Praktikum 3, 1314100059, 1314100099
Praktikum 3, 1314100059, 1314100099
Salah satu metode untuk melakukan uji normalitas 2. Menghitung rata-rata bergerak dengan lebar w, untuk setiap
adalah Kolmogorov-Smirnov normality test. Berikut merupakan subgrup atau periode.
formula untuk Kolmogorov-Smirnov normality test. +1 +++1
D = Sup|Sn(x)-F0(x)| (2) = (4)
Keterangan:
Sedangkan varians dari yaitu:
Sn = Fungsi peluang kumulatif data sampel
F0(x) = Fungsi distribusi kumulatif normal 2
( ) = (5)
D = Supremen semua x dari nilai |Sn(x)-F0(x)|
Penolakan terhadap hipotesis awal terjadi jika |D| > Dtabel 3. Mengestimasi center line atau grand mean ( ) dan batas
Kolmogorov Smirnov (1-;n) atau P value > . kendali atas (BKA) dan batas kendali bawah (BKB).
C. Grafik Kendali
=1 =1
Grafik kendali adalah perangkat statistik yang =
memungkinkan suatu organisasi untuk mengetahui dan =1
memantau konsistensi suatu proses atau produk yang dihasilkan
= + 3( ) (6)
melalui pengamatan yang sedang berlangsung maupun proses
yang telah dilakukan. Sehingga keragaman hasil produksi dapat = 3( ) Commented [U4]: Tulis Var nya apa
diminimalkan. Penyelesaian dengan grafik kendali ini
menggunakan prinsip-prinsip statistik [5]. F. Grafik Kendali Exponentially Weighted Moving
Average (EWMA)
D. Aturan Shewhart
Aturan Shewhart digunakan untuk menganalisis apakah Grafik kendali EWMA diperkenalkan oleh Roberts
proses produksi, yang ditunjukkan oleh grafik kendali, dalam (1959). Grafik kendali EWMA adalah salah satu grafik kendali
kendali atau tidak. Berikut ini merupakan aturan Shewhart yang dari data variabel (data bisa kuantitatif dan pengukuran
digunakan untuk menentukan suatu proses terkendali atau tidak. kontinyu seperti ukuran dimensi dan waktu). Titik-titik yang
1. Satu titik jatuh di luar batas kendali 3-sigma. diplotkan merupakan weighted moving average (pergeseran
2. Dua titik dari tiga titik berurutan jatuh di luar batas rata-rata terboboti). Faktor pembobot () tertentu dipilih
peringatan 2-sigma. oleh user dimana nilai rata-rata data yang lama berpengaruh
3. Empat titik dari lima titik berurutan jatuh di suatu jarak 1- terhadap yang baru.
sigma atau di luar garis tengah. Menurut Montgomery (2013), grafik kendali EWMA
4. Delapan titik berurutan jatuh pada salah satu sisi garis merupakan alternatif yang baik untuk grafik kendali shewhart
tengah. ketika kita tertarik dalam mendeteksi pergeseran kecil dalam
5. Enam titik berturut-turut secara tetap meningkat atau mean proses. Grafik kendali EWMA mendeteksi lebih cepat
menurun. dalam rentang 0.5 - 2 dengan syarat ukuran sampel yang
6. Lima belas titik berturut-turut berada pada zona C (baik di sama. Meskipun demikian, grafik kendali EWMA memiliki
atas maupun di bawah garis tengah). kelemahan yaitu grafik kendali EWMA akan mendeteksi lebih
7. Empat belas titik berturut-turut naik dan turun. lama di dalam pergeseran yang besar dalam mean proses.
8. Delapan titik berturut-turut berada pada kedua sisi garis Ketika memilih nilai pembobot, direkomendasikan
tengah tanpa satupun berada pada zona C. menggunakan nilai yang lebih kecil (contohnya 0.2) untuk
9. Pola tidak biasa atau non random pada data. mendeteksi shift yang kecil, dan nilai yang lebih besar (0.2-0.4)
10. Satu atau lebih titik di dekat batas peringatan atau batas untuk shift yang lebih besar. Grafik EWMA yang memiliki =
kendali. 1 merupakan grafik kendali . Grafik kendali EWMA juga Commented [U3]: Diagram Kendali MA dan EWMA
E. Grafik Kendali Moving Average (MA) dapat menjadi salah satu alternatif ketika ukuran subgrup n = 1. tidak memerlukan shewhart
Grafik kendali MA digunakan jika dari hasil observasi Tahapan pertama yang diperlukan dalam membuat
terlihat bahwa antara nilai rata-rata data yang satu dengan yang grafik kendali EWMA adalah menghitung data yang akan
lain hanya menunjukkan perbedaan yang sangat sedikit. Grafik diplotkan dengan rumus berikut.
kendali ini digunakan untuk mengontrol rata-rata suatu proses = + (1 )1 (7)
berdasarkan sampel yang diambil secara periodik dari proses
terkait. Sehingga grafik ini dapat digunakan untuk mendeteksi Rumus di atas digunakan jika dalam setiap subgroup hanya
pergeseran rata-rata proses yang tidak dapat dilakukan oleh terdapat satu observasi. Jika terdapat n observasi maka
grafik kendali . Selain itu, grafik kendai ini juga dapat diganti dengan yang dihitung sesuai persamaan (3).
digunakan jika hanya terdapat satu unit sampel dalam sekali Sedangkan nilai awal adalah 0 = .
observasi. Jika observasi adalah variabel random bebas dengan
Prosedur pembentukan grafik kendali MA adalah varians 2 , maka varians dari dinyatakan dengan persamaan
sebagai berikut. berikut.
1. Apabila terdapat k subgroup dengan ukuran n, maka rata-
rata tiap subgrup adalah sebagai berikut. ( ) = 2 = 2 ( ) [1 (1 )2 ] (8)
2
=1
= (3)
3
= 0 + ( )
= 0 (9)
80
. . . .
Percent
. . . . 50
. . . .
20
730 X1,730 X2,730 X3,730 5
1
20
Uji kenormalan data merupakan uji asumsi yang harus 5
dipenuhi dalam analisis pengendalian kualitas suatu produk 1
50
20
B. Uji Keacakan
5 Uji keacakan data dilakukan untuk mengetahui apakah
1
data ketidamurnian logam setiap variabel telah diambil secara
0.01
-2 -1 0 1 2 3 4 5 6 7
acak atau random. Uji keacakan ini menggunakan metode run
Ni test, dengan hasil pengujian pada setiap variabel adalah sebagai
Gambar 2. Uji Normalitas Variabel Ni (Nikel) berikut.
Dari hasil uji normalitas diatas dapat diketahui bahwa Tabel 2. Hasil Uji Keacakan Data Berat Kemasan Pupuk Urea
dengan menggunakan uji Kormogorov Smirnov didapatkan Variabel p-value
hasil p-value < 0,010 yaitu p-value kurang dari yang
Ni (Nikel) 0,000
Pb (Timbal) 0,000
ditentukan yaitu 0,05 sehingga terjadi tolak H0. Oleh karena itu, Bi (Bismut) 0,000
dapat disimpulkan bahwa ketidakmurnian logam untuk variabel Dari hasil uji keacakan diatas dapat diketahui bahwa data
Ni tidak mengikuti distribusi normal. Sedangkan hasil ketidakmurnian logam pada semuaa variabel memiliki p-value
pengujian kenormalan data ketidakmurnian logam pada 0,000 yang kurang dari = 0,05 maka terjadi tolak H0 sehingga
variabel Pb (timbal) adalah sebagai berikut. data ketidakmurnian logam untuk semua variabel tidak diambil
secara acak. Selanjutnya, pengolahan dilakukan dengan
mengansumsikan bahwa data telah diambil secara acak. Commented [U8]: Tidak Perlu
C. Peta Kendali MA (Moving Average)
Setelah dilakukan uji asumsi normalitas dan uji asumsi Commented [U9]: Cari MA yang optimum
keacakan, kemudian dilakukan analisis pada peta kendali MA
5
(moving average). Analisis peta kendali MA digunakan untuk Moving Average Chart of Bi
Moving Average
0.3
logam pada variabel Ni (nikel) dengan menggunakan peta
_
_
kendali MA adalah sebagai berikut. 0.2 X=0.1954
3.0 0.0
Sample
2.0 UCL=2.062
1.5 _
Gambar 7. Peta Kendali MA variabel Bi (Bismut)
_
1.0
X=1.282 Berdasarkan Gambar 7 diatas, didapatkan bahwa nilai
tengah pada pergeseran rata-rata data ketidakmurnian logam
0.5 LCL=0.501
variabel Bi (bismut) adalah 0.1954, dengan batas atas 0.3289
0.0
2 1.5
UCL=1.747 UCL=1.341
Moving Average
EWMA
1 _
_ 1.0
X=0.786 _
_
X=0.786
0 0.5
LCL=-0.174
LCL=0.232
-1 0.0
1 37 73 109 145 181 217 253 289 325 361 1 37 73 109 145 181 217 253 289 325 361
Sample Sample
Gambar 6. Peta Kendali MA variabel Pb (Timbal) Gambar 8. Peta Kendali EWMA variabel Ni (Nikel)
Berdasarkan Gambar 6 diatas, didapatkan bahwa nilai Berdasarkan Gambar 8 diatas, didapatkan bahwa nilai
tengah pada pergeseran rata-rata data ketidakmurnian logam tengah pada pergeseran rata-rata data ketidakmurnian logam
variabel Pb (timbal) adalah 0.786, dengan batas atas 1.747 dan variabel Ni (nikel) adalah 1.282, dengan batas atas 1.732 dan
batas bawah sebesar 0.174. Berdasarkan analisis peta kendali batas bawah sebesar 0.831 Berdasarkan analisis peta kendali
MA dapat diketahui bahwa terdapat data yang berada di luar MA dapat diketahui bahwa terdapat data yang berada di luar
batas kendali, yaitu pada data subgrup ke 100, 169, 170, 171, batas kendali, yaitu pada data subgrup ke 14, 16, 17, 19, 20, 21,
180, 181, 208, 209, 210, 306, 307 dan 308 . Sehingga, dapat 22, 23, 24, 26, 27, 28, 29, 30, 31, 33, 34, 35, 100, 133, 134, 159,
disimpulkan bahwa data ketidakmurnian logam pada variabel 160, 161, 162, 163, 164, 165, 182, 200, 201, 202, 203, 204, 205,
Pb (timbal) belum terkendali secara statistik. Kemudian, untuk 206, 207, 208, 209, 210, 211, 212, 213, 214, 216, 271, 272, 273,
hasil dari pengendalian kualitas data ketidakmurnian logam 274, 275, 279, 298, 354, 355, 358, 359, 360, 362, 363,364, dan
pada variabel Bi (bismut) dengan menggunakan peta kendali 365. Sehingga, dapat disimpulkan bahwa data ketidakmurnian
MA adalah sebagai berikut. logam pada variabel Ni (nikel) belum terkendali secara statistik.
Kemudian, untuk hasil dari pengendalian kualitas data
ketidakmurnian logam pada variabel Pb (timbal) dengan
menggunakan peta kendali MA adalah sebagai berikut.
6
EWMA Chart of Bi
0.35
0.30
UCL=0.2725
0.25
EWMA
_
_
0.20 X=0.1954
0.15
LCL=0.1183
0.10
0.05
1 37 73 109 145 181 217 253 289 325 361
Sample
_
_
0.20 X=0.1954
Tabel 3. Perbandingan MA dan EWMA
0.15
Batas Ni Pb Bi
LCL=0.1183
0.10 Signifikansi (Nikel) (Timbal) (Bismut)
0.05
Peta Kendali
1 37 73 109 145 181 217
Sample
253 289 325 361 UCL MA 2.062 1.747 0.3289
LCL MA 0.501 0.174 0.0619
Gambar 10. Peta Kendali EWMA variabel Bi (Bismut) UCL EWMA 1.732 1.341 0.2725
Berdasarkan Gambar 10 diatas, didapatkan bahwa LCL EWMA 0.831 0.2232 0.1183
nilai tengah pada pergeseran rata-rata data ketidakmurnian Berdasarkan Tabel 3, dapat diketahui bahwa batas
logam variabel Bi (bismut) adalah 0.1954, dengan batas atas signifikansi untuk peta kendali EWMA lebih kecil dibandingkan
0.2725 dan batas bawah sebesar 0.1183 Berdasarkan analisis peta kendali MA. Hal ini mengindikasikan bahwa peta kendali
peta kendali EWMA dapat diketahui bahwa terdapat data yang EWMA lebih sensitif dan lebih presisi daripada peta kendali
berada di luar batas kendali, yaitu pada data subgrup ke 34, 35, MA. Sehingga dapat disimpulkan bahwa peta kendali EWMA
56, 65, 70, 71, 72, 73, 74, 75, 76, 77, 82, 84, 85, 86, 99, 100, lebih baik digunakan pada data ketidakmurnian logam ini
101, 102, 103, 104, 207, 208, 221, 222, 230, 231, 232, 233, 234, daripada menggunakan peta kendali MA. Kemudian, karena
235, 236, 237, 238, 246, 247, 248, 249, 250, 253, 254, 255, 267, diketahui bahwa peta kendali EWMA lebih sensitif untuk
270, 272, 273, 274, 275, 276, 277, 278, 279, 280, 281, 282, 283, pergeseran rata-rata yang kecil, maka dapat disimpulkan pula
284, 306, 307, 309, 310, 311, 347, 362, 363, 364 dan 365. bahwa pergeseran rata-rata dari data ketidakmurnian logam. Commented [U11]: Kaitkan dengan out of control juga
Sehingga, dapat disimpulkan bahwa data ketidakmurnian pada variabel Ni (nikel), Pb (tembaga) dan Bi (bismut)
logam pada variabel Bi (bismut) belum terkendali secara memiliki pergeseran rata-rata yang kecil.
statistik.
E. Diagram Ishikawa V. KESIMPULAN
Diagram Ishikawa atau sebab akibat digunakan untuk Berdasarkan analisis pengendalian kualitas terhadap data
mengetahui faktor-faktor penyebab permasalahan pada proses ketidakmurnian logam yang telah dilaksanakan dapat
produksi dan akibat yang ditimbulkannya. Karena pada data disimpulkan sebagai berikut.
ketidakmurnian logam pada semua variabel belum terkendali 1. Berdasarkan uji normalitas dapat diketahui bahwa data
secara statistik. Ada pun penyebab dari ketidakterkendalian ketidakmurnian logam pada variabel Ni (nikel), Pb
level ketidakmurnian tersebut diperlihatkan oleh diagram (Timbal), Bi (Bismut) tidak mengikuti sebaran distribusi
ishikawa berikut, normal, sehingga diberikan asumsi bahwa data
7