contoh Penerapan Anova: Akan diuji coba apakah suatu serum apakah dapat menyembuhkan penyakit hepatitis. B. misal A. atau C.id . • obyek yang diamati adalah pasien hepatitis.PQM Consultants http:\\www.

Contoh: Faktor Mesin  perlakuan dengan menggunakan mesin A. Biasanya observasi untuk percobaan dilakukan > 3 kali.id .ANALYSIS OF VARIANCE (ANOVA) Istilah yang digunakan dalam Anova: Observasi.co.PQM Consultants http:\\www. manusia.pqm. Faktor: adalah variabel yang diujicoba dan diduga akan mempengaruhi hasil percobaan. Contoh. Faktor & Perlakuan Observasi: adalah frekwensi pengamatan yang dilakukan untuk percobaan tersebut. B. metode. Mesin. material Perlakuan: adalah jenis perlakuan dari Faktor yang diujicobakan. C Analisa Permasalahan-R0 198/211 Copyright 2009 .

C. Contoh: Misal ingin diuji varietas padi apa serta pupuk jenis apa yang memberikan hasil panen yang terbaik Ho : 11 = 2 = 3 = …= 1= 2= 3 (Rata-rata berbagai jenis padi dan jenis pupuk Sama) H1 : Minimal ada satu rata-rata yang berbeda • Multiple Way ANOVA : yaitu Anova dimana faktor yang diuji adalah > 2 faktor Contoh: Misal ingin diuji kombinasi faktor (suhu. kekentalan. B. lama tekan. dll) seperti apa yang memberikan daya rekat lem yang terbaik Note: Dalam bab ini.id . yang dibahas adalah khusus One Way & Two way Anova Analisa Permasalahan-R0 199/211 Copyright 2009 . kelembaban.JENIS-JENIS ANOVA • One Way ANOVA : yaitu Anova dimana faktor yang diuji adalah 1 faktor Contoh: Misal ingin diuji jenis pupuk mana di antara pupuk A.PQM Consultants http:\\www.pqm. daya tekan.co. yang memberikan hasil panen terbaik Ho : 1 = 2 = 3 = … (Rata-rata berbagai jenis pupuk Sama) H1 : Minimal ada satu rata-rata yang berbeda • Two Way ANOVA : yaitu Anova dimana faktor yang diuji adalah 2 faktor .

co. dalam hal ini faktor adalah pupuk(1 faktor). Analisa output hasil percobaan. C di suatu petak sawah. 3 periode menggunakan pupuk B. Tentukan output hasil percobaan .Langkah-langkah pengujian dengan One way Anova 1. Gunakan masing-masing pupuk tersebut sesuai ketentuan di atas.PQM Consultants http:\\www. Menetapkan faktor & jenis perlakukan : Sawah diberi pupuk A. B. Apakah ada indikasi bahwa pupuk jenis tertentu memberikan hasil panen yang lebih baik dibanding pupuk lainnya Analisa Permasalahan-R0 200/211 Copyright 2009 . C 3. B.pqm. yaitu : A.Percobaan dapat dilakukan sekaligus atau bergantian (sesuai dengan kondisi lapangan) 5. sedangkan perlakuan ada 3 . Lakukan percobaan. 2. Dalam 10 periode tersebut.id . B. C sebaiknya proporsional) 4. 4 periode menggunakan pupuk C. Analisa output hasil percobaan (hasil panen) dengan rumus One Way Anova. (jumlah periode observasi dengan pupuk A. Menentukan jumlah observasi: Misalnya untuk analisa ini akan diobservasi periode panen selama 10 periode. 3 periode menggunakan pupuk A. B. Misal ingin diuji apakah terdapat perbedaan hasil panen dari penggunaan pupuk A. C.

id . C rata-rata berat botol ada yang berbeda Analisa Permasalahan-R0 201/211 Copyright 2009 .2 gr Dari mesin A & B & C diambil masing-masing 7 botol.0. artinya dengan kepercayaan 95% terbukti bahwa : Di antara mesin A . C rata-rat berat botol ada yang berbeda 2 1 Berat Botol Observasi Mesin A Mesin B Mesin C 3 Karena p-value = 0. B. kemudian ditimbang berat botol tersebut dan masukkan hasil pengukuran tersebut ke dalam lembar data berikut: Ho : Rata-rata berat botol dari mesin A = mesin B = mesin C H1 : Di antara mesin A .021 < 0.PQM Consultants http:\\www. B. maka terima H1. B.co. Ingin diuji apakah terdapat perbedaan berat botol (dalam gram) dari ke-tiga mesin tersebut.Contoh: One Way Anova (Excel Calculator) Botol kemasan plastik diproduksi dari 3 mesin (A.05. C).pqm. pada tingkat signifikan 0.05? Customer menginginkan berat botol adalah 80 gr +/.

artinya dengan kepercayaan 95% terbukti bahwa Jumlah bakteri tidak dipengaruhi oleh jenis sapi dan zat kimiawi (jml bakteri sama di semua wadah) Analisa Permasalahan-R0 202/211 Copyright 2009 . Kemudian dia menambahkan satu dari tiga zat kimiawi ke dalam masing-masing wadah dan setelah 30 hari dia menghitung jumlah bakteri di dalam setiap wadah. dan 3 wadah diisi susu jenis 2.915 > 0.co. maka terima H0.Contoh: Two Way Anova Seorang karyawan di departemen Litbang sedang meneliti bagaimana bakteri hidup di dalam susu sapi. 3 wadah diisi susu dari sapi jenis 1. Dia menyediakan enam wadah di dalam laboratorium. Dia menggunakan two way ANOVA untuk menguji apakah rata-rata jumlah bakteri sama / tidak di setiap wadah – Ho : Jumlah bakteri tidak dipengaruhi oleh jenis sapi dan zat kimiawi (jml bakteri sama di semua wadah) H1 : Jumlah bakteri dipengaruhi oleh jenis sapi dan zat kimiawi (ada minimal 1 wadah yang tidak sama) Data : Jumah bakteri per ml 1 2 Karena p-value = 0.id .05.pqm.PQM Consultants http:\\www.

co.HYPHOTHESIS TEST .PQM Consultants http:\\www.pqm.Data Attribute - Analisa Permasalahan-R0 203/211 Copyright 2009 .id .

pqm.PQM Consultants http:\\www.ONE SAMPLE PROPORTION TEST • One Sample Proportion Test adalah pengujian proporsi pada data discrete jika jumlah sample yang dipelajari adalah satu sample/faktor • Mengapa menggunakan one sample proportion test? – Guna menentukan apakah defect rate berbeda terhadap kriteria penerimaan (level of significant) atau terhadap suatu defect target • Kapan Menggunakan one sample proportion test? – Membandingkan proporsi tunggal dari sample acak/random dengan suatu nilai tertentu – Membandingkan proporsi defect dengan jumlah sample Analisa Permasalahan-R0 204/211 Copyright 2009 .co.id .

4047 > 0.Contoh : One Sample Proportion Test PT Tinatoon produsen pembuat kaleng makanan menyatakan bahwa yield ratio dari proses pembuatan kaleng makanan adalah 90%. maka terima H0.id .co. Ho : yield ratio = 90% H1: yield ratio # 90% 1 2 Karena p-value = 0. artinya dengan kepercayaan 95% terbukti bahwa yield ratio proses pembuatan kaleng = 90% Analisa Permasalahan-R0 3 205/211 Copyright 2009 .PQM Consultants http:\\www. Kemudian diperiksa 100 kaleng dan hasilnya 87 diantaranya adalah „bagus‟ dan 13 part adalah leaking.05.pqm. Kita ingin mengetahui apakah pernyataan orang tersebut tadi bisa diterima atau tidak.

PQM Consultants http:\\www.pqm.co.TWO SAMPLE PROPORTION TEST • Two Sample Proportion Test adalah pengujian proporsi pada data discrete jika jumlah sample yang dipelajari adalah dua sample/faktor • Mengapa menggunakan one sample proportion test? – Guna menentukan apakah dua defect rate berbeda • Sebelum dan sesudah perbaikan • Dua supplier. dll • Kapan Menggunakan one sample proportion test? – Membandingkan dua proporsi dari sample acak/random dengan suatu nilai tertentu – Membandingkan proporsi defect dengan jumlah sample Analisa Permasalahan-R0 206/211 Copyright 2009 . setting proses.id . shift.

artinya dengan kepercayaan 95% terbukti tidak ada perbedaan yield ratio antara Plant Dancow dan Milo Plant Analisa Permasalahan-R0 207/211 Copyright 2009 .pqm.05.co.Contoh : Two Sample Proportion Test Kita ingin mengetahui apakah yield ratio proses pembuatan kaleng susu dari Plant A (dancow) dengan Plant B (Milo) sama atau tidak. Dari Plant A (dancow) 74 part bagus.5078 > 0. didapatkan nilai p-value = 0. maka terima Ho. Diambil sampel 100 kaleng dari masing-masing plant. – H0: tidak ada perbedaan yield ratio antara Dancow Plant dan Milo Plant – H1: ada perbedaan yield ratio antara Dancow Plant dan Milo Plant 2 1 3 Berdasarkan hasil analisa. dan dari Plant B (Milo) 78 kaleng adalah bagus.PQM Consultants http:\\www.id .

B.. C.f. rasa tak sesuai) DEGREES OF FREEDOM  Jumlah degrees of freedom dari statistik dinyatakan dengan simbol d. method (manual. product type (A. otomatis) .CHI-SQUARE TEST  Chi-Square Goodness-of-Fit Test: pengujian untuk melihat/menganalisa data discrete yang lebih dari 2 faktor/sample.PQM Consultants http:\\www. good. warna tak sesuai. apakah hasil sampling sama dengan hasil yang diharapkan  Contoh: • • Faktor X : lokasi (Jkt. Simbolnya: d. D) Faktor Y : performance ( OK. excellent). fair. bau. Sby.f.id . NOK).pqm. defect (kotor. Lampung) . = N – k Analisa Permasalahan-R0 208/211 Copyright 2009 .co. adalah jumlah N independen observasi dalam sampel (sample size ) dikurangi jumlah k parameter dari populasi yang diestimasi dari sampel. customer satisfaction (poor.

PQM Consultants http:\\www. (minimal ada 1 kelompok dengan proporsi yang berbeda secara signifikan di banding kelmpok lainnya) Analisa Permasalahan-R0 209/211 Copyright 2009 .05 • Terima Ho (tidak cukup bukti bahwa terjadi perbedaan proporsi secara signifikan di antara kelompok yang diamati – Jika p < .id .05 • Tolak H0.co.pqm.CHI-SQUARE TEST Ho: tidak ada perbedaan proporsi secara signifikan di antara kelompok yang diamati H1 : minimal ada 1 kelompok yang berbeda dari semua kelmpok yang diamati Kriteria Penerimaan – Jika p .

C. C : Switch failure D : Missing Parts Shift 1 2 3 A 15 26 33 Analisa Permasalahan-R0 B 21 31 17 C 45 34 49 D 13 5 20 210/211 Copyright 2009 .co. D).PQM Consultants http:\\www. Jumlah total cacat = n = 309 yang terdiri dari 4 kategori cacat(A. Perusahaan menduga bahwa perbedaan shift berpengaruh terhadap banyaknya cacat Buktikan apakah terjadi perbedaan jumlah cacat antar shift Ho: tidak ada perbedaan jumlah cacat antar shift Ha: ada perbedaan jumlah cacat antar shift Type Cacat A : Dents B : Sealed system Leaks.pqm.LATIHAN : CHI SQUARE TEST Sebuah perusahaan electronic mengevaluasi product cacat yang dihasilkan dalam suatu periode.B.id .

didapatk an nilai p-value = 0.co.05.004 < 0.PQM Consultants http:\\www. artinya dengan kepercayaan 95% terbukti ada perbedaan cacat antar shift Analisa Permasalahan-R0 211/211 Copyright 2009 .id .LATIHAN : CHI SQUARE TEST Berdasarkan hasil analisa. maka terima H1.pqm.