Anda di halaman 1dari 10

Judul Praktikum

: Praktikum Modul 1

Nama Asdos

Identitas Mahasiswa

: Ida Bagus Oka A.

Nama : Mochamad Afandi

NRp

: 1310100059

Nama : Rida Dwi Lestari

NRp

: 1310100086

1.

Kerangka Teori

1.1

Rumusan Masalah

Permasalahan yang ingin dianalisis adalah bagaimana kualitas produk keramik kayu lantai di CV. Tri Makmur Sentosa. Jumlah sampel yang diamati

setiap hari berjumlah 4 sampel yang dilakukan selama 30 hari dengan variabel yang diamati adalah ukuran panjang keramik kayu lantai.

1.2 Sumber Data

Data yang digunakan dalam praktikum merupakan data sekunder yang diambil dari Tugas Akhir mahasiswa Jurusan Statistika angkatan 2002 yang bernama Rahayu Romanika, NRP 1302100058.

1.3 Metode analisis

Metode yang digunakan dalam analisis kualitas produk keramik kayu lantai di CV. Tri Makmur Sentosa adalah metode pengendalian kualitas peta kendali

Sentosa adalah metode pengendalian kualitas peta kendali variabel ( merupakan data variabel ukuran panjang keramik di
Sentosa adalah metode pengendalian kualitas peta kendali variabel ( merupakan data variabel ukuran panjang keramik di

variabel (

merupakan data variabel ukuran panjang keramik di CV. Tri Makmur Sentosa.

). Penggunaan peta kendali

karena data

Penggunaan peta kendali

Penggunaan peta kendali karena data Penggunaan peta kendali karena ukuran sampel kecil (n < 10) dan

karena ukuran sampel kecil (n<10) dan data

kendali karena ukuran sampel kecil (n < 10) dan data termasuk kategori variable. Sedangkan peta kendali

termasuk kategori variable. Sedangkan peta kendali dapat digunakan untuk

pengujian dengan jumlah sampel kecil maupun sampel besar. Secara mendasar terdapat perbedaan teorema pada saat jumlah sampel kecil dengan jumlah sampel

besar pada tabel nilai grafik deviasi standart untuk peta kendali

.
.

2. Langkah-langkah Praktikum Menggunakan Software Minitab

Sebelum melakukan analisis lebih lanjut, maka akan dilakukan terlebih dahulu uji kenormalan dan keacakan data. Apabila hasil pengujian distribusi tidak berdistribusi normal maka akan terjadi kesulitan dalam menurunkan distribusi

maka akan terjadi kesulitan dalam menurunkan distribusi sampling Apabila hal itu terjadi maka solusi yang paling

sampling Apabila hal itu terjadi maka solusi yang paling mudah adalah

dengan mengasumsikan data mengikuti distribusi normal.

2.1 Uji Kenormalan Untuk menguji kenormalan data dilakukan menggunakan aplikasi minitab

dengan menggunakan uji kolmogorov-Smirnov. Berikut adalah langkah-langkah uji kenormalan.

1. Menggabungkan semua sampel yang ada berdasarkan subgroupnya ke dalam 1 kolom.

2. Klik pada pada option minitab Stat Basic Statistics Normality Test, maka akan muncul kotak dialog berikut.

 Normality Test, maka akan muncul kotak dialog berikut. Pada options variabel isikan “sampel”,kemudian pada

Pada options variabel isikan “sampel”,kemudian pada Tests for Normality pilih Kolmogorov-Smirnov lalu OK. Kemudian akan tampil plot probalility dari sampel yang ada sebagai berikut.

pilih Kolmogorov-Smirnov lalu OK. Kemudian akan tampil plot probalility dari sampel yang ada sebagai berikut.

2.2

Uji Keacakan Data

Dengan bantuan aplikasi minitab dilakukan uji keacakan terhadap sampel data yang ada dengan langkah-langkah sebagai berikut.

1.

Menggabungkan sampel yang ada terlebih dahulu berdasarkan subgroupnya ke dalam 1 kolom.

2.

Klik pada pada option minitab Stat Nonparametrics Runs Test.

option minitab Stat  Nonparametrics  Runs Test. Pada kolom variabel isi dengan diperoleh hasil minitab

Pada kolom variabel isi dengan diperoleh hasil minitab berikut.

“sampel”, kemudian klik OK. Sehingga

Runs Test: sampel

Runs test for sampel

Runs above and below K = 49.7854

The observed number of runs = 65 The expected number of runs = 60.7333 64 observations above K, 56 below P-value = 0.432

2.3 Pembuatan Peta Kendali

above K, 56 below P-value = 0.432 2.3 Pembuatan Peta Kendali Setelah dilakukan uji kenormalan dan

Setelah

dilakukan

uji

kenormalan

dan

selanjutnya adalah membuat peta kendali

berikut.

dan selanjutnya adalah membuat peta kendali berikut. uji keacakan maka langkah dengan langkah-langkah sebagai 1.

uji

keacakan

maka

langkah

dengan langkah-langkah sebagai

1. Menggabungkan sampel yang ada terlebih dahulu berdasarkan subgroupnya ke dalam 1 kolom.

2.

Klik pada pada option minitab Stat Control Charts Variables charts for

subgroups Xbar-R.

Charts  Variables charts for subgroups  Xbar-R. Pada kotak dialog Xbar-R masukkan “sampel” kedalam kolom

Pada kotak dialog Xbar-R masukkan “sampel” kedalam kolom yang tersedia. Pada kotak subgroup sizes yang ada isi dengan angka 4 karena banyak sampel adalah 4. Kemudian klik Xbar-R Option sehingga muncul kotak Xbar-R Chart sebagai berikut.

Option sehingga muncul kotak Xbar-R Chart sebagai berikut. Pada submenu yang ada pilih estimate dan pada

Pada submenu yang ada pilih estimate dan pada subgroup size >1 pilih Rbar. Hal ini dilakukan agar estimasi nilai batas atas dan batas bawah yang dihasilkan tidak bias. Setelah set up selesai pada xbar-R options lalu klik OK, sehingga didapatkan hasil sebagai berikut.

Dari gambar di atas terlihat bahwa semua rata-rata dari subgroup masih dalam kondisi in control

Dari

gambar di atas terlihat bahwa semua rata-rata dari subgroup masih dalam kondisi in control.

2.4 Pembuatan Peta Kendali

masih dalam kondisi in control . 2.4 Pembuatan Peta Kendali Dengan bantuan aplikasi minitab dilakukan pembuatan

Dengan bantuan aplikasi minitab dilakukan pembuatan peta kendali

bantuan aplikasi minitab dilakukan pembuatan peta kendali terhadap sampel data yang ada dengan langkah-langkah sebagai

terhadap sampel data yang ada dengan langkah-langkah sebagai berikut:

1.

Menggabungkan sampel yang ada terlebih dahulu berdasarkan subgroupnya ke dalam 1 kolom.

2.

Klik pada pada option minitab Stat Control Charts Variables charts for

subgroups Xbar-S.

Charts  Variables charts for subgroups  Xbar-S. Pada kotak dialog ini masukkan “sampel “ kedalam

Pada kotak dialog ini masukkan “sampel “ kedalam kolom yang tersedia. Pada Subgroup sizes yang ada isi dengan 4 karena banyak sampel adalah 4, kemudian klik Xbar-S Options sehingga muncul kotak dialog berikut.

Pada submenu yang ada pilih estimate dan pada subgroup size >1 pilih Sbar . Hal

Pada submenu yang ada pilih estimate dan pada subgroup size >1 pilih Sbar. Hal ini dilakukan agar estimasi nilai batas atas dan batas bawah yang dihasilkan tidak bias. Setelah set up selesai pada Xbar-S Options maka klik OK sehingga didapatkan hasil sebagai berikut.

maka klik OK sehingga didapatkan hasil sebagai berikut. Dari gambar di atas terlihat bahwa semua rata-rata

Dari gambar di atas terlihat bahwa semua rata-rata dari subgroup masih dalam kondisi in control.

3.

Hasil Praktikum

3.1

Uji Kenormalan

Berdasarkan data maka akan dilakukan analisis proses kendali statistik. Sebelum dilakukan analisis proses kendali statistik maka harus dilakukan uji kenormalan data terlebih dahulu dengan menggunakan Uji Kolmogorov-Smirnov dan didapatkan hasil pengujian sebagai berikut.

Probability Plot of sampel Normal 99.9 Mean 49.79 StDev 0.6433 99 N 120 KS 0.106
Probability Plot of sampel
Normal
99.9
Mean
49.79
StDev
0.6433
99
N
120
KS
0.106
95
P-Value
< 0.010
90
80
70
60
50
40
30
20
10
5
1
0.1
48
49
50
51
52
sampel
Percent

Gambar 3.1 Plot Distribusi untuk Data Sampel

Berdasarkan Gambar 3.1 Plot distribusi untuk data sampel, didapatkan

nilai P < 0,01. Dengan menggunakan α = 0,05 maka dapat dikatakan bahwa data tidak berdistribusi normal.

3.2 Uji Keacakan data

Setelah dilakukan pengujian terhadap uji kenormalan maka selanjutnya akan dilakukan pengujian terhadap keacakan data. Dengan menggunakan Uji Run

Test, didapatkan hasil pengujian sebagai berikut.

Runs above and below K = 49.7854

The observed number of runs = 65 The expected number of runs = 60.7333 64 observations above K, 56 below

P-value =

0.432

 

Tabel 3.1 Uji Keacakan Sampel

Berdasarkan tabel 3.1 Uji Keacakan Sampel, didapatkan P-value 0,432. Dengan menggunakan α = 0,05 dapat disimpulkan bahwa data tidak menunjukkan pola tertentu (random).

3.3 Peta Kendali Xbar - R

Karena data tidak berdistribusi normal maka diasumsikan data mengikuti distribusi normal sehingga dapat dibuat peta kendali Xbar-R. Data pengamatan terdiri dari 30 subgrup dengan ukuran sampel pada masing-masing subgrup sebanyak 4. Dengan bantuan software minitab didapatkan hasil sebagai berikut .

Xbar-R Chart of sampel 51.0 UCL= 50.836 50.5 50.0 _ _ X= 49.785 49.5 49.0
Xbar-R Chart of sampel
51.0
UCL= 50.836
50.5
50.0
_
_
X= 49.785
49.5
49.0
LCL= 48.734
1 4
7
10
13
16
19
22
25
28
Sa m ple
UCL= 3.291
3
2
_
R= 1.443
1
0
LCL= 0
1 4
7
10
13
16
19
22
25
28
Sa m ple
Sample Mean
Sample Range

Gambar 3.2 Peta Kendali Xbar-R

Berdasarkan Gambar 3.2 peta kendali Xbar-R terlihat bahwa semua subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 50,836, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,734.

Sedangkan pada peta kendali R juga terlihat bahwa semua subgrup juga berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 3,291, Center Line (CL) adalah Rbar sebesar 1,443 dan batas kendali bawah (LCL) sebesar 0.

3.4 Peta Kendali Xbar – S

Peta kendali Peta Kendali Xbar–S pada umumnya dibuat pada saat sampel besar, namun peta kendali Xbar–S ini juga bisa dibuat dalam sampel kecil seperti dalam kasus ini, dimana sampel berjumlah 4 dengan subgroup berjumlah 30. Dengan bantuan software minitab didapatkan hasil sebagai berikut .

subgroup berjumlah 30. Dengan bantuan software minitab didapatkan hasil sebagai berikut . Gambar 3.3 Peta Kendali

Gambar 3.3 Peta Kendali Xbar-S

Berdasarkan Gambar 3.3 Peta Kendali Xbar-S terlihat bahwa semua subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 50,846, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,725.

Sedangkan pada peta kendali S juga terlihat bahwa semua subgrup juga berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 1.476, Center Line (CL) adalah Sbar sebesar 0.651, batas kendali bawah (LCL) sebesar 0.

3.5 Perbandingan Peta Kendali Xbar – S dan Peta Kendali Xbar – R

Peta Kendali Xbar – S dan Peta Kendali Xbar – R Gambar 3.4 Perbandingan Peta Kendali
Peta Kendali Xbar – S dan Peta Kendali Xbar – R Gambar 3.4 Perbandingan Peta Kendali

Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta Kendali Xbar – R

Berdasarkan Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta Kendali Xbar – R terlihat bahwa batas kendali atas dan batas kendali bawah peta kendali Xbar – R lebih sempit jika dibandingkan dengan peta kendali Xbar- S, sehingga pada sampel yang kecil akan lebih baik jika menggunakan peta kendali Xbar – R.

Berdasarkan peta kendali Xbar-S dan peta kendali Xbar–R dapat disimpulkan bahwa rata-rata panjang keramik dalam setiap subgroup dalam kondisi in-kontrol atau tidak terjadi cacat produk. Kondisi ini menunjukkan bahwa produk keramik kayu lantai di CV. Tri Makmur Sentosa dengan variabel pengamatan panjang keramik sudah sesuai dengan spesifikasi yang ditentukan oleh perusahaan. Dengan kondisi ini maka dapat di sarankan bahwa batas peta kendali dari Xbar-S dan peta kendali Xbar – R saat ini bisa digunakan sebagai batas kendali dalam proses selanjutnya dengan lebih mengutamakan untuk membuat peta kendali Xbar-R karena batas-batas dari peta kendali Xbar – R memiliki selang yang lebih sempit.