GRAFIK KENDALI T2 HOTELLING DENGAN PENDEKATAN

BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL

MULTIVARIAT
Diah Ekorini

Jurusan Matematika, F.MIPA, Universitas Brawijaya

Email: diaherini14@gmail.com

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

2.1 Distribusi Normal Multivariat

Asumsi data berdistribusi multivariat normal seringkali diperlukan dalam pengontrolan proses
produksi. Hipotesis uji kenormalan multivariat:
H0 : Data berdistribusi normal multivariat
H1 : Data tidak berdistribusi normal multivariat
Statistik uji : ( ) ( ), i = 1,2,...,n
H0 diterima apabila 50% nilai ( )

2.2 Grafik Kendali T2 Hotelling Klasik

Grafik kendali T2 Hotelling klasik dapat digunakan untuk sejumlah karakteristik yang saling
berhubungan. Statistik uji yang digambarkan pada grafik pengendali bagi masing-masing sampel
adalah:

( ) ( )

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:
( )( )

2.3 Grafik Kendali T2 Hotelling Bootstrap

Untuk membuat grafik kendali T2 Hotelling yang tidak memerlukan asumsi kenormalan, maka
akan digunakan grafik kendali T2 Hotelling dengan pendekatan Bootstrap. Metode Bootstrap
merupakan metode nonparametrik yang bagus digunakan ketika asumsi normalitas multivariat data
tidak terpenuhi, karena tidak memerlukan asumsi sebaran. Sebuah gambaran dari prosedur bootstrap
dalam menghitung batas kendali grafik kendali T2 Hotelling Bootstrap dapat dilihat pada Gambar 1:

Gambar 1. Prosedur bootstrap dalam menghitung batas

kendali grafik kendali T2 Hotelling dengan pendekatan
bootstrap

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.

2.4 Average Run Length (ARL)

Untuk membandingkan kinerja dari grafik kendali digunakan nilai Average Run Length (ARL),
yang merupakan rata-rata banyaknya sampel yang harus diamati sampai ditemukan out of control yang
pertama (Montgomery, 1990). Nilai ARL dapat dibagi menjadi dua yaitu ARL0 (ARL in control ) dan
ARL1 (ARL out of control). ARL1 dirumuskan dengan persamaan:

( )

Semakin kecil nilai ARL semakin efektif grafik kendali tersebut untuk mendeteksi pergeseran proses.

3. METODE PENELITIAN

3.1. Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder tentang karakteristik kualitas
pada proses Mount di PLI. Karakteristik kualitas yang digunakan sebagai peubah adalah Emitter
Weight (berat emitter) dan Segment Coil (panjang segment coil). Data karakteristik kualitas tersebut
mempunyai ukuran subgrup 2 untuk setiap pengamatan. Data yang digunakan yaitu data dari bulan
April sampai dengan bulan Juli 2008 sebanyak 360 data. Sehingga pada pengamatan subgrup, data
tersebut menjadi 180 amatan.

402
3.2. Metode Analisis

3.2.1 Grafik Kendali T2 Hotelling Klasik

Langkah-langkah dalam membuat grafik kendali T2 Hotelling klasik adalah : (1) Pengujian
asumsi korelasi dua peubah (2) Pengujian asumsi kenormalan (3) Pengubahan skala data dengan
menggunakan transformasi Johnson pada data yang tidak memenuhi asumsi distribusi normal
multivariat (4) Pengujian kembali asumsi distribusi normal multivariat yang telah ditransformasi (5)
Menghitung nilai T2 untuk setiap pengamatan sampel (6) Menghitung nilai batas pengendali atas (7)
Nilai T2 untuk setiap pengamatan dan nilai batas kendali digambarkan dalam satu grafik (8)
Mengidentifikasi titik-titik yang berada di luar batas kendali (9) Menghitung nilai ARL.

3.2.2 Grafik kendali T2 Hotelling dengan pendekatan bootstrap

Langkah-langkah dalam membuat grafik kendali T2 Hotelling dengan pendekatan bootstrap
() () ()
adalah : (1) Menghitung statistik T2 dengan sampel n (2) Menjadikan , ,, sebagai
nilai T2 dari sampel bootsrap ke- i (i=1,, B) yang diambil secara acak dari statistik T2 (3) Dalam
setiap sampel bootstrap B=200, menentukan nilai persentil dinotasikan dengan =0,05 (4) Menetukan
batas kendali dengan mengambil rata-rata nilai persentil dari B (5) Mengidentifikasi titik-titik sampel
yang berada di luar batas kontrol (6) Menghitung nilai ARL.

4. HASIL DAN PEMBAHASAN

4.1 Grafik Kendali T2 Hotelling Klasik

Pada uji kenormalan, dihasilkan bahwa data peubah emitter weight dan segment coil bulan April
sampai dengan Juli 2008 di PLI tidak berdistribusi normal multivariat. Untuk membuat grafik kendali
T2 Hotelling klasik asumsi korelasi dan normal multivariat harus terpenuhi, maka dilakukan
transformasi johnson terlebih dahulu pada data sampai data berdistribusi normal multivariat,
selanjutnya grafik kendali T2 Hotelling klasik dapat digunakan seperti pada Gambar 2:

Gambar 2. Grafik Kendali T2 Hotelling Klasik

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.

4.2 Grafik Kendali T2 Hotelling Dengan Pendekatan Bootstrap

Untuk membuat grafik kendali T2 Hotelling yang tidak memerlukan asumsi kenormalan, maka
akan dibuat grafik kendali T2 Hotelling dengan pendekatan Bootstrap sehingga data asli tidak perlu
ditransformasi terlebih dahulu. Perbedaan dari dibuat grafik kendali T2 Hotelling klasik dan grafik
kendali T2 Hotelling dengan pendekatan Bootstrap terletak pada batas kendalinya.
Pada Gambar 3 menunjukkan bahwa adanya indikasi proses mendekati out of control, yang
telihat dari titik yang berada dalam lingkaran merah. Menyidik titik-titik yang terindikasi menuju out
of control akan membantu perusahaan dalam melakukan tindakan pencegahan sebelum terjadi out of
control. Gambar 3 memperlihatkan bahwa terdapat titik-titik yang keluar dari garis Batas Pengendali
Atas (UCL) sebanyak 56 titik.

403
 Gambar 3. Grafik Kendali T2 Hotelling Dengan Pendekatan Bootstrap

4.3 Average Run Length (ARL)

Berdasarkan Tabel 1, nilai ARL yang dihasilkan oleh masing-masing grafik kendali dari
beberapa nilai pergeseran proses ( ) menunjukkan bahwa untuk beberapa pergeseran proses grafik
kendali T2 Hotelling Bootstrap memiliki nilai ARL yang lebih kecil daripada grafik kendali T2
Hotelling klasik meskipun nilai nya tidak memiliki selisih yang cukup jauh. Sehingga, dapat dikatakan
bahwa grafik kendali T2 Hotelling Bootstrap lebih peka dalam mendeteksi adanya pergeseran proses
dalam suatu produksi.

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