Laporan Modul 4 Kelompok 19

REKAYASA KUALITAS
MODUL IV
BAB I PENDAHULUAN
1.1 Latar Belakang Dalam dunia industri, bagian rekayasa kualitas sangatlah diperlukan akan produk yang dihasilkan oleh suatu perusahaan tetap dapat dijaga kualitasnya, sehingga tetap dapat bersaing dalam pangsa pasar dan dapat terus diminati oleh konsumen. Sebuah perusahaan yang baik adalah perusahaan yang memiliki manajemen industri yang baik, yaitu dimilikinya proses rekayasa kualitas untuk setiap produk yang akan, sedang, dan telah diproduksi sebelum produk tersebut sampai ke tangan konsumen. Untuk memperoleh hasil produksi yang berkualitas tinggi, diperlukan suatu parameter proses produksi yang optimal dan prosedur pelaksanaan yang sistematis. Salah satu usaha dalam peningkatan kualitas proses produksi adalah melalui perancangan percobaan dan penelitian. Percobaan merupakan serangkaian kegiatan dimana setiap tahap dalam rangkaian benar-benar terdefinisikan; dilakukan untuk menemukan jawabab tentang permasalahan yang diteliti melalui suatu pengujian hipotesis. Pola atau tata cara percobaan pada kondisi tertentu yang kemudian menjadi dasar penataan dan metode analisis statistic terhadap data hasilnya disebut rancangan percobaan (experimental design). Dengan desain eksperimen ini bisa digunakan dalam melakukan perbaikan kualitas. Kegiatan rekayasa kualitas itu sendiri terbagi menjadi dua berdasarkan waktu pelaksanaan dan data yang diteliti, yaitu secara online (SPC) dan offline (desain eksperimen). 1.2 Batasan Praktikum Batasan-batasan yang digunakan selama praktikum ini adalah : 1. Proses rekayasa kualitas yang dilakukan hanya berupa analisis perbaikan 2. Data untuk desain eksperimen merupakan data sekunder 3. Dta untuk SPC merupakan data primer 1.3 Asumsi
LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
REKAYASA KUALITAS
Asumsi-asumsi yang digunakan selama praktikum adalah : 1. Normalitas data 2. Homogenitas varians 3. Independent 4. Aditif 5. Linearitas 1.4 Tujuan Praktikum Tujuan dari pelaksanaan praktikum ini adalah :
MODUL IV
1. Mampu mempelajari dan memahami proses rekayasa kualitas dengan metode online (SPC) dan metode offline (desain eksperimen) 2. Mampu mengidentifikasi sumber-sumber penyebab terjadinya variabilitas produk 3. Mampu melakukan analisa kemampuan proses 4. Menganalisis kondisi atau karakteristik proses produksi 5. Menentukan variabel input agar variabel respon mendekati nilai yang diinginkan 6. Menentukan variabel input agar variasi respon kecil 1.5 Manfaat Praktikum Manfaat yang diperoleh dari praktikum ini adalah : 1. Praktikan dapat memahami tentang proses rekayasa kualitas 2. Praktikan dapat menerapkan proses rekayasa kualitas dengan metode online maupun offline dalam melakukan analisis untuk perbaikan kualitas 3. Praktikan dapat menyelesaikan permasalahan tentang kualitas produksi dengan menerapkan proses rekayasa kualitas dengan metode online maupun offline
REKAYASA KUALITAS
MODUL IV
BAB II DASAR TEORI
2.1
Pengertian Rekayasa Kualitas Rekayasa kualitas dapat diartikan sebagai proses pengukuran yang
dilakukan selama perancangan produk/proses. Rekayasa kualitas mencakup seluruh aktivitas pengendalian kualitas dalam setiap fase dari penelitian dan pengembangan produk, perancangan proses produksi, dan kepuasan konsumen. 2.2 Macam-macam Rekayasa Kualitas Rekayasa kualitas dibedakan menjadi dua bagian yaitu : 2.2.1 Rekayasa Kualitas secara Offline Pada bagian ini perancangan eksperimen merupakan peralatan yang sangat fundamental, dimana teknik ini mengidentifikasi sumber dari variasi dan menentukan perancangan dan proses yang optimal. Rekayasa kualitas secara offline dibagai menjadi tiga tahap, antara lain : 1. Perancangan Konsep Tahap ini berhubungan dengan pemunculkan ide dalam kegiatan perancangan dan pengembangan produk, dimana ide tersebut dari keinginan konsumen. Model atau metode yang digunakan pada tahap ini antara lain : a. Quality Function Deployment Fungsi Quality Function Deployment adalah menerjemahkan keinginan konsumen ke dalam istilah teknis. b. Dinamic Signal-to-Noise Optimization
REKAYASA KUALITAS
MODUL IV
Teknik untuk mengoptimalkan engineering function, resulting in robust, dan tunable technology. c. Theory of Inventive Problem Solving Suatu koleksi tools yang didapat dari analisa literatur yang berguna untuk membangkitkan pemecahan masalah teknis yang inovatif. d. Design of Experiments Eksperimen faktorial penuh dan faktorial parsial untuk dapat mengetahui efek dari beberapa parameter serentak. e. Competitive Technology Assesment Melakukan benchmark terhadap sifat robustnees dari teknologi pengembangan internal dan eksternal. f. Pugh Concept Selection Process Mengumpulkan dan menyajikan informasi dari suatu system expert, dengan membandingkan beberapa keunggulan dan kualitas dari berbagai konsep untuk dikembangkan sehingga didapat konsep yang superior. 2. Perancangan Parameter Tahap ini berfungsi untuk mengoptimalisasi level dari faktor pengendali terhadap efek yang ditimbulkan oleh faktor lain sehingga produk yang ditimbulkan dapat tangguh terhadap noise. Karena itu perancangan parameter sering disebut sebagai Robust Design. Model atau metode yang digunakan dalam tahap ini antara lain : a. Engineering Analysis Menggunakan b. pelatihan, pengalaman, dan percobaan untuk menemukan variabilitas The System P-Diagram Suatu sistem. c. Dynamic and Static Signal-to-Noise Opetimization Mengoptimalkan suatu perancangan parameter untuk mengurangi variabilitas dengan menggunakan perhitungan rasio signal-to-noise. d. Crossed Array Experiment model yang tangguh untuk menggambarkan dan menggolongkan berbagai parameter yang mempengaruhi output dan respon yang efektif.
REKAYASA KUALITAS
MODUL IV
Sebuah perancangan ekperimen khusus dengan cara memanfaatkan interaksi antara faktor kendali dan faktor derau sehingga membuat sistem lebih tangguh. 3. Perancangan Toleransi Merupakan tahap trakhir dimana dibuat matrik orthogonal, loss function, dan ANOVA untuk menyeimbangkan biaya dan kualitas dari suatu produk. Model atau metode yang digunakan pada tahap ini antara lain : a. Quality Loss Function Persamaan yang menghubungkan variasi dari performa biaya produk dengan level deviasi dari target. b. Analysis of Variance (ANOVA) Suatu teknis statistik yang secara kuantitatif menentukan kontribusi variasi total, yang dibentuk dari setiap faktor derau dan faktor kendali. c. Design of Experiments Eksperimen faktorial penuh dan faktorial parsial untuk dapat mengetahui efek dari beberapa parameter seara serentak. 2.2.2 Rekayasa Kualitas secara Online Rekayasa kualitas secara online merupakan suatu aktivitas untuk mengamati dan mengendalikan kualitas pada setiap proses produksi secara langsung. Aktivitas ini sangat penting dalam menjaga agar biaya produksi menjadi rendah dan secara langsung pula dapat meningkatkan kualitas produk. Rekayasa kualitas secara on-line ini juga dapat mengontrol mesin-mesin produksi sehingga dapat mencegah terjadinya kerusakan pada mesin-mesin produksi tersebut. Beberapa model yang digunakan dalam melakukan rekayasa kualitas secara on-line : a. Statistical Process Control Melakukan pengamatan, pengendalian, dan pengujian pada tiap tahap proses produksi agar dapat tejadi penyimpangan yang cukup besar. b. Static Signal-to-Noise Ratio Mereduksi variasi dengan menggunakan aplikasi dari robust design untuk memecahkan permasalahan dalam proses produksi. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
REKAYASA KUALITAS
c. Compensation
MODUL IV
Berbagai rencana pengendalian untuk menjaga agar proses yang terjadi sesuai dengan target. d. Loss Function-Based Process Control Pengurangan terhadap seluruh biaya produksi termasuk biaya per unit, biaya inspeksi, dan biaya set-up yang diperlukan dalam pengendalian proses serta quality loss yang diakibatkan oleh sisa variasi pada output. 2.3 Desain Eksperimen (Design of Experiment) Dalam analisis statistik asumsi-asumsi, umumnya mengenai bentuk distribusi, semuanya harus dipenuhi. Akan tetapi pada kenyataannya hal ini kadang-kadang tidak terjadi atau sukar untuk dipenuhi, sehingga dalam banyak hal sering bergantung pada kecakapan memilih metode analisis yang tepat untuk suatu persoalan, termasuk ke dalamnya cara-cara perncanaan untuk memperoleh data yang diperlukan. Sering terjadi bahwa data yang dikumpulkan ternyata tidak atau kurang berfaedah untuk keperluan analisis persoalan yang dihadapi. Untuk mngatsi hal ini, sebuah harus ditempuh yang dikenal dengan nama desain eksperimen. 2.3.1 Pengertian Eksperimen Percobaan pada umumnya dilakukan untuk menemukan sesuatu. Oleh karena itu secara teoritis, percobaan diartikan sebagai tes (Montgomery, 1991) tau penyelidikan terencana untuk mendapatkan suatu fakta baru (Steel dan Torrie, 1995). Eksperimen itu sendiri adalah percobaan yang dilakukan melalui perubahan ternecana variabel input suatu proses. 2.3.1.1 Tujuan Eksperimen Berdasarkan eksperimen, definisi eksperimen satu tersebut, atau jelas terlihat tujuan untuk yaitu menjawab lebih pertanyaan
mendapatkan informasi maksimum dengan cara : 1. Menentukan variabel mana yang paling berpengaruh terhadap respon 2. Menentukan bagaimana menset pengaruh variabel input sehingga variabel respon mendekati nilai nominal yang diinginkan 3. Menentukan bagaimana menset pengaruh variabel input sehingga ragam dari variabel respon kecil LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
REKAYASA KUALITAS
MODUL IV
4. Menentukan bagaimana menset variabel input sehingga pengaruh variabel tidak terkontrol sekecil mungkin 2.3.1.2 Syarat-syarat Eksperimen Syarat-syarat yang harus dipenuhi ketika melakukan eksperimen adalah sebagai berikut : 1. Eksperimen harus bebas dari bias Untuk mengurangi bias dalam suatu eksperimen dilakukan randominasi dan replikasi 2. Eksperimen harus punya ukuran tehadap error Dengan adanya ukuran terhadap error, eksperimen akan lebih objektif 3. Eksperimen harus punya ketepatan Ketepatan atau presisi dapat ditingkatkan jika error teknis, seperti kurang akuratnya alat penimbang, kurang baiknya menggunakan meteran, dsb, maka jumlah replikasi dapat menambah ketepatan. 4. Tujuan eksperimen harus diperjelas Eksperimen bertujuan untuk membandingkan perlakuan A dengan perlakuan B adalah contoh pernyataan tujuan yang kurang jelas. Pernyataan tujuan tersebut bisa ditambah dengan alasan-alasan yang kuat mengapa memilih perlakuan tersebut. 5. Eksperimen harus punya jangkauan yang cukup 2.3.2 Definisi Desain Eksperimen Desain Eksperimen adalah suatu prosedur (langkah-langkah lengkap) yang perlu diambil sebelum eksperimen dilakukan agar data yang semestinya diperlukan dapat diperoleh, sehingga analisis dan kesimpulan obyektif dapat dilakukan. Desain eksperimen berperan penting dalam mengembangkan proses dan dapat digunakan untuk menyelesaikan permasalahan-permasalahan dalam proses agar kinerja proses meningkat. Desain eksperimen dapat didefinisikan sebagai suatu pengujian dengan mengubah-ubah variabel input (faktor) suatu proses sehingga bisa diketahui penyebab perubahan output (respons). 2.3.2.1 Tujuan Desain Eksperimen LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
REKAYASA KUALITAS
Tujuan dari pelaksanaan desain eksperimen adalah :
MODUL IV
1. Memperoleh keterangan tentang respon objek pada berbagai perlakuan 2. Mengumpulkan informasi sebanyak-banyaknya untuk memecahkan persoalan yang dibahas dengan menggunakan biaya minimum 3. Menentukan variabel input yang menyebabkan variasi respon kecil 2.3.2.2 Istilah-istilah Desain Eksperimen Berikut ini adalah beberapa istilah dalam desain eksperimen antara lain : 1. Unit Eksperimen Unit dasar utama dimana ukuran respon dikumpulkan. Dengan kata lain unit eksperimen adalah unit yang dikenai perlakuan tunggal (mungkin merupakan 2. Faktor Faktor adalah tipe kondisi berbeda dalam eksperimen yang bisa diubahubah. Faktor bersifat kualitatif. 3. Level Faktor Level faktor adalah mode berbeda suatu faktor. Level faktor bersifat kuantitatif. 4. Perlakuan atau Treatment Perlakuan adalah kombinasi level pada faktor yang berbeda. Perlakuan juga dapat diartikan sebagai sekumpulan kondisi eksperimen yang akan digunakan terhadap unit eksperimen dalam ruang lingkup desain yang dipilh. Perlakuan bisa berbentuk tunggal atau terjadi dalam bentuk kombinasi. 5. Replikasi suatu perlakuan Replikasi adalah banyaknya perulangan unit eksperimen pads perlakuan tertentu 2.3.2.3 Prinsip Dasar Desain Eksperimen Ada tiga prinsip dasar dalam desain eksperimen, yaitu : 1. Replikasi Dalam desain ekperimen, ada perulangan perlakuan yang sama pada unit eksperimen berbeda. Dengan melakukan replikasi, dapat LABORATORIUM STATISTIK DAN REKAYASA KUALITAS gabungan beberapa faktor) dalam sebuah replikasi eksperimen dasar.
REKAYASA KUALITAS
diketahui variabilitas alami dan kesalahan
MODUL IV
pengukuran. Replikasi
memiliki 2 properti penting. Properti pertama adalah penyimpangan taksiran dalam eksperimen. Penyimpangan taksiran pengukuran dasar untuk menentukan waktu merupakan unit perbedaan terjadi
pengamatan dalam data secara statistik berbeda secara nyata. Properti kedua adalah rata-rata sampel yang digunakan untuk menaksir pengaruh suatu faktor dalam eksperimen. Dengan melakukan replikasi, ada kemungkinan akan diperoleh nilai taksiran pengaruh yang lebih tepat. 2. Randominasi Perlakuan harus diberikan secara acak pada unit-unit eksperimen. Secara umum, metode statistik mengharapkan bahwa pengamatan atau eror adalah variabel independen, random, dan berdistribusi tertentu. Randominasi merupakan suatu cara untuk menghilangkan bias. 3. Kontrol Lokal Kontrol lokal merupakan sebagian daripada keseluruhan prinsip desain yang harus dilaksanakan. Biasanya meruupakan langkah-langkah atau usaha-usaha berbentuk penyeimbangan, pemblokan, dan pengelompokan unit-unit eksperimen yang digunakan dalam desain. Kontrol lokal menyebabkan desain lebih efisien, yaitu menghasilakn prosedur pengujian dengan kuasa yang lebih tinggi. Pengelompokan diartikan sebagai penempatan sekumpulan unit eksperimen yang homogen ke dalam kelompok-kelompok agar kelompok yang berbeda memungkinkan mendapatkan perlakuan yang berbeda pula. 2.3.2.4 Asumsi-asumsi Desain Eksperimen Asumsi dari desain eksperimen adalah sebagai berikut : 1. Normalitas Data Untuk melakukan pengujian apakah populasi berdistribusi normal atau tidak perlu dilakukan uji normalitas data. 12= 22= k2 2. Homogenitas Varians Variansi dari dara tersebut harus sama atau sejenis. Bila tidak sejenis, maka harus ambil data ulang. 3. Independent
REKAYASA KUALITAS
MODUL IV
Independen berarti tidak berkorelasi. Salah satu usaha untuk mencapai sifat independen ini adalah dengan melakukan pengacakan terhadap observasi. 4. Aditif Dua ciri yang mendasar dari Aditif adalah penggunaan transformasi parameter dari peubah prediktor dengan fungsi spline dan membuat komponen-komponen variabel tidak saling berkorelasi. 5. Linearitas Asumsi ini menyatakan bahwa hubungan antar variabel yang hendak dianalisis itu mengikuti garis lurus. Jadi peningkatan atau penurunan kuantitas di satu variabel, akan diikuti secara linear oleh peningkatan atau penurunan kuantitas di variabel lainnya. 2.3.2.5 Prosedur Desain Eksperimen Langkah-langkah dalam desain eksperimen adalah : 1. Mengenali Permasalahan Tahap ini merupakan tahap penting sebagai permulaan suatu eksperimen. Dengan melakukan identifikasi permasalahan, dapat diperoleh suatu kesimpulan yang menjawab segala permasalahan. Dari permasalahan yang ada, dapat dibuat suatu pernyataan yang tepat mewakili permasalahan agar memperoleh penyelesaian yang tepat. 2. Memilih Variabel Respon Variabel respons adalah variabel dependen, yaitu variabel yang dipengaruhi oleh level faktor atau kombinasi level faktor. Untuk mengukur variabel respons, digunakan statistik rata-rata dan standar deviasi. 3. Menentukan Faktor dan Level Peneliti harus menentukan faktor dan level suatu faktor dan harus pula menentukan cara mengendalikan faktor dan cara mengukurnya. Tahap ini memerlukan pengetahuan lebih mengenai permasalahan yang akan diteliti agar faktor dan level yang ditentukan tidak menyimpang jauh dari hasil yang diinginkan. 4. Memilih Metode Eksperimen Metode desain eksperimen seharusnya disesuaikan dengan tujuan penelitian dan permasalahan yang ada. Beberapa metode desain LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
10
REKAYASA KUALITAS
MODUL IV
eksperimen antara lain desain acak sederhana, desain blok, desain faktorial, desain latin, desain Nested, desain Taguchi, dan lain-lain. 5. Melaksanakan Eksperimen Dalam melaksanakan eksperimen, perlu diamati prosesnya supaya eksperimen berjalan sesuai rencana. 6. Analisis Data Salah satu tahap dalam desain eksperimen adalah melakukan analisis residual dan uji kecukupan model. Analisis data merupakan tahap penting dalam desain eksperimen dan dapat digunakan sebagai dasar membuat suatu keputusan dan pernyataan yang tepat. 7. Membuat Suatu Keputusan Setelah melakukan analisis data, dapat dibuat suatu keputusan berdasarkan eksperimen yang telah dilakukan. 2.3.3 Macam Desain Eksperimen ...... 2.3.3.1 Desain Acak Sempurna Merupakan desain eksperimen yang paling sederhana, karena tidak terdapat local control, sehingga sumber keseragaman yang diamati hanya perlakuan dan galat. Desain ini digunakan untuk mengukur pengaruh suatu variabel bebas yang dimanipulasi terhadap variabel tergantung. Pemilihan kelompok secara random dilakukan untuk mendapatkan kelompokkelompok yang ekuivalen. Maka desain ini cocok digunakan untuk kondisi lingkungan, alat, bahan, dan media yang homogen. Rumusnya adalah sebagai berikut :
Yij = +i +ij
(2-1)
Sumber : Sudjana, 1995
Dengan: Yi I j i = = = = = nilai pengamatan pada perlakuan ke-i dan ulangan ke-j 1, 2, ... , t 1, 2, ... , ri nilai tengah umum dapat terdiri atas beberapa populasi pengaruh perlakuan ke-i
11
REKAYASA KUALITAS
ij =
MODUL IV
galat menyebar normal dengan nilai tengah 0
pengaruh galat percobaan pada perlakuan ke-i ulangan ke-j
dengan asumsi dan ragam 2
Berikut ini adalah tabel penyajian data dalam desain eksperimen :

Tabel 2.1 Tabel Penyajian data dalam desain eksperimen Perlakuan Jumla 1 2 ........... k h Data Pengambila n Y12
.
Y11
Y21 Y22
.
........... .. ........... . ........... . ........... . .......... ........... ...
Yk1 Yk2
.
. .
. .
. .
Y1n1 Jumlah Banyak Pengamata n Rata-rata Sumber: Sudjana (1995) J1 n1
Y2n2 J2 N2 ........... . ........... ... ........... .....
Yknk Jk nk
Perhitungan menggunakan desain acak sempurna adalah : 1. Jumlah kuadrat semua nilai pengamatan : y2= i=1kk=1niyij2 (2-2)
Sumber: Sudjana (1995)
2. Jumlah kuadrat rata-rata Ry = J2n (2-3)

3. Jumlah kuadrat antar perlakuan Py= i=1kni (Yi- Y)= i=1kji2ni- Ry (2-4)
4.
Jumlah kuadrat kekeliruan eksperimen Ey= i=1kj=ini(Yij- Yi)2 = Y2- Ry- Py (2-5)
Sumber: Sudjana (1995
Berikut adalah tabel ANOVA dari desain acak sempurna : LABORATORIUM STATISTIK DAN REKAYASA KUALITAS 12
REKAYASA KUALITAS
Tabel 2.2 Tabel ANOVA dari Desain Acak Sempurna Sumber variansi Derajat Jumlah Kuadrat kebebasan (dk) Rata-rata Antar perlakuan Di dalam perlakuan (kekeliruan eksperimen) Jumlah Total N 1 (k-1) (JK)
MODUL IV
Kuadrat tengah (KT)
Sumber : Sudjana (1995)
2.3.3.2 Desain Blok Acak Rancangan ini merupakan rancangan untuk eksperimen lapangan yang paling sederhana. Untuk mendapatkan galat yang lebih kecil perlu dilakukan upaya pengendalian homogenitas. Misalnya: pengelompokan waktu pengamatan, yaitu: pagi, siang dan sore, kelompok alat yang digunakan misalnya buatan A, B, dan C, atau kelompok kerja misalnya anak-anak, dewasa dan tua. Rumusnya adalah sebagai berikut : Xij = + i +j+ij (2-7)
Dengan: Xij I j i ij = = = = = = = nilai pengamatan pada perlakuan ke-i dan ulangan ke-j 1, 2, ... , b 1, 2, ... , t nilai tengah umum dapat terdiri atas beberapa populasi pengaruh kelompok ke = i pengaruh perlakuan ke-i pengaruh galat percobaan pada perlakuan ke-i ulangan ke-j galat menyebar normal dengan nilai tengah 0
2
dengan asumsi dan ragam
2.3.3.3 Desain Bujur Sangkar
13
REKAYASA KUALITAS
MODUL IV
Rancangan Bujur Sangkar Latin (RBSL) digunakan pada saat peniliti ingin menyelidiki pengaruh perlakuan terhadap hasil percobaan dan hasil percobaan tersebut juga dipengaruhi oleh dua sumber variasi lain, dimana jumlah antara perlakuan dan kedua sumber variasi yang lain sama. Dengan demikian RBSL bertujuan untuk menghilangkan dua jenis variasi dengan melakukan pemblokan dua arah. Alasan disebut sebagai RBSL yaitu : 1. Bentuk rancangannya bujur sangkar dengan kata lain jumlah taraf antara baris dan kolom sama dengan jumlah taraf perlakuan. 2. Perlakuan diberi nama sesuai dengan huruf latin seperti: A,B,C,,Z Dalam RBSL setiap perlakuan yang diwakili dengan huruf latin hanya muncul tepat satu kali dalam tiap baris dan kolom. Contoh dari desain bujur sangkar adalah sebagai berikut : Ingin diselidiki sebuah percobaan dengan perlakuan sebanyak 6 buah perlakuan. Sehingga banyaknya taraf perlakuan (p) = taraf kolom = taraf baris = 6. Tiap huruf latin (A F) hanya boleh muncul tepat 1 kali dalam tiap baris dan kolom. Bentuk RBSL dari permasalahan di atas adalah sebagai berikut : A B C D E F B C D E F A C D E F A B D E F A B C E F A B C D F A B C D E RBSL di atas dinamakan Bujur Sangkar Latin Standar karena baris dan kolom pertama mempunyai abjad yang urut mulai dari A F. Model statistik untuk rancangan bujur sangkar Latin adalah: Yijk = + i + j + k + ijk (2-8)
Desain Bujur Sangkar Latin
Dengan : i j k = 1,2,3.....p = 1,2,3.....p = 1,2,3.....p p = banyaknya taraf perlakuan
14
REKAYASA KUALITAS
Yijk i j k ijk =
MODUL IV
hasil observasi yang dicatat dari baris ke-i, kolom ke-k dan
perlakuan ke-j = rata-rata keseluruhan = efek baris ke-i = efek perlakuan ke-j = efek kolom ke-k = efek unit eksperimen dalam baris ke-i dan kolom ke-j untuk
perlakuan ke-k Model di atas diartikan bahwa besarnya hasil observasi yang dicatat dari baris ke-i, kolom ke-k dan perlakuan ke-j dipengaruhi oleh rata-rata keseluruhan, efek baris ke-i, efek perlakuan ke-j, efek kolom ke-k dan besarnya sesatan random. Apabila tidak terdapat interaksi antara baris, kolom dan perlakuan maka model disebut model aditif sempurna. Menghitung jumlah kuadratnya adalah sebagai berikut : JKT=ipjpkpYijk2-Y2N ;db=p2-1 (2-9)
JK Baris=i=1pYi2p-Y2N ;db=p-1 (2-10)

JK Kolom=k=1pYk2p-Y2N ;db=p-1 (2-11)

JK Perlakuan=j=1pYj2p-Y2N ;db=p-1 (2-12)

JKT = JK Baris + JK Kolom + JK Perlakuan + JK Sesatan JKE = JKT JK Baris JK Kolom JK Perlakuan db = (p-2)(p-1)
15
REKAYASA KUALITAS
MODUL IV
Tabel ANOVA untuk Desain Bujur Sangkar adalah sebagai berikut :

Tabel 2.3 Tabel ANOVA dari Desain Bujursangkar Sumber Db JK RK ERK Variansi Perlakua n Baris Kolom Error Total p-1 p-1 (p-2)(p1) P -1
2
F0
p-1
JKP JK B JK K JK S JKT
JKP/p-1 JKB/p-1 JKK/p-1 JKS/(p-2)(p1) 2
2.3.3.4 Desain Faktorial Eksperimen faktorial adalah eksperimen yang semua (hampir semua) taraf sebuah faktor tertentu dikombinasikan atau disilangkan dengan semua (hampir semua) taraf tiap faktor lainnya yang ada dalam eksperimen itu. Desain eksperimen faktorial 2k adalah desain eksperimen faktorial yang menyangkut k buah faktor dengan tiap faktor hanya terdiri atas dua buah taraf.
Tabel 2.4 Tanda koefisien efek untuk desain faktorial 2k Kombinasi Efek Tot A B A Perlakuan al B (1) + - - + A + + B + - + Ab + + + + Sumber : Sudjana (1995)
r 2(k-1) A= -1+ a-b+ab (2-13)

(r 2k-1 A= -1+ a-b+ab (2-14)

(r 2k-1 A B=1-a-b+ab (2-15)

JK A,B,AB= (r 2(k-1))2(abn) dimana a=kolom, b=baris, n=sampel (2-16) LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
16
REKAYASA KUALITAS
MODUL IV
Apabila ingin mencari nilai KT, digunakan rumus sebagai berikut : KT=JKdk (2-17)
Sedangkan nilai F dapat dicari dengan rumus sebagai berikut : F= KT sumber variasiKT kekeliruan (2-18)
Intercept atau rata-rata perlakuan (titk potong/konstanta) merupakan angka yang menunjukkan bahwa konstanta regresi signifikan atau tidak. Desain faktorial dibagi menjadi dua, yaitu: 1. Desain Faktorial 2k Desain faktorial 2k merupakan desain eksperimen faktorial yang menyangkut k buah faktor dengan tiap faktor hanya terdapat dua buah taraf, dimana banyaknya taraf adalah 2 yang menjadi bilangan pokok, dan k adalah banyak faktor yang menjadi pangkat. Untuk eksperimen desain faktorial 2k , metode Yates dapat digunakan untuk menganalisis variansi. Berikut ini adalah contoh desain faktorial 2k :
Tabel 2.5 Desain Faktorial 2 k Kombinasi Resp Perlakuan (1) A B Ab Sumber : Sudjana (1995) on (1) A B Ab Kolom (1) (1) + a b+ab a (1) ab b Total Kolom (2) = Kontras = + (1) + a + b + ab r.2A = - (1) + a - b + ab r.2A = - (1) - a + b + ab r.2AB = + (1) a b + ab
Dari tiap-tiap kombinasi perlakuan dicari jumlah kuadratnya dengan menggunakan rumus, yaitu: JK Cp= (Kontas)2n Cip2 (2-19)
Dengan : n = banyak pengamatan Cip = koefisien kontras 2k 2. Desain Faktorial 3k
17
REKAYASA KUALITAS
MODUL IV
Desain faktorial yang menyangkut f buah faktor dengan tiap faktor hanya terdiri atas tiga taraf dinamakan desain eksperimen faktorial 3f . Dengan banyak taraf tanpa replikasi : Yij (k) = + A1 + Bj + ABij + (2-20)
ij
adalah 3 yang menjadi bilangan pokok,
dan
banyak faktor adalah f, yang menjadi pangkat. Model matematisnya
Dalam melakukan pengujian interaksi AB, perlu dilakukan replikasi atau eksperimen terhadap lebih dari satu unit eksperimen untuk masing-masing kombinasi perlakuan. Bila replikasi dilaksanakan sebanyak r kali, model eksperimen faktorial 32 adalah : Yij k = + A1 + Bj + ABij + (2-21)
k(ij)
Dengan : i k j = 1, 2, 3 = 1, 2, .. r = 1, 2, 3
2.3.4 Metode Desain Ekperimen Metode desain eksperimen dibagi menjadi tiga, antara lain : 1. Taguchi Metode Taguchi dicetuskan oleh Dr. Genichi Taguchi pada tahun 1949 saat mendapatkan tugas untuk memperbaiki sistem telekomunikasi di Jepang. Metode ini merupakan metodologi baru dalam bidang teknik yang bertujuan untuk memperbaiki kualitas produk dan proses serta dalam dapat menekan biaya dan resources seminimal mungkin. Sasaran metode Taguchi adalah menjadikan produk robust terhadap noise, karena itu sering disebut sebagai Robus tDesign. Definisi kualitas menurut Taguchi adalah kerugian yang diterima oleh masyarakat sejak produk tersebut dikirimkan. Filosofi Taguchi terhadap kualitas terdiri dari tiga buah konsep, yaitu: a. Kualitas harus didesain ke dalam produk dan bukan sekedar memeriksanya. b. Kualitas terbaik dicapai dengan meminimumkan deviasi dari target
18
REKAYASA KUALITAS
c.
MODUL IV
Produk harus didesain sehingga robust terhadap faktor lingkungan yang tidak dapat dikontrol.
d. Biaya kualitas harus diukur sebagai fungsi deviasi dari standar tertentu dan kerugian harus diukur pada seluruh sistem. Metode Taguchi merupakan off-line quality control artinya pengendalian kualitas yang preventif, sebagai desain produk atau proses sebelum sampai pada produksi di tingkat shop floor. Off-line quality control dilakukan dilakukan pada saat awal dalam life cycle product yaitu perbaikan pada awal untuk menghasilkan produk (to get right first time). Kontribusi Taguchi pada kualitas adalah: a. Loss Function Merupakan fungsi kerugian yang ditanggung oleh masyarakat (produsen dan konsumen) akibat kualitas yang dihasilkan. Bagi produsen yaitu dengan timbulnya biaya kualitas sedangkan bagi konsumen adalah adanya ketidakpuasan atau kecewa atas produk yang dibeli atau dikonsumsi karena kualitas yang jelek. b. Orthogonal Array Orthogonal array digunakan untuk mendesain percobaan yang efisisen dan digunakan untuk menganalisis data percobaan. Ortogonal array digunakan untuk menentukan jumlah eksperimen minimal yang dapat memberi informasi sebanyak mungkin semua faktor yang mempengaruhi parameter. Bagian terpenting dari orthogonal array terletak pada pemilihan kombinasi level dari variabel-variabel input untuk masing-masing eksperimen. c. Robustness Meminimasi sensitivitas sistem terhadap sumber-sumber variasi. Dalam metode Taguchi tiga tahap untuk mengoptimasi desain produk atau proses produksi yaitu (Ross, 1996): a. System Design Upaya dimana konsep-konsep, ide-ide, metode baru dan lainnya dimunculkan untuk memberi peningkatan produk . Merupakan tahap pertama dalam desain dan merupakan tahap konseptual pada pembuatan produk baru atau inovasi proses. Konsep mungkin berasal dari dari percobaan sebelumnya, pengetahuan alam/teknik, perubahan baru atau kombinasinya. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
19
REKAYASA KUALITAS
b. Parameter Design
MODUL IV
Tahap ini merupakan pembuatan secara fisik atau prototipe secara matematis berdasarkan tahap sebelumnya melalui percobaan secara statistik. Tujuannya adalah mengidentifikasi setting parameter yang akan memberikan performansi rata-rata pada target dan menentukan pengaruh dari faktor gangguan pada variasi dari target. c. Tolerance Design Penentuan toleransi dari parameter yang berkaitan dengan kerugian pada masyarakat akibat penyimpangan produk dari target. Pada tahap ini, kualitas ditingkatkan dengan mengetatkan toleransi pada parameter produk atau proses untuk mengurangi terjadinya variabilitas pada performansi produk. Taguchi memperkenalkan pendekatan Ratio Signal terhadap Noise (S/N ratio) untuk meneliti pengaruh faktor noise terhadap variasi yang timbul. Jenis dari S/N rasio tergantung pada karakteristik yang diinginkan, yaitu : a. Smaller the-Better (STB) Karaktristik kualitas dimana semakin rendah nilainya, maka kualitas semakin baik. Nilai S/N untuk jenis karakteristik STB adalah : SNSTB=-10log1n i=nnyi2 (2-22)
Dimana : n = jumlah tes dalam percobaan (trial) b. Larger-the-Better (LTB) Karakteristik kualitas dimana semakin besar nilainya,maka kualitas semakin baik. Nilai S/N untuk jenis karakteristik LTB adalah : SNLTB= -log 1n i=1n1yi2 (2-23)
c.
Nominal-the-Best (NTB) Karakteristik tersebut maka kualitas dimana ditetapkan suatu nilai nominal tertentu, jika nilainya semakin mendekati nilai nominal tertentu kualitasnya semakin baik. Nilai S/N untuk jenis karakteristik NTB : 1) Untuk Variansi
20
REKAYASA KUALITAS
S/N 24)
NTB
MODUL IV
(2-
= -10 log Ve
2) Untuk Rata-rata dan Variansi SNNTB=10log Vm-Ver.Ve (2-25)

2. Yates Sangatlah sulit untuk menuliskan tanda-tanda koefisien untuk eksperimen yang besar. Satu cara sistematis yang digunakan untuk menyusun tabel tersebut guna mendapatkan efek faktorial telah dikembangkan oleh Yates. Perlakuan kombinasi dan observasi harus dituliskan dalam bentuk standard. Untuk satu faktor bentuk standardnya adalah (1) dan a. Untuk dua faktor kita tambahkan b dan ab, yang diperoleh dengan, mengalikan dua kombinasi perlakuan yang pertama dengan huruf b. Untuk tiga faktor kita tambahkan c, ac, bc, dan abc, yang diperoleh dengan mengalikan keempat kombinasi perlakuan yang pertama dengan penambahan huruf c dan seterusnya. Dalam hal tiga faktor bentuk (urutan) standardnya adalah: (1), a, b, ab, c, ac, bc, abc. Untuk lebih ringkasnya metode Yates dapat berikut: a. Tempatkan kombinasi perlakuan dan jumlahan ulangan dalam satu kolom dengan urutan standard. b. Kolom (1.) pada bagian I didapat dengan cara menjumlahkan pasangan respon yang berdekatan (adjacent pairs), sebagai contoh perlakuan (1) = (1) + a, a = b+ ab, b =c+ac, dan ab = bc + abc. Sedangkan yang bagian n didapat dengan cara mengalikan entri pertama dengan negatif fan menambahkannya dengan pasangan bertetangga, sebagai contoh, perlakuan c = -( 1) + a atau c = a-( 1), ac=ab-b, bc = ac -c dan abc=abc-bc. c. Dengan cara yang sama kita mengisi kolom kedua dan ketiga.
(4) Total A kontras Tabel 2.6 Metode Yates untuk Percobaan faktorian 23 Kombinasi (1) (2) (3) Perlakuan (1) a (1) + a b + ab (1) + a +b + ab c + ac +bc (1)+a+b+ab+c+ac+b c +abc a-(1)+ab-b+ac-
dikerjakan
dengan
menggunakan
langkah-langkah
sebagai
21
REKAYASA KUALITAS
b ab c ac bc abc c + ac bc + abc a (1) ab b ac c abc - c + abc a (1) + ab b ac c +abc bc b +ab (1) a bc + abc c ac ab b a + (1) abc bc ac c+abc+bc b+ab-(1)-a+bc+abcc-ac ab-b-a+(1)+abc-bcac+c c+ac+bc+abc-(1)-a-bab ac-c+abc-bc-a+(1)ab+b bc+abc-c-ac-bab+(1)+a abc-bc-ac+c-ab+b+a(1)
MODUL IV
B kontras AB kontras C kontras AC kontras BC kontras ABC kontras
+c Sumber : Sudjana (1995)
3. ANOVA Suatu teknis statistik yang secara kuantitatif menentukan kontribusi variasi total, yang dibentuk dari setiap faktor derau dan faktor kendali. 2.3.4.1 Definisi ANOVA ANOVA atau Analysis of Variances yang lebih dikenal dengan Uji-F (Fisher Test) termasuk analisis komparatif lebih dari dua variabel atau lebih dari dua rata-rata. Tujuannya ialah untuk membandingkan lebih dari dua rata-rata. Selain itu ANOVA digunakan untuk menguji kemampuan generalisasi artinya data sampel dianggap dapat mewakili populasi. 2.3.4.2 Klasifikasi ANOVA Ada dua klasifikasi model dalam ANOVA, antara lain : 1. One Way ANOVA One Way ANOVA tergolong analisis komparatif lebih dari dua variabel atau lebih dari dua rata-rata. membandingkan lebih dari dua Tujuannya adalah untuk dengan satu faktor rata-rata
berpengaruh. ANOVA berguna untuk menguji kemampuan generalisasi artinya data sampel dianggap dapat mewakili populasi. 2. Two Way ANOVA Two Way ANOVA digunakan untuk menguji hipotesis perbandinagn dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama dengan lebih dari satu faktor berpengaruh.
22
REKAYASA KUALITAS
MODUL IV
Dalam Two Way ANOVA ada tiga hipotesis yang akan diuji, yaitu : a. c. Kemungkinan terjadi interaksi Tidak ada interaksi terhadap sesuatu yang dibandingkan b. Tidak terjadi interaksi
2.3.4.3 Langkah Pengujian ANOVA 2.3.4.3.1 One Way ANOVA Pengujian hipotesis sebelumnya menggunakan distribusi normal (Z) dan distribusi student (t), untuk pengujian hipotesis beda tiga rata-rata atau lebih, digunakan distribusi F dengan teknik ANOVA (Analysis of Variance). Langkah-langkah pengujian klasifikasi satu arah (one way ANOVA) adalah sebagai berikut : 1. Menentukan formulasi hipotesis H o : 1 = 2 = 3 = = k H1 : 1 = 2 = 3 = k 2. Menentukan taraf nyata () dan nilai F tabel Taraf nyata () ditentukan dengan derajat pembilang (v1) dan derajat penyebut (v2), di mana vi = k-1 dan v2 = k (n-1) sehingga F ; (v1:v2) = ... 3. Menentukan kriteria pengujian H0 diterima apabila Fo F ; (v1:v2) H0 ditolak apabila Fo > F ; (v1:v2)
Gambar 2.1 Kurva Kriteria Pengujian One-way ANOVA Sumber: Uyanto (2009)
4. Membuat analsis variansnya dalam bentuk tabel ANOVA

Tabel 2.8 Perhitungan One-way ANOVA Sumber Jumlah Derajat Varians Kuadrat Bebas Rata-rata Kuadrat F0
23
REKAYASA KUALITAS
Rata-rata kolom JKE Error JKK
MODUL IV
k 1
s12 =
JKK k 1
s12 2 s2
k (n 1)
2 s2 =
JKE k ( n 1)
Total
JKT
nk 1
Sumber : Trihendardi (2008)
Dimana : k n = kolom = baris
JKK = Jumlah kuadrat kolom JKE = Jumlah kuadrat error JKT = Jumlah kuadrat total s12 = rata-rata kuadrat kolom s22 = rata-rata kuadrat error F0 = F hitung Rumus yang digunakan : a. Untuk ukuran sampel yang sama banyak JKT= i=1kj=1nxij2- T2nk (2-26)
JKR intercept= T2kb (2-27)

JKK= i=1kTi2n- T2nk (2-28)

JKE=JKT-JKK (2-29)
b. Untuk ukuran sampel yang tidak sama banyak JKT= i=1kj=1nxij2- T2N (2-30)
JKK= i=1kTi2ni- T2N (2-31)

JKE=JKT-JKK (2-32)
Dengan : N = jumlah sampel
24
REKAYASA KUALITAS
x
T T
ij2
MODUL IV
= kuadrat sampel seluruh populasi
i ni
a. c.
= jumlah total sampel seluruh populasi = jumlah sampel tiap populasi = banyaknya replikasi
Selain menggunakan tabel ANOVA, analisis varians dapat juga dilakukan dengan menggunakan langkah-langkah berikut: Menentukan rata-rata sampel (rata-rata kolom) Menentukan rata-rata varians sampel Fo=n .varians rata-rata sampelrata-rata varians sampel (2-33)
b. Menentukan varians sampel d. Menentukan varians rata-rata sampel
varians rata-rata sampel = variance between means = Sx2 rata-rata varians sampel = variance between groups = Sw2 Fo=n Sx2Sw2 (2-34)
5. Membuat Kesimpulan Menyimpulkan H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan kriteria pengujian pada langkah ke-3. 2.3.4.3.2 Two Way ANOVA Two Way ANOVA digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama. Langkah-langkah pengujian klasifikasi dua arah adalah : 1. Menetukan formulasi hipotesis H0 : 1 = 2 = 3 = = b = 0 (pengaruh basis nol) H1 : sekurang-kurangnya satu i 0 H0 : 1 = 2 = 3 = = k = 0 (pengaruh kolom nol) H1 : sekurang-kurangnya satu j 0 H0 : ()1 = ()2 = ()3 = = ()dk = 0 H1 : sekurang-kurangnya satu ()ij 0 2. Menentukan taraf nyata () dan nilai F tabel
25
REKAYASA KUALITAS
Untuk baris: v1 =b -1 dan v2 = kb (n-1) Untuk kolom : v1 = k-1 dan v2 = kb (n-1) Untuk interaksi : v1 = (b-1)(k-1) dan v2 = kb (n-1) 3. Menentukan kriteria pengujian H0 diterima apabila Fo F ; (v1:v2) H0 ditolak apabila Fo > F ; (v1:v2)
MODUL IV
Gambar 2.2 Kurva Kriteria Pengujian Two-way ANOVA Sumber: Uyanto (2009)
4. Membuat analisis variansnya dalam bentuk tabel ANOVA

Tabel 2.9 Tabel Two-way ANOVA Sumber Jumlah Varians Kuadrat Rata-rata baris JKB Derajat Bebas Rata-rata Kuadrat F0
b 1
s12 =
JKB b 1 JKK k 1
JKI (b 1)(k 1) JKE bk ( n 1)
F1 =
Rata-rata kolom
JKK
s12 2 s4
2 s2 2 s4
k 1
2 s2 =
JKI Interaksi JKE Error Total Corrected Total JKCT JKT
F2 =
(b 1)(k 1)
2 s3 =
bk (n 1)
Bkn
2 s4 =
F3 =
2 s3 2 s4
bkn 1
Dimana: k = kolom LABORATORIUM STATISTIK DAN REKAYASA KUALITAS 26
REKAYASA KUALITAS
b n = baris = banyaknya sampel
MODUL IV
JKK = Jumlah kuadrat kolom JKE = Jumlah kuadrat error JKT = Jumlah kuadrat total JKCT= Jumlah kuadrat corrected total s12 = rata-rata kuadrat baris s22 = rata-rata kuadrat kolom s32 = rata-rata kuadrat interaksi s42 = rata-rata kuadrat error F0 = F hitung Rumus yang digunakan JKR intercept= T2kb (2-35)
JKB= i=1bTi2kn- T2bkn (2-36)

JKK= j=1kTj2bn- T2bkn (2-37)

JKI= i=1bj=1kTij2bn- i=1bT12kn- j=1kTj2bn- T2bkn (2-38)

JKE=JKT-JKK-JKB-JKI-JKR (2-39)
JKT= i=1bj=1kc=1nxijc2 (2-40)

JKCT= i=1bj=1kc=1nxijc2- T2bkn (2-41)

R square=1-JKE-corrected total (2-42)

Corrected model=JKB+JKK+JKI (2-43)

Dimana : xij2 = kuadrat sampel seluruh populasi T Ti Tj Tij = jumlah total sampel seluruh populasi = jumlah sampel tiap baris = jumlah sampel tiap kolom = jumlah sampel tiap replikasi seluruh perlakuan LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
27
REKAYASA KUALITAS
5. Membuat Kesimpulan
MODUL IV
Menyimpulkan H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan kriteria pengujian pada langkah ke-3. 2.3.4.3.2.1 Two Way ANOVA Tanpa Interaksi Pengkajian klasifikasi dua arah tanpa interaksi merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi antara 2 faktor tersebut ditiadakan. Langkahlangkah pengujian klasifikasi dua arah tanpa interaksi adalah sebagai berikut. 1. Menentukan formulasi hipotesis a. H0 : 1 = 2 = 3 = 0 (pengaruh baris nol) H1 : sekurang-kurangnya satu i tidak sama dengan nol b. H0 : 1 = 2 = 3 = 0 (pengaruh kolom nol) H1 : sekurang-kurangnya satu j tidak sama dengan nol 2. Menentukan taraf nyata () beserta F tabel Taraf nyata dan tabel F ditentukan dengan derajat pembilang dan penyebut masing-masing: a. Untuk baris v1= b - 1 dan v2 = (k-1)(b-1) b. Untuk kolom v1= k - 1 dan v2 = (k-1)(b-1) 3. Menentukan kriteria pengujian a. H0 diterima apabila F0 H0 ditolak apabila F0 > F ; (v1:v2) b. H0 diterima apabila F0 H0 ditolak apabila F0 > F ; (v1:v2) 4. Membuat analisis variansnya dalam bentuk table ANOVA
Tabel 2.3. Tabel ANOVA Sumber Jumlah varians Rata-rata baris Rata-rata kolom Eror kuadrat JKB JKK JKE Derajat bebas b-1 k-1 (k-1)(b-1) kb-1 Rata-rata kuadrat S12= JKB db S22= JKK db S32= JKE db Total JKT Sumber: Fauzi (2008) F0
F ; (v1:v2)
F ; (v1:v2)
28
REKAYASA KUALITAS
JKT= i=1bj=1nxij2- T2kb (2-44)
Sumber: Fauzi (2008)
MODUL IV
JKB= i=1bTi2k- T2kb (2-45)

JKB= i=1bT2.jb- T2kb (2-46)

JKE = JKT JKK JKK (2-47)

5. Membuat kesimpulan Menyimpulkan H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan criteria pengujian langkah ke-3 2.3.4.3.2.2 Two Way ANOVA dengan Interaksi Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan. Langkah langkah pengujian ini adalah sebagai berikut : 1. Menentukan formulasi hipotesis a. H0 : 1 = 2 = 3 = 0 (pengaruh baris nol) b. H1 : sekurang-kurangnya satu i tidak sama dengan nol a. H0 : 1 = 2 = 3 = 0 (pengaruh kolom nol)
b. H1 : sekurang-kurangnya satu j tidak sama dengan nol a. H0 : ( )11 = ( )12= ( )13 = ( )bk = 0
b. H1 : sekurang-kurangnya satu ( )ij tidak sama dengan nol 2. Menentukan taraf nyata () beserta F tabel Taraf nyata dan tabel F ditentukan dengan derajat pembilang dan penyebut masing-masing: a. c. a. untuk baris v1= b - 1 dan v2 = kb (n-1) untuk interaksi v1= (k-1)(b-1) v2 = kb (n-1) Untuk baris: H0 diterima apabila F0 H0 ditolak apabila F0 > F ; (v1:v2) F ; (v1:v2) b. untuk kolom v1= k - 1 dan v2 = kb (n-1) 3. Menentukan kriteria pengujian
29
REKAYASA KUALITAS
b. Untuk kolom: H0 diterima apabila F0 F ; (v1:v2) H0 ditolak apabila F0 > F ; (v1:v2) c. Untuk interaksi: H0 diterima apabila F0 H0 ditolak apabila F0 > F ; (v1:v2) 4. Membuat analisis variansnya dalam bentuk tabel ANOVA F ; (v1:v2)
MODUL IV
Tabel 2.4. Tabel ANOVA Sumber Jumlah varians kuadrat Rata-rata JKB baris Rata-rata kolom Interaksi Eror JKK JKI JKE
Derajat bebas b-1 k-1 (k-1)(b-1)
Rata-rata kuadrat S12= JKB db S22= JKK db S32= JKI db S42= JKE db
F0
Total
JKT
bkn-1
JKT= i=1bj=1kc=1nxijc2- T2kbn (2-48)

JKB= i=1bTi2kn- T2kbn (2-49)

JKK= i=1kT2.jbn- T2kbn (2-50)

JKI= i=1bj=1kTij2bn- i=1bTi2kn- i=1kT2bn- T2kbn (2-51)

JKE = JKT JKK JKK (2-52)

Keterangan:
30
REKAYASA KUALITAS
B= baris K= kolom N= ulangan percobaan 5. Membuat kesimpulan
MODUL IV
Menyimpulkan H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan criteria pengujian langkah ke-3. 6. Tes Homogenitas Varian (Test of Homogeneity of Variance) Asumsi dasar dari analisis ANOVA adalah bahwa seluruh kelompok yang terbentuk harus memiliki variannya sama. Untuk menguji asumsi dasar ini dapat dilihat dari hasil test homogenitas dari varians dengan menggunakan uji Levene Statistic. Hipotesis yang digunakan dalam tes homogenitas varian adalah : a. H0 : Diduga bahwa seluruh varians populasi adalah sama b. H1 : Diduga bahwa seluruh varians populasi adalah berbeda Dasar dari pengambilan keputusan adalah: a. Jika probabilitas > 0,05, maka H0 diterima b. Jika probabilitas < 0,05, maka H0 ditolak 7. Pengujian ANOVA uji F Uji satistik yang digunakan untuk menguji hipotesis nol bahwa semua kelompok mempunyai mean populasi yang sama adalah Uji F. harga F diperoleh dari rata-rata jumlah kuadrat (mean square) antar kelompok yang dibagi dengan rata-rata jumlah kuadrat dalam kelompok dengan rumus : F= SB2Sw2 dengan derajat bebas a-1 dan a(b-1) (2-53)
Dimana : SB2 = variansi antar perlakuan SW2 = variansi dalam perlakuan Hipotesis yang digunakan dalam pengujian ANOVA adalah: a. Ho : diduga bahwa seluruh kelompok dari rata-rata populasi adalah sama b. Hi : diduga bahwa seluruh kelompok dari rata-rata popilasi adalah berbeda Dasar daari pengambilan keputusan adalah : a. Jika F hitung > F tabel 0,05, maka Ho ditolak
31
REKAYASA KUALITAS
b. Jika F hitung < F tabel 0,05, maka Ho diterima. 8. Test Post Hoc
MODUL IV
Dari pengujian ANOVA (F test) telah diketahui bahwa secara umum seluruh kelompok memiliki perbedaan (tidak sama). Untuk mengetahui lebih lanjut perbedaan yang terjadi antar kelompok maka digunakan post hoc test dengan menggunakan salah satu fungsi Tuckey adapun hipotesis yang digunakan dalam tes ini adalah: a. H0 : Diduga bahwa kedua kelompok memiliki nilai rata-rata yang sama b. H1 : Diduga bahwa kedua kelompok memiliki nilai rata-rata yang berbeda Dasar dari pengambilan keputusan adalah: a. Jika probabilitas > 0,05, maka H0 diterima b. Jika probabilitas < 0,05, maka H0 ditolak. 2.3.5 Pengujian Rata-rata Setelah ANOVA Pengujian setelah ANOVA ini dilakukan apabila keputusan yang diambil pada ANOVA adalah penolakan H0 (penerimaan H1). Pengujian setelah ANOVA disebut post hoc test. Ada beberapa metode yang digunakan pada post hoc test antara lain: 2.3.5.1 Uji LSD (Least Square Difference) Pengujian LSD dapat disebut juga Uji Beda Nyata Terkecil. Pengujian ini bersifat sensitif (tidak ada pembenaran pada inflasi ). Setiap penolakan H0 yang disebabkan nilai sig < 0,05 ( =5%), sebenarnya memberikan peluang terjadinya kesalahan jenis I sebanyak 5%. Inflasi adalah pengakumulasian kesalahan tipe I atau peningkatan peluang dalam membuat kesalahan tipe I pada perbandingan-perbandingan yang dilakukan. Jadi apabila ada 3 kondisi yang diperbandingkan dengan = 5% untuk masing-masing perbandingan, pengujian tersebut memberikan peluang terjadinya kesalahan jenis I sebanyak 3 x 0,05 = 0,15 atau 15 %. Langkah-langkah pengujian LSD adalah sebagai berikut : 1. Setiap pasangan selisih rerata memiliki statistik uji untuk pasangan itu. Menghitung selisih mutlak untuk rata-rata. 2 Mencari nilai t table (t-student) pada taraf nyata t( ,df) = .. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
32
REKAYASA KUALITAS
Dimana : df = v = n k n = banyak sampel k = perlakuan 3. Menghitung nilai LSD a. Untuk r sama LSD= t2 2s2r (2-54)
MODUL IV
b. Untuk nilai r tidak sama LSD= t2 s2 1r1+ 1r2 (2-55)

Dimana : t/2 = nilai t tabel s2 r = rata-rata kuadrat error = replilkasi
4. Menentukan kriteria pengujian xi- xj LSD maka terdapat perbedaan antara rata-rata i dan rata-rata j xi- xj < LSD maka tidak terdapat perbedaan antara rata-rata i dan ratarata j 5. Membuat kesimpulan Menyimpulkan secara keseluruhan dari langkah ke 4. 2.3.5.2 Uji HSD (Honestly Significant Difference) Tuckey Syarat yang harus dipenuhi ketika melakukan uji HSD adalah ukuran kelompok semuanya harus sama, dengan kata lain ukuran kelompok harus direratakan dengan rerata harmonik. Langkah-langkah pengujian HSD adalah sebagai berikut : 1. Menghitung nilai HSD a. Untuk r sama
W=q p, fes2r (2-56) b. Untuk r tidak sama W= q p, fes 12 1r1+1r2 (2-57)

2. Notasi yang digunakan dalam pengujian HSD adalah : q (p,fe) = pada table Tuckey
33
REKAYASA KUALITAS
p fe = jumlah perlakuan = derajat bebas = taraf signifikansi
MODUL IV
3. Kriteria pengujian xi- xj W maka terdapat perbedaan antara rata-rata i dan rata-rata j xi- xj < W maka tidak terdapat perbedaan antara rata-rata i dan ratarata j 4. Membuat Kesimpulan Menyimpulkan secara keseluruhan dari langkah ke 3 2.4 Pengendalian Proses Statitistik (Statistical Process Control) 2.4.1 Definisi Pengendalian Proses Statistik (Statistical Process Control) Pengendalian proses statistik (Statistical Process Control) merupakan teknik penyelesaian masalah yang digunakan sebagai pemonitor, pengendali, penganalisis, pengelola, dan memperbaiki proses menggunakan metode-metode statistik. Pengendalian proses statistik merupakan penerapan metode-metode statistik untuk pengukuran dan analisis variasi proses. Teknik ini menerapkan proses statistik dikenal dengan adanya seven tools. 2.4.2 Definisi Kualitas Kualitas atau mutu adalah tingkat baik buruknya atau taraf atau derajat sesuatu. Kualitas juga berarti kesesuaian mutu dengan spesifikasi pelanggan. Kualitas bukanlah memenuhi sejumlah kriteria yang ditetapkan perusahaan/instansi, sebaliknya kualitas adalah memenuhi kriteria yang ditetapkan pelanggan/ customer. Kunci mencapai jenis kualitas ini, karena itu adalah mengetahui siapa pelanggannya dan apa yang mereka inginkan. Dimensi kualitas itu tergantung pada subjek penyedia jasa dengan berfokus pada objek yang dilayani. David Garvin dalam Nashihuddin (2010), memperkenalkan subjek kualitas yang diterapkan pada produk sistem informasi dan telah mengidentifikasi delapan dimensi yang berbeda, yaitu: 1. Kinerja (Performance) adalah seberapa baik suatu sistem informasi melakukan apa yang memang harus dilakukannya. Hal ini berkaitan dengan aspek fungsional suatu barang dan merupakan karakteristik LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
34
REKAYASA KUALITAS
utama yang dipertimbangkan pelanggan dalam
MODUL IV
membeli barang
tersebut. 2. Ciri/ Keistimewaan Tambahan (Features) adalah tampilan dari pernakpernik yang melengkapi atau meningkatkan fungsi dasar/ kinerja pada sistem layanan informasi/ suatu produk. 3. Keandalan (Reliability) adalah bagaimana kemampuan produk untuk bertahan selama penggunaan yang biasa. Hal ini juga berkaitan dengan probabilitas suatu barang berhasil menjalankan fungsinya setiap kali digunakan dalam periode waktu tertentu dan dalam kondisi tertentu pula/ konsistensi suatu produk. 4. Kesesuaian (Conformance) yaitu seberapa baik mutu produk tersebut sesuai dengan standar atau keinginan pelanggan. Conformance merefleksikan derajat ketepatan antara karakteristik desain produk dengan karakteristik kualitas standar yang telah ditetapkan. 5. Daya Tahan (Durability) adalah ukuran umur ekonomis/ masa pakai produk sebelum produk tersebut rusak. 6. Kemudahan Perbaikan (Seviceability) berarti produk yang digunakan untuk jangka waktu lama harus dapat diperbaiki atau dipelihara. Berkaitan dengan hal kecepatan, kompetensi, kemudahan dan akurasi dalam memberikan layanan untuk perbaikan barang. 7. Keindahan (Aesthetic) keindahan suatu produk terletak bagaimana produk tersebut dilihat dan dirasakan, dapat menjadi dimensi yang penting. Merupakan dimensi yang bersifat subjektif mengenai nilai-nilai estetika yang berkaitan dengan pertimbangan pribadi dan refleksi dari preferensi individual. 8. Persepsi (Perception/ Fit and Finish) setiap produk dapat mempengaruhi persepsi pemakai secara subjektif. Berkaitan dengan perasaan pemakai mengenai produk tersebut sebagai produk yang berkualitas. 2.4.3 Definisi Variasi Proses Penting untuk mengetahui bagaimana suatu proses itu bervariasi didalam menghasilkan produk sehingga dapat diambil tindakan-tindakan peningkatan proses itu secara tepat. Variasi adalah ketidakseragaman dalam proses operasional sehingga menimbulkan perbedaan dalam kualitas
35
REKAYASA KUALITAS
MODUL IV
produk (barang/jasa) yang dihasilkan. Pada dasarnya dikenal dua sumber variasi (Vincent Gaspers, 2001) antara lain : 1. Variasi Penyebab Khusus (Special Cause Variation) Kejadian-kejadian diluar sistem manajemen kualitas yang mempengaruhi variasi dalam sistem itu. Penyebab khusus dapat bersumber dari faktor-faktor: Manusia, Mesin, Material dan Metode. Penyebab khusus ini mengambil pola Non Acak (Non Random Patterns) sehingga dapat diidentifikasikan atau ditemukan sebab mereka tidak selalu aktif dalam proses tetapi memiliki pengaruh yang lebih kuat pada proses, sehingga menimbulkan variasi. Dalam analisis data dengan menggunakan Peta Kontrol (Control Chart) jenis variasi ini sering ditandai dengan titik-titik pengamatan yang melewati atau keluar dari Batas-Batas Pengendalian yang Didefinisikan (Defined Control Limit). 2. Variasi Penyebab Khusus (Special Cause Variation) Kejadian-kejadian diluar sistem manajemen kualitas yang mempengaruhi variasi dalam sistem itu. Penyebab khusus dapat bersumber dari faktor-faktor: Manusia, Mesin, Material dan Metode. Penyebab khusus ini mengambil pola Non Acak (Non Random Patterns) sehingga dapat diidentifikasikan atau ditemukan sebab mereka tidak selalu aktif dalam proses tetapi memiliki pengaruh yang lebih kuat pada proses, sehingga menimbulkan variasi. Dalam analisis data dengan menggunakan Peta Kontrol (Control Chart) jenis variasi ini sering ditandai dengan titik-titik pengamatan yang melewati atau keluar dari Batas-Batas Pengendalian yang Didefinisikan (Defined Control Limit). Dalam memproduksi barang secara masal tentu akan dijumpai varisi meskipun sudah ditentukan ukuran maupun kualitasnya. Ada 3 macam variasi yang dapat terjadi : 1. Variasi yg terdapat pada unit (barang). Misalnya kehalusan dari salah satu sisi daru suatu produk tidak sama dengan sisi yang lain, lebar bagian atas suatu produk tidak sama dengan lebar bagian bawah, dll. 2. Variasi yg timbul diantara unit-unit yang dihasilkan selama waktu tertentu. Misalnya suatu produk yang diproduksi pada saat yang hampir sama mempunyai kualitas yang berbeda/ bervariasi. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
36
REKAYASA KUALITAS
MODUL IV
3. Variasi yang ditimbulkan oleh produksi yg berlainan waktunya. Misalnya produksi pagi hari berbeda hasil produksi siang hari. 2.4.4 Tujuan dan Manfaat Pengendalian Proses Statistik Pengendalian proses statistika adalah alat yang sangat berguna dalam membuat produk sesuai dengan spesifikasi sejak dari awal proses hingga akhir proses. Pengendalian proses statistik mempunyai tujuan antara lain : 1. Menyelidiki dengan cepat sebab-sebab terjadinya kesalahan dan melakukan tindakan perbaikan sebelum terlalu banyak produk cacat yang dihasilkan 2. Mengadakan pengurangan terhadap variasi atau kesalahan-kesalahan dalam proses. 3. Mendeteksi adanya penyebab khusus (assignable cause atau special cause) dalam variasi atau kesalahan proses melalui analisis data dari masa lalu maupun masa mendatang Pengendalian proses statistik dikatakan berada dalam batas pengendalian apabila hanya terdapat kesalahan yang disebabkan oleh sebab umum. Menurut Grig (1998), Catwright dan Hogg (1996), Roes dan Dorr (1997), pengendalian proses statistik memberikan manfaat penting, antara lain : 1. Perbaikan pengendalian dalam proses 2. Perbaikan komunikasi 3. Perbaikan analisis dan pemantauan proses 4. Peningkatan kesadaran karyawan 5. Peningkatan efisiensi 6. Peningkatan jaminan kualitas pelanggan 7. Peningkatan pemberdayaan personel lini 8. Pengurangan pemborosan 9. Pengurangan keluhan pelanggan 10. Pengurangan waktu penyampaian jasa atau pelayanan 11. Peningkatan keterlibatan karyawan 12. Peningktana pemahaman terhadap proses 2.5 Alat-alat Pengendalian Proses Statistik
37
REKAYASA KUALITAS
MODUL IV
Strategi pengendalian proses statistik adalah membawa suatu proses berada di bawah pengendalian secara statistik. Dengan kata lain proses itu dikendalikan berdasarkan catatan data yang secara terus menerus dikumpulkan dan dianalisis agar menghasilkan informasi yang dapat digunakan dalam mengendalikan dan meningkatkan proses sehingga proses itu memiliki kemampuan untuk memenuhi spesifikasi output yang diinginkan pelanggan. Catatan data yang dikumpulkan dan dianalisis itu di dapatkan dengan menggunakaan alat-alat pengendalian proses statistik, yang lebih dikenal dengan sebutan seven tools. Alat-alat pengendalian proses statistik tersebut, antara lain : 2.5.1 Lembar Pengecekan (Check Sheet) Lembar pengecekan (Check Sheet) adalah alat yang sering digunakan untuk menghitung seberapa sering sesutau itu terjadi dan sering digunakan dalam pengumpulan dan pencatatan data. Data yang sudah terkumpul tersebut dimasukkan kedalam grafik, seperti diagram pareto ataupun histogram pengecekan untuk ini kemudian dapat dilakukan analisis alat terhadapnya. bantu dalam Lembar tahap digunakan sebagai
pelaksanaan (do) pada siklus PDCA (plan-do-control-action). Untuk memudahkan pengumpulan data, sebaiknya digunakan formulirformulir yang dirancang khusus yang disebut lembar pengecekan. Pada dasarnya, ada dua macam lembar pengecekan, yaitu : 1. Lembar Pengecekan Frekuensi Lembar pengecekan ini mencatat frekuensi atau banyak kejadian suatu peristiwa, dengan bentuk hanya berupa tanda-tanda garis (tally), oleh karena itu sering juga disebut dengan tally sheet. Data yang digunakan untuk lembar pengecekan frekuensi ini adalah data atribut.
Tabel 2.5 Contoh lembar pengecekan frekuensi PT SARI INDUSTRI ES LEMBAR PENGAMATAN PRODUKSI YANG RUSAK Produk : AMDK No. Batch Shift : 231153-II :2 Hasil Pemeriksaan ||||| ||||| ||||| || ||||| ||||| ||||| |||| Frekuensi 17 19
Operator : Yopie Jenis Kerusakan Benda Asing Lendir
38
REKAYASA KUALITAS
Lumut ||||| ||||| ||||| ||||| Bocor ||||| ||||| ||||| ||||| |||| Total Sumber : Iskandar, 2008
MODUL IV
20 24 90
2. Lembar Pengecekan Berdasarkan Item Lembar pengecekan ini untuk mengumpulkan data dalam hubungannya dengan jumlah item (hal) yang ingin dipelajari. Data yang digunakan untuk jenis ini adalah data variabel.
Tabel 2.6 Contoh lembar pengecekan berdasarkan item Shift No Jenis Kesalahan I II III 1. Botol datang disortir 2. Kadar sabun 3. Lampu peneranga 4. Seal tidak sobek 5. Label tidak buram 6. Bahan sanitasi Sumber : Iskandar, 2008
Penggunaan lembar pengecekan bertujuan untuk :
1. Memudahkan proses pengumpulan data terutama untuk mengutamakan bagaimana sesuatu masalah seringkali terjadi. Tujuan utamanya adalah membantu mentabulasikan banyaknya kejadian dari suatu masalah tertentu atau penyebab tertentu. 2. Membantu memilah-milah data ke dalam kategori yang berbeda seperti penyebab-penyebab, masalah-masalah, dan lain-lain. 3. Menyusun data secara otomatis, sehingga data tersebut dapat dipergunakan dengan mudah. 2.5.2 Diagram Pareto Diagram Pareto merupakan alat yang digunakan untuk membandingkan berbagai kategori kejadian yang disusun menurut ukurannya untuk menentukan pentingnya atau prioritas kategori kejadian atau sebab-sebab kejadian yang akan dianalisis, sehingga dapat memusatkan perhatian pada sebab-sebab yang mempunyai dampak terbesar terhadap kejadian tersebut. Diagram Pareto berupa suatu gambar yang mengurutkan klasifikasi data dari kiri ke kanan menurut urutan ranking tertinggi hingga terendah. Diagram Pareto juga dapat mengidentifikasi masalah yang paling penting yang mempenagruhi usaha perbaikan kualitas dan memberikan petunjuk dalam mengalokasikan sumber daya yang terbatas untuk menyelesaikan masalah (Mitra, 1993). LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
39
REKAYASA KUALITAS
MODUL IV
Gambar 2.3 Diagram Pareto Sumber : www.pintarstatistik.blogspot.com
Tipe-tipe Diagram Pareto dibagi menjadi dua, yaitu : 1. Diagram fenomena Diagram ini berkaitan dengan hasil-hasil berikut yang tidak diinginkan dan digunakan untuk mengetahui masalah utama yang ada. Contoh fenomena, antara lain : a. Kualitas, misalnya jumlah kerusakan, cacat, kesalahan, keluhan produk yang dikembangkan dan perbaikan. b. Biaya, misalnya jumlah kerugian, pemborosan biaya, biaya stock, biaya bunga. c. Penyerahan (delivery), misalnya misalnya jumlah keterlambatan pengiriman, kerja, keterlambatan pembayaran. d. Keamanan, gangguan. 2. Diagram Pareto yang menunjukkan penyebab suatu masalah Diagram ini berkaitan dengan penyebab dalam proses dan dipergunakan untuk mengetahui penyebab utama dari masalah yang ada. Contoh penyebab, antara lain : a. Operator, misalnya giliran kerja (shift), kelompok kerja, umur karyawan, pengalaman, ketrampilan, dan sifat individual. b. Mesin, misalnya perlengkapan, pengalaman, organisasi, instrument dan mesin-mesin. c. Bahan baku, misalnya jenis bahan baku, pembuatan bahan baku, dan pabrik bahan baku. d. Metode kerja, misalnya kondisi kerja, order kerja, metode operasi, sistem pengaturan. kecelakaan, kekeliruan Pareto yang menunjukkan akibat suatu masalah atau
40
REKAYASA KUALITAS
2.5.3 Diagram Sebab Akibat
MODUL IV
Diagram sebab akibat adalah suatu diagram yang menunjukkan hubungan antara sebab dan akibat. Diagram ini digunakan untuk menganalisis persoalan dan faktor yang menimbulkan persoalan tersebut. Dengan demikian, diagram tersebut dapat digunakan untuk menjelaskan sebab-sebab suatu persoalan. Berkaitan dengan proses statistikkal, diagram sebab akibat dipergunakan untuk menunjukkan faktor-faktor penyebab (sebab) dan karakteristik kualitas (akibat) yang disebabkan oleh faktorfaktor penyebab itu. Diagram sebab akibat juga disebut Ishikawa Diagram atau diagram tulang ikan (fishbone diagram).
Gambar 2.4 Diagram Sebab Akibat Sumber : www.pintarstatistik.blogspot.com
Pada dasarnya diagram sebab akibat dapat dipergunakan untuk kebutuhan-kebutuhan berikut : 1. Untuk mentimpulkan sebab-sebab variasi dalam proses. 2. Membantu mengidentifikasi akar penyebab dari suatu masalah 3. Membantu membangkitkan ide-ide untuk solusi suatu masalah 4. Untuk memberikan petunjuk mengenai macam-macam data yang perlu dikumpulkan 5. Membantu dalam penyelidikan atau pencarian fakta lebih lanjut 2.5.4 Histogram Histogram adalah alat yang digunakan untuk menunjukkan variasi data pengukuran dan variasi setiap proses. Histogram merupakan suatu potret dari proses yang menunjukkan distribusi dari pengukuran dan frekuensi dari setiap pengukuran itu. Selain itu histogram dapat menunjukkan kemampuan proses, dan hubungan dengan spesifikasi proses dan angka-angka nominal, misalnya rata-rata. Dengan demikian histogram dapat dipergunakan sebagai alat untuk : 1. Mengkomunikasikan informasi tentang variasi dalam proses
41
REKAYASA KUALITAS
MODUL IV
perbaikan terus-menerus (continuous
2. Membantu manajemen dalam membuat keputusan-keputusan yang berfokus pada usaha improvement effort) Tujuan menggunakan histogram antara lain : 1. Mengetahui dengan mudah penyebaran data yang ada 2. Mempermudah melihat dan menginterpretasikan data 3. Sebagai alat pengendalian proses sehingga dapat mencegah timbulnya masalah
Gambar 2.5 Histogram Sumber: www.pintarstatistik.blogspot.com
2.5.5 Diagram Tebar (Scatter Diagram) Scatter Diagram merupakan cara paling sederhana untuk menentukan hubungan antara sebab dan akibat dari dua variabel. Dengan menggunakan analisis regresi dan kolerasi, kita dapat menggambarkan hubungan antara dua variabel dalam bentuk persamaan linier dan dapat mengetahui keeratan hubungan tersebut, serta besarnya koefisien kolerasi dan determinasinya. Pada dasarnya diagram tebar merupakn alat interpretasi data yang digunakan untuk : 1. Menguji bagaimana kuatnya hubungan antar dua variabel 2. Menentukan jenis hubungan dua variabel itu, apakah positif, negatif, atau tidak ada hubungan Dua variabel yang ditunjukkan dalam diagram tebar, dapat berupa : 1. Karakteristik kualitas dan faktor yang mempengaruhinya 2. Dua karakteristik kualitas yang saling berhubungan 3. Dua faktor yang saling berhubungan yang mempengaruhi karakteristik kualitas
42
REKAYASA KUALITAS
MODUL IV
Pada dasarnya terdapat tiga pola diagram tebar, sesuai dengan hubungan di antara dua variabel x dan y yang dipelajari. Ketiga pola diagram tebar itu adalah : 1. Diagram tebar dari dua variabel x dan y yang memiliki hubungan positif 2. Diagram tebar dari dua variabel x dan y yang memiliki hubungan negatif 3. Diagram tebar dari dua variabel x dan y yang tidak memiliki hubungan (kolerasi)
Gambar 2.6 Diagram Tebar (Scatter Plot) Sumber : www.pintarstatistik.blogspot.com
2.5.6 Run Chart Peta run atau diagram perjalanan adalah peta yang menggambarkan hasil plot data (individual) dari sekumpulan data yang disusun berdasarkan urutan waktu. Peta run adalah peta variabel. Run adalah istilah untuk menunjukkan keteraturan rentetan dari titik berdasarkan urutan waktu. Analisis terhadap peta run dilakukan untuk menetapkan apakah pola dapat dianggap berasal dari sebab-sebab umum atau sebab-sebab khusus dari variasi. Run chart waktu. Penggunaan run chart dalam bentuk garis sebagai alat analisis untuk : 1. Mengumpulkan dan menginterpretasikan data, juga merupakan ringkasan visual data itu, sehingga memudahkan dalam pemahaman. 2. Menunjukkan output dari suatu proses sepanjang waktu 3. Menunjukkan apa yang sedang terjadi dalam situasi tertentu sepanjang waktu 4. Membandingkan data dari periode satu dengan periode yang lainnya, demikian pula memeriksa perubahan-perubahan yang terjadi 2.5.7 Peta Kontrol (Control Chart) biasanya digunakan untuk analisis pendahuluan dari setiap data pengukuran kontinu yang dapat dikumpulkan dalam urutan
43
REKAYASA KUALITAS
MODUL IV
Pada dasarnya semua proses menampilkan variasi, namun manajemen harus mampu mengendaliakan proses dengan cara menghilangkan variasi yang melekat pada proses yang disebabkan oleh variasi penyebab umum. Peta kontrol merupakan perangkat yang digunakan untuk pengendalian proses statistik yang dapat membantu dalam menetapkan kemampuan proses dengan melakukan pengukuran terhadap variasi produk yang dihasilkan atau kualitas pelayanan sepanjang waktu.
Gambar 2.7 Peta Kontrol www.pintarstatisik.blogspot.com
Secara grafis pengendalian proses statistik menyajikan variasi yang terjadi yang memungkinkan untuk menetapkan apakah semua proses di dalam kontrol (in control) atau berada di luar kontrol (out control). Batas kontrol atau garis pusat (control limit/CL) yang meliputi batas atas (upper control limit/UCL) dan batas (lower control limit/LCL) dapat membantu kita untuk menggambarkan performasi yang diharapkan dari sutu proses tersebut berada dalam pengendalian. Ada dua macam peta kontrol, antara lain : 1. Peta kontrol untuk data variabel 2. Peta kontrol untuk data atribut 2.5.7.1 Peta Kontrol untuk Data Variabel Karakteristik kualitas dapat diukur dan dinyatakan secara kuantitatif dengan menggunakan peta kontrol untuk data variabel. Peta kontrol untuk data variabel dibagi menjadi dua yaitu : 1. Peta kontrol X-bar dan R 2. Peta kontrol individual X dan MR 2.5.7.1.1 Peta Kontrol X-bar dan R
44
REKAYASA KUALITAS
MODUL IV
Digunakan untuk memantau proses yang mempunyai karakteristik berdimensi kontinyu, sehingga disebut sebagai diagram kontrol untuk data variabel. Diagram kontrol X menjelaskan tentang perubahan yang terjadi dalam ukuran titik pusat atau rata-rata dari proses. Sedangkan diagram kontrol R (range) menjelaskan perubahan yang terjadi dalam ukuran variasi atau perubahan homogenitas produk yang dihasilkan suatu proses. Peta kontrol X-bar dan R terdiri dari dua dan masing-masing fungsinya adalah sebagai berikut : 1. Peta kontrol X-bar berfungsi untuk : a. Memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal lokasinya (pemusatannya). b. Mengetahui c. apakah proses masih berada dalam batas-batas pengendalian atau tidak. Mengetahui apakah rata-rata produk yang dihasilkan sesuai dengan standar yang telah ditentukan. 2. Peta kontrol R berfungsi untuk : a. Memantau perubahan dalam hal spread-nya (penyebarannya). tingkat keakurasian/ketepatan proses yang diukur dengan mencari range dari sampel yang diambil. Langkah pembuatan Peta X-bar dan peta R adalah sebagai berikut : 1. Tentukan ukuran subgrup (n = 3, 4, 5, ). 2. Tentukan banyaknya subgrup (k) sedikitnya 20 subgrup. 3. Hitung nilai rata-rata dari setiap subgrup, yaitu X. 4. Hitung nilai rata-rata seluruh X, yaitu X, yang merupakan center line dari peta kendali X. 5. Hitung nilai selisih data terbesar dengan data terkecil dari setiap subgrup, yaitu Range ( R ). 6. Hitung nilai rata-rata dari seluruh R, yaitu R yang merupakan center line dari peta kendali R. 7. Hitung batas kendali dari peta kendali X : UCL = X + (A2 . R) (2-58)
Sumber: www.pintarstatistik.blogspot.com
b. Memantau
A2= 3d2n (2-59)

45
REKAYASA KUALITAS
LCL = X (A2 . R) (2-60)
MODUL IV
8. Hitung batas kendali untuk peta kendali R UCL = D4 . R (2-61)

LCL = D3 . R (2-62)
9. Plot data X dan R pada peta kendali X dan R serta amati apakah data tersebut berada dalam pengendalian atau tidak. 10. Hitung Indeks Kapabilitas Proses (Cp) Cp= USL-LSL6S (2-63)
Dimana : S= Nx Xi2- (Xi)2N N-1 (2-64)

S= Rd2 (2-65)
Kriteria penilaian : Jika Cp > 1,33 , maka kapabilitas proses sangat baik Jika 1,00 Cp 1,33, maka kapabilitas proses baik Jika Cp < 1,00, maka kapabilitas proses rendah 11. Hitung Indeks Cpk : Cpk = Minimum { CPU ; CPL } (2-66)
Dimana : CPU= USL-X3S (2-67)

CPL= X-LSL3S (2-68)

Kriteria penilaian : Jika Cpk = Cp, maka proses terjadi ditengah Jika Cpk = 1, maka proses menghasilan produk yang sesuai dengan spesifikasi Jika Cpk < 1, maka proses menghasilkan produk yang tidak sesuai dengan spesifikasi LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
46
REKAYASA KUALITAS
Kondisi Ideal : Cp > 1,33 dan Cp = Cpk 2.5.7.1.2 Peta kontrol Individual X dan MR
MODUL IV
Digunakan untuk pengendalian proses yang ukuran contohnya hanya satu (n=1). Hal ini sering terjadi apabila pemeriksaan dilakukan secara otomatis dan pada tingkat produksi yang sangat lambat, sehingga sukar untuk mengambil ukuran contoh yang lebih besar dari satu(n>1). Kasus ini banyak dijumpaipada industri kimia, pengujian daya tahan mobil mewah, dimana biaya pengukurannya sangat mahal. Diagram control X dan MR (moving range) diterapkan pada proses yang menghasilkan produk yang relatif homogen (misal cairan kimia), kandungan mineral dari air atau makanan, kasus-kasus dimana inspeksi 100% digunakan. Prosedur pengendaliannya menggunakan rentang bergerak dua observasi yang berturutan guna menaksir variabilitas proses. Diagram Kontrol X dirumuskan sebagai berikut : CL= x (2-69)
Sumber : Iskandar, 2008
UCL= x+ 2.66 MR (2-70)

LCL= x- 2.66 MR (2-71)

Keterangan: X 2,66 MR = Rata-rata X1, X2, .Xn. = Nilai konstan. = Rata-rata rentang bergerak dua observasi. Diagram kontrol MR CL= MR (2-72)
UCL= D4MR (2-73)

LCL= D3MR (2-74)

Keterangan: MR = Rata-rata rentang bergerak dua observasi . D4 = Nilai konstan D3 untuk diagram kontrol MR. D3 = Nilai konstan D3 untuk diagram kontrol MR. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
47
REKAYASA KUALITAS
MODUL IV
2.5.7.2 Peta Kontrol untuk Data Atribut Peta kontrol untuk data atribut dapat dibedakan menjadi peta kontrol p, peta kontrol np, peta kontrol c dan peta konrol u
2.5.7.2.1 Peta Kontrol p Peta kontrol p digunanakan untuk proporsi cacat dan peta kontrol np untuk proporsi unit cacatnya relatif kecil. Perbandingan antara banyaknya cacat dengan semua pengamatan, yaitu setiap produk yang diklasifikasikan sebagai diterima atau ditolak (yang diperhatikan banyaknya produk cacat). Langkah-langkah pembuatan peta kontrol p : 1. Tentukan ukuran contoh/subgrup yang cukup besar (n >30) 2. Kumpulkan banyaknya subgrup (k) sedikitnya 2025 sub-grup 3. Hitung untuk setiap subgrup nilai proporsi unit yang cacat, yaitu : p = jumlah unit cacat/ukuran subgrup 4. Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan : p = total cacat/total inspeksi 5. Hitung batas kendali dari peta kendali x : UCL=p+ 3p(1-p)ns (2-75)
(Montgomery, 1990)
LCL=p- 3p(1-p)n (2-76)

(Montgomery, 1990)
6. Plot data proporsi (persentase) unit cacat serta amati apakah data tersebut berada dalam pengendalian atau diluar pengendalian. 2.5.7.2.2 Peta Kontrol np Peta kontrol np digunakan untuk mengukur proporsi ketidaksesuaian (cacat) dari item-item dalam kelompok yang sedang diinspeksi. Dengan demikian diagram kontrol P digunakan untuk mengendalikan proporsi dari item-item yang tidak memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu proses. Sehingga diperoleh
48
REKAYASA KUALITAS
MODUL IV
rumus untuk batas atas dan batas bawah diagram kontrol np sebagai berikut : CL=P (2-77)
(Montgomery, 1990)
UCL= P+ 3Sp (2-78)

(Montgomery, 1990)
LCL= P- 3Sp (2-79)

(Montgomery, 1990)
Dengan : Sp= P(100- P)n (2-80)

(Montgomery, 1990)
Pendekatan pertama, dan mungkin
yang paling sederhana adalah
menentukan batas pengendali untuk tiap-tiap sampel yang didasarkan atas ukuran sampel tertentu. Yakni, jika sampel ke-i berukuran ni, maka batas atas dan batas bawahnya adalah : p 3 p (1-p)nt (2-81)
(Montgomery, 1990)
Pendekatan kedua dalah berdasarkan grafik pengendali pada ukuran sampel rata-rata, yang menghasilkan himpunan batas pengendali. 2.5.7.2.3 Peta Kontrol c Suatu produk dikatakan cacat (defective) jika produk tersebut tidak memenuhi suatu syarat atau lebih. Setiap kekurangan disebut defec. Setiap produk yang cacat bias saja terdapat lebih dari satu defec. (yang diperhatikan banyaknya defec). Langkah-langkah pembuatan peta kontrol c : 1. Kumpulkan k = banyaknya subgrup yang akan diinspeksi, usahakan k mencukupi jumlahnya antara k = 2025 subgrup 2. Hitung jumlah cacat setiap subgrup ( = c) 3. Hitung nilai rata-rata jumlah cacat, c sebagai berikut : c= ck (2-82)
(Montgomery, 1990)
4. Hitung batas kendali untuk peta kendali c : UCL=c+3c (2-83)

(Montgomery, 1990)
LCL=c-3c (2-84)
(Montgomery, 1990)
49
REKAYASA KUALITAS
MODUL IV
5. Plot data jumlah cacat dari setiap subgrup yang diperiksa dan amati apakah data tersebut berada dalam pengendalian atau diluar kendali.
2.5.7.2.4 Peta Kontrol u Peta kontrol u relatif sama dengan peta kontrol c. Pata kontrol u digunakan untuk mengetahui cacat per unit. Perbedaanya hanya terdapat pada peta kontrol u spesifikasi tempat dan waktu yang dipergunakan tidak harus selalu sama, yang membedakan dengan peta kontrol c adalah besarnya unit inspeksi perlu diidentifikasikan. Rumus yang digunakan : Su= u-barni (2-85)
(Montgomery, 1990)
CL=u-bar (2-86)
(Montgomery, 1990)
UCL=u-bar+3Su (2-87)
(Montgomery, 1990)
LCL=u-bar- 3Su (2-88)

(Montgomery, 1990)
2.6 Analisa Kemampuan Proses Analisis kemampuan proses adalah suatu studi guna menaksir kemampuan proses dalam bentuk distribusi probabilitas yang mempunyai bentuk, rerata dan penyebaran. AKP dapat dilakukan tanpa mengingat spesifikasi pada karakteristik mutu tetapi dapat kita nyatakan sebagai prosentase yang diluar spesifikasi. Studi kemampuan proses mengukur parameter fungsional pada produk, bukan proses itu sendiri. AKP mendefinisikan kemampuan proses memenuhi spesifikasi atau mengukur kinerja proses. Pyzdek(1995) : AKP juga merupakan prosedur yang digunakan untuk memprediksi kinerja jangka panjang yang berada dalam batas pengendali proses statistik. Pelaksanaan AKP harus dilakukan hanya bila proses dalam batas pengendali statistic, penyimpangan karena penyebab umum. Jika diidentifikasi adanya penyebab khusus, maka AKP dihentikan dan dilakukan tindakan perbaikan terhadap kombinasi mesin, alat, metode, material dan karyawan yang terkait. Dua asumsi penting dalam AKP data kontinyu :
50
REKAYASA KUALITAS
1. Proses dalam batas pengendali statistik 2. Proses berdistribusi normal Beberapa tujuan analisa kemampuan proses antara lain :
MODUL IV
1. Memprediksi variabilitas proses. Informasi ini berguna bagi perancang sebagai informasi penting mengenai batas-batas spesifikasi. 2. Memilih proses yang paling tepat atau memenuhi toleransi. 3. Merencanakan hubungan diantara proses-proses yang berurutan 4. Menyediakan dasar kuantitatif untuk menyusun jadwal pengendalian proses dan penyesuaian secara periodik 5. Menugaskan mesin-mesin ke dalam kelas pekerjaan sehingga sesuai dengan pengujian yang dilakukan 6. Menguji teori mengenai penyebab kesalahan selama program perbaikan kualitas 7. Memberikan pelayanan sebagai dasar untuk menentukan syarat kinerja kualitas untuk mesin-mesin yang ada. Manfaat analisa kemampuan proses antara lain : 1. Menciptakan output yang seragam 2. Kualitas dapat dipertahankan atau ditingkatkan 3. Membantu dalam membuat perancangan produk maupun proses 4. Membantu dalam pemilihan pemasok yang memenuhi syarat 5. Mengurangi biaya mutu total dengan memperkecil biaya kegagalan internal dan eksternal 6. Memperkirakan seberapa baik proses akan memenuhi toleransi. 7. Mengurangi variabilitas proses produksi 8. Membantu dalam pembentukan interval untuk pengendalian interval antara pengendalian sampel 9. Merencanakan urutan proses produksi apabila ada pengaruh interaktif proses pada toleransi 10. Menetapkan persyaratan kinerja bagi alat baru Menurut Gryna (2001) penyusunan langkah-langkah analisa kemampuan proses adalah sebagai berikut :
1. Mengembangkan deskripsi mengenai proses yang dilakukan yang

meliputi input, langkah-langkah proses dan karakteristik kualitas outputnya. Deskripsi ini untuk mengembangkan model matematis yang menunjukkan dampak setiap variabel proses pada karakteristik kualitas. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS 51
REKAYASA KUALITAS
MODUL IV
2. Mendefinisikan kondisi proses untuk setiap variable proses, meliputi

penentuan nilai optimum atau tujuan setiap variabel proses.
3. Meyakinkan bahwa setiap karakteristik kualitas minimal memiliki satu

variabel proses yang dapat digunakan untuk mengadakan penyesuaian dan perbaikan. 4. Menentukan apakah pengukuran kesalahan dilakukan secara signifikan. 5. Menentukan apakah AKP yang akan dilakukan memfokuskan hanya pada variabilitas atau juga pada kesalahan yang menyebabkan masalah kualitas.
6. Merencanakan penggunaan control chart untuk mengevaluasi stabilitas

proses. 7. Mempersiapkan pengumpulan data termasuk ukuran sampelnya. 8. Merencanakan metode analisis data. Analisis mencakup penghitungan kemampuan proses pada variabilitas dan analisis data atribut pada kesalahan dan analisis data dari perancangan proses secara statistik.
9. Mempersiapkan waktu untuk memeriksa dan menganalisis hasil,

meliputi analisis nilai optimum dan jarak dari variable proses, data-data out of control dalam control chart dan hasil lain yang dianggap penting. Hal ini bertujuan untuk memperbaiki proses. Jenis pelaksanaan analisa kemampuan proses dibagi menjadi tiga, yaitu : 1. Rasio kemampuan proses (RKP) Rasio kemampuan proses (RKP) atau indeks kemampuan proses (IKP) atau Cp, dengan rumus :
Cp= BSA-BSB6 (2-89)

(Montgomery, 1990)
Dalam hal ini dibedakan menjadi: a. c. a. c. Proses masih baik (Cp>1) Proses sama dengan spesifikasi konsumen (Cp=1). Menurut Tham (1997), dibedakan menjadi : Cp < 1: proses tidak memuaskan Cp > 1,6: kemampuan proses tinggi. b. 1 < Cp < 1,6: proses relatif sama atau berada di tengah kemampuan 2. Indeks kemampuan proses atas dan kemampuan proses bawah b. Proses tidak baik (Cp<1)
52
REKAYASA KUALITAS
MODUL IV
KPA merupakan perbandingan dari rentang atas rerata, sedang KPB merupakan perbandingan dari rentang bawah rerata. RKP, KPA dan KPB digunakan untuk mengevaluasi batas spesifikasi yang ditentukan serta mengevaluasi kinerja proses relatif terhadap batas-batas spesifikasi. Indeks kemampuan proses atas dan kemampuan proses bawah dirumuskan sebagai berikut :
KPA= BSA-3 (2-90)

(Montgomery, 1990) (Montgomery, 1990)
KPB= -BSB3 (2-91)

Dengan: = rerata proses. 3. Indeks kemampuan proses (Cpk) Indeks kemampuan proses digunakan untuk mengukur kemampuan p[roses untuk menghasilkan produk yang sesuai dengan spesifikasi. Nilai ICp minimal 1,33. Rumus yang biasa digunakan yaitu :
ICp= T6 (2-92)
(Montgomery, 1990)
Selain itu, dapat juga dengan menentukan target atau nilai nominal atau nilai Cpk. Nilai Cpk minimum adalah 1,00. Bila nilai Icp 1,33 dan nilai Cpk 1.00, maka proses dikatakan telah terfokus, stabil, dan dapat diprediksi.
53
REKAYASA KUALITAS
MODUL IV
BAB III METODOLOGI PRAKTIKUM
DesainKontrol Data PengumpulanData Control StatisticalPareto IdentifikasiData Diagram Test Post Data Process Homogenitas Pengolahan One Hoc Masalah Kenormalan Kesimpulan Peta Eksperimen Statistik SebabDiagram dan Rekap Analisis Way Selesai Mulai (One Data ANOVAs) Deskriptif Data ANOVAs Interpretasi Data way Akibat
3.1 Flowchart
54
REKAYASA KUALITAS
MODUL IV
3.2 Langkah Pengerjaan Prosedur praktikum yang harus dilakukan adalah : 1. Mengidentifikasi objek masalah dari suatu objek penelitian yang telah ditentukan 2. Mengumpulkan data 3. Merekap data dalam Microsoft Excel 4. Melakukan pengolahan data 5. Menganalisis dan menginterpretasi data 6. Membuat kesimpulan
55
REKAYASA KUALITAS
MODUL IV
BAB IV HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data 4.1.1 Data Desain Eksperimen (One Way Anova) Data yang diambil untuk desain eksperimen adalah data dari skripsi tentang hubungan waktu pemberian tegangan tinggi listrik arus searah yang berbeda pada minyak jarak dengan Ignation delay time.
Table 4.1 Rekapan Data Desain Eksperimen
Pengulangan 1 2 3 4 5 6 7 8 9 10 total banyak pengamatan rata-rata
0 menit
1645 1663 1660 1680 1683 1703 1700 1720 1700 1708 16862 10 1686. 2
4 menit
1585 1560 1578 1608 1600 1595 1613 1575 1586 1602 15902 10 1590. 2
6 menit
1603 1613 1615 1640 1618 1648 1645 1558 1677 1670 16287 10 1628. 7
10 menit
1655 1658 1675 1678 1693 1710 1700 1675 1670 1673 16787 10 1678.7
Total
6488 6494 6528 6606 6594 6656 6658 6528 6633 6653 6583 8 40 1646 .0
Sumber : Print-Out Microsoft Excel 2007
4.1.2 Data Statistical Process Control (SPC) 4.1.2.1 Rekap Data Variabel Tinggi Kue Bolu untuk Grafik Pengendali X-bar dan R Data variabel yang diambil adalah data tinggi roti bolu yang diambil dari bermacam-macam hasil produksi roti. Berikut rekapan data variabel pengamatan tinggi roti.
56
REKAYASA KUALITAS
MODUL IV
Tabel 4.2 Rekap Data Pengamatan Tinggi Roti untuk Grafik Pengendali PENGUKURAN PADA UNIT KELOMP JUMLA RATASAMPEL MAX OK H RATA X1 X2 X3 X4 X5 5.46 5.55 5.15 5.49 5.26 26.91 5.382 5.55 19 5.08 5.16 5.08 5.39 5.06 25.77 5.154 5.39 5.22 5.59 4.85 5.19 5.03 25.88 5.176 5.59 5.67 5.85 5.44 5 5.75 5.72 28.435 5.687 5.85 3 5.67 5.71 5.93 5.92 5.96 29.19 5.838 5.96 5.64 5.5 5.72 5.64 5.54 28.04 5.608 5.72 5.37 5.52 5.35 5.46 5.4 27.1 5.42 5.52 5.27 5.33 5.38 5.16 5.13 26.27 5.254 5.38 11 5.34 5.4 5.15 5.2 4.83 5 25.925 5.185 5.4 5.46 5.37 5.20 5 5.14 5 5 5.47 26.655 5.331 5.47 15 5.51 5.33 5.21 5.28 5.34 26.67 5.334 5.51 5.25 5.25 5.08 5.25 5.18 5 5 5.17 5 25.945 5.189 5 5.64 5.66 5.65 5.64 5.61 28.2 5.64 5.66 8 5.61 5.67 5.65 5.64 5.61 28.18 5.636 5.67 5.67 5.66 5.61 5.63 5.66 28.23 5.646 5.67 5.64 5.31 5.3 5.31 5.37 26.93 5.386 5.64 26 5.37 5.31 5.36 5.31 5.3 26.65 5.33 5.37 5.43 5.26 5.24 5.65 5.37 26.95 5.39 5.65 4.48 5.36 5.61 5.32 5 5 5.35 26.13 5.226 5.61 13 5.27 5.19 5.44 5.22 5.43 26.55 5.31 5.44 5.1 4.9 5.44 5.22 5.43 26.09 5.218 5.44 5.5 5.42 5.36 5.01 5.13 26.42 5.284 5.5 5.31 5.14 5.49 5.3 5.56 26.8 5.36 5.56 20 5.39 5.55 5.37 5 5.25 4.63 26.195 5.239 5.55 5.97 5.49 5.97 5 5 5.66 5.8 5.81 28.74 5.748 5 5.66 5.67 17 5.44 5 5.8 5 5.87 28.45 5.69 5.87 5.49 5.60 5.67 5 5.72 5 5 5.42 27.915 5.583 5.72 x5.4164 double 44 bar Sumber : Print-Out Microsoft Excel 2007
X-bar dan R MIN 5.15 5.06 4.85 5.44 5.67 5.5 5.35 5.13 4.83 5.14 5.21 5.08 5 5.61 5.61 5.61 5.3 5.3 5.24 4.48 5 5.19 4.9 5.01 5.14 4.63 5.49 5 5.44 5.42 Rbar RAN GE 0.4 0.33 0.74 0.41 0.29 0.22 0.17 0.25 0.57 0.33 0.3 0.17 0.05 0.06 0.06 0.34 0.07 0.41 1.125 0.25 0.54 0.49 0.42 0.92 0.48 0.43 0.3 0.375
57
REKAYASA KUALITAS
MODUL IV
4.1.2.2 Rekap Data Atribut Cacat Kue Bolu untuk Grafik Pengendali Np Data atribut yang diambil adalah data pengamatan spesifikasi dan jumlah cacat pada roti. Berikut rekapan data atribut pengamatan cacat pada roti
Tabel 4.3 Rekap Data Pengamatan Jumlah Cacat untuk Grafik Pengendali Np Jenis Cacat Kelomp Goson Bant Berongg Melube Menta Jumlah ok g at a r h 1 5 6 5 16 2 2 1 10 5 18 3 4 4 2 10 20 4 5 5 8 18 5 3 3 6 12 6 2 12 14 7 2 6 8 8 6 13 6 25 9 1 1 3 2 7 10 7 5 9 21 11 6 22 28 12 1 2 4 13 20 13 1 5 6 14 3 9 4 2 18 15 3 1 2 3 9 16 3 3 2 8 17 2 2 4 6 1 15 18 2 7 4 13 19 4 2 6 14 1 27 20 9 11 20 21 1 2 7 5 15 22 2 3 6 11 23 5 7 12 24 5 3 1 1 1 11 25 4 10 5 19 26 4 3 5 9 1 22 TOTAL 54 40 135 178 6 413 Sumber : Print-Out Microsoft Excel 2007
58
REKAYASA KUALITAS
MODUL IV
Table 4.4 Rekap Data Jumlah Cacat pada Kue Bolu
4.1.2.3 Rekap Data Jumlah Cacat berdasarkan Jenis Cacat kue Bolu JENIS CACAT Meluber Berongga Gosong Bantat Mentah Total total 178 135 54 40 6 413
4.2. Pengolahan Data Data skripsi yang diperoleh kemudian diolah di SPSS 17.0 untuk diketahui pengaruh faktor prosentase ampas nilam terhadap temperatur ruang penguapan. Berikut adalah langkah-langkah pengujian dengan SPSS dan analisisnya 4.2.1 Desain Eksperimen (One Way Anova) Desain eksperimen merupakan suatu tindakan atau pengamatan khusus yang dilakukan untuk menguji atau menguatkan pendapat yang diduga kebenarannya untuk menemukan beberapa pengaruh (prinsip) yang belum diketahui. Eksperimen itu sendiri adalah percobaan yang dilakukan melalui perubahan terencana variabel input suatu proses. Disini kami menggunakan One Way Anova untuk pengujian desain eksperimen kami. Pengujian hipotesis satu arah merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan satu faktor yang berpengaruh. Nilai statistik yang akan diuji signifikansinya dengan data sampel adalah nilai F. Pengujian hipotesis sebelumnya menggunakan distribusi normal (Z) dan distribusi student (t), untuk pengujian hipotesis beda tiga rata-rata atau lebih, digunakan distribusi F dengan teknik ANOVA (Analysis of Variance). 4.2.1.1 Pengolahan Data dengan SPSS Pengolahan Post Hoc 4.2.1.1.1 Pengujian Kenormalan 1. Klik Analyze Deskriptive Statistic Explore data dengan SPSS meliputi pengujian kenormalan, pengujian homogenitas varians, pengujian One Way ANOVA, dan pengujian
59
REKAYASA KUALITAS
MODUL IV
2. Masukkan variable waktu ke dalam Factor List dan ignation_delay_time ke dalam Dependent List 3. Klik Plots, pada Boxplots pilih none. Centang normality plot with test. 4. Klik Continue klik OK Maka akan muncul tampilan output pada SPSS sebagai berikut:
Tabel 4.5 Normalitas
Tests of Normality Kolmogorov-Smirnova waktu ignition_delay_tim 0menitt e 4menit 6menit 10menit Statistic df Shapiro-Wilk
Sig. Statistic df Sig. .200* .200 .200

* *
.216 10 .124 10 .131 10 .216 10
.947 10 .636 .972 10 .907 .952 10 .690 .938 10 .529
.200*
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
Sumber : Output SPSS 17.0
H0 = Data waktu 0 menit berdistribusi normal H1 = Data waktu 0 menit tidak berdistribusi normal Nilai Sig (0,636) > 0,05; H0 diterima. Kesimpulannya data waktu 0 menit berdistribusi normal. H0 = Data waktu 4 menit berdistribusi normal H1 = Data waktu 4 menit tidak berdistribusi normal Nilai Sig (0,907) > 0,05; H0 diterima. Kesimpulannya data waktu 4 menit berdistribusi normal. H0 = Data waktu 6 menit berdistribusi normal H1 = Data waktu 6 menit tidak berdistribusi normal Nilai Sig (0,690) > 0,05; H0 diterima. Kesimpulannya data waktu 6 menit berdistribusi normal. H0 = Data waktu 10 menit berdistribusi normal H1 = Data waktu 10 menit tidak berdistribusi normal Nilai Sig (0,529) > 0,05; H0 diterima. Kesimpulannya data waktu 10 menit berdistribusi normal.
60
REKAYASA KUALITAS
4.2.1.1.2 Pengujian Homogenitas Varians 1. Klik Analyze Compare Means One-Way ANOVA
MODUL IV
2. Masukkan variable waktu ke dalam Factor List dan ignation_delay_time ke dalam Dependent List 3. Klik Option, centang Homogenity of variance 4. Klik Continue OK Maka akan muncul tampilan output pada SPSS sebagai berikut:
Tabel 4.6 Homogenity of Variance
Test of Homogeneity of Variances ignition_delay_time Levene Statistic 2.465 df1 3 df2 36 Sig. .078
Sumber : Output SPSS 17.0
H0 = Data memiliki variansi yang homogen H1 = Data tidak memiliki variansi yang homogen Dari tabel didapat nilai Sig. 0,078, jika dibandingkan dengan nilai = 0,05 maka 0,078 > 0,05. Kesimpulannya H0 diterima, data memiliki variansi yang homogen. 4.2.1.1.3 Pengujian One Way ANOVA 1. Klik Analyze Compare Means One-Way ANOVA 2. Masukkan variable waktu ke dalam Factor List dan ignation_delay_time ke dalam Dependent List
Gambar 4.1 Langkah pegujian One Way ANOVA Sumber : Printscreen SPSS 17.0 3. Klik Continue OK Maka akan muncul tampilan output pada SPSS sebagai berikut: Tabel 4.7 One-Way ANOVA
61
REKAYASA KUALITAS
ANOVA ignition_delay_time Sum of Squares Between Groups Within Groups Total D f Mean Square F
MODUL IV
Sig.
60982.500 3 20327.500 34.10 . 1 00 0 21459.400 3 596.094 6 82441.900 3 9
Sumber : Output SPSS H0 : Tidak perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time H1 : Ada perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time Dari tabel didapat nilai Sig. 0,000, jika dibandingkan dengan nilai = 0,05 maka 0,000 < 0,05. Kesimpulannya H0 ditolak; ada pengaruh antara perbedaan waktu pemberian tegangan terhadap ignation delay time.
4.2.1.1.4 Pengujian Post Hoc

1. Klik Analyze Compare Means One-Way ANOVA 2. Masukkan variable waktu ke dalam Factor List dan ignation_delay_time ke dalam Dependent List 3. Klik Post Hoc, centang LSD 4. Klik Continue OK Maka akan muncul tampilan output pada SPSS sebagai berikut:
Tabel 4.8 Post Hoc
62
REKAYASA KUALITAS
Multiple Comparisons ignition_delay_time LSD
MODUL IV
95% Confidence Interval (I) waktu (J) waktu 0menitt 4menit 6menit 10menit 4menit 0menitt 6menit 10menit 6menit 0menitt 4menit 10menit 10menit 0menitt 4menit 6menit Mean Difference (IJ) Std. Error Sig. 96.00000* 10.91874 .000 57.50000* 10.91874 .000 7.50000 10.91874 .497 -96.00000 10.91874 .000
*
Lower Bound 73.8558 35.3558 -14.6442 -118.1442 -60.6442 -110.6442 -79.6442 16.3558 -72.1442 -29.6442 66.3558 27.8558
Upper Bound 118.1442 79.6442 29.6442 -73.8558 -16.3558 -66.3558 -35.3558 60.6442 -27.8558 14.6442 110.6442 72.1442
-38.50000* 10.91874 .001 -88.50000 10.91874 .000

*
-57.50000* 10.91874 .000 38.50000 10.91874 .001

*
-50.00000* 10.91874 .000 -7.50000 10.91874 .497 88.50000 10.91874 .000

* *
50.00000 10.91874 .000
*. The mean difference is significant at the 0.05 level.
Sumber: Output SPSS 17.0
H0 = Tidak ada perbedaan rata-rata antara waktu 0 menit dengan waktu 4 menit H1 = Ada perbedaan rata-rata antara waktu 0 menit dengan waktu 4 menit Pada waktu 0 menit dan 4 menit nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 0 menit dengan waktu 4 menit. H0 = Tidak ada perbedaan rata-rata antara waktu 0 menit dengan waktu 6 menit H1 = Ada perbedaan rata-rata antara waktu 0 menit dengan waktu 6 menit Pada waktu 0 menit dan 6 menit nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 0 menit dengan waktu 6 menit. H0 = Tidak ada perbedaan rata-rata antara waktu 0 menit dengan waktu 10 menit H1 = Ada perbedaan rata-rata antara waktu 0 menit dengan waktu 10 menit Pada waktu 0 menit dan 10 menit nilai Sig. (0.497) < (0.05); H0 diterima. Kesimpulannya, tidak ada perbedaan rata-rata antara waktu 0 menit dengan waktu 10 menit. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
63
REKAYASA KUALITAS
MODUL IV
H0 = Tidak ada perbedaan rata-rata antara waktu 4 menit dengan waktu 6 menit H1 = Ada perbedaan rata-rata antara waktu 4 menit dengan waktu 6 menit Pada waktu 4 menit dan 6 menit nilai Sig. (0.001) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 4 menit dengan waktu 6 menit. H0 = Tidak ada perbedaan rata-rata antara waktu 4 menit dengan waktu 10 menit H1 = Ada perbedaan rata-rata antara waktu 4 menit dengan waktu 10 menit Pada waktu 4 menit dan 10 menit nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 4 menit dengan waktu 10 menit. H0 = Tidak ada perbedaan rata-rata antara waktu 6 menit dengan waktu 10 menit H1 = Ada perbedaan rata-rata antara waktu 6 menit dengan waktu 10 menit Pada waktu 6 menit dan 10 menit nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 6 menit dengan waktu 10 menit. 4.2.1.2 Perhitungan Manual
4.2.1.2.1Uji ANOVA
1. Formulasi Hipotesis H0 : Tidak perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time H1 : Ada perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time 2. Taraf nyata dan nilai F tabel =0,05 F0,05;3;36=2,866266 3. Kriteria pengujian H0 diterima apabila F hitung F tabel H0 ditolak apabila Fhitung > F tabel 4. Pengujian
64
REKAYASA KUALITAS
MODUL IV
Tabel 4.9 Rekap Data Data Desain Eksperimen untuk Pengujian
Pengulangan 1 2 3 4 5 6 7 8 9 10 Total banyak pengamatan rata-rata
0 menit 1645 1663 1660 1680 1683 1703 1700 1720 1700 1708 16862 10 1686. 2
4 menit 1585 1560 1578 1608 1600 1595 1613 1575 1586 1602 15902 10 1590. 2
6 menit 1603 1613 1615 1640 1618 1648 1645 1558 1677 1670 16287 10 1628. 7
10 menit 1655 1658 1675 1678 1693 1710 1700 1675 1670 1673 16787 10 1678.7
Total 6488 6494 6528 6606 6594 6656 6658 6528 6633 6653 6583 8 40 1646. 0
JKT=1645+1605+1585++1673=108448498 JKR= J/kn = 65838/ 4.10 = 108366056.10 JKP= 1686.2+1590.2+1628.7+1678.710-108366056.10=60982.50 JKK=JKT-JKR-JKP=108448498-108366056.10-60982.50=21459.40

Tabel 4.10 Perhtungan ANOVA
Banyak Variasi rata-rata Perlakuan Kekeliruan Total 5. Kesimpulan
D k 1 3 3 6 4 0 JK KT F 108366056. 108366056. 10 60982.50 21459.40 108448498. 00 10 20327.50 596.09 34.1 0
65
REKAYASA KUALITAS
MODUL IV
F hitung > F tabel; H0 ditolak. Kesimpulannya Ada perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time 4.2.1.2.2 Manual Post Hoc test dengan LSD 1. Formulasi Hipotesis H0 : Rata-rata antara waktu 0 menit dan waktu 4 menit tidak berbeda H1 : Rata-rata antara waktu 0 menit dan waktu 4 menit berbeda H0 : Rata-rata antara waktu 0 menit dan waktu 6 menit tidak berbeda H1 : Rata-rata antara waktu 0 menit dan waktu 6 menit berbeda H0 : Rata-rata antara waktu 0 menit dan waktu 10 menit tidak berbeda H1 : Rata-rata antara waktu 0 menit dan waktu 10 menit berbeda H0 : Rata-rata antara waktu 4 menit dan waktu 6 menit tidak berbeda H1 : Rata-rata antara waktu 4 menit dan waktu 6 menit berbeda H0 : Rata-rata antara waktu 4 menit dan waktu 10 menit tidak berbeda H1 : Rata-rata antara waktu 4 menit dan waktu 10 menit berbeda H0 : Rata-rata antara waktu 6 menit dan waktu 10 menit tidak berbeda H1 : Rata-rata antara waktu 6 menit dan waktu 10 menit berbeda 2. Taraf nyata dan nilai t tabel =0,05 t2=22,5406474 3. Kriteria pengujian H0 diterima apabila selisih rata-rata LSD H0 ditolak apabila seisih rata-rata > LSD 4. Pengujian Standart error kuadrat = 596.09 LSD=t22sn LSD = 22.5406474 Selisih rata-rata 0 menit dengan rata-rata 4 menit = |1686.2 -1590.2| = 96
66
REKAYASA KUALITAS
MODUL IV
Selisih rata-rata 0 menit dengan rata-rata 6 menit = |1686.2 -1628.7| = 57.5 Selisih rata-rata 0 menit dengan rata-rata 10 menit = |1686.2 -1678.7| = 7.5 Selisih rata-rata 4 menit dengan rata-rata 6 menit = |1590.2 -1628.7| = 38.5 Selisih rata-rata 4 menit dengan rata-rata 10 menit = |1590.2 -1678.7| = 88.5 Selisih rata-rata 6 menit dengan rata-rata 10 menit = |1628.7 -1678.7| = 50
Tabel 4.11 Perhitungan Manual Post Hoc LSD
PENGUJIAN 0 MENIT DAN 4 MENIT 96 > 22.5406474 PENGUJIAN 0 MENIT DAN 6 MENIT 57.5 > 22.5406474 PENGUJIAN 0 MENIT DAN 10 MENIT 7.5 < 22.5406474 PENGUJIAN 4 MENIT DAN 6 MENIT 38.5 > 22.5406474 PENGUJIAN 4 MENIT DAN 10 MENIT 88.5 > 22.5406474 PENGUJIAN 6 MENIT DAN 10 MENIT 50 > 22.5406474
5. Kesimpulan Dari tabel hasil perhitungan post hoc di atas dapat disimpulkan bahwa: a. Rata-rata antara 0 menit dan 4 menit berbeda b. Rata-rata antara waktu 0 menit dan waktu 6 menit berbeda c. Rata-rata antara waktu 0 menit dan waktu 10 menit tidak berbeda
67
REKAYASA KUALITAS
MODUL IV
d. Rata-rata antara waktu 0 menit dan waktu 10 menit tidak berbeda e. Rata-rata antara waktu 4 menit dan waktu 10 menit berbeda f. Rata-rata antara waktu 6 menit dan waktu 10 menit berbeda 4.2.1.3 Analisis Dan Interpretasi data Data yang digunakan untuk pengujian one way ANOVA adalah data dari skripsi yang berjudul Pengaruh Waktu Tegangan Tinggi Listrik Arus Searah terhadap Karakteristik Pembakaran Droplet Minyak Jarak Pagar oleh Ray Dewi. Untuk mengetahui apakah data berdistribusi normal, kita menggunakan hipotesis awal (H0) yaitu data berdistribusi normal. Pada waktu 0 menit didapat nilai Sig. (0,636) > 0,05; H0 diterima, jadi data berdistribusi normal. Pada waktu 4 menit didapat nilai Sig. (0,967) > 0,05; H0 diterima, jadi data berdistribusi normal. Pada waktu 6 menit didapat nilai Sig. (0,690) > 0,05; H0 diterima, jadi data berdistribusi normal. Pada waktu 10 menit didapat nilai Sig. (0,529) > 0,05; H0 diterima, jadi data berdistribusi normal. Untuk mengetahui apakah data tersebut homogen, kita menggunakan hipotesis awal (H0) yaitu data homogen. Setelah data diolah didapat nilai Sig. (0,078) > 0,05 maka H0 diterima. Maka kesimpulannya, data berdistribusi homogen. Untuk mengetahui apakah ada perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda pada minyak jarak terhadap ignation delay time, digunakan hipotesis awal (H0) tidak perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time. Setelah data diolah didapat niai Sig. (0,000) > 0,05; H0 ditolak. Jadi kesimpulannya, ada perbedaan pengaruh waktu pemberian tegangan tinggi listrik arus searah yang berbeda terhadap ignation delay time. Pada perbandingan waktu 4 menit dan 6 menit didapat nilai Sig. (0.001) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan ratarata antara waktu 4 menit dengan waktu 6 menit. Untuk mengetahui apakah terdapat perbedaan rata-rata antara variabel waktu satu dengan yang lainnya, digunakan hipotesis awal (H0) yaitu tidak ada perbedaan rata-rata antara rata-rata variabel waktu satu dengan yang lain. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
68
REKAYASA KUALITAS
MODUL IV
Setelah data diolah, pada perbandingan waktu 0 menit dan 4 menit didapat nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 0 menit dengan waktu 4 menit. Pada perbandingan waktu 0 menit dan 6 menit didapat nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 0 menit dengan waktu 6 menit. Pada perbandingan waktu 0 menit dan 10 menit didapat nilai Sig. (0.497) < (0.05); H0 diterima. Kesimpulannya, tidak ada perbedaan ratarata antara waktu 0 menit dengan waktu 10 menit. Pada perbandingan waktu 4 menit dan 6 menit didapat nilai Sig. (0.001) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 4 menit dengan waktu 6 menit. Pada perbandingan waktu 4 menit dan 10 menit didapat nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 4 menit dengan waktu 10 menit. Pada perbandinan waktu 6 menit dan 10 menit didapat nilai Sig. (0.000) < (0.05); H0 ditolak. Kesimpulannya, ada perbedaan rata-rata antara waktu 6 menit dengan waktu 10 menit. 1.2.1Peta Kontrol untuk Data Variabel Data variabel yang didapat setelah melakukan praktikum adalah data pengukuran tinggi masing-masing kue. Dari data yang telah didapat tadi, selanjutnya akan diuji menggunakan peta kontrol. Peta kontrol ini berguna untuk melihat apakah ada data tinggi kue bolu yang tidak terkendali. 4.2.1.1 Peta Kontrol X-bar dan R Peta kontrol X-bar digunakan untuk menjelaskan tentang perubahan yang terjadi dalam ukuran titik pusat atau rata-rata dari proses. Sedangkan peta kontrol R (range) menjelaskan perubahan yang terjadi dalam ukuran variasi atau perubahan homogenitas produk yang dihasilkan suatu proses. 4.2.1.1.1 Membangun Peta Kontrol X-bar dan R Untuk membangun peta kontrol X-bar dan R, langkah pertama yang dilakukan adalah menghitung X-bar dan range dari data variabel yang telah didapat. Berikut perhitungan X-bar dan range : LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
69
REKAYASA KUALITAS
MODUL IV
Tabel 4.12 Perhitungan X-bar dan Range

KELOMP OK 19 PENGUKURAN PADA UNIT SAMPEL X1 X2 X3 X4 X5 5.46 5.08 5.22 5.85 5.67 5.64 5.37 5.27 5.4 5.46 5 5.51 5.18 5.64 5.61 5.67 5.64 5.37 5.43 5.61 5.55 5.16 5.59 5.44 5.71 5.5 5.52 5.33 5.15 5.14 5.33 5.25 5 5.66 5.67 5.66 5.31 5.31 5.26 5.32 5.15 5.08 4.85 5.67 5 5.93 5.72 5.35 5.38 5.2 5.37 5 5.21 5.25 5 5.65 5.65 5.61 5.3 5.36 5.24 4.48 5 5.49 5.39 5.19 5.75 5.92 5.64 5.46 5.16 4.83 5.20 5 5.28 5.17 5.64 5.64 5.63 5.31 5.31 5.65 5.36 5 5.26 5.06 5.03 5.72 5.96 5.54 5.4 5.13 5.34 5 5.47 5.34 5.08 5 5.61 5.61 5.66 5.37 5.3 5.37 5.35 JUMLAH 26.91 25.77 25.88 28.435 29.19 28.04 27.1 26.27 25.925 26.655 26.67 25.945 28.2 28.18 28.23 26.93 26.65 26.95 26.13 RATARATA 5.382 5.154 5.176 5.687 5.838 5.608 5.42 5.254 5.185 5.331 5.334 5.189 5.64 5.636 5.646 5.386 5.33 5.39 5.226 MAX 5.55 5.39 5.59 5.85 5.96 5.72 5.52 5.38 5.4 5.47 5.51 5.25 5 5.66 5.67 5.67 5.64 5.37 5.65 5.61 MIN 5.15 5.06 4.85 5.44 5.67 5.5 5.35 5.13 4.83 5.14 5.21 5.08 5 5.61 5.61 5.61 5.3 5.3 5.24 4.48 5 RAN GE 0.4 0.33 0.74 0.41 0.29 0.22 0.17 0.25 0.57 0.33 0.3 0.17 0.05 0.06 0.06 0.34 0.07 0.41 1.125
11
15
26 13
70
REKAYASA KUALITAS
5.27 5.1 5.5 5.31 5.55 5.97 5 17 5.44 5.49 5 5.19 4.9 5.42 5.14 5.37 5.49 5 5.66 5 5.72 5.44 5.44 5.36 5.49 5.39 5 5.66 5.8 5.60 5 5.22 5.22 5.01 5.3 5.25 5.8 5.67 5 5.67 5 5.43 5.43 5.13 5.56 4.63 5.81 5.87 5.42 26.55 26.09 26.42 26.8 26.195 28.74 28.45 27.915 x-double bar 5.31 5.218 5.284 5.36 5.239 5.748 5.69 5.583 5.41644 44 5.44 5.44 5.5 5.56 5.55 5.97 5 5.87 5.72
MODUL IV
5.19 4.9 5.01 5.14 4.63 5.49 5 5.44 5.42 Rbar 0.25 0.54 0.49 0.42 0.92 0.48 0.43 0.3 0.375
20
Sumber : Excel
Setelah menghitung X-bar dan range dari data variabel, kita menghitung CL (Conrtol Line), UCL (Upper Control Line) atau batas kendali atas dan LCL (Low Control Line) atau batas kendali bawah dengan rumus sebagai berikut: Untuk peta kontrol R: CL = R UCL = R D4 LCL = R D3 Untuk peta kontrol CL = UCL = + A2 R LCL = - A2 R Karena sample yang diambil untuk tiap observasi 5, maka nilai D3 adalah 0 dan nilai D4 adalah 2,114; nilai D3 dan D4 didapat dari Tabel Faktor-Faktor untuk Menentukan Garis Tengah dan Batas Pengendali Tiga Sigma (Dorothea Wahyu Ariani, 2004, hal 126). CL = 0,375 UCL = 0,375 X 2,114 = 0,7928 LCL = 0,375 X 0 = 0 Nilai A2 = 0,577. Nilai A2 didapat dari Tabel Faktor-faktor untuk Menentukan Garis Tengah dan Batas Pengendali Tiga Sigma (Dorothea Wahyu Ariani, 2004, hal 126). CL = 5,4164444 UCL = 5,4164444 + (0,577 X 0,375) = 5,632819 LCL = 5,4164444 (0,577 X 0,375) =5,200069
71
REKAYASA KUALITAS
MODUL IV
Setelah itu kita memetakan data variabel tadi ke dalam grafik. Data yang berada diluar batas atas dan batas bawah kendali, maka data tersebut tidak terkontrol. Berikut grafik peta kontrol dan R:
Gambar 4.2 Peta Kontrol X-bar Sebelum Ada Revisi Sumber: Print-Out Microsoft Excel 2007
Berdasarkan grafik diatas, ternyata terdapat 10 data yang berada diluar batas kendali yaitu titik 5,154 ; 5,176; 5,687; 5,838; 5,185; 5,189; 5,64; 5,636; 5,748 dan 5,69. Oleh karena itu perlu kita hapus data yang berada diluar batas kendali dan dihitung ulang sampai semua data berada di antara batas atas dan batas bawah.
Gambar 4.3 Peta Kontrol R Sebelum Ada Revisi Sumber: Print-Out Microsoft Excel 2007
Berdasarkan grafik diatas, ternyata terdapat 2 data yang berada diluar batas kendali yaitu titik 1,125 dan 0,92. Oleh karena itu perlu kita hapus data yang berada diluar batas kendali dan dihitung ulang sampai semua data berada di antara batas atas dan batas bawah. Berikut adalah tabel rekap data sebelum dilakukan revisi:
72
REKAYASA KUALITAS
Tabel 4.13 Rekap Data Sebelum Ada Revisi N XCL UCL LCL O bar 5.38 5.4164 5.632819 5.2000 1 2 44 44 69 5.15 5.4164 5.632819 5.2000 2 4 44 44 69 5.17 5.4164 5.632819 5.2000 3 6 44 44 69 5.68 5.4164 5.632819 5.2000 4 7 44 44 69 5.83 5.4164 5.632819 5.2000 5 8 44 44 69 5.60 5.4164 5.632819 5.2000 6 8 44 44 69 5.4164 5.632819 5.2000 7 5.42 44 44 69 5.25 5.4164 5.632819 5.2000 8 4 44 44 69 5.18 5.4164 5.632819 5.2000 9 5 44 44 69 5.33 5.4164 5.632819 5.2000 10 1 44 44 69 5.33 5.4164 5.632819 5.2000 11 4 44 44 69 5.18 5.4164 5.632819 5.2000 12 9 44 44 69 5.4164 5.632819 5.2000 13 5.64 44 44 69 5.63 5.4164 5.632819 5.2000 14 6 44 44 69 5.64 5.4164 5.632819 5.2000 15 6 44 44 69 5.38 5.4164 5.632819 5.2000 16 6 44 44 69 5.4164 5.632819 5.2000 17 5.33 44 44 69 5.4164 5.632819 5.2000 18 5.39 44 44 69 5.22 5.4164 5.632819 5.2000 19 6 44 44 69 5.4164 5.632819 5.2000 20 5.31 44 44 69 5.21 5.4164 5.632819 5.2000 21 8 44 44 69 5.28 5.4164 5.632819 5.2000 22 4 44 44 69 5.4164 5.632819 5.2000 23 5.36 44 44 69 5.23 5.4164 5.632819 5.2000 24 9 44 44 69 5.74 5.4164 5.632819 5.2000 25 8 44 44 69 5.4164 5.632819 5.2000 26 5.69 44 44 69 Ran ge 0.4 0.33 0.74 0.41 0.29 0.22 0.17 0.25 0.57 0.33 0.3 0.17 0.05 0.06 0.06 0.34 0.07 0.41 1.12 5 0.25 0.54 0.49 0.42 0.92 0.48 0.43 CL 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 0.37 5 UCL
MODUL IV
LC L 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75 0.792 75
73
REKAYASA KUALITAS
5.58 5.4164 5.632819 5.2000 27 3 44 44 69 Sumber: Print-Out Microsoft Excel 2007 0.3 0.37 5
MODUL IV
0.792 75 0
R = 10,125-1,125-0,9227-2=0,3232 UCL = 0,32322,114 = 0,683245 LCL = 0,32320 = 0 Setelah peta kontrol jarak (R) diketahui, maka langkah selanjutnya adalah menghitung peta kontrol rata-rata ( ). Karena pada data ke 19 dan 24 pada kontrol jarak sudah dilakukan revisi yang disebabkan kesalahan karena penyebab khusus, maka garis pusat setelah revisi tersebut adalah sebagai berikut: X = 146,244-5,226-5,23927-2=5,4312 Sehingga batas kendali atas dan batas kendali bawah setelah revisi pada data ke 19 dan 24 menjadi: UCL = 5,4312 + 0.577 (0,3232) = 5,618 LCL = 5,4312 0,577 (0,3232) = 5,245 Dilihat dari Gambar Peta Kontrol X-bar Sebelum Ada Revisi, terlihat bahwa ada 10 data yang berada di luar batas kontrol, sehingga harus dilakukan revisi sebagai berikut: X Revisi 1= 135,779-5,154-5,176-5,687-5,838-5,185-5,189-5.64-5,6385,748-5,69 25-10=5,38907 Sedangkan nilai R sekarang menjadi: R Revisi 1 = 8.08-0,33-0,74-0,41-0,29-0,57-0,17-0,05-0,06-0,48-0,4325-10 =0,3033 Sehingga batas kontrol atas dan bawah untuk peta kontrol rata-rata adalah: UCL X= 5,38907 + 0,577(0,3033)=5,56409 LCL X= 5,38907 - 0,577(0,3033)=5,21404 Sedangkan batas kontrol atas dan bawah untuk peta kontrol jarak adalah: UCL R= 0,3033(2,114) = 0,79275 LCL R= 0,3033 (0) = 0 Apabila kondisi setelah revisi tersebut digambarkan maka akan tampak seperti gambar berikut:
Gambar 4.4 Peta Kontrol X-Bar Revisi 1 Sumber: Print-Out Microsoft Excel 2007
74
REKAYASA KUALITAS
MODUL IV
Gambar 4.5 Peta Kontrol R Revisi 1 Sumber: Print-Out Microsoft Excel 2007
Berdasarkan Gambar Peta Kontrol X-bar Revisi 1, ternyata terdapat 2 data yang berada diluar batas kendali yaitu titik 5,608 dan 5,646. Oleh karena itu perlu kita hapus data yang berada diluar batas kendali dan dihitung ulang sampai semua data berada di antara batas atas dan batas bawah. Sedangkan pada Gambar Peta Kontrol R Revisi 1, tidak terdapat data yang berada diluar batas kontrol. Berikut adalah tabel rekap data yang telah dilakukan revisi 1:
Tabel 4.14 Rekap Data Revisi 1 N CL UCL LCL O X-bar 5.3706 5.594489 5.1468 1 5.382 47 12 05 5.3706 5.594489 5.1468 6 5.608 47 12 05 5.3706 5.594489 5.1468 7 5.42 47 12 05 5.3706 5.594489 5.1468 8 5.254 47 12 05 5.3706 5.594489 5.1468 10 5.331 47 12 05 5.3706 5.594489 5.1468 11 5.334 47 12 05 5.3706 5.594489 5.1468 15 5.646 47 12 05 5.3706 5.594489 5.1468 16 5.386 47 12 05 5.3706 5.594489 5.1468 17 5.33 47 12 05 5.3706 5.594489 5.1468 18 5.39 47 12 05 5.3706 5.594489 5.1468 20 5.31 47 12 05 5.3706 5.594489 5.1468 21 5.218 47 12 05 5.3706 5.594489 5.1468 22 5.284 47 12 05 5.3706 5.594489 5.1468 23 5.36 47 12 05 5.3706 5.594489 5.1468 27 5.583 47 12 05 5.3890 67 Sumber: Print-Out Microsoft Excel 2007 RANGE 0.4 0.22 0.17 0.25 0.33 0.3 0.06 0.34 0.07 0.41 0.25 0.54 0.49 0.42 0.3 0.3033 33 CL 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 0.3033 33 UCL 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 0.6412 47 LC L 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
75
REKAYASA KUALITAS
MODUL IV
Dilihat dari Gambar Peta Kontrol X-bar Sebelum Ada Revisi, terlihat bahwa ada 2 data yang berada di luar batas kontrol, sehingga harus dilakukan revisi sebagai berikut: X Revisi 2= 80,836-5,608-5,646 15-2=5,35246 Sedangkan nilai R sekarang menjadi: R Revisi 2= 4,55-0,22-0,0615-2=0,32846 Sehingga batas kontrol atas dan bawah untuk peta kontrol rata-rata adalah: UCL X= 5,35246+ 0,577(0,32846)=5,54198 LCL X= 5,35246 - 0,577(0,32846)=5,16294 Sedangkan batas kontrol atas dan bawah untuk peta kontrol jarak adalah: UCL R= 0,32846(2,114) = 0,69437 LCL R= 0,32846 (0) = 0 Apabila kondisi setelah revisi tersebut digambarkan maka akan tampak seperti gambar berikut:
Gambar 4.6 Peta Kontrol X-bar Revisi 2 Sumber: Print-Out Microsoft Excel 2007
Gambar 4.7 Peta Kontrol R Revisi 2 Sumber: Print-Out Microsoft Excel 2007
Berdasarkan Gambar Peta Kontrol X-bar Revisi 2, ternyata terdapat 1 data yang berada diluar batas kendali yaitu titik 5,583. Oleh karena itu perlu kita hapus data yang berada diluar batas kendali dan dihitung ulang sampai semua data berada di antara batas atas dan batas bawah. Sedangkan pada Gambar Peta Kontrol R Revisi 2, tidak terdapat data yang berada diluar batas kontrol. Berikut adalah tabel rekap data yang telah dilakukan revisi 2:
Tabel 4.15 Rekap Data Revisi 2 N CL UCL O X- bar 5.3524 5.541983 1 5.382 62 85 5.3524 5.541983 7 5.42 62 85 5.3524 5.541983 8 5.254 62 85 5.3524 5.541983 10 5.331 62 85 5.3524 5.541983 11 5.334 62 85 LCL 5.1629 39 5.1629 39 5.1629 39 5.1629 39 5.1629 39 RANGE 0.4 0.17 0.25 0.33 0.3 CL 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62 UCL 0.6943 68 0.6943 68 0.6943 68 0.6943 68 0.6943 68 LC L 0 0 0 0 0
76
REKAYASA KUALITAS
16 17 18 20 21 22 23 27 5.386 5.33 5.39 5.31 5.218 5.284 5.36 5.3524 62 5.3524 62 5.3524 62 5.3524 62 5.3524 62 5.3524 62 5.3524 62 5.3524 62 5.541983 85 5.541983 85 5.541983 85 5.541983 85 5.541983 85 5.541983 85 5.541983 85 5.541983 85 5.1629 39 5.1629 39 5.1629 39 5.1629 39 5.1629 39 5.1629 39 5.1629 39 5.1629 39 0.34 0.07 0.41 0.25 0.54 0.49 0.42 0.3 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62 0.3284 62
MODUL IV
0.6943 68 0.6943 68 0.6943 68 0.6943 68 0.6943 68 0.6943 68 0.6943 68 0.6943 68 0 0 0 0 0 0 0 0
5.583 5.3524 62 Sumber: Print-Out Microsoft Excel 2007
Dilihat dari Gambar Peta Kontrol X-bar Revisi 2, terlihat bahwa ada 1 data yang berada di luar batas kontrol, sehingga harus dilakukan revisi sebagai berikut: X Revisi 3= 69,582-5,583 13-1=5,33325 Sedangkan nilai R sekarang menjadi: R Revisi 3= 4,27-0313-1=0,33083 Sehingga batas kontrol atas dan bawah untuk peta kontrol rata-rata adalah: UCL X= 5,33325+ 0,577(0,33083)=5,52414 LCL X= 5,35246 - 0,577(0,32846)=5,14236 Sedangkan batas kontrol atas dan bawah untuk peta kontrol jarak adalah: UCL R= 0,33083(2,114) = 0,69938 LCL R= 0,33083 (0) = 0 Apabila kondisi setelah revisi tersebut digambarkan maka akan tampak seperti gambar berikut:
Gambar 4.8 Peta Kontrol X-Bar Revisi 3 Sumber: Print-Out Microsoft Excel 2007
Gambar 4.9 Peta Kontrol R Revisi 3 Sumber: Print-Out Microsoft Excel 2007 Tabel 4.16 Rekap Data Revisi 3 NO CL UCL . X- bar 1 5.382 5.333 5.5241 LC L 0
LCL 5.1423
RANGE 0.4
CL 0.3308
UCL 0.6993
77
REKAYASA KUALITAS
25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 5.333 25 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 5.5241 41 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 5.1423 59 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33 0.3308 33
MODUL IV
82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82 0.6993 82
7 8 10 11 16 17 18 20 21 22 23
5.42 5.254 5.331 5.334 5.386 5.33 5.39 5.31 5.218 5.284
0.17 0.25 0.33 0.3 0.34 0.07 0.41 0.25 0.54 0.49 0.42 0.3308 33
0 0 0 0 0 0 0 0 0 0 0
5.36 5.333 25 Sumber: Print-Out Microsoft Excel 2007
Berdasarkan Gambar Peta Kontrol X-bar Revisi 3 dan Gambar Peta Kontrol R Revisi 3 di atas, terlihat bahwa semua data berada diantara batas kontrol atas (UCL) dan batas kontrol bawah (LCL). Dengan kata lain data tersebut dalam kondisi in statistical control atau telah sesuai dengan standart pengendalian proses. 4.2.1.1.2 Analisa Kemampuan Proses 4.2.2 Peta Kontrol untuk Data Atribut Data atribut yang didapat setelah melakukan praktikum adalah data jenis cacat dari masing-masing kue. Dari data yang telah didapat tadi, selanjutnya akan diuji menggunakan peta kontrol. Peta kontrol ini berguna untuk melihat apakah ada data jenis cacat yang tidak terkendali. 4.2.2.1 (cacat) Peta Kontrol Np dari item-item dalam kelompok yang sedang diinspeksi. Dengan Np digunakan untuk mengendalikan proporsi
Peta kontrol ini digunakan untuk mengukur proporsi ketidaksesuaian demikian diagram kontrol
dari item-item yang tidak memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu proses. LABORATORIUM STATISTIK DAN REKAYASA KUALITAS
78
REKAYASA KUALITAS
MODUL IV
4.2.2.1.1 Membangun Peta Kontrol Np Untuk membangun Peta Kontrol Np, langkah pertama yang dilakukan adalah menghitung proporsi cacat dari tiap sampel yang diambil. Berikut perhitungan dari data atribut yang telah didapat :
Tabel 4.17 Perhitungan Data Atribut Jenis Cacat Kelomp Goso Bant Berong Melub ok ng at ga er 1 2 3 4 5 6 7 5 2 4 5 1 4 3 2 6 10 2 5 3 2 6 5 5 10 8 6 12 -
Menta h -
Jumla h 16 18 20 18 12 14 8
UKURAN SAMPEL 30 30 30 30 30 30 30
Proporsi kecacatan 0.533333 3 0.6 0.666666 7 0.6 0.4 0.466666 7 0.266666 7
79
REKAYASA KUALITAS
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 TOTAL 6 1 7 1 1 3 3 2 4 1 5 4 54 1 2 3 1 3 2 2 2 2 2 3 4 3 40 13 3 5 6 4 9 2 2 4 7 6 9 7 3 5 1 10 5 135 6 2 9 22 13 5 4 3 6 4 14 11 5 6 7 1 5 9 178 2 1 1 1 1 6 25 7 21 28 20 6 18 9 8 15 13 27 20 15 11 12 11 19 22 413 780 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
MODUL IV
0.833333 3 0.233333 3 0.7 0.933333 3 0.666666 7 0.2 0.6 0.3 0.266666 7 0.5 0.433333 3 0.9 0.666666 7 0.5 0.366666 7 0.4 0.366666 7 0.633333 3 0.733333 3 13.76666 7
Sumber : Microsoft Excel
P = i=1mDi mn = i=1mpim P = 413780 = 0,529487 1-P = 1- 0,529487 = 0,470513 Np =41326 = 15,88461538 UCL = np + 3 np(1-p) LCL = np - 3 np(1-p) UCL = 15,88461538 + 3 15,88461538 (1- 0,529487) = 24,08615406 LCL = 15,88461538 - 3 15,88461538 (1- 0,529487) = 7,683076707
Gambar 4.10 Peta Kontrol Np Sumber : Microsoft Excel
Berdasarkan grafik diatas, ternyata terdapat 5 data yang berada diluar batas kendali yaitu titik 6 ; 7 ; 25 ; 27 dan 28 . Oleh karena itu perlu kita hapus data yang berada diluar batas kendali dan dihitung ulang sampai
80
REKAYASA KUALITAS
MODUL IV
semua data berada di antara batas atas dan batas bawah. Berikut perhitungan peta kontrol Np yang telah direvisi :
Tabel 4.18 Perhitungan Data Atribut Setelah Revisi I
N O 1 2 3 4 5 6 7 8 9 10
N P 1 6 1 8 2 0 1 8 1 2 1 4 8 2 5 7 2
CL 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884
UCL 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086
LCL 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830
81
REKAYASA KUALITAS
1 2 8 2 0 6 1 8 9 8 1 5 1 3 2 7 2 0 1 5 1 1 1 2 1 1 1 9 2 2 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15.884 62 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 24.086 15 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77 7.6830 77
MODUL IV
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
GP Np =(413-6-7-25-27-28)26-5 = 15,23809524 p = (413-6-7-25-27-28)780-150 = 0,507936508 UCL = 15,23809524 + 3 15,23809524 (1- 0,507936508) = 23,45289853 LCL = 15,23809524 - 3 15,23809524 (1- 0,507936508) = 7,023291942
Gambar 4.11 Peta Kontrol Np Setelah Revisi I Sumber : Microsoft Excel
Berdasarkan grafik diatas, ternyata seluruh data sudah berada di antara batas atas dan bawah kendali, oleh karena itu 1.1.1Diagram Pareto
82
REKAYASA KUALITAS
Fungsi diagram pareto adalah untuk
MODUL IV
mengidentifikasi atau
menyeleksi masalah utama untuk peningkatan kualitas. Langkah pertama membuat diagram pareto adalah menjumlah masing-masing jenis cacat dari data atribut. Lalu diurutkan dari nilai terbesar ke terkecil. Berikut perhitungan diagram pareto :
Gambar 4.12 Diagram Pareto Sumber : Microsoft Excel 2007
Bedasarkan grafik diatas dapat dilihat bahwa masalah utama dari proses pembuatan kue adalah banyaknya adonan kue yang meluber pada saat proses.Lalu dilanjutkan oleh banyaknya kue yang berongga, gosong, bantat dan mentah.
1.1.2Cause effect diagram Diagram ini terdiri dari sebuah panah horizontal yang panjang dengan deskripsi masalah. Penyebab-penyebab masalah digambarkan dengan garis radial dari garis panah yang menunjukan masalah. 1.1.2.1Cause effect diagram Cacat Gosong Diagram sebab akibat pada data tersebut dapat digambarkan sebagai berikut :
manusia
Operator lupa mematikan oven pada waktunyya
metode
Penempatan cup terlalu dekat dengan pintu
gosong
Terlalu banyaknya komposisi gula Kualitas gula yang kurang baik Suhu oven yang tidak konstan 13,07 %
Dimana, penyebab dari gosong bisa dianalisis dari empat faktor, yaitu manusia, metode, material, dan mesin. Pada manusia misalnya,
material mesin Gambar 4.13 Diagram Sebab-Akibat untuk Cacat Gosong Sumber : Data Primer
83
REKAYASA KUALITAS
MODUL IV
disebabkan karena keteledoran operator untuk mematikan oven pada waktunya. Kemudian pada metode, bisa dikarenakan penempatan cup yang terlalu dekat dengan pintu sehingga mendapatkan panas lebih. Pada faktor material dikarenakan terlalu banyaknya komposisi gula yang dapat menyerap panas lebih cepat dan juga kualitas gula yag kurang baik bisa menyebabkan panas lebih cepat, sedangkan untuk faktor mesin bisa dikarenakan suhu oven yang tidak konstan, terlalu besar atau terlalu kecil sehingga panasnya tidak merata dan menyebabkan kegosongan pada beberapa cup dalam satu loyang. 1.1.2.2Cause effect diagram Cacat Mentah Diagram sebab akibat pada data tersebut dapat digambarkan sebagai berikut :
metode
Waktu pengovenan yang kurang Letak cup terlalu dekat dengan kipas oven
Pengangkatan kue terlalu cepat
mentah
Kualtas tepung terigu kurang baik kualitas Suhu oven tidak merata Suhu oven terlalu rendah 1,45%
material mesin Gambar 4.14 Diagram Sebab-Akibat untuk Cacat Mentah Sumber : Data Primer
Penyebab cacat berupa mentah dapat disebabkan oleh tiga faktor yaitu metode, material dan mesin. Pada metode terdapat tiga kesalahan yaitu pengangkatan kue yang terlalu cepat, letak cup yang terlalu dekat dengan oven dan waktu pengovenan yang kurang. Pada material bisa disimpulkan bahwa kualitas tepung yang digunakan tidak baik. Sedangkan pada mesin diakibatkan karena suhu oven yang terlalu
84
REKAYASA KUALITAS
MODUL IV
rendah sehingga memperlambat pemanasan dan pengembangan kue sehingga kuenya tidak bisa matang sempurna. 1.1.2.3Cause effect diagram Cacat Bantat Diagram sebab akibat pada data tersebut dapat digambarkan sebagai berikut :
metode
Pengadukan yang tidak merata
Waktu pengdukan terlalu pendek
bantat
Pengembang kue kualitasnya kurang baik Suhu telur yang terlalu dingin Mesin mixer yang terlalu lemah 9,68 %
Gambar 4.15 Diagram Sebab-Akibat untuk Cacat Bantat Sumber : Data Primer
material
mesin
Analisis penyebab kue bantat dapat disebabkan oleh tiga faktor yaitu metode, material dan mesin. Pada metode dapat dikarenakan pengadukan yang tidak merata dan waktu pengadukan yang terlalu cepat, sehingga adonan kue tidak dapat mengembang sempurna. Oleh karena itu, saat sudah matang kue masih bantat. Pada faktor mesin dikarenakan mesin mixer yang terlalu lemah sehingga adonan tidak dapat mengembang dengan baik atau pengembangannya lambat. Kemudian pada material bisa dikarenakan dua hal yaitu pengembang kue kualitasnya kurang baik dan suhu telur yang dingin. Kedua hal ini tentu saja dapat mengakibatkan kue yang sudah matang tidak dapat mengembang sempurna. 1.1.2.4Cause effect diagram Cacat Meluber Diagram sebab akibat pada data tersebut dapat digambarkan sebagai berikut :
85
REKAYASA KUALITAS
metode
Pengisian adonan yang terlalu banyak Operator tidak melihat posisi cup dalam oven Pengadukan adonan yang terlalu lama Penempatan cup miring
MODUL IV
meluber
Pengembang kue yang terlalu banyak 43 %
Penyebab kue meluber dapat dikarenakan oleh tiga faktor yaitu manusia, metode dan material. Pada manusia dapat dikarenakan operatora yang tidak melihat posisi cup dalam oven sehingga pada saat pengovenan bisa saja terjadi kemiringan pada posisi cup sehingga adonan meluber pada salah satu sisi cup. Pada metode dapat dikarenakan pengisian adonan yang terlalu banyak, pengadukan adonan yang terlalu lama, dan penempatan cup yang miring. Sedangkan pada material dapat dikarenakan pengembang kue yang terlalu banyak sehingga adonan meluap pada saat pemasakan kemudian meluber pada saat matang. 1.1.2.5Cause effect diagram Cacat Rongga Diagram sebab akibat pada data tersebut dapat digambarkan sebagai berikut :
Gambar 4.16 material Sebab-Akibat untuk Cacat Meluber Diagram Sumber : Data Primer
Pengadukan adonan terlalu lama
berongga
Pengembang kue terlalu banyak 32,08 %
86
REKAYASA KUALITAS
MODUL IV
Penyebab kue berongga dapat dikarenakan oleh dua faktor yaitu metode dan material. Pada metode dapat dikarenakan pengadukan adonan yang terlalu lama sedangkan pada material dapat dikarenakan pengembang kue yang terlalu banyak sehingga adonan terlalu mengembang dan pada saat pemasakan isi dalam kue menguap sehingga menimbulkan rongga pada permukaan kue.
Gambar 4.17 Diagram Sebab-Akibat untuk Cacat Berongga Sumber : Data Primer
87

Laporan Modul 4 Kelompok 19

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Modul 4 Kelompok 19

Diunggah oleh

Hak Cipta:

Format Tersedia

REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

BAB II DASAR TEORI

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

pengaruh galat percobaan pada perlakuan ke-i ulangan ke-j

dengan asumsi dan ragam 2

Berikut ini adalah tabel penyajian data dalam desain eksperimen :

........... .. ........... . ........... . ........... . .......... ........... ...

Y1n1 Jumlah Banyak Pengamata n Rata-rata Sumber: Sudjana (1995) J1 n1

Y2n2 J2 N2 ........... . ........... ... ........... .....

2. Jumlah kuadrat rata-rata Ry = J2n (2-3)

Sumber : Sudjana (1995)

dengan asumsi dan ragam

2.3.3.3 Desain Bujur Sangkar

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

Desain Bujur Sangkar Latin

Dengan : i j k = 1,2,3.....p = 1,2,3.....p = 1,2,3.....p p = banyaknya taraf perlakuan

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

JK Baris=i=1pYi2p-Y2N ;db=p-1 (2-10)

JK Kolom=k=1pYk2p-Y2N ;db=p-1 (2-11)

JK Perlakuan=j=1pYj2p-Y2N ;db=p-1 (2-12)

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

Tabel ANOVA untuk Desain Bujur Sangkar adalah sebagai berikut :

JKP/p-1 JKB/p-1 JKK/p-1 JKS/(p-2)(p1) 2

Sumber : Sudjana (1995)

r 2(k-1) A= -1+ a-b+ab (2-13)

(r 2k-1 A= -1+ a-b+ab (2-14)

(r 2k-1 A B=1-a-b+ab (2-15)

Dengan : n = banyak pengamatan Cip = koefisien kontras 2k 2. Desain Faktorial 3k

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

adalah 3 yang menjadi bilangan pokok,

banyak faktor adalah f, yang menjadi pangkat. Model matematisnya

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

2) Untuk Rata-rata dan Variansi SNNTB=10log Vm-Ver.Ve (2-25)

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

+c Sumber : Sudjana (1995)

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

4. Membuat analsis variansnya dalam bentuk tabel ANOVA

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

Sumber : Trihendardi (2008)

Dimana : k n = kolom = baris

JKR intercept= T2kb (2-27)

JKK= i=1kTi2n- T2nk (2-28)

JKK= i=1kTi2ni- T2N (2-31)

Dengan : N = jumlah sampel

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

= kuadrat sampel seluruh populasi

b. Menentukan varians sampel d. Menentukan varians rata-rata sampel

LABORATORIUM STATISTIK DAN REKAYASA KUALITAS

4. Membuat analisis variansnya dalam bentuk tabel ANOVA

JKI Interaksi JKE Error Total Corrected Total JKCT JKT

Sumber : Trihendardi (2008)

Dimana: k = kolom LABORATORIUM STATISTIK DAN REKAYASA KUALITAS 26

JKB= i=1bTi2kn- T2bkn (2-36)

JKK= j=1kTj2bn- T2bkn (2-37)

JKI= i=1bj=1kTij2bn- i=1bT12kn- j=1kTj2bn- T2bkn (2-38)

JKT= i=1bj=1kc=1nxijc2 (2-40)

JKCT= i=1bj=1kc=1nxijc2- T2bkn (2-41)