187-579-1-PB 1
187-579-1-PB 1
Abstrak. Grafik kendali T2 Hotelling merupakan grafik yang berguna untuk memonitor rata-rata pergeseran proses produksi
dengan asumsi kenormalan yang harus terpenuhi. Pada penelitian ini akan digunakan data berdistribusi non-normal
multivariat dalam mensimulasikan kinerja dari grafik kendali T2 Hotelling dengan pendekatan bootstrap yang dapat efisien
memantau proses ketika distribusi data yang diamati adalah tidak normal atau tidak diketahui. Data yang digunakan dalam
penelitian ini adalah data sekunder tentang data karakteristik kualitas proses Mount di PLI dari bulan April sampai dengan
Juli 2008, dengan 2 peubah yaitu emitter weight (berat emitter) dan segment coil (panjang segment coil). Tujuan penelitian ini
adalah mendeteksi pergeseran proses dengan grafik kendali T2 Hotelling dengan pendekatan bootstrap dan membandingkan
kepekaan grafik kendali T2 Hotelling dengan pendekatan bootstrap dan grafik kendali T2 Hotelling klasik dalam mendeteksi
pergeseran proses. Pada grafik kendali T2 Hotelling dengan pendekatan bootstrap ini menunjukkan bahwa satu atau
kombinasi dari dua peubah karakteristik kualitas pada proses Mount dari mesin tipe JIS 20 Watt di PLI dalam keadaan yang
tidak terkendali. Titik-titik yang keluar dari batas pengendali atau out of control adalah sebanyak 56 titik. Dilihat dari nilai
ARL, grafik kendali T2 Hotelling dengan pendekatan Bootstrap lebih sensitif dibandingkan grafik kendali T 2 Hotelling klasik.
Sehingga, dapat dikatakan bahwa grafik kendali T2 Hotelling Bootstrap lebih peka dalam mendeteksi adanya pergeseran
proses dalam suatu produksi.
Kata Kunci : Grafik Kendali T2 Hotelling, Transformasi Johnson, Bootstrap, Average Run Length
1. PENDAHULUAN
Pengendalian kualitas sangat dibutuhkan dalam proses produksi guna menjaga kestabilan suatu
produk. Pengawasan proses dan prosedur pengendalian multivariat yang paling umum adalah grafik
kendali T2 Hotelling yang berguna untuk memonitor pergeseran proses rata-rata. Grafik kendali T2
Hotelling hanya bisa dilakukan jika proses yang berjalan menghasilkan data yang berdistribusi normal.
Mengingat karakteristik kualitas proses produksi tidak selalu berdistribusi normal, maka perlu
dilakukan penelitian pada data yang berdistribusi non-normal multivariat. Wood, et al (1999) mencoba
prosedur lain dalam penentuan batas kontrol. Bajgier (1992) juga menyarankan penggunaan prosedur
bootstrap untuk mengestimasi batas kontrol karena lebih akurat untuk pemodelan dimana distribusi
tidak normal. Oleh karena itu, pada penelitian ini akan digunakan data berdistribusi non-normal
multivariat dalam mensimulasikan kinerja dari grafik kendali T2 Hotelling dengan pendekatan
bootstrap, serta membandingkan kepekaan grafik kendali T2 Hotelling dengan pendekatan bootstrap
dan grafik kendali T2 Hotelling klasik.
2. TINJAUAN PUSTAKA
( ) ( )
401
Menentukan batas kendali adalah salah satu keputusan penting yang harus dibuat dalam
merancang grafik kendali. Grafik kendali multivariat T2 Hotelling mempunyai Batas Kendali Atas
(BPA), yaitu:
( )( )
Langkah pertama dalam membuat grafik kendali T2 Hotelling bootstrap yaitu dengan
menghitung nilai T2 dari data yang tidak berdistibrisui normal tanpa melakukan transformasi. Setelah
menghitung nilai T2, maka dilakukan resampling dengan pengembalian sebanyak B. Setelah
didapatkan nilai T2 bootstrap dengan ulangan sebanyak B, maka langkah selanjutnya adalah dalam
setiap sampel bootstrap B dihitung nilai persentil 100*(1-) dinotasikan dengan dengan kisaran
antara 0 sampai 1, kemudian ditentukan batas kendali dengan mengambil rata-rata nilai persentil dari
B.
( )
Semakin kecil nilai ARL semakin efektif grafik kendali tersebut untuk mendeteksi pergeseran proses.
3. METODE PENELITIAN
402
3.2. Metode Analisis
Gambar 2 memperlihatkan bahwa terdapat titik-titik yang keluar dari garis Batas Pengendali Atas
(UCL). Titik-titik yang keluar dari batas pengendali atau out of control pada grafik kendali T2
Hotelling klasik ini adalah sebanyak 41 titik.
403
Gambar 3. Grafik Kendali T2 Hotelling Dengan Pendekatan Bootstrap
Tabel 1. Nilai ARL grafik kendali kendali T2 Hotelling klasik dan grafik kendali T2 Hotelling
Bootstrap
T2 Hotelling T2 Hotelling
klasik Bootstrap
0,1 1 1
0,25 0,997451 0,996857
0,5 0,956849 0,952258
1 0,945825 0,941279
1,5 0,842689 0,715216
2 1,037604 1,438339
5. KESIMPULAN
Kesimpulan yang dapat diambil dari penelitian ini adalah grafik kendali T 2 Hotelling dengan
pendekatan Bootstrap dapat mendeteksi 56 titik yang out of control. Grafik kendali T2 Hotelling
dengan pendekatan Bootstrap lebih sensitif dibandingkan grafik kendali T 2 Hotelling klasik karena
grafik kendali T2 Hotelling dengan pendekatan Bootstrap memiliki nilai ARL yang lebih kecil
daripada grafik kendali T2 Hotelling klasik, sehingga dapat dikatakan bahwa grafik kendali T2
Hotelling Bootstrap lebih peka dalam mendeteksi adanya pergeseran proses dalam suatu produksi.
DAFTAR PUSTAKA
Bajgier, S.M.,(1992), The Use of Bootstrapping to Construct Limits on Control Charts, Proceedings of
the Decision Science Institute, San Diego, CA, hal 1611-1613.
Montgomery, D.C.,(1990), Pengantar Pengendalian Kualitas Statistik Cetakan Pertama. Terjemahan
Zanzawi Soejoeti, Gadjah Mada University Press, Yogyakarta.
Woodall, W.H. and Montgomery, D.C.,(1999), Research issues and ideas in statistical process control,
Journal of Quality Technology, 31(4), hal 376-386.
404