LAPORAN PRAKTIKUM

PENGENDALIAN KUALITAS STATISTIK

MODUL 2

PENGENDALIAN KUALITAS STATISTIK

RESIDU KARBON PADA PRODUK MINYAK SOLAR
PT. P

Disusun Oleh :
Anisa Nur Fadhilah (1314100047)
Dedi Setiawan (1314100071)

Asisten Dosen :
Annisa Hasanah Ziarieputi (13131000085)

Dosen:

Dr. Muhammad Mashuri, M.T

Diaz Fitra Aksioma. S.Si. M.S

PROGRAM STUDI SARJANA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017

HALAMAN JUDUL
i
 LAPORAN PRAKTIKUM
PENGENDALIAN KUALITAS STATISTIK
MODUL 2

PENGENDALIAN KUALITAS STATISTIK

RESIDU KARBON PADA PRODUK MINYAK SOLAR
PT. P

Disusun Oleh :
Anisa Nur Fadhilah (1314100047)
Dedi Setiawan (1314100071)

Asisten Dosen :
Annisa Hasanah Ziarieputi (13131000085)

Dosen:

Dr. Muhammad Mashuri, M.T

Diaz Fitra Aksioma. S.Si. M.Si

PROGRAM STUDI SARJANA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017

i
 ABSTRAK
Bahan Bakar Minyak (BBM) merupakan salah satu kebutuhan paling penting bagi masyarakat
baik di desa maupun di kota. Hampir seluruh sektor kehidupan manusia tak lepas dengan kebutuhan
akan BBM, karena tingginya permintaan BBM perusahaan dari Indonesia maupun perusahaan asing
seperti PT P, Chevron, Shell, dll telah berdiri di Indonesia. Solar merupakan salah satu BBM yang kini
bisa dikatakan menjadi kebutuhan primer bagi masyarakat baik untuk kebutuhan pribadi maupun
kebutuhan umum. Solar adalah salah satu jenis bahan bakar yang dihasilkan dari proses pengolahan
minyak bumi, pada dasarnya minyak mentah dipisahkan fraksi-fraksinya pada proses destilasi sehingga
dihasilkan fraksi solar dengan titik didih 250C sampai 300C. Agar perusahaan dapat menghasilkan
solar dengan kualitas yang baik maka perusahaan perlu melakukan pengendalian mutu. Salah satu
metode pengendalian mutu dapat dilakukan melalui Statistical Process Control (SPC). Tools yang
digunakan pada praktikum kali ini adalah dengan menggunakan peta kontrol . Pada praktikum
kali ini akan menganalisis karakteristik kualitas solar untuk mengendalikan residu karbon. Analisis peta
kontrol akan dikaitkan dengan sepuluh aturan Shewhart, dengan mengaitkan dua hal ini maka
perusahaan akan mendapatkan tanda-tanda atau peringatan bahwa produk yang dihasilkan akan out
of control. Ketika perusahaan mendapatkan peringatan bahwa proses produksi memiliki kecenderungan
produk yang akan dihasilkan adalah out of control maka perusahaan dapat melakukan tindakan-
tindakan guna memperbaiki proses agar produk yang dihasilkan akan masuk dalam batas spesifikasi.
Kata kunci: BBM, Indonesia, peta kendali, proses, Shewhart , solar

ii
 DAFTAR ISI

HALAMAN JUDUL .................................................................................................................. i

ABSTRAK .................................................................................................................................ii
DAFTAR ISI ............................................................................................................................iii
DAFTAR GAMBAR ............................................................................................................... iv
DAFTAR TABEL ..................................................................................................................... v
BAB I PENDAHULUAN ......................................................................................................... 1
1.1 Latar Belakang ............................................................................................................. 1
1.2 Rumusan Masalah ........................................................................................................ 2
1.3 Tujuan .......................................................................................................................... 2
1.4 Manfaat ........................................................................................................................ 2
1.5 Batasan Masalah .......................................................................................................... 2
BAB II TINJAUAN PUSTAKA .............................................................................................. 3
2.1 Karakteristik Data ........................................................................................................ 3
2.1.1 Mean ..................................................................................................................... 3
2.1.2 Varians .................................................................................................................. 3
2.1.3 Standar Deviasi ..................................................................................................... 3
2.1.4 Range .................................................................................................................... 3
2.1.5 Boxplot .................................................................................................................. 4
2.1.6 Uji Keacakan ........................................................................................................ 4
2.2 Uji Normalitas.............................................................................................................. 4
2.3 Peta Kendali X S ..................................................................................................... 5
2.4 Aturan Shewhart Control Chart ................................................................................... 5
2.5 Mengatasi Out of Control ............................................................................................ 6
2.6 Kapabilitas Proses ........................................................................................................ 6
2.7 Probabilitas Produk yang Berada di Luar Batas Spesifikasi ........................................ 7
2.9 Residu Karbon ............................................................................................................. 7
BAB III METODOLOGI PENELITIAN ............................................................................... 8
3.1 Sumber Data ................................................................................................................ 8
3.2 Variabel Penelitian ....................................................................................................... 8
3.3 Struktur Data ................................................................................................................ 8
3.4 Langkah Analisis ......................................................................................................... 8
3.5 Diagram Alir ................................................................................................................ 8
BAB IV ANALISIS DAN PEMBAHASAN ......................................................................... 10
4.1 Statistika Deskriptif ................................................................................................... 10
4.2 Uji Asumsi ................................................................................................................. 11
4.1.1 Uji Keacakan Data .............................................................................................. 11
4.1.2 Uji Normalitas .................................................................................................... 11
4.3 Peta Kendali X - S .................................................................................................... 12
4.4 Kapabilitas dan Probabilitas ...................................................................................... 14
BAB V KESIMPULAN DAN SARAN ................................................................................. 16
5.1 Kesimpulan ................................................................................................................ 16
5.2 Saran .......................................................................................................................... 16
DAFTAR PUSTAKA
LAMPIRAN

iii
 DAFTAR GAMBAR
Gambar 2. 1 Contoh Control Chart X S ................................................................................. 5
Gambar 3. 1 Diagram Alir Praktikum Penelitian......................................................................9
Gambar 4. 1 Boxplot untuk Data Residu Karbon PT P........................................................... 10
Gambar 4. 2 Histogram Residu Karbon Dalam Produksi Minyak Solar PT. P ...................... 12
Gambar 4. 3 Uji Kolmogorov Smirnov ................................................................................... 12
Gambar 4. 4 Peta Kendali X S Belum Terkontrol ............................................................... 13
Gambar 4. 5 Peta Kendali X S Setelah Pembuangan Pertama ............................................. 13
Gambar 4. 6 Peta Kendali X S Setelah Pembuangan Kedua (Sudah Terkontrol) ............... 14
Gambar 4. 7 Grafik Kapabilitas Proses Data Residu Karbon Produksi Minyak Solar PT. P . 14

iv
 DAFTAR TABEL

Tabel 3. 1 Struktur Data ............................................................................................................. 8

Tabel 4. 1 Output Minitab Statistika Deskriptif Data Residu Karbon PT. P ........................... 10
Tabel 4. 2 Nilai Uji Run Test ................................................................................................... 11

v
 BAB I PENDAHULUAN
PENDAHULUAN
1.1 Latar Belakang
Bahan Bakar Minyak (BBM) merupakan salah satu kebutuhan paling penting bagi
masyarakat baik di desa maupun di kota. Hampir seluruh sektor kehidupan manusia tak lepas
dengan kebutuhan akan BBM. Dalam sektor pangan misalnya tanpa ada BBM berupa solar
tentu distribusi bahan pangan ke tempat-tempat perdagangan akan lambat dan mengakibatkan
kerugian bagi produsen pangan. Pada sektor transportasi umum misalnya jika distribusi BBM
mengalami gangguan akan membuat mobilisasi penumpang terganggu. BBM telah menjadi
indikator harga-harga barang di pasar, misal terjadi kenaikan harga BBM semua harga barang
maupun jasa juga pasti akan meningkat. Pentingnya BBM bagi masyarakat menyebabkan
banyak produsen atau perusahaan yang berlomba-lomba mendirikan usaha untuk memenuhi
kebutuhan masyarakat akan BBM ini. Perusahaan dari Indonesia maupun perusahaan asing
seperti PT P, Chevron, Shell, dll telah berdiri di Indonesia.
Solar merupakan salah satu BBM yang kini bisa dikatakan menjadi kebutuhan primer
bagi masyarakat baik untuk kebutuhan pribadi maupun kebutuhan umum. Kebutuhan pribadi
digunakan untuk bahan bakar kendaraan pribadi sedangkan kebutuhan umum digunakan
sebagai bahan bakar transportasi umum. Solar adalah salah satu jenis bahan bakar yang
dihasilkan dari proses pengolahan minyak bumi, pada dasarnya minyak mentah dipisahkan
fraksi-fraksinya pada proses destilasi sehingga dihasilkan fraksi solar dengan titik didih 250C
sampai 300C. Kualitas solar dinyatakan dengan bilangan cetane (pada bensin disebut oktan),
yaitu bilangan yang menunjukkan kemampuan solar mengalami pembakaran di dalam mesin
serta kemampuan mengontrol jumlah ketukan (knocking), semakin tinggi bilangan cetane ada
solar maka kualitas solar akan semakin bagus. Agar menghasilkan pembakaran yang baik, solar
memiliki syarat-syarat agar memenuhi standar yang telah ditentukan. Berikut persyaratan yang
menentukan kualitas solar yaitu mudah terbakar, tidak mudah mengalami pembekuan pada
suhu yang dingin, memiliki sifat anti knocking dan membuat mesin bekerja dengan lembut,
solar harus memiliki kekentalan yang memadai agar dapat disemprotkan oleh ejector di dalam
mesin, tetap stabil atau tidak mengalami perubahan struktur; bentuk dan warna dalam proses
penyimpanan, memiliki kandungan sulfur sekecil mungkin, agar tidak berdampak buruk bagi
mesin kendaraan serta tidak menimbulkan polusi (Anonim, 2015).
Agar perusahaan dapat menghasilkan solar dengan kualitas yang telah disebutkan
sebelumnya maka perusahaan perlu melakukan pengendalian mutu. Salah satu metode
pengendalian mutu dapat dilakukan melalui Statistical Process Control (SPC). Tools yang
digunakan pada praktikum kali ini adalah dengan menggunakan peta kontrol. Peta kontrol yang
digunakan pada praktikum kali ini adalah peta kontrol S. S dalam S Chart menandai Sigma ()
atau Standard Deviation Chart hendaknya digunakan untuk mendeteksi apakah karakteristik
proses stabil. Oleh karena itu, S Chart biasanya diplot bersama dengan Chart sehingga
memberi gambaran mengenai variasi proses lebih baik. Peta kendali standar deviasi digunakan
untuk mengukur tingkat keakurasian suatu proses (G, 2012).
Pada praktikum kali ini akan menganalisis karakteristik kualitas solar untuk
mengendalikan residu karbon. Residu karbon adalah karbon yang tertinggal setelah penguapan
dan pembakaran habis suatu bahan yang diuapkan dari minyak, ini menunjukkan
kecenderungan bahan bakar untuk membentuk endapan karbon pada bagian mesin ( torak )
(Anonim, 2015). Dengan peta kontrol dapat menganalisis apakah solar yang dihasilkan
memiliki residu karbon sesuai dengan batas spesifikasi atau tidak. Analisis peta kontrol
akan dikaitkan dengan sepuluh aturan Shewhart, dengan mengaitkan dua hal ini maka
perusahaan akan mendapatkan tanda-tanda atau peringatan bahwa produk yang dihasilkan akan
out of control. Ketika perusahaan mendapatkan peringatan bahwa proses produksi memiliki
kecenderungan produk yang akan dihasilkan adalah out of control maka perusahaan dapat

1
melakukan tindakan-tindakan guna memperbaiki proses agar produk yang dihasilkan akan
masuk dalam batas spesifikasi.
1.2 Rumusan Masalah
Permasalahan yang muncul yang digunakan sebagai acuan untuk melakukan analisis
pada praktikum kali ini adalah sebagai berikut.
1. Bagaimana karakteristik pada data residu karbon hasil produksi minyak solar PT. P?
2. Bagaimana asumsi keacakan dan normalitas untuk data nilai residu karbon hasil produksi
minyak solar PT. P?
3. Bagaimana diagram pada data residu karbon hasil produksi minyak solar PT. P?
4. Bagaimana kapabilitas proses dan probabilitas residu karbon hasil produksi minyak solar
PT. P keluar dari batas spesifikasi yang diharapkan (0% < < 10%)?
1.3 Tujuan
Berdasarkan perumusan masalah tersebut maka tujuan diadakan praktikum ini adalah
sebagai berikut.
1. Untuk menganalisis karakteristik pada data residu karbon hasil produksi minyak solar PT.
P
2. Untuk menganalisis asumsi keacakan dan normalitas untuk data nilai residu karbon hasil
produksi minyak solar PT. P
3. Untuk menganalisis diagram pada data residu karbon hasil produksi minyak solar
PT. P
4. Untuk menganalisis kapabilitas proses dan probabilitas residu karbon hasil produksi
minyak solar PT. P keluar dari batas spesifikasi yang diharapkan (0% < <
10%)
1.4 Manfaat
Manfaat yang didapatkan dari penelitian ini adalah dapat memahami materi tentang
pengendalian kualitas statistik pada peta kendali X S , aturan shewhart dan nilai kapabilitas.
1.5 Batasan Masalah
Batasan masalah yang digunakan dalam praktikum kali ini adalah salah satu karakteristik
kualitas saja yaitu pada variabel residu karbon.

2
 BAB II TINJAUAN PUSTAKA

TINJAUAN PUSTAKA
2.1 Karakteristik Data
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik mempelajari cara
pengumpulan data dan penyajian data sehingga mudah dipahami. Statistik deskriptif hanya
berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai
suatu data atau keadaan atau fenomena. Dengan kata lain, statistik deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif
(jika ada) hanya ditujukan pada kumpulan data yang ada.
2.1.1 Mean
Rata-rata atau yang sering kita sebut juga dengan mean merupakan rasio dari total nilai
pengamatan dengan banyaknya pengamatan. Bila data dari perubah acak sebanyak buah
dinotasi dengan 1 + 2 + 3 + + .
Rumus yang digunakan untuk menghitung mean atau rata-rata adalah

=1
= (2.1)

Keterangan
= data ke-i
= banyaknya data
2.1.2 Varians
Varians adalah nilai kuadrat dari standar deviasi. Rumus yang digunakan untuk
menghitung varians adalah

=1( )
2
2 = (2.2)
1
Keterangan:
2 = Varians
= Nilai ke-i
= Rata-rata
= Banyak data
2.1.3 Standar Deviasi
Standar deviasi adalah akar dari jumlah kuadrat deviasi dibagi dengan banyaknya data.

= 2 (2.3)
Keterangan:
= Standar deviasi
= Nilai ke-i
= Rata-rata
= Banyak data
2.1.4 Range
Range adalah selisih atau jarak antara nilai maksimum dan nilai minimum. Rumus yang
digunakan untuk menghitung range adalah
= (2.4)
Keterangan:
= Range (jangkauan)
= Range maksimum
= Range minimum

3
2.1.5 Boxplot
Boxplot (juga dikenal sebagai diagram box-and-whisker) merupakan suatu box (kotak
berbentuk bujur sangkar). Boxplot adalah salah satu cara dalam statistik deskriptif untuk
menggambarkan secara grafik dari data numeris melalui lima ukuran sebagai berikut:
1. Nilai observasi terkecil,
2. Kuartil terendah atau kuartil pertama (Q1), yang memotong 25 % dari data terendah
3. Median (Q2) atau nilai pertengahan
4. Kuartil tertinggi atau kuartil ketiga (Q3), yang memotong 25 % dari data tertinggi
5. Nilai observasi terbesar.
Dalam boxplot juga ditunjukkan, jika ada, nilai outlier dari observasi. Boxplot dapat
digunakan untuk menunjukkan perbedaan antara populasi tanpa menggunakan asumsi distribusi
statistik yang mendasarinya. Karenanya, boxplot tergolong dalam statistik non-parametrik.
Jarak antara bagian-bagian dari box menunjukkan derajat dispersi (penyebaran) dan skewness
(kecondongan) dalam data. Dalam penggambarannya, boxplot dapat digambarkan secara
horizontal maupun vertikal. (Junaidi, 2010)
2.1.6 Uji Keacakan
Uji Keacakan dilakukan untuk mengetahui apakah sekumpulan data yang diamati tersebut
telah diambil secara acak atau tidak. Uji Keacakan ini didasarkan pada adanya runtun. Runtun
adalah deretan huruf-huruf atau tanda-tanda yang identik yang diikuti oleh satu huruf atau satu
tanda yang berbeda secara berkesinambungan membentuk suatu barisan huruf/tanda (Daniel,
1898). Berikut perumusan Hipotesis :
0 : Data pengamatan telah diambil secara acak dari suatu populasi
1 : Data pengamatan yang diambil dari populasi tidak acak
Statistik Uji :
= banyaknya runtun yang terjadi (2.5)
Apabila nilai < atau > , maka ditarik keputusan Tolak 0 . Nilai
dan diperoleh dari tabel nilai kritis untuk runtun pada nilai (1 ,2) (Daniel, 1898)
Dengan 1 = banyak data bertanda (+)
2 = banyak data bertanda (-)
Rumus untuk nilai > 20 adalah sebagai berikut
21 2
( +1)
1 +2
= = (2.6)
2 (2 )
(1 2 )21(2 1 2
1 +2 1 +2 1)

2.2 Uji Normalitas

Uji Normalitas dilakukan sebelum menganalisis suatu permasalahan lebih lanjut. Jika data
yang dianalisis tidak berdistribusi Normal maka akan terjadi kesulitan dalam menurunkan
distribusi sampling dan . Berikut uji Normalitas untuk data bersifat kontinu menggunakan
Kolmogorov-Smirnov.
Hipotesis
0 : 0 () = () untuk semua nilai
1 : 0 () () untuk semua nilai
0 () adalah fungsi distribusi yang dihipotesiskan dan F ( x) merupakan fungsi distribusi
yang belum diketahui. Berikut statistik uji untuk pengujian normalitas.
Statistik Uji :
= |() 0 ()| (2.7)
() adalah fungsi peluang kumulatif data. Apabila nilai > 1 , maka dapat ditarik
kesimpulan Tolak 0 . Bila menggunakan paket program Minitab, maka uji Normalitas dapat
dilakukan dengan membandingkan P-value dengan (0,05).

4
2.3 Peta Kendali X S
Peta kendali (control chart) adalah peta dengan batas kendali atas (UCL/Upper Control
Limit) dan batas kendali bawah (LCL/Lower Control Limit), di mana di dalam peta tersebut
tergambar nilai-nilai beberapa ukuran statistik untuk suatu rangkaian sampel atau subgroup dan
sebuah garis tengah yang membantu dalam menunjukkan kecenderungan nilai-nilai tergambar
itu terhadap batas kendali (O & Syahu, 2006). Salah satu peta kendali adalah peta kendali x -
S, peta kendali ini diganakan untuk melihat variabilitas dari proses produksi. Peta kendali ini
digunakan apabila ukuran sampel cukup besar ( n 10 ), peta kendli ini juga lebih sensitif bila
dibandingkan dengan peta kendali R. Oleh karena itu, doagram kontrol yang tepat adalah
diagram X dan S, dengan S merupakan akar dari variansi sampel (S2), dengan
n

x i x
2

S2 i 1
(2.8)
n 1
Jika diketahui, maka batas kontrol untuk diagram S2 adalah:
2

UCL c4 3 1 c4
2

LCL c4 3 1 c4
2
(2.9)
Sedangkan jika tidak diketahui, maka ditaksir dengan rata-rata deviasi standar sampel
( S ). Sehingga jika diketahui m sampel pendahuluan yang masing-masing berukuran n, dan Si
adalah deviasi standar sampel ke-i, maka taksiran dari adalah
1 m
S Si (2.10)
m i 1
dengan demikian batas kontrol untuk diagram S adalah
UCL B4 S dan LCL B3 S (2.11)
sedangkan untuk batas kontrol diagram adalah
UCL x A3 S (2.12)
LCL x A3 S (2.13)
(Montgomery, 2009)
Berikut ini merupakan contoh dari peta kendali X S

Gambar 2. 1 Contoh Control Chart X S

(Mubarok, 2016)
2.4 Aturan Shewhart Control Chart
Menurut Mamzic (1995), penggunaan aturan batas 3 dan aturan pola nonrandom
memberikan konsekuensi, berdasarkan hukum statistika, hanya ada 3 titik dari 1000 titik yang
memberikan sinyal out-of-control padahal kondisi sistem tetap terkontrol secara statistik.
Beberapa pola nonrandom ini disebut dengan aturan shewhart, diantaranya :
5
1. 1 titik keluar dari batas 3
2. 2 dari 3 titik yang berurutan berada diluar batas 2
3. 4 dari 5 titik yang berurutan bearada diluar batas 1
4. Ada 8 titik berurutan berada pada satu sisi saja
5. Ada 6 titik berurutan secara naik konsatan naik atau turun
6. Ada 15 titik berurutan di batas 1 ada diatas atau dibawah garis tengah
7. Ada 14 titik yang bergantian naik turun
8. Ada 8 titik berurutan berada kedua sisi center line tetapi tidak ada berada di zona 1
9. Ada pola tertentu dalam data
10. Satu atau lebih titik didekat 3
(Montgomery, 2005)
2.5 Mengatasi Out of Control
Data yang dianalisis apabila terdapat data yang out of control maka perlu dihilangkan.
Jika pada peta kendali terdapat out of control maka menghapus data berdasarkan peta S
baru kemudian pada peta , begitu juga pada peta kendali jika terdapat out of control
maka menghapus data berdasarkan peta R baru kemudian pada peta . Kemudian dilihat apakah
masih terdapat data yang out of control, jika masih terdapat data yang out of control dianalisis
kembali hingga tidak ditemukan lagi data yang out of control yang berarti data sudah stabil.
2.6 Kapabilitas Proses
Kapabilitas proses adalah suatu studi keteknikan guna menaksir kemampuan proses.
Dalam arti ini, analisis kemampuan proses dapat dilakukan tanpa mengingat spesifikasi pada
karakteristik kualitas. Kapabilitas proses biasanya mengukur parameter fungsional pada
produk, bukan pada proses itu sendiri. Kapabilitas proses adalah bagian yang sangat penting
dari keseluruhan program peningkatan kualitas. Berbagai kegunaan kapabilitas proses yaitu
memprakirakan seberapa baik proses akan memenuhi toleransi, membantu pengembangan atau
perancangan produk dalam memilih atau mengubah proses, membantu dalam pembentukan
interval untuk pengendalian interval antara pengambilan sampel, menetapkan persyaratan
penampilan bagi alat baru, memilih diantara penjual yang bersaing, merencanakan urutan
proses produksi apabila ada pengaruh interaktif proses pada toleransi, dan mengurangi
varibilitas dalam proses produksi (Montgomery, 2009).Syarat-syarat proses yang kapabel yaitu:
a. Proses terkendali secara statistik.
b. Memenuhi batas spesifikasi.
c. Presisi dan akurasi proses tinggi.
Adapun yang perlu diperhatikan dalam kapabilitas proses adalah sebagai berikut:
1. Indeks
Indeks Cp digunakan untuk menyatakan tingkat presisi. Presisi adalah ukuran kedekatan
antara satu pengamatan dengan pengamatan lain yang ukurannya dapat ditunjukkan oleh
variabilitas ( ). Nilai Cp merupakan rasio antara penyebaran yang diijinkan dengan
penyebaran proses aktual. Secara matematis ditunjukkan oleh persamaan berikut ini:
USL LSL
Cp , untuk kasus 2 spesifikasi (2.15)
6
USL x x LSL
Cp atau Cp , untuk kasus 1 spesifikasi
3 3
(2.16)
2. Indeks
Indeks Cpk digunakan untuk menyatakan tingkat presisi dan akurasi. Akurasi adalah
ukuran kedekatan hasil pengamatan dengan nilai terget (Montgomery, 2009). Rumusan untuk
Cpk yaitu:
USL x x LSL
Cpk min , (2.17)
3 3
6
2.7 Probabilitas Produk yang Berada di Luar Batas Spesifikasi
Menurut Montgomery (2005), untuk menghitung probabilitas produk yang berada diluar
spesifikasi maka standar deviasi dari data harus diketahui dengan perhitungan berikut:

= (2.18)
2
Batas spesifikasi yang sudah ditentukan adalah LCL dan UCL. Dengan asumsi lebar
alirannya berdistribusi Normal maka probabilitas produk yang diluar batas spesifikasi adalah
= { < } + { > } (2.19)

= ( )+ 1 ( ) (2.20)

Keterangan :
: luasan pada tabel distribusi normal standar
LCL : Batas spesifikasi bawah
UCL : Batas spesifikasi atas
2 : nilai yang didapatkan pada tabel statistika
2.9 Residu Karbon
Karbon residu adalah kecenderungan suatu bahan bakar untuk membentuk deposit
karbon melalui proses kimia di bawah suhu tinggi dan dalam kondisi inert. Karbon residu
dibedakan atas residu karbon dan coke (arang/kokas). Residu karbon tidak seluruhnya karbon
sedangkan coke berasal dari pengubahan karbon karena proses pirolisis. Terdapat hubungan
antara karbon residu dan oAPI gravity minyak dan juga konstituen aspaltik. Untuk (% massa)
karbon residu tinggi, maka semakin tinggi pula (% massa) kandungan aspaltik, berarti minyak
tersebut tidak mudah menguap (non volatil). Hal ini terutama dianggap sebagai produk
sampingan dari pembakaran bahan bakar. Karbon Residu ialah partikel sisa dari produk bahan
bakar yang tertransformasi. Ketika bensin dibakar dan digunakan oleh mesin kendaraan
bermotor dalam proses evaporasi dan pirolisis akan menghasilkan pembuangan yang
mengandung karbon monoksida dan kokas/arang (Rozi, 2015).

7
 BAB III METODOLOGI PENELITIAN
METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam praktikum ini adalah data sekunder yang diperoleh dari data
Tugas Akhir dengan judul Produk Minyak Solar PT P.
3.2 Variabel Penelitian
Variabel penelitian yang digunakan dalam praktikum ini adalah data residu karbon dari
produksi solar yang dihasilkan oleh PT P.
3.3 Struktur Data
Adapun struktur data yang digunakan dalam analisis ini adalah sebagai berikut.
Tabel 3. 1 Struktur Data
Jumlah Ukuran Subgrup

Subgrup 1 2 ... n
1 11 12 ... 1 1 1
2 21 22 ... 2 2 2
... ... ... ... ... ... ...
m 1 2 ...
Keterangan:
: jumlah subgrup
: ukuran subgrup
: data pengamatan ke-m pada subgrip ke-n
: rata-rata per subgrup
: standar deviasi per subgrup
3.4 Langkah Analisis
Untuk melakukan praktikum ini langkah-langkah analisis yang dilakukan adalah sebagai
berikut.
1. Mengidentifikasi masalah yang akan diamati.
2. Menganalisis karakteristik data.
3. Menguji keacakan dan normalitas data residu karbon di PT P.
4. Menganalisis peta kontrol dengan aturan Shewhart.
5. Manganalisis kapabilitas proses.
6. Menarik kesimpulan
3.5 Diagram Alir
Diagram alir menggambarkan alur pengerjaan praktikum ini, mulai dari proses
perumusan masalah hingga penarikan kesimpulan dan saran. Berdasarkan langkah analisis
didapatkan diagram alir sebagai berikut.

Mulai

Indentifikasi masalah

Menganalisis karakterisik data

8
 A

Tidak
Uji
normalitas Normal
Data diasumsikan
data berdistribusi normal

Normal

Tidak
Uji keacakan Acak
Data diasumsikan telah
data diambil secara acak

Acak
Tidak
terkenda-
Membuat li Identifikasi penyebab out
peta kendali of control berdasarkan
aturan Shewhart

Terkendali
Menghitung kapabilitas proses

Kesimpulan dan saran

Selesai

Gambar 3. 1 Diagram Alir Praktikum Penelitian

9
 BAB IV ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN

4.1 Statistika Deskriptif

Karakteristik data residu karbon di PT P dapat diketahui dengan cara melihat statistika
deskriptif. Berikut merupakan statistika deskriptif untuk data residu karbon di PT P.
20

15
Data

10

0
1 2 3 4 5 6 7 8 9 10 11 1 2 1 3 14 15 16 1 7 18 19 20 21 2 2 23 24 25 26 2 7 28 29 30

Gambar 4. 1 Boxplot untuk Data Residu Karbon PT P

Dari gambar 4.1 dapat kita ketahui bahwa setiap subgrup memiliki rata-rata dan varians
yang berbeda. Dalam setiap subgrup juga terlihat masing-masing terdapat data yang outlier,
untuk melihat lebih lanjut dapat dilakukan perhitungan statistika deskriptif untuk setiap subgrup
dengan menggunakan minitab.
Tabel 4. 1 Output Minitab Statistika Deskriptif Data Residu Karbon PT. P
Variable Mean StDev Variance Minimum Maximum
1 3,591 1,998 3,991 1,500 6,500
2 6,72 4,91 24,07 1,50 18,90
3 3,727 1,549 2,398 0,500 6,500
4 4,955 2,405 5,784 1,000 9,500
5 5,455 2,857 8,165 2,000 9,500
6 5,136 2,351 5,528 1,500 9,500
7 4,091 1,586 2,515 2,000 7,500
8 5,727 1,778 3,160 2,000 7,500
9 5,182 1,881 3,537 1,500 8,000
10 6,273 2,334 5,446 1,000 10,000
11 6,727 3,654 13,351 1,500 13,000
12 4,909 4,219 17,801 1,500 16,000
13 5,773 4,284 18,351 1,500 13,500
14 6,136 1,916 3,671 2,500 8,000
15 6,727 2,004 4,017 3,500 10,500
16 5,545 2,483 6,165 2,000 10,000
17 5,091 2,102 4,420 1,000 7,500
18 7,182 2,847 8,108 2,000 13,000
19 5,000 2,278 5,190 1,500 7,500
20 5,136 2,489 6,195 1,500 9,500
21 4,545 4,009 16,069 1,500 16,000

10
 22 5,636 1,692 2,861 2,500 7,500
23 4,955 2,087 4,355 1,000 8,000
24 5,182 2,666 7,108 1,500 9,000
25 5,218 2,549 6,499 1,500 9,900
26 5,455 3,306 10,926 1,500 11,500
27 6,40 4,72 22,32 1,00 18,90
28 5,036 3,481 12,119 1,500 13,000
29 4,364 2,821 7,957 1,000 9,500
30 4,091 2,022 4,087 1,500 8,000
Melalui perhitungan statistika deskriptif dengan minitab dapat diketahui bahwa rata-rata
dan varians tiap observasi adalah berbeda. Subgrup ke-18 memiliki nilai rata-rata paling tinggi
yaitu sebesar 7,182. Varians terbesar terletak pada subgrup ke 13 yaitu sebesar 18,351.
4.2 Uji Asumsi
Sebelum untuk melakukan analisis kapabilitas proses produksi minyak solar PT. P maka
data harus acak dan berdistribusi normal, dalam penelitian ini karakteristik kualitas solar yang
di analisis adalah residu karbon , berikut untuk pengujian keacakan menggunakan run test dan
normalitas menggunakan kolmogorov-smirnov.
4.1.1 Uji Keacakan Data
Menguji keacakan data residu karbon proses produksi solar , merupakan salah satu syarat
yang harus dipenuhi sebelum melakukan analisis kapabilitas. Tabel berikut merupakan hasil
pengujian dengan metode run test dengan software Minitab.
Tabel 4. 2 Nilai Uji Run Test
Output Nilai
X 5,332
r 137
n1 160
n2 170
p-value 0,001
Berdasarkan Tabel 4.2 didapatkan nilai statistik uji r = 137 dengan n1 = 160 dan n2 = 170.
Nilai p-value yang didapatkan dari pengujian keacakan tersebut diperoleh angka 0,001,
sehingga dapat diputuskan tolak H0 karena nilai p-value (0,001) < (0,05). Sehingga dapat
disimpulkan bahwa data residual karbon dalam proses produksi minyak solar PT. P tidak acak,
namun dalam analisis selanjutnya data diasumsikan menyebar secara acak. Selanjutnya akan
diuji normalitas
4.1.2 Uji Normalitas
Asumsi kedua yang harus dipenuhi adalah data telah berdistribusi normal. Cara
mengetahui apakah data berdistribusi normal atau tidak dapat menggunakan histogram dan juga
melakukan pengujian menggunakan kolmogorov-smirnov. Berikut pengecekan dsitribusi
normal menggunakan histogram.

11
 Normal
60 Mean 5,332
StDev 2,940
N 330
50

40

Frequency
30

20

10

0
0 3 6 9 12 15 18
Residu Karbon

Gambar 4. 2 Histogram Residu Karbon Dalam Produksi Minyak Solar PT. P

Berdasarkan Gambar 4.2 dapat dilihat bahwa grafik tidak membentuk normal atau
skewness kanan sehingga jika dilihat secara visual dapat dikatakan bahwa sudah tidak
berdistribusi normal. Namun untuk mengetahui lebih teliti lagi maka dilanjutkan dengan uji
normalitas menggunakan kolmogorov-smirnov. Hasil pengujian menggunakan software ninitab
dapat ditampilkan pada gambar 4.2 sebagai berikut.
Normal
99,9
Mean 5,332
StDev 2,940
99 N 330
KS 0,085
95 P-Value <0,010
90
80
70
Percent

60
50
40
30
20
10
5

0,1
-5 0 5 10 15 20
Residu Karbon

Gambar 4. 3 Uji Kolmogorov Smirnov

Dari Gambar 4.3 dapat dilihat bahwa titik-titik merah tidak mengikuti garis normal
sehingga dapat di putuskan bahwa data tidak berdistribusi normal. Dengan menggunakan p-
value juga dapat diputuskan tolak H0 karena nilai p-value (0,100) > (<0,010). Setelah
melakukan pengecekan menggunakan histogram dan pengujian menggunakan kolmogorov-
smirnov maka dapat disimpulkan bahwa data residual karbon dalam proses produksi minyak
solar PT. P tidak berdistribusi normal, namun untuk analisis selanjutnya peneliti
mengasumsikan bahwa data berdistribusi normal.
4.3 Peta Kendali X - S
Untuk mengetahui apakah data dari residu karbon proses pembuatan minyak solar PT P
berada diluar kendali, maka dapat menggunakan peta kendali. Untuk membuat peta kendali
X S dengan bantuan software minitab, output dari hasil peta kendali X S dapat dilihat
pada gambar 4.3 berikut

12
 8 +3S L=7,989

+2S L=7,104

Sample M ean
+1S L=6,218
6 _
_
X=5,332

-1S L=4,446
4
-2S L=3,561

-3S L=2,675
2
1 4 7 10 13 16 19 22 25 28
Sample

1
5 1
+3S L=4,810
3
+2S L=4,162
4

Sample StDev +1S L=3,514

_
3 S =2,865

-1S L=2,217
2
-2S L=1,569
1 -3S L=0,921
1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4. 4 Peta Kendali X S Belum Terkontrol

Gambar 4.4 merupakan peta kendali untuk X S data residu karbon produksi minyak
solar dengan jumlah subgroup 30 dan ukuran subgroup sebesar 11. Pada gambar tersebut
terlihat bahwa masih terdapat data yang tidak terkendali (out of control), karena terdapat titik
yang berada di luar batas kendali atas (4,810) untuk peta S yaitu data ke 2, 13, dan 27.
Sedangkan jika dilihat dari peta kendali X semua terkendali karena tidak ada rata-rata yang
keluar dari batas kendali atas maupun bawah.
Selanjutnya akan dianalisis penyebab untuk ketiga titik yang berwarna merah. Untuk titik
ke-2 dan ke-27 melanggar aturan shewhart pertama yaitu terdapat 1 titik atau lebih yang keluar
dari batas 3-sigma. Sedangkan pada titik ke-13 perlu diperhatikan karena untuk titik ini
melanggar 2 sekaligus aturan shewhart yaitu aturan kelima dan kesepuluh, aturan kelima adalah
ada 6 titik berurutan secara konstan naik dan aturan kesepuluh adalah 1 titik atau lebih berada
didekat 3-sigma. Maka, akan dilakukan pembuangan data yang menyebabkan out of control
atau keluar dari batas kendali 3-sigma secara satu per satu dengan melakukan maksimal
pembuangan sebanyak 2 kali, untuk tahap pembuangan pertama untuk data ke-2 karena data
tersebut paling menjauhi batas control. Berikut peta kendali untuk proses pembuangan pertama
8 +3S L=7,852

+2S L=6,996
Sample M ean

6 +1S L=6,140
_
_
X=5,284

-1S L=4,429
4
-2S L=3,573

-3S L=2,717
2
1 4 7 10 13 16 19 22 25 28
Sample

5 1

3 +3S L=4,647

4 +2S L=4,021
Sample StDev

+1S L=3,395
3 _
S =2,768

-1S L=2,142
2
-2S L=1,516
1 -3S L=0,889
1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4. 5 Peta Kendali X S Setelah Pembuangan Pertama

Berdasarkan Gambar 4.5 dapat dilihat bahwa setelah pembuangan data ke-2 masih ada
yang out of control yaitu untuk data ke-26 dan juga masih ada data yang melanggar aturan
shewhart yaitu data ke-12 (aturan No. 5 dan No. 10). Selanjutnya dilakukan pembuangan data
yang out of control yaitu data ke-26, berikut hasil peta diagram data setelah pembuangan kedua

13
 8
+3S L=7,722

+2S L=6,896

Sample M ean
6 +1S L=6,070
_
_
X=5,244

-1S L=4,418
4
-2S L=3,592

-3S L=2,767
1 4 7 10 13 16 19 22 25 28
Sample

5
3 +3S L=4,485
4 +2S L=3,881

Sample StDev
+1S L=3,276
3 _
S =2,672

2 -1S L=2,067

-2S L=1,463
1
-3S L=0,858
1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4. 6 Peta Kendali X S Setelah Pembuangan Kedua (Sudah Terkontrol)

Setalah dilakukan pembuangan data yang kedua, terlihat pada Gambar 4.6 ternyata tidak
ada data yang out of control, namun perlu diwaspadai karena masih ada data yang tidak
memenuhi aturan shewhart yaitu untuk data ke-12. Data ke-12 masih melanggar aturan shewart
yang No. 5 dan No. 10. Selanjutnya dilihat untuk peta kendali X , setelah diamati untuk peta
ini tidak ada data yang out of control maka selanjutnya dapat dilakukan analisis untuk
kapabilitas proses produksi minyak solar dari PT. P yang dilihat dari residu karbonnya.
4.4 Kapabilitas dan Probabilitas
Kapabilitas proses bertujuan untuk mengukur bagaimana proses mampu memenuhi
spesifikasi yang dipersyaratkan dengan cara melakukan pengujian capability analysis.
Kapabilitas proses produksi minyak solar dari PT. P yang dilihat dari residu karbon,
menggunakan batas spesifikasi (5 + 5)%. Jadi untuk proses produksi minyak solar ini
diharpakan untuk sisa karbonnya berada pada rentang 0-10%. Hasil dari kapabilitas proses
tersebut adalah sebagai berikut.

LSL USL
P rocess Data Within
LS L 0 Overall
Target *
USL 10 P otential (Within) C apability
S ample M ean 5,24448 Cp 0,61
S ample N 308 C PL 0,64
S tDev (Within) 2,7395 C PU 0,58
S tDev (O v erall) 2,74921 C pk 0,58
O v erall C apability
Pp 0,61
PPL 0,64
PPU 0,58
P pk 0,58
C pm *

0 3 6 9 12 15
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0,00 PPM < LS L 27785,14 P P M < LS L 28219,59
P P M > U S L 29220,78 PPM > U S L 41290,30 P P M > U S L 41835,31
P P M Total 29220,78 PPM Total 69075,45 P P M Total 70054,91

Gambar 4. 7 Grafik Kapabilitas Proses Data Residu Karbon Produksi Minyak Solar PT. P
Dari Gambar 4.7 didapatkan hasil bahwa nilai Cp adalah 0,61 dan nilai Cpk adalah 0,58.
Saat nilai Cp < 1, maka dapat disimpulkan kapabilitas proses untuk proses produksi minyak
yang dilihat dari kualitas residu karbon masih rendah dalam hal kepresisiannya, sehingga perlu
ditingkatkan performansinya melalui perbaikan proses. Sedangkan nilai Cpk < 1 menunjukkan
bahwa rata-rata proses masih dibatas spesifikasi yang ditentukan namun belum kabapel dalam
hal akurasinya, yang berarti masih ada perbedan antara rata-rata data aktual dan spesifikasinya.
Sedangkan pada proses tersebut band yang digunakan sebesar 172% dari spesifikassi yang
ditetapkan, yaitu lebih 72% sehingga dapat dikatakan bahwa proses untuk memproduksi
minyak solar yang dilihat dari karateristik kualitas residu karbon belum kapabel, maka perlu
dilakukan

14
 Probabilitas jumlah prosentase residu karbon saat produksi minyak solar diluar batas
kendali USL (10%) dan LSL()%) dapat dilihat pada Gambar 4.6 diperoleh peluang untuk
prosentase residu karbon > USL sebesar 0,02922078 dan peluang prosentase residu karbon <
LSL adalah 0. Dapat juga dilihat pada nilai PPM > USL (Probability per Million kurang dari
Upper Specification Limit) = 29.220,78 artinya dari 1 juta kali proses produksi minyak solar
maka akan ada 29.220 proses yang mempunyai residu karbon lebih dari 10%.

15
 BAB V KESIMPULAN DAN SARAN
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan hasil analisis dan pembahasan diperoleh kesimpulan sebagai berikut.
1. Berdasarkan statistika deskriptif baik secara perhitungan maupun secara visual dapat
diketahui bahwa rata-rata atau nilai tengah dan varians tiap subgrup berbeda. Subgrup ke-
18 memiliki nilai rata-rata paling tinggi yaitu sebesar 7,182. Varians terbesar terletak pada
subgrup ke 13 yaitu sebesar 18,351.
2. Berdasarkan pengujian dengan menggunakan Run Test untuk uji keacakan dan uji
kolmogorov-smirnov untuk normalitas dapat disimpulkan bahwa data residu karbon pada
produksi minyak solar PT. P tidak memenuhi asumsi keacakan dan normalitas, namun
selanjutnya data tersebut diasumsikan acak dan telah berdistribusi normal.
3. Dalam peta kendali X S dapat diketahui bahwa data residu karbon pada produksi
minyak solar PT. P terdapat 3 data yang menyalahi aturan shewhart yaitu data ke 2, 13,
dan 27, data ke 2 dan 27 melanggar aturan shewhart No. 1, data ke 3 melanggar aturan
shewhart No. 5 dan 10. Untuk data ke 2 dan ke 27 juga keluar dari batas kendali untuk
diagram kontrol S, sehingga setelah dilakukan pembuangan secara bertahap untuk data
ke 2 dan 27 tersebut, diagram kendali untuk S sudah terkendali. Batas untuk diagram X
adalah UCL = 7,722 LCL = 2,767, sedangkan untuk diagram S diperoleh batas kendali
UCL = 4,485 LCL = 0,858.
4. Berdasarkan kapabilitas proses prosuksi minyak solar PT. P yang di ukur berdasarkan
kualitas residu karbon dapat disimpulkan bahwa proses belum kapabel karena memiliki
nilai Cp < 1 dan Cpk < 1 dari segi keakurasian dan kepresisian. Probabilitas prosentase
residu karbon berada di luar batas spesifikasi (10%) adalah 0,0292078 artinya dalam 1
juta kali produksi terdapat 29.227 produk solar yang memiliki residu karbon lebih dari
10%, sedangkan probabilitas prosentase residu karbon < 0% sebesar 0.
5.2 Saran
Saran yang dapat diberikan kepada penelitian selanjutnya seharusnya mencari data lagi
karena setelah di uji untuk asumsi keacakan dan kenormalan tidak terpenuhi. Selain itu
seharusnya di amati saat data terjadi out of control sehingga dapat dibuat untuk diagram
ishikawa

16
 DAFTAR PUSTAKA
Anonim, 2015. Defenisi Bahan Bakar Diesel (Solar). [Online]
Available at: http://www.prosesindustri.com/2015/02/defenisi-bahan-bakar-diesel-
solar.html
[Diakses 10 Maret 2017].
Anonim, 2015. Sistem Bahan Bakar Pada Kapal Fuel Oil System. [Online]
Available at: http://www.maritimeworld.web.id/2011/05/fuel-oil-system-sistem-bahan-
bakar-in.html
[Diakses 11 Maret 2017].
Bhattacharyya, G. J. R., 1996. Statistics Principles and Methods. Singapore: John Wiley &
Sons, Inc.
Daniel, W. W., 1898. Statistika Nonparametrik Terapan. Jakarta: Gramedia.
G, H. P., 2012. Peta Kendali x dan S Chart. [Online]
Available at: https://sites.google.com/site/kelolakualitas/x-S-Chart
[Diakses 10 Maret 2017].
Junaidi, 2010. Mengenal Boxplot. [Online]
Available at: https://junaidichaniago.wordpress.com/2010/02/02/mengenal-boxplot/
[Diakses 11 Maret 2017].
Montgomery, D. C., 2005. Introduction to Statistical Quality Control. New York: John Wiley
& Sons, Inc.
Montgomery, D. C., 2009. Introduction to Statistical Quality Control. United States of
America: John Wiley & Sons, Inc.
Mubarok, M. F., 2016. Farmasi Industri. [Online]
Available at: http://farmasiindustri.com
[Diakses 11 Maret 2017].
O, S. & Syahu, 2006. Kamus Manajemen (Mutu). Jakarta: Gramedia Pustaka Utama.
Rozi, M., 2015. Residu Karbon. [Online]
Available at: http://muhammadroz1.blogspot.co.id/2015/02/karbon-residu.html
[Diakses 11 Maret 2017].
Walpole, 1993. Pengantar Statistika. Jakarta: Gramedia.

17
 LAMPIRAN
Lampiran 1. Data Residu Karbon Dalam Produksi Minyak Solar di PT. P Dalam %
Pengamatan
Subgroup
1 2 3 4 5 6 7 8 9 10 11
1 2 2,5 1,5 2 6 6,5 6,5 4,5 1,5 4,5 2
2 8 18,9 8 9,5 5,5 1,5 2,5 1,5 5,5 3,5 9,5
3 5 3 4,5 3,5 0,5 3,5 2 3,5 4,5 4,5 6,5
4 6 7,5 6,5 6,5 1 3,5 9,5 3 3 4,5 3,5
5 3,5 3 4,5 6 9 8 9,5 9 2 2,5 3
6 5 9,5 1,5 2 5,5 7 7 7 5 3,5 3,5
7 4,5 4,5 3,5 4 2,5 2 5 5,5 7,5 2 4
8 4,5 4,5 7 7 7,5 6,5 6,5 3,5 7,5 6,5 2
9 8 6 6 6 5,5 5 2,5 3,5 6,5 6,5 1,5
10 5,5 3,5 1 7 7,5 10 6 7 6 7,5 8
11 9,5 9 8,5 1,5 7,5 1,5 13 8 6,5 7,5 1,5
12 2 1,5 1,5 2 2,5 16 6,5 2,5 5,5 6,5 7,5
13 8 4 12,5 13,5 8 2 2 2 1,5 2,5 7,5
14 7,5 7,5 7 5,5 4,5 3 2,5 8 7,5 7 7,5
15 8,5 3,5 7,5 7,5 5,5 3,5 7 7,5 10,5 6 7
16 6,5 5 10 2 7 7 2 7,5 7 3,5 3,5
17 4,5 6,5 5,5 1,5 4,5 6,5 7,5 5,5 5,5 1 7,5
18 5 5,5 2 8 13 7 9 5 7,5 10 7
19 1,5 5 6 7,5 7,5 1,5 6 6,5 2 7 4,5
20 2,5 8 1,5 3,5 5 9,5 3,5 7 3 7 6
21 5,5 1,5 16 1,5 2,5 6 3,5 4,5 3,5 4 1,5
22 7,5 4,5 7 7,5 6,5 7,5 4,5 3,5 5,5 5,5 2,5
23 5,5 2 5,5 1 8 5,5 5,5 5,5 7,5 5,5 3
24 1,5 6,5 2 2 7,5 6,5 6 2 7 7 9
25 7 2,5 5 4,5 1,5 6,5 1,5 7,5 9,9 5,5 6
26 11,5 4,5 7,5 3,5 6,5 2 2 7,5 3,5 10 1,5
27 8 18,9 1 6 9 7,5 3,5 5 6 3,5 2
28 2 2 3,5 3 6,5 4,5 1,5 4,5 5 13 9,9
29 3,5 8,5 5,5 4,5 4 2 9,5 1 1,5 1,5 6,5
30 6 5 8 1,5 4 2 3,5 6 4,5 1,5 3

Lampiran 2. Alokasi Waktu Pengerjaan

Hari Tanggal Pukul Deskripsi Kegiatan Pelaksana
Kamis 09-Mar-17 13.15 Praktikum bersama Assisten Dosen Anisa & Dedi
Jumat 10-Mar-17 19.00 Pembuatan BAB II Dedi
20.00 Pembuatan BAB I Anisa
22.00 Pembuatan BAB III Anisa
Sabtu 11-Mar-17 11.00 Pembuatan BAB IV Anisa Dedi
Pembuatan BAB V Dedi

18