PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN

UTAMA (PRINCIPAL COMPONENT ANALYSIS)

Wirayanti1), Adi Setiawan2), Bambang Susanto2)

1) Mahasiswa Program Studi Matematika FSM UKSW
Jl. Diponegoro 52-62 Salatiga, email: wiraH9@yahoo.com
2) Dosen Program Studi Matematika FSM UKSW
Jl. Diponegoro 52-62 Salatiga

Abstrak
Upaya yang dapat dilakukan untuk dapat meningkatkan kualitas dari suatu proses
produksi, adalah dengan mengurangi cacat produk. Hal ini dapat dilakukan dengan
menerapkan pengendalian kualitas secara statistik yang dapat dilakukan dengan metode
Statistical Process Control. Salah satu teknik yang dapat digunakan adalah grafik
pengendali berdasarkan Analisis Komponen Utama (Principal Component Analysis-
PCA). Dengan metode PCA ini dihasilkan suatu komponen utama yang dapat mewakili
semua variabel asli tanpa kehilangan banyak informasi. Data yang digunakan adalah
data kandungan Kapsul Herbal Glucoser. Analisis Komponen Utama digunakan untuk
memilih variabel yang dominan, selanjutnya digunakan untuk menbuat grafik
pengendali untuk menentukan titik sampel yang out of control.
Kata kunci : Statistical Process Control, Principal Component Analysis (PCA), grafik
pengendali.

1. Pendahuluan
Ketatnya persaingan dunia industri dewasa ini, membuat para pelaku usaha memerlukan
suatu usaha untuk meningkatkan kualitas. Tujuan utama suatu usaha adalah mendapatkan
keuntungan yang sebesar-besarnya. Oleh karena itu, perusahaan harus memuaskan konsumen
dengan produknya agar produknya mampu bersaing dipasaran, karena konsumen mulai selektif
dalam memilih produk yang akan digunakan. Salah satu usaha yang dilakukan adalah dengan
mengurangi cacat produk, yang dilakukan dengan menerapkan pengendalian kualitas yang baik.
Usaha Pengendalian kualitas merupakan suatu usaha yang sifatnya menjaga kualitas
produk yang dihasilkan minimal mempertahankan mutu produk yang sudah ada, atau bahkan
meningkatkan mutunya sehingga didapatkan hasil produk yang unggul. Menurut Montgomery
pengendalian kualitas adalah aktivitas keteknikan dan manajemen, dimana aktivitas tersebut
mengukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi atau persyaratan,
dan mengambil tindakan penyehatan yang sesuai apabila ada perbedaan antara penampilan yang
sebenarnya dengan yang standar. Hal ini dilakukan agar segera diidentifikasi kesalahan-
kesalahan untuk dilakukan perbaikan.
Dalam pengendalian kualitas ini sering digunakan pengendalian proses statistik. Salah
satu teknik pengendalian proses statistik adalah grafik pengendali. Grafik pengendali
merupakan teknik pengendali proses pada jalur yang bertujuan menyidik dengan cepat
terjadinya pergeseran proses sampai penyelidikan terhadap proses itu sehingga tindakan
pembetulan dapat dilakukan sebelum terlalu banyak unit yang tak sesuai diproduksi. Namun
permasalahan yang sering terjadi pada banyak grafik pengendali adalah grafik tersebut kurang
dapat mendeteksi kejadian–kejadian pada saat banyaknya variabel yang diukur sangat banyak.

2
Oleh Karena itu, dapat digunakan grafik pengendali berdasarkan Principal Component Analysis
(PCA) yang akan diterapkan pada kandungan Kapsul Herbal Glucoser yang terdiri dari empat
variabel yaitu Tinospora Caulis, Piper Decumanun, Plantago Herba, dan Azadirachta Folia.
Principal Component Analysis (PCA) adalah suatu analisis yang menjelaskan struktur
varian-kovarian dari suatu himpunan variabel yang melalui beberapa kombinasi linear dari
variable – variabel tersebut (Johnson and Wichern, 2002). Secara sederhana analisis komponen
utama ini adalah prosedur pengurangan variabel, dimana komponen utama merupakan
kombinasi linier dari p variabel asli.
Penggunaan metode PCA ini sangat disarankan untuk memilih atau meringkas variabel
yang banyak sehingga perbuatan grafik pengendalinya menjadi lebih mudah.

2. Dasar Teori dan Metode Penelitian

2.1 Grafik pengendali
Statistical Process Control (pengendalian proses secara statistik) merupakan
pengaplikasian teknik-teknik statistik untuk mengendalikan suatu proses untuk menentukan
stabilitasnya dan kemampuannya menghasilkan produk/jasa bermutu (Sugian, 2006). Suatu alat
yang digunakan dalam pengendalian kualitas secara statistik pada proses produksi disebut grafik
pengendali (Control Chart). Salah satu contoh grafik pengendali adalah grafik pengendali rata-
rata x atau disebut dengan grafik pengendali Shewhart.
Dalam grafik pengendali umumnya terdiri dari batas atas (UCL), batas bawah (LCL)
dan batas tengah (CL). Untuk itu, akan dicari UCL, LCL dan CL dari variabel yang menjadi
komponen utama pada data multivariat.
Jika µ dan  diketahui maka UCL, LCL dan CL dari grafik pengendali adalah
UCL    k
CL   (1)
LCL    k
dengan
 = rata-rata (mean) sampel,
 = deviasi standar sampel,
kelipatan deviasi standar.
Biasanya kelipatan deviasi standar dalam teknik statistik digunakan k = 3 (Montgomery, 1990).

2.2 Principal Componen Analysis (PCA)

Analisis komponen utama merupakan suatu teknik statistik untuk mengubah dari
sebagian besar variabel asli yang digunakan dan saling berkorelasi satu dengan yang lainnya
menjadi satu set variabel baru yang lebih kecil dan tidak berkorelasi (Web 1). Setiap

3
pengukuran multivariat (atau observasi), komponen utama merupakan kombinasi linier dari
variabel p awal. Tujuan utama analisis komponen utama ialah untuk mengurangi dimensi
peubah-peubah yang saling berhubungan dan cukup banyak variabelnya sehingga lebih mudah
untuk menginterpretasikan data-data tersebut (Johnson & Wichern, 2002). Metode yang
digunakan yaitu menentukan komponen utama dengan melakukan alih ragam orthogonal atau
membentuk kombinasi linier Y  A' X (Sumarga, 1996). Dari sini akan dipilih beberapa
komponen utama yang dapat memberikan sebagian besar keragaman total data semula.
2.3 Menentukan Komponen Utama
Komponen utama merupakan suatu kombinasi linear vektor p variabel acak X1, . . . , Xp.
Misalkan matriks X = [X1, . . . , Xp] mempunyai matriks kovariansi  . Dalam hal ini 
adalah matriks simetris dan positif tegas (positive definite) dengan nilai eigen
1  2  ...   p  0 dan sebutlah vektor eigen yang bersesuaian untuk setiap
 
1  2  ...   p  0 adalah e1 ,..., e p yang saling orthogonal, dengan mencari kombinasi linier

yaitu
T
Yi  ei X  e1i X 1  e21 X 2  ...  e pi X p , i= 1, 2, . . . , p . (2)

Dengan pemilihan ini,

 
Var (Yi )  eiT  ei  i i= 1, 2, . . . , p . (3)
 
Cov( Yi , Yk )= eiT  ek  0 , i  k . (4)

Proporsi total variansi komponen prinsip ke-i didefinisikan sebagai

k
, k =1, . . . , p.
1  2  ...   p

Nilai e ki menyatakan ukuran pentingnya variabel ke-k terhadap komponen prinsip ke-i.

Secara khusus, e ki menyatakan korelasi antara komponen-komponen Yi dan variabel-variabel

Xk . Hal ini dijelaskan dengan menggunakan koefisien korelasi antara komponen-komponen Yi

dan variabel-variabel X k adalah

eki i
Y , X  i,k =1, 2, . . . , p. (5)
i k
 kk

dengan  kk adalah simpangan baku variabel ke-k. (Johnson and Wichern, 2002)

2.4 Metode penelitian

Data yang digunakan adalah data sekunder yang merupakan data kandungan Kapsul
Herbal Glucoser pada bulan Maret 2011 sampai dengan Agustus 2011 sebanyak 290 titik
sampel. Langkah langkah dalam analisis data dijabarkan sebagai berikut :
1. Mencari komponen utama dari kandungan produk Kapsul Herbal Glucoser

4
2. Menerapkan grafik pengendali yang berdasarkan komponen utama.

3. Analisis dan pembahasan

3.1 Data kandungan Kapsul Herbal Glucoser
Data kandungan Kapsul Herbal Glucoser terdiri dari Tinospora Caulis, Piper
Decumanun, Plantago Herba dan Azadirachta Folia. Produksi tidak dilakukan setiap hari
melainkan dilakukan pada waktu tertentu dan disesuaikan dengan persediaan. Pengambilan
sampel dilakukan sebanyak 20 kali setiap kali produksi. Dimana perusahaan telah menentukan
spesifikasi dari berat masing-masing bahan. Secara keseluruhan berat kapsul (keseragaman
bobot) harus berada pada range 450-500 mg. Oleh karena itu, perusahaan memberikan batas
toleransi untuk setiap bahan dengan menghitung perbandingan antara berat kapsul dan berat
masing-masing bahan yaitu dengan perbandingan 2:1.5:1:5.

3.2 Grafik Pengendali Unit Individu untuk Kandungan Kapsul Herbal Glucoser
Berdasarkan data kandungan Kapsul Herbal Glucoser menggunakan persamaan (1)
diperoleh UCL, LCL dan CL untuk masing-masing variabel (kandungan). Dengan bantuan
program, diperoleh batas UCL, LCL dan CL yang ditunjukkan pada Tabel 1. Selanjutnya
berdasarkan tabel batas-batas tersebut dapat dibuat grafik pengendali untuk masing-masing
kandungan Kapsul Herbal Glucoser pada Gambar 1.

Tabel 1. UCL, LCL dan CL untuk masing-masing kandungan Kapsul Herbal

Glucoser
No. kandungan UCL LCL CL
1 Tinospora Caulis 206.5541 189.4018 197.9779
2 Piper Decumanun 154.9258 142.0659 148.4959
3 Plantago Herba 103.286 94.6974 98.9917
4 Azadirachta Folia 51.6642 47.3564 49.5103

5
 Tinospora Caulis Piper Decumanun

210

160
UCL
UCL
CL
195

150
x1

x2
CL
LCL
LCL
180

140
0 50 100 150 200 250 300 0 50 100 150 200 250 300

Index Index

Plantago Herba Azadirachta Folia

110

54
UCL UCL
100
x3

x4

50
CL CL
LCL LCL

46
90

0 50 100 150 200 250 300 0 50 100 150 200 250 300

Index Index

Gambar 1. Grafik pengendali individu untuk tiap kandungan

Dari grafik pengendali pada Gambar 1. dapat dilihat bahwa untuk setiap masing-masing
kandungan ada 4 titik sampel yang di luar kendali, dan dari keempat kandungan memiliki empat
titik sampel yang di luar kendali yang sama yaitu titik sampel ke 12, 55, 123 dan 172. Grafik
pengendali dari keempat kandungan memperlihatkan bahwa terjadi suatu penyimpangan atau
tidak kesesuaian pada proses produksi yang mungkin terjadi karena kurangnya pengawasan
ataupun terjadinya kesalahan penimbangan untuk masing-masing kandungan Kapsul Herbal
Glucoser tersebut.
3.3 Principal Component Analysis(PCA)
Dari data dibentuk matriks kovariansi,
8.17 6.13 4.09 2.05
6.13 4.59 3.07 1.54 

4.09 3.07 2.05 1.03 
 
2.05 1.54 1.03 0.51

selanjutnya dicari eigen value dan eigen vektor. Eigen value dan eigen vektor akan digunakan
untuk mencari komponen utama yang terlebih dahulu dibentuk persamaan kombinasi liniernya.
Diperoleh eigen value dan eigen vektor adalah
1  15.3290 e1  0.73,0.55,0.37,0.18

2  0.0008 e2   0.26,0.54,0.57,0.57
3  0.0005 e3  0.60,0.25,0.73,0.21

6
 4  0.0003 e4  0.18,0.59,0.13,0.77 .
Kombinasi linier menurut persamaan (2) menjadi
Y1  e 1' X  0.73 X 1  0.55 X 2  0.37 X 3  0.18 X 4

Y2  e '2 X  0.26 X 1  0.54 X 2  0.57 X 3  0.57 X 4

Y3  e '3 X  0.6 X 1  0.25 X 2  0.73 X 3  0.21X 4

Y4  e '4 X  0.18 X 1  0.59 X 2  0.13 X 3  0.77 X 4 .

Proporsi dari total variansi untuk komponen utama pertama Y1 adalah

1 /1  2  3  4   15.3290 /15.3290  0.0008  0.0005  0.0003  0.9998 .

Proporsi tersebut telah menjelaskan 99.98% dari keragaman total data. Hal itu berarti Y1 dapat
menggantikan keempat variabel asli tanpa banyak kehilangan informasi. Jika dilihat dari
korelasi antara Y1 dengan keempat variabel yaitu X 1 , X 2 , X 3 dan X 4 dihitung berdasarkan

persamaan (5), keempatnya relatif dekat ke 1 dapat disimpulkan bahwa keempat variabel sama
pentingnya.

e11 1 e21 1
Y , X   0.9999 ,  Y1 , X 2   0.9999 ,
1 1
 11  22

e31 1 e41 1
Y , X   0.9998 ,  Y1 , X 4   0.9995 .
1 3
 33  44
Hubungan yang tersisa dapat diabaikan karena komponen kedua, ketiga dan keempat dapat
dianggap tidak penting.
3.4 Grafik pengendali berdasarkan komponen utama
Dalam membangun grafik pengendali yang berdasarkan komponen utama ini
dibutuhkan beberapa langkah yang telah dijelaskan pada dasar teori. Komponen utama yang
akan digunakan sebagai dasar membuat grafik pengendali diperoleh dengan membentuk
kombiasi linier dengan metode PCA. Komponen utama tersebut telah diperoleh pada
pembahasan 3.3 yang menghasilkan variabel baru
Y1  e 1' X  0.73 X 1  0.55 X 2  0.37 X 3  0.18 X 4 sebagai komponen utama pertama.

Grafik pengendali dibangun dari komponen utama pertama Y1 . Dalam hal ini Y1

merupakan kombinasi linier dari data, komponen utama Y1 dapat menggantikan variabel asli,

karena dengan Y1 dapat dibangun grafik pengendali secara sederhana dengan satu data

transformasi Y1 saja, tanpa harus membangun grafik pengendali untuk keempat variabel karena
akan menjadi lebih rumit. Kemudian dihitung UCL, CL dan LCL menggunakan persamaan (1)

7
sehingga diperoleh nilai UCL = 282.4756, CL = 270.7455 dan LCL=259.0154, dan dibuat
grafik pengendali yang ditunjukkan pada Gambar 2.
Dari grafik pengendali Gambar 2. diperoleh empat titik sampel yang di luar batas
kendali. Keempat titik sampel tersebut berada di bawah batas bawah (LCL) yang ditentukan,
yaitu titik sampel ke-12, 55, 123 dan 172. Titik sampel ke-12 merupakan titik sampel ke-12
pada produksi pertama, titik sampel ke-55 merupakan titik sampel ke-15 pada produksi ketiga,
selanjutnya titik sampel ke-123 merupakan titik sampel ke-3 pada produksi keenam, sedangkan
untuk Titik sampel ke-172 merupakan titik sampel ke-12 pada produksi kedelapan. Titik sampel
yang di luar kendali pada komponen utama Y1 tersebut sama dengan titik sampel yang berada di
luar kendali pada grafik pengendali secara individu untuk masing-masing variabel (kandungan).

Grafik pengendali kandungan Kapsul Herbal Glucoser

290

UCL
280
270
y1

CL
260

LCL
250

0 50 100 150 200 250 300

Index

Gambar 2. Grafik pengendali kandungan Kapsul Herbal Glucoser berdasarkan komponen utama

4. Kesimpulan
Dari pembahasan di atas dapat dibuat kesimpulan sebagai berikut:
1. Grafik pengendali dapat dibuat berdasarkan komponen utama dari variabel.
2. Data kandungan Kapsul Herbal Glucoser dibangun grafik pengendali individu yang
masing-masing kandungan menghasilkan empat data yang di luar batas kendali, yaitu pada
data ke-12,55,123 dan 172.
3. Komponen utama diperoleh dengan metode Principal Component Analysis (PCA) dan
memperoleh variabel baru Y1  e 1' X  0.73 X 1  0.55 X 2  0.37 X 3  0.18 X 4 sebagai

8
 komponen utama pertama yang dapat mewakili semua variabel asli tanpa kehilangan
banyak informasi dari total keragaman data semula yang berasal dari data kandungan
Kapsul Herbal Glucoser.
4. Grafik pengendali yang digunakan adalah grafik pengendali dengan komponen utama Y1
yang menghasilkan empat titik sampel di luar kendali, sama halnya dengan grafik
pengendali individu untuk masing-masing variabel (kandungan) yang juga diperoleh empat
titik sampel yang di luar kendali.

5. Daftar Pustaka
Johnson, Richard. Dean Wichern. 2007. Applied Multivariate Statistical Analysis, 6th ed. New
Jersey : Prentice Hall, hal. 356-360.
Montgomery, Douglas C. 1990. Pengantar Pengendalian Kualitas Statistik. Yogyakarta:
Gadjah Mada University Press, hal.7, 225.
Sugian O, Syahu. 2006. Kamus Manajemen (Mutu). Jakarta : PT Gramedia Pustaka Utama, hal.
214-215.
Sumarga, H.1996. Eksplorasi Data Peubah Ganda. Salatiga: Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana, hal. 21.
Web 1:
Principal Component Control Chart
http://www.itl.nist.gov/div898/handbook/pmc/section3/pmc342.htm (Diunduh pada 2
Oktober 2011