BAB IV

HASIL DAN PEMBAHASAN

Pada modul kali ini, prkatikan akan menganalisis kapabilitas proses dari
suatu part yaiu baut. Sebanyak 100 buah yang telah diukur dan dari hasil
pengukuran 100 baut tersebut untuk diuji kapabilitasnya dengan menggunakan
dua jenis metode bantuan perhitungan yaitu Microsoft Excel dan Minitab 15.
Berikut ini adalah data hasil pengukuran yang akan digunakan dalam analisis
kapabilitas.
Tabel 4.1. Data Pengukuran Baut

Record Record Record Record Record Record Record Record Record Record
No No
1 2 3 4 5 1 2 3 4 5
1 23,96 24,17 23,96 23,84 24,07 18 24,08 24,01 24,04 24,06 23,92
2 23,92 24,03 24,2 23,95 24,03 19 23,97 23,96 23,85 24,09 23,9
3 23,96 23,93 23,96 24,01 23,9 20 23,96 24,09 23,95 23,78 24,05
4 23,94 23,86 24 23,92 23,94
5 24 23,86 24,07 24,08 23,92
6 23,95 23,76 23,91 23,87 23,97
7 23,97 24,01 23,88 24 24
8 24,01 24,2 23,8 24,11 24,08
9 23,99 23,88 23,92 23,94 24,11
10 23,98 24 24,06 24,04 23,88
11 23,84 24,04 24,04 24,03 23,97
12 23,79 23,94 24,15 23,94 23,95
13 23,93 24,04 23,99 23,99 24,04
14 24,05 23,9 24,05 24,17 24,08
15 24,01 23,99 23,97 23,95 23,95
16 23,85 24,02 23,93 23,95 23,81
17 24,07 24,22 24,16 24,03 24,02

1
 Dari data tersebut prkatikan mengasumsikan jika besar USL dan LSL
berturut-turut sebesar 25 dan 23.

4.1 Uji Normalitas Data

Sebelum melakukan analisis capability terlebih dahulu perlu memastikan

apakah datanya sudah merata atau mengikuti sistem distribusi normal. Uji
normalitas akan dilakukan dengan menggunakan Minitab. Tujuan adanya
penormalan data untuk membuktikan bahwa suatu data memiliki nilai eror yang
menyebar secara normal dengan rata-rata nol dan suatu (variance) tertentu.
Langkah yang harus dilakukan apabila ingin menguji kenormalan data
adalah dengan meng-input-kan data dengan cara meng copy-paste data ke dalam
Minitab dan seluruh datanya dijadikan dalam satu kolom. Kemudian pilih Stat
Basic Statistic Normality Test. Pada icon variables masukkan kolom yang
isinya berupada data yang telah dimasukkan tadi. Karena praktikan menggunakan
jumlah data sebanyak 100 data, maka pilih metode pengujian Kolmogorov-
Smirnov. Berikut ini adalah hasil uji kenormalan data menggunakan Minitab.

Gambar 4.1.1 Hasil Uji Normalitas Data

2
 Dari gambar 4.1.1 terlihat bahwa data yang akan dianalisis dapat
dikategorikan sudah normal. Hal ini dikarenakan nilai pada P-Value lebih besar
dari alpha, dimana nilai P-value > 0,150. Mean dari data sebesar 23,98,
sedangkan untuk standar deviasinya adalah sebesar 0,093999. Selain dengan
menggunakan Minitab untuk uji normalitas data, maka juga bisa dengan
menggunakan Microsoft Excel. Untuk melakukan uji normalitas data dengan
menggunakan Microsoft Excel maka digunkan rumus Skewness. Dari hasil uji
kenormalan data dengan menggunakan rumus skew maka diperloeh hasil sebagai
berikut.
Tabel 4.1.1 Hasil Skewness

Skewness 0,11735

Dari tabel 4.1.1 terlihat bahwa data tersebut telah terdistibusi normal.
Tanda positif menandakan bahwa grafil akan berada di tengah-tenagh interval
spesifikasi. Jadi, ekor atau tail dari data tersebut sama baik di sebelah kanan
maupun kiri.

4.2 Analisis dengan Menggunakan Microsoft Excel

Untuk uji kapabilitas proses dengan menggunakan Microsoft Excel

terdapat 3 metode yang telah diperkenalkan oleh asisten laboratorium
sebelumnya. Ketiga metode tersebut antara lain R-bar Method, Pooled Standard
Deviation, serta Overall Analysis Method. Berikut ini akan dijabarkan hasil
perhitungan serta analisisnya.

4.2.1 R-Bar Method

Langkah pertama dalam menghitung dengan menggunakan metode ini

adalah mencari nilai Range, kemudian mencari nilai d2 dan d3 dari tabel, nilai fi
didapatkan dengan membagi nilai d2 yang dikuadratkan dengan d3 yang
dikuadratkan. Selanjutnya adalah mencari nilai fi*ri. Nilai ini didapat dari nilai fi
kemudian dikalikan dengan nilai range. Setelah itu mencari nilai (fi*ri)/d2,

3
dimana nilai ini didapat dari nilai fi*ri kemudian dibagi dengan nilai d2.
Selanjutnya adalah mencari nilai mean dan R-bar. Langkah terakhir dalam metode
ini mencari nilai Sr, Cp, Cpu, Cpl, dan Cpk. Untuk mendapatkan nilai Sr adalah
dengan membagi keseluruhan jumlah dari (fi*ri)/2 dengan jumlah (fi). Berikut ini
adalah tabel hasil perhitungan dengan menggunakan metode R-bar pada Microsoft
Excel.
Tabel 4.2.1 Hasil Perhitungan R-Bar Method

average 23,9837 23,9837 23,98925 23,98711 23,4411

stdev 0,093987 0,093987 0,098157 0,091199 3,599419
range 0,29 0,46 0,4 0,39 0,3
d2 3,735 3,735 3,735 3,735 3,735
d3 0,415 0,415 0,415 0,415 0,415
fi 81 81 81 81 81
fi*ri 23,49 37,26 32,4 31,59 24,3
(fi*ri)/d2 6,289157 9,975904 8,674699 8,457831 6,506024
Mean 23,9837
Rbar 0,368

Sr 0,098527
CP 3,383152
Cpu 3,438298
Cpl 3,328007
CPk 3,328007

Dari tabel di atas dapat disimpulkan bahwa proses tersebut sangat capable.
Hal ini terjadi karena nilai Cp > 1 dimana nilai Cp sebesar 3,383152. Selain itu
dapat dilihat pula nilai Cpu dan Cpl, nilai Cpu > Cpl. Sehingga saat ini produk
yang defect sebagian besar banyak terdapat pada lower specification.

4
4.2.2 Pooled Standard Deviation

Selain dengan mengunakan metode R-bar untuk menghitung kapabilitas

suatu proses juga dapat dilakyukan dengan metode pooled standard deviation.
Metode ini hampir sama dengan metode R-bar, bedanya hanya pada penggunaan
tabel. Pada R-bar praktikan perlu tabel untuk mencari nilai d2 dan d3 berdasarkan
data, tetapi pada metode ini tidak memerlukan tabel untuk mencari nilai d2 dan d3
lagi.
Langkah pertama untuk menganalisis suatu kapabilitas proses dengan
menggunakan metode ini setelah meng-input-kan data adalah mencari nilai (Xi-
Xbar)2 . setelah mendapatkan semua dengan rumus tersebut, kemudian praktikan
akan menjumlahkannya. Kemudian praktikan mencari nilai Sp, Cp, Cpu, Cpl, dan
Cpk. Berikut ini adalah hasil perhitungan kapabilitas dengan metode pooled
standard deviation.
Tabel 4.2.3.1 Hasil Perhitungan Pooled Standard Deviation

Sp 0,087894
CP 3,792461
Cpu 3,854278
Cpl 3,730644
CPk 3,730644

Dari tabel di atas dapat terlihat bahwa nilai Cp lebih dari 1 sehingga proses
tersebut dapat dikatakan jika sangat capable sekali, dimana nilai Cp sebesar
3,792461. Dalam metode ini didapatkan nilai Cpu > Cpl dimana nilai Cpu sebesar
3,854278 sedangkan nilai Cpl 3,730644. Hal ini menunjukkan jikan sebagian
besar baut yang mengalami defect akan banyak terjdai pada lower specification.
Selain itu didapatkan bahwa nilai Cpk bisa dikatakan hampir sama dengan nilai
Cp. Ini menunjukkan jika dalam grafiknya, gunung berada tepat di tengah-tengah
dari spesifikasi.

5
4.2.3 Overall Analysis Method

Pada metode ini tidak hanya melihat dan menganalisis data hanya dari
within subgroup nya saja. Tetapi metode ini melihat secara keseluruhan. Langkah
dalam menganalisis kapabilitas proses dngan menggunakan metode ini setelah
meng-input-kan data adalah langsung dapat mencari nilai dari Pp, Ppu, Ppl, serta
Ppk. Rumus yang digunakan dalam mendapatkan nilai ini sama dengan mencari
nilai Cp, Cp, Cpl, serta Cpk. Berikut ini adalah hasil perhitungan capability
dengan menggunakan metode overall analysis method.

Tabel 4.2.3 Hasil Perhitungan Capability dengan Overall Analysis

Pp 3,546572
Ppu 3,604381
Ppl 3,488763
Ppk 3,488763

Dari tabel di atas dapat terlihat jika dengan alasan yang sama dengan
sebelumnya proses ini memiliki kapabilitas yang sangat tinggi yang dapat dilihat
dari nilai Pp. Nilai Ppu 3,604381, sedangkan nilai Ppl 3,488763 sehingga Ppu >
Ppl yang menandakan bahwa sebagian besar defect pada baut akan terjadi pada
lower specification.
Setelah menganalisa data pengukuran baut, maka praktikan dapat
menyimpulkan jika perhitungan kapabilitas yang dilakukan baik dengan
mengunakan metode R-bar, pooled standard deviation dan overall analysis
menghasilkan hasil yang sama. Dengan ketiga metode tersebut sama - sama
menghasilkan hasil analisis bahwa proses tersebut memiliki kapabilitas yang
sangat tinggi. Di samping itu, dengan menggunakan ketiga metode tersebut bahwa
kemungkinan sebagian besar baut yang defect akan terjadi pada lower
sepecification.