BAB II
TINJAUAN PUSTAKA
2.1 Kualitas
Ketika istilah “kualitas” digunakan, maka biasanya kita hanya akan berpikir
tentang kesempurnaan dari suatu produk ataupun jasa yang melewati dari apa yang
kedua komputer tersebut berada pada kelas yang berbeda. Ketika suatu produk atau
jasa melewati/melebihi dari apa yang kita harapkan maka kita harus
(Gasperz, 2001) Kata kualitas memiliki banyak definisi yang berbeda dan
bervariasi dari yang konvensional sampai yang lebih strategik. Definisi konvensional
definisi yang strategik menyatakan bahwa: kualitas adalah segala sesuatu yang
14
customers).
pelanggan. Keistimewaan suatu produk dapat dibagi ke dalam dua bagian, yaitu:
produk yang memiliki karakteristik unggul seperti produk tanpa cacat, keterandalan
produk itu. Keistimewaan atraktif sering memberikan kepuasan yang lebih besar
atraktif, misalnya: Bank yang buka pada hari minggu, pelayanan 24 jam tanpa
tambahan biaya, pembelian produk melalui telpon dan penyerahan di rumah, dan
cepat, meskipun untuk itu membutuhkan inovasi dan pengembangan secara terus-
menerus.
(continuous performance improvement) pada setiap level operasi atau proses, dalam
setiap area fungsional dari suatu organisasi, dengan menggunakan semua sumber
manajemen kualitas ada pada semua level dari manajemen, tetapi harus dikendalikan
(quality planning) adalah penetapan dan pengembangan tujuan dan kebutuhan untuk
tindakan yang diambil guna meningkatkan nilai produk untuk pelanggan melalui
peningkatan efektivitas dan efisiensi dari proses dan aktivitas melalui struktur
organisasi.
(Gasperz, 2001) Pada dasarnya Klausal 8 ISO 9001: 2000 menyatakan bahwa
kesesuaian dari produk, menjamin kesesuaian dari system manajemen kualitas, dan
dapat dicapai melalui penentuan metode-metode yang dapat diterapkan salah satunya
adalah metode peningkatan kualitas Six Sigma, termasuk teknik-teknik statistika, dan
lainnya.
mana kita mengukur karakteristik kualitas dari produk (barang dan/atau jasa),
pengukuran yang menjelaskan tentang proses dalam suatu sistem industri, untuk
baiknya kualitas suatu produk (barang dan/atau jasa) itu memenuhi spesifikasi dan
toleransi yang ditetapkan oleh bagian desain dan pengembangan dari suatu
perusahaan.
inspeksi terhadap produk setelah produk itu selesai dibuat dengan jalan menyortir
produk yang baik dari yang jelek, kemudian mengerjakan ulang bagian-bagian
produk yang cacat itu. Dengan demikian pengertian tradisional tentang konsep
kualitas hanya berfokus pada aktivitas inspeksi untuk mencegah lolosnya produk-
produk cacat ke tangan pelanggan. Kegiatan inspeksi ini dipandang dari perspektif
sistem kualitas modern adalah sia-sia, karena tidak memberikan kontribusi pada
peningkatan kualitas.
Pada dasarnya, sistem kualitas modern dapat dicirikan oleh lima karakteristik,
sebagai berikut:
3. Adanya pemahaman dari setiap orang terhadap tanggung jawab spesifik untuk
kualitas.
5. Adanya suatu filosofi yang dapat merubah cara berpikir seseorang menjadi selalu
1. Pengukuran pada tingkat proses adalah mengukur setiap langkah atau aktivitas
dalam proses dan karakteristik kualitas input yang diserahkan oleh pemasok
19
operasional serta memperkirakan output yang akan dihasilkan sebelum output itu
tingkat output adalah banyaknya unit produk yang tidak memenuhi spesifikasi
tertentu yang ditetapkan (banyak produk cacat), diameter dari produk yang
produk (barang dan/atau jasa) itu memenuhi kebutuhan spesifik dan ekspektasi
2.2 Produktivitas
Produktivitas adalah rasio dari keluaran suatu organisasi ( barang dan jasa )
organisasi untuk menggunakan sumber daya yang lebih sedikit untuk memproduksi
keluarannya.
mengurangi biaya, menghemat sumber daya yang langka dan meningkatkan profit.
manfaat, dan kondisi kerja yang lebih baik. Hasilnya bisa berupa kualitas kehidupan
kerja yang lebih tinggi bagi para pekerja, yang lebih cenderung dtermotivasi ke arah
merupakan suatu fungsi pengaturan yang memiliki paling sedikit 3 variabel, yaitu :
teknologi, modal dan sumber daya manusia. Banyak organisasi memiliki kesempatan
Laudan, 1995 ).
Peningkatan kinerja baik dari investasi modal atau teknologi dapat diukur
dengan mendasarkan pada laba dan biaya, yang diukur dengan keluaran dibagi
bagaimanapun juga dapat diukur dengan mendasarkan pada apa yang dilakukan
individu pada pekerjaannya. Apa yang dilakukan individu dapat dinilai dengan
suatu pekerjaan, tetapi diperlakukan dengan cara yang tidak memuaskan, masalah
yang dihadapi kemungkinan besar adalah motivasi. Kunci keberhasilan dari strategi
efektif motivasi termasuk umpan balik seperti pengontrolan diri sendiri, yang
1. Skala sifat
Keuntungan dari pendekatan ini adalah dapat digunakan untuk mengukur pada
skala yang sama dari tingkatan CEO ( Chief Executive Officer ) sampai ke posisi
entry level sekalipun dan dapat dengan mudah diterapkan secara cepat, karena
kuantitatif atau produktivitas dari hasil, seperti laba, biaya dan tingkatan
manager.
(Pyzdek, 2002) Pada permulaan tahun 1980-an, Motorola, Inc secara terus
menerus dikalahkan di pasar yang kompetitif yang pada akhirnya mereka kehilangan
dibanding dua puluh yang mereka pernah produksi di bawah manajemen Motorola.
kualitasnya hingga 5 kali dalam 5 tahun namun tetap saja tidak berhasil. Kemudian
(Brue, 2002) Akhirnya pada tahun 1986, Bill Smith, seorang ahli dan senior
menyimpulkan bahwa bila suatu produk cacat dan diperbaiki pada waktu produksi
maka cacat-cacat lain mungkin akan terabaikan. Dengan kata lain, rata-rata
kegagalan proses jauh lebih tinggi ketimbang yang ditunjukkan oleh tes-tes akhir
produk. Maksudnya? Bila produk dirakit secara sama sekali bebas cacat, mungkin
produk itu kelak tidak akan mengecewakan pelanggan. Dari sinilah Six Sigma
bertolak, Dr. Mikel J Harry, pendiri Motorola Six Sigma Research Institute,
Kemudian ide tersebut diajukan kepada CEO Motorola yaitu Bob Galvin,
permasalahan kualitas yang ada di Motorola pada saat itu. Six Sigma dijadikan
Motorola adalah (measure, analyze, improve dan control). Lalu di tahun 1987,
kualitas yaitu The Malcolm Baldrige National Quality Award (MBNQA). Tahun
1990, Motorola bersama dengan beberapa perusahaan seperti IBM, texas Instruments
dan Xerox – membuat konsep Black belts (BBs), yang dijadikan sebagai ahli (expert)
(Harry dan Schroeder, 2000) Six Sigma adalah sebuah proses bisnis yang
kepuasan pelanggan.
Tujuan dari Six Sigma sendiri adalah bukannya untuk meningkatkan kualitas
dari Six Sigma itu sendiri. Sehingga hal tersebut membuat banyak perusahaan
25
diantaranya adalah:
1. Pengukuran statistik
Memberikan informasi tentang seberapa bagus produk dan pelayanan serta proses
yang ada.
2. Metodologi
3. Strategi bisnis
Dapat membantu dalam meraih keuntungan pada suatu persaingan. Bila dapat
memperbaiki sigma level pada proses, berarti kualitas produk akan lebih baik dan
biaya yang tidak perlu akan berkurang dan hasilnya yang pasti konsumen akan
semakin puas.
4. Philosophy
benar.
dengan mengukur.
Artinya rata-rata dari output (keluaran) yang dihasilkan oleh proses melenceng/
sebagian atau seluruh hasil output-nya berada di luar spesifikasi. Dengan begitu
pada masalah ini Six Sigma diharapkan dapat menggeser rata-rata hasil proses
tersebut hingga tidak terjadi penyimpangan dari target yang telah ditetapkan,
Artinya output (keluaran) yang dihasilkan oleh proses adalah sangat bervariasi
atau beragam sehingga kemungkinan hasil dari proses tersebut ada yang keluar
dari spesifikasi yang telah ditentukan. Sehingga tujuan dari Six Sigma disini
adalah untuk mengurangi jumlah variasi tersebut hingga minimal hasil dari
proses tidak ada yang keluar dari batas spesifikasi yang telah ditetapkan
Artinya bahwa output yang dihasilkan oleh proses tersebut adalah bervariasi dan
Disini dengan Six Sigma diharapkan dapat menggeser rata-rata proses ke target
dan juga meminimasi variasi dari proses hingga mendekati level 6 sigma.
Untuk lebih jelasnya mengenai penjelasan diatas dapat dilihat pada Gambar
2.1 yang menunjukkan ilustrasi dari permasalahan pokok dari hasil/output proses
µ=T
µ≠T
X X
X XX X
XX X X X
X
X X
Shifting/bergeser ke Target
dan mereduksi variasi
LSL USL
Penggeseran µ Penurunan
Menuju Target µ=T Variasi
XXX
XXX
dan/atau jasa) diproses pada tingkat kualitas Six Sigma, perusahaan boleh
bahwa 99,99966 persen dari apa yang diharapkan pelanggan akan ada dalam produk
itu. Dengan demikian Six Sigma dapat dijadikan ukuran target kinerja sistem industri
tentang bagaimana baiknya suatu proses transaksi produk antara pemasok (industri)
dan pelanggan (pasar). Semakin tinggi target sigma yang dicapai, kinerja sistem
industri akan semakin baik. Sehingga 6-sigma otomatis lebih baik daripada 4-sigma,
4-sigma lebih baik daripada 3-sigma. Six Sigma juga dapat dianggap sebagai strategi
(dramatic) di tingkat bawah. Six Sigma juga dapat dipandang sebagai pengendalian
proses industri berfokus pada pelanggan, melalui penekanan pada kemampuan proses
(process capability).
Long Short
Term Term
hanya berakhir pada nilai z sama dengan 3. Lalu pada tahun 1992, Motorola
menerbitkan sebuah buku dengan judul “Six Sigma Producibility Analysis and
Process Characterization”, ditulis oleh Mikel J Harry dan J Ronald Lawson. Pada
buku itu terdapat satu-satunya tabel yang memperlihatkan tabel distribusi normal
standard dengan nilai z hingga sama dengan 6. Apabila menggunakan tabel tersebut
maka akan didapat bahwa 6 sigma sesungguhnya dapat diubah ke dalam dua bentuk
yaitu:
1. Terdapat 2 cacat (defects) per satu milyar kesempatan atau 0,002 DPMO, untuk
2. Terdapat 3,4 cacat (defects) per sejuta kesempatan atau 3,4 DPMO, untuk data
yang long-term.
30
Sehingga kalau diterjemahkan ke dalam tabel distribusi normal standard maka 0,002
DPMO sama dengan 6 sigma, sedangkan 3,4 DPMO sama dengan 4,5 sigma. Dapat
dilihat bahwa terjadi penyimpangan dan untuk lebih jelasnya dapat dilihat pada
Original/True Six Sigma = 0.002 ppm Applicable Six Sigma = 3.4 ppm
Tabel 2.2 Nilai DPMO True Six Sigma dan Applicable Six Sigma
Dalam Original Six Sigma, 6σ berarti 0,002 DPMO, namun hal ini sulit sekali
pergeseran nilai rata-rata (mean) dari proses industri sebesar + 1,5 s sehingga akan
Seperti yang kita tahu bahwa sangat jarang sesuatu akan terjadi tepat sama
seperti intinya. Sebagai contoh adalah ketika kita akan menggunakan garasi untuk
memasukkan mobil, tidak mungkin kita membuat garasi sama luasnya dengan mobil
tetapi diperlukan toleransi untuk dapat memasukkannya. Dan sangatlah jarang dalam
memasukkan mobil kita dapat tepat memposisikan titik tengah mobil dengan titik
tengah garasi. Demikian juga dalam toleransi 1.5 sigma, hal ini dibuat untuk
mengatasi error atau kesalahan yang tidak diharapkan. Dari hasil pooling yang
diadakan akhir-akhir ini menunjukkan bahwa lebih dari 50% ahli kualitas tidak
proses dan pengumpulan data yang bertahun-tahun, bahwa proses akan berubah-ubah
dan mengalami penimpangan dari waktu ke waktu. Sebaran (variasi) ini biasanya
jatuh pada kisaran 1,4 dan 1,6 sigma. Setelah proses diperbaiki dengan menggunakan
metodologi DMAIC Six Sigma, barulah mulai diperhitungkan standard deviasi dan
32
nilai sigma dari proses dengan menggunakan nilai short term sebagai acuan nilai
sigmanya karena data short term tersebut hanya mengandung variasi penyebab
umum, sedangkan data long term mengandung variasi penyebab umum dan variasi
khusus, maka memiliki kapabilitas proses (process capability) yang lebih tinggi
daripada data long-term. Short-term biasanya dalam periode yang pendek misalnya
bulanan sedangkan long-term biasanya dalam periode yang panjang seperti periode
(spread) dan lokasi rata-rata (centering). Perbedaan yang diijinkan untuk terjadinya
penyimpangan adalah sebesar 1.5 sigma apabila melebihi maka dapat dikatakan
(Anonim, 2002) Terdapat beberapa hal yang dapat mencirikan Six Sigma,
diantaranya adalah:
4. Membuat keputusan berdasarkan data, bukan berdasarkan ide-ide yang salah dan
praduga.
perusahaan yang beroperasi pada tingkat 3-sigma akan mampu memperoleh manfaat
secara rata-rata per tahun setelah beroperasi pada tingkat 4-sigma (peningkatan
pengetahuan dan fakta (systematic, scientific and fact based) dengan menggunakan
dapat terpenuhi. Saat ini terdapat dua pendekatan yang biasa digunakan dalam Six
Sigma, yaitu:
Metodologi DMAIC digunakan pada saat sudah terdapat produk atau proses di
pelanggan.
atau kegagalan.
cacat/kegagalan.
perbaikan
terdapat produk maupun proses atau pada perusahaan yang sudah memiliki
atau pun metode yang lain) namun tetap saja tidak bisa mencapai level spesifikasi
pelanggan.
36
pelanggan.
e. Verify, menguji kemampuan dan kekuatan hasil rancangan agar sesuai dengan
kebutuhan pelanggan.
sebuah proses untuk peningkatan yang dilakukan secara terus menerus, bersifat
sistematis, ilmiah, dan berdasarkan pada kenyataan yang ada. DMAIC meliputi
langkah/tahapan amat penting guna mencapai hasil yang diinginkan. Dan juga
DMAIC biasa disebut sebagai metodologi Six Sigma yang dijadikan sebagai metode
penyelesaian masalah atau kunci pemecahan masalah. Agar dapat lebih memahami
proses DMAIC secara umum dapat dilihat pada Gambar 2.5, dan untuk sub tahapan
dari tiap tahapan DMAIC menggunakan acuan atau pedoman yang ada di perusahaan
tempat penelitian dan juga Basic Six Sigma Handbook sedangkan untuk uraiannya
merupakan salah satu metode dalam six sigma. Tahap ini akan memfokuskan pada
untuk menemukan CTQ (Critical to Quality), yaitu sebuah fokus permasalahan yang
38
menjadi hal yang paling penting untuk memenuhi keinginan customers. Dalam tahap
ini akan dibagi ke dalam beberapa tahapan lagi, namun sub-tahapan di dalam metode
DMAIC sendiri belum baku sehingga belum ada persamaan persepsi mengenai
menggunakan tahapan yang biasa digunakan oleh perusahaan tempat penelitian yang
juga banyak dipakai di berbagai perusahaan yang telah mengembangkan Six Sigma.
Pada bagian ini terdiri dari pemilihan critical line dan critical model. Untuk
menentukan line dan model yang akan dipilih akan digunakan Diagram Pareto
Disini akan ditentukan CTQ (critical to quality) yang merupakan unsur yang
terdapat pada proses yang secara signifikan akan mempengaruhi output dari
proses, dalam hal ini adalah peningkatan laju produksi (kebutuhan/ kepuasan
konsumen). Dan yang terpenting adalah CTQ ini harus terukur (measurable) dan
dapat diamati.
3. Project Team
Disini akan dipilih beberapa orang yang kompeten dan berkaitan dengan masalah
peningkatan laju produksi dan akan dijadikan sebagai team member, 6σ support,
39
team leader dan seorang FSE Supporting & Executor, yang nantinya orang-orang
4. Project Schedule
Setelah terbentuk project team barulah dirancang sebuah project schedule yang
akan dijadikan sebagai bahan acuan oleh project team dalam pelaksanaan proyek.
5. Process Mapping
Untuk lebih mengenal process yang telah ditetapkan sebagai project maka
dibuatlah sebuah peta proses yang terdiri dari gambaran alur proses dengan
keterangan lengkap untuk setiap stasiun kerja (work station) sehingga dapat
digunakan dengan mudah dan informatif sebagai bahan acuan team proyek dalam
Tujuan dari tahap ini adalah untuk menemukan workstation/sub proses yang
(Standard Time) Leader yang menangani waktu standar yang dibutuhkan setiap
stasiun kerja setiap waktu sehingga data tersebut lebih up to date dan dapat
mewakili kondisi yang ada. Dari data-data tersebut kemudian ditampilkan dalam
Tahap Measure merupakan tahapan kedua dari metode DMAIC, yang pada
tahap ini lebih difokuskan untuk mengetahui kapabilitas proses yang ada saat ini
(current process capability) sehingga dapat dijadikan sebagai tolak ukur dalam
peningkatan proses, dan dapat diketahui sudah seberapa jauh kemajuan yang telah
dicapai dari suatu proses yang telah mengalami perbaikan dari kondisi awalnya.
akan dilakukan agar semua hasil pengukuran yang dilakukan dapat dinyatakan
valid/sah dan kesimpulan yang diambil dari data pengukuran tersebut dapat sesuai
Hal ini dilakukan untuk mengesahkan sistem pengukuran yang dipakai sehingga
Pada tahap ini kita ingin mengatahui seberapa besar indeks kapabilitas proses
yang dapat dicapai oleh proses kita baik untuk yang Short Term maupun Long
41
Term. Indeks kapabilitas proses dapat dikatakan bagus apabila tidak memiliki
masalah di dalam prosesnya dan dikatakan tidak bagus apabila terjadi masalah di
dalam proses tersebut. Maka dapat disimpulkan bahwa untuk mengetahui apakah
ada masalah dengan proses kita, dapat diketahui melalui indeks kapabilitas
prosesnya.
untuk mengetahui faktor yang paling berpengaruh terhadap masalah (vital factors).
diagram (diagram sebab akibat) lalu dipilih lagi diantara faktor-faktor potensial
Y = f (X)
Y adalah hasil dari suatu proses; itu sebuah fungsi dari X, variabel kunci
(beberapa faktor vital) dalam suatu proses. Y adalah karakteristik kualitas yang
hendak dicapai. Dengan mengidentifikasi X, kita dapat mencapai hasil yang optimal
dalam waktu yang singkat dan juga dapat memprediksi hasil yang akan dicapai
Pada bagian ini akan dicari beberapa faktor yang mempunyai kemungkinan untuk
(diagram sebab-akibat). Pada tahap ini pun harus hati-hati karena akan
mempengaruhi hasil yang diperoleh bila pemilihannya tidak tepat maka hasil
yang dicapainya pun tidak akan optimal. Untuk itu dibutuhkan beberapa orang
yang ahli di bidangnya untuk dapat memilah-milah faktor-faktor apa saja yang
terhadap masalah yang ada? Sehingga improvement yang akan kita lakukan tidak
43
akan sia-sia dilakukan dan juga tidak banyak keluar biaya yang besar untuk
Pada tahap ini akan dipilih setting yang paling baik untuk setiap vital factor
setelah tahap implementasi serta akan dihitung perkiraan jumlah penghematan biaya
Disini akan dicari kombinasi level dari setiap faktor yang akan menghasilkan
hasil yang optimal bagi proses. Untuk menentukannya dapat menggunakan DOE
Setelah ditemukan setting factor yang paling optimal, maka langkah berikutnya
adalah membuat prosedure yang baru (yang telah diperbaiki) sehingga dapat
pengimplementasian.
44
Disini akan digunakan cara yang sama dengan perhitungan Kapabilitas Proses
yang ada di tahapan Measure. Namun disini data yang digunakan adalah sampel
yang dapat diperoleh perusahaan sesuai dengan tujuan dari Six Sigma itu sendiri
di seluruh bagian. Dan untuk penghematan biaya disini hanya terfokus pada
besarnya biaya tenaga kerja yang dapat diminimasi atau dihemat, dikarenakan
Pada tahap akhir ini akan lebih terfokus pada bagaimana caranya untuk
dapat menjaga dan mempertahankan kondisi dari hasil ide-ide perbaikan agar tidak
berubah lagi atau kembali lagi pada kondisi awal. Sehingga dibutuhkan seperangkat
prosedure yang akan digunakan sebagai alat untuk menjaga dan mengawasinya.
Disini akan dirancang sistem kontrol apa yang kira-kira cocok dengan kondisi
yang akan dilakukan untuk melakukan pengontrolan terhadap proses yang telah
mengalami perbaikan.
telah dibuat sebelumnya. Namun untuk penelitian ini hanya terbatas pada waktu
2.5 Statistika
dalam six sigma adalah bukan sekedar untuk inspeksi dan deteksi namun juga untuk
memprediksi dan mencegah sesuatu. Agar tujuan dari statistik tersebut dapat
terlaksana dengan baik maka dibutuhkan data yang lengkap dan akurat sebagai
(Sugiyono, 2003) Dalam arti sempit statistik dapat diartikan sebagai data,
tetapi dalam arti luas statistik dapat diartikan sebagai alat. Alat untuk analisis dan
alat untuk membuat keputusan. Statistik dapat dibedakan menjadi dua, yaitu:
1. Statistik Deskriptif
46
statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang
2. Statistik Inferensial
Adalah statistik yang digunakan untuk menganalisis data sampel, dan hasilnya
a. Parametris
Digunakan untuk menganalisis data interval atau rasio, yang diambil dari
b. Non Parametris
Digunakan untuk menganalisis data nominal, dan ordinal dari populasi yang
(Anonim, 2002) Data adalah catatan tentang sesuatu, baik yang bersifat
Berdasarkan data, kita dapat mempelajari fakta-fakta yang ada dan kemudian
mengambil tindakan yang tepat berdasarkan pada fakta tersebut. Di dalam six sigma
data-data yang digunakan dapat berupa data defects, waktu, biaya (cost), effisiensi,
1. Untuk mendapatkan fakta-fakta yang dapat dijadikan sebagai landasan kuat untuk
2. Untuk dijadikan sebagai bahan acuan yang akan menunjukkan kemajuan suatu
proses.
JENIS DATA
1. Data Kualitatif
Yaitu data yang berbentuk kategori atau kualitas (tidak berbentuk bilangan).
2. Data Kuantitatif
Yaitu data yang berbentuk bilangan (angka) baik hasil penghitungan maupun
analisis. Data atribut bersifat diskrit. Jika suatu catatan hanya merupakan suatu
telah ditetapkan, maka catatan itu disebut sebagai “atribut”. Contoh data atribut
proses administrasi buku tabungan nasabah, banyaknya jenis cacat pada produk,
banyaknya produk kayu lapis yang cacat karena corelap, dan lain-lain. Data
Data varibel bersifat kontinyu. Jika suatu catatan dibuat berdasarkan keadaan
aktual, diukur secara langsung, maka karakteristik kualitas yang diukur itu
diameter pipa, ketebalan produk kayu lapis, berat semen dalam kantong,
satu proses, dan lain-lain. Ukuran-ukuran berat, panjang, tinggi, diameter, waktu,
Sampling
Populasi Sampel
Statistical Inference
oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi
bukan hanya orang, tetapi juga benda-benda alam yang lain. Populasi juga bukan
sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari
semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga, dan
waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi itu. Apa
yang dipelajari dari sampel itu, kesimpulannya akan diberlakukan untuk populasi.
Untuk itu sampel yang diambil dari populasi harus betul-betul representatif
(mewakili). Bila sampel tidak representatif, ibarat orang yang tidak bisa melihat
maka ia akan menyimpulkan bahwa gajah itu seperti kipas. Orang kedua memegang
badan gajah, maka ia akan menyimpulkan bahwa gajah itu seperti tembok besar.
50
Orang ketiga memegang ekornya, maka ia akan menyimpulkan bahwa gajah itu kecil
bulat seperti seutas tali. Begitulah kalau sampel yang dipilih tidak representatif, maka
ibarat 3 orang yang tidak bisa melihat itu yang membuat kesimpulan yang salah
tentang gajah.
perhitungan statistik pun akan menjadi lebih besar atau kecil dari nilai populasi yang
diinspeksi; atau ketika pengujian pada seluruh populasi menjadi sangat berbahaya.
cara sampling. Karena apabila rasa bosan dan lelah dirasakan oleh inspektor maka
(Sugiyono, 2003) Suatu data yang membentuk distribusi normal bila jumlah
data di atas dan di bawah rata-rata adalah sama, demikian juga simpangan
bakunya.luas kurva normal dapat terbagi berdasarkan jumlah standard deviasi dari
data kelompok yang membentuk distribusi normal itu. Luas antara rat-rata (mean)
terhadap satu standard deviasi (1s) ke kiri dan ke kanan masing-masing 34,13%, luas
antara satu standard deviasi (1s) ke dua standard deviasi (2s) masing-masing adalah
13,59%, dan luas antara dua standard deviasi (2s) sampai tiga standard deviasi (3s)
masing-masing adalah 2,27%. Jumlah standard deviasi dari suatu kelompok tidak
51
terhingga. Oleh karena itu secara teoritis kurva normal tidak akan pernah menyentuh
garis dasar sehingga luasnya pun tidak sampai 100% hanya mendekati 100%
(99,999999999%)
Nilai rata-rata (X-bar) dan simpangan baku (s) yang ada pada kurva normal
umum ini tergantung pada nilai yang ada dalam kelompok itu yang telah diperoleh
melalui pengumpulan data. Bentuk kurva adalah simetris sehingga luas rata-rata
(mean) Xbar ke kanan dan kiri masing-masing mendekati 50% (dalam prakteknya
Selain terdapat kurva normal umum, juga terdapat kurva normal yang lain,
disebut dengan Kurva Normal Standard. Dikatakan standard, karena nilai rata-
ratanya adalah 0 dan simpangan bakunya adalah 1,2,3,4, dst. Nilai simpangan baku
selanjutnya dinyatakan dalam simbol z. Kurva normal umum dapat dirubah ke dalam
Z = (Xi – Xbar)
s
Dimana,
s = Simpangan baku
52
lamanya waktu yang diperlukan untuk menyelesaikan satu jenis pekerjaan. Pada
dasarnya pengukuran waktu ini dibagi dalam dua jenis pengukuran, yaitu pengukuran
langsung adalah perhitungan waktu yang dilakukan tanpa harus berada di tempat
pekerjaan. Dengan salah satu dari cara ini, waktu penyelesaian suatu pekerjaan yang
karena bagaimanapun juga sistem kerja tidak dapat dipertahankan tetap terus
menerus pada keadaan yang tetap sama. Keadaan sistem yang selalu berubah dapat
diterima, asalkan perubahannya masih dalam waktu batas kewajaran atau dengan
Karena ketidak seragaman dapat datang tanpa disadari maka diperlukan suatu
alat yang dapat “mendeteksi”. Batas-batas kontrol yang dibentuk dari data
merupakan batas seragam atau tidaknya data. Data yang dikatakan seragam, yaitu
53
berasal dari sistem sebab yang sama, bila berada diantara kedua batas kontrol, dan
tidak seragam, yaitu berasal dari sistem sebab yang berbeda, jika berada diluar batas
kontrol.
Jika ada yang terletak diluar batas kontrol, apa yang dilakukan? Misalkan dari
ketiga puluh dua harga yang telah terkumpul, didapat bahwa BKA = 13,246, dan sub
grup ke enam berharga rata-rata 19,261. jelas sub grup ini berada di luar batas
kontrol karena diatas harga BKA. Oleh sebab itu sub grup ini harus “dibuang” karena
berasal dari sistem sebab yang berbeda. Dengan demikian untuk perhitungan-
dilakukan semua data dalam sub grup ini tidak turut diperhitungkan. Untuk lebih
jelasnya mengenai prosedur penggunaan peta kontrol dilihat pada bagian Alat-alat
Six Sigma.
mengetahui cukup atau tidaknya data yang akan dipergunakan dalam analisis
datanya. Kalau data-data yang dikumpulkan telah seragam barulah data-data tersebut
dapat diuji kecukupan datanya. Karena pada penelitian ini menggunakan tingkat
2
40√{N.Σ xj2 – ( Σ xj )2}
N’ =
Σ xj
Jika,
Dimana,
xj = Data ke – j
General Motors, Exxon, Honeywell Int’l dan juga beberapa Konsultan Six Sigma
yang telah terkemuka, menggunakan Minitab untuk mencapai tingkat kualitas kelas
dunia (world-class quality). Hingga sekarang release terakhir yang dikeluarkan oleh
Minitab adalah Release 13. Dengan release 13 ini semakin banyak jenis
permasalahan statistik tingkat lanjut yang dapat diselesaikan dengan minitab namun
55
adalah:
4. Gage R&R
5. Capability Analysis
7. Manipulation
8. etc.
beberapa komponen yang menyusunnya hingga menjadi seperangkat alat analisa data
1. Menu Bar
2. Tool Bar
3. Session Window
5. Graph Window
6. History Window
7. Info Window
8. Shortcut Menus
9. Status Bar
(Toolbar)
(Menu-bar)
(Session
window) (History
Window)
(Data Window
atau Worksheet)
(Info Window)
(Status bar)
1. Project
Merupakan seluruh unit yang tersusun dari seluruh komponen pada program
Minitab. Adapun cara untuk membuat, membuka, dan menyimpan adalah sebagai
berikut:
File > Save Project atau Save Project As...dan nama file yang akan disimpan
(*.mpj)
2. Worksheet
Merupakan suatu unit yang terdiri dari hanya data window pada program
berikut:
File > Save Current Worksheet atau Save Current Worksheet As...dan nama
(Gasperz, 2001) Apa yang menjadi area utama (masalah utama) dalam proses
itu? Pertanyaan ini dapat dijawab dengan menggunakan prinsip Pareto, yang
menyatakan bahwa sekitar 80% dari masalah yang disebabkan oleh 20% dari
penyebab. Vilfredo Pareto, seorang ahli ekonomi Italia pada abad ke-19
menemukan bahwa bagian terbesar dari kesejahteraan dimiliki oleh beberapa orang
wealth). Kunci peningkatan proses pertama kali adalah mengidentifikasi area utama
urutan banyaknya kejadian. Masalah yang paling banyak terjadi ditunjukkan oleh
grafik batang pertama yang tertinggi serta ditempatkan pada sisi paling kiri, dan
seterusnya sampai masalah yang paling sedikit terjadi ditunjukkan oleh grafik batang
untuk :
59
b. Memfokuskan perhatian pada isu-isu kritis dan penting melalui membuat ranking
1. Pilih Stat>Quality Tools>Pareto Chart..., lalu akan keluar dialog box seperti
2. Pilih Chart defects table, kemudian masukkan kategori data yang akan dianalisis
pada kolom labels in dan frekuensi data pada frequencies in, lalu tekan tombol
OK, maka akan keluar tampilan seperti pada Gambar 2.11 berikut.
Diagram Pareto
100
60
50 80
40
Percent
60
Count
30
40
20
20
10
0 0
es s i
kap g or er a
eng Ter ta k kS er s
Defect ak L aan Re i da Oth
uk kT
Ti d er m B en
tu
P
Count 26 17 11 5 3
Percent 41.9 27.4 17.7 8.1 4.8
Cum % 41.9 69.4 87.1 95.2 100.0
(Pyzdek, 2002) Gage R&R adalah salah satu alat Six Sigma yang digunakan
untuk mengukur tingkat kevalidan dan keterandalan dari suatu sistem pengukuran
elemen tersebut dengan elemen lainnya. Terdapat fungsi pemetaan yang membawa
dan hasil manipulasi tersebut dipelajari untuk membantu manajer memahami sistem
61
empiris dengan lebih baik. Isi informasi dari suatu angka tergantung pada skala
pengukuran yang digunakan. Skala ini menentukan jenis analisis statistikal yang
menentukan seberapa besar variasi dari proses yang timbul akibat variasi pada sistem
pengukuran.
1. Gage R&R (Crossed), Gage R&R (Nested), dan Gage Run Chart yang digunakan
system precision).
2. Gage Linearity and Accuracy yang digunakan untuk menguji atau memeriksa
Variasi Keseluruhan
Repeatability Reproducibility
pengukuran dengan part. Untuk menguji dapat menggunakan Gage Linearity and
Accuracy yang ada di Minitab. Tingkat keakuratan (accuracy) dari suatu sistem
periode waktu.
yang sama secara berulang dengan menggunakan alat ukur yang sama. Untuk
mengujinya dapat menggunakan Gage R&R Study yang telah tersedia pada
part yang sama secara berulang dengan alat ukur yang sama.
proses yang diamati yang diakibatkan variasi dari sistem pengukuran. Minitab
1. Gage R&R Study (crossed), gunakan jenis ini pada saat tiap-tiap part diukur
2. Gage R&R Study (nested), gunakan jenis tersebut pada saat mengukur tiap-tiap
part hanya dengan satu orang operator. Seperti melakukan pengujian dengan
merusak atau merubah struktur dari produk tersebut ataupun kondisi yang tidak
daripada Xbar & R, dan membagi reproducibility ke dalam operator, dan operator
dengan part. Metode ANOVA lebih akurat daripada metode Xbar&R, karena
1. % Contribution
Prosentase kontribusi terhadap seluruh variasi yang dibuat oleh setiap komponen
variasi. (setiap komponen yang berbeda dibagi dengan total variasi, kemudian
2. % Study Variation
Persentase dari study variation untuk setiap komponen (standard deviasi untuk
3. Distinct Categories
Jumlah kategori yang berbeda didalam data proses yang dapat dilihat oleh sistem
berbeda. Ini artinya bahwa beberapa dari 10 part tersebut ada yang tidak begitu
berbeda oleh sistem pengukurannya. Jika ingin memperoleh jumlah dari kategori
yang berbedanya tinggi, maka diperlukan alat ukur yang presisi. Jumlah kategori
yang berbeda dapat dihitung dengan membagi standard deviasi dari part dengan
standard deviasi dari alat ukur (gage), kemudian dikalikan dengan 1,41 dan
The Automobile Industry Action Group (AIAG) menyarankan agar ketika jumlah
kategori lebih kecil dari dua, sistem pengukuran tidak memiliki nilai untuk
pengontrolan proses, karena satu part tidak dapat dibedakan dengan yang lainnya.
Pada saat jumlah kategorinya adalah dua, data dapat dibagi ke dalam dua
kelompok, katakanlah tinggi dan rendah. Ketika jumlah kategori adalah tiga, data
dapat dibagi ke dalam tiga kelompok, katakanlah rendah, sedang dan tinggi.
Apabila jumlah kategori tersebut adalah lima atau lebih maka merupakan sistem
1. Pilih Stat>Quality Tools>Gage R&R Study (crossed atau nested), lalu akan
2. Masukkan data part pada kolom part numbers, operator pada kolom operators
dan data hasil pengukuran pada kolom measurement data. Lalu pilih metode
analisis yang akan digunakan, terakhir tekan tombol OK. Maka hasil analisa
dapat dilihat pada session window dan graph window seperti yang terlihat pada
Gage R&R
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0.004437 10.67 > 9% (ditolak)
Repeatability 0.001292 3.10
Reproducibility 0.003146 7.56
Operator 0.000912 2.19
Operator*Part 0.002234 5.37
Part-To-Part 0.037164 89.33 > 30% (ditolak)
Total Variation 0.041602 100.00
Gage name:
Date of study:
Gage R&R (ANOVA) for Measure Reported by:
Telah terjadi
T olerance: penyimpangan
Misc: pengukuran
Components of Variation By Part pada operator 1
100 1.1
%Contribution 1.0
%Study Var 0.9
Percent
0.8
50 0.7
0.6
0.5
0 0.4
Gage R&R Repeat Reprod Part-to-Part Part 1 2 3 4 5 6 7 8 9 10
UCL=0.1252 1.0
0.10 0.9
0.8
0.7
0.05
R=0.03833 0.6
0.5
0.00 LCL=0 0.4
0 Operator 1 2 3
1.0 1.0 1
0.9 UCL=0.8796 0.9 2
Average
0.8 Mean=0.8075 3
LCL=0.7354 0.8
0.7 0.7
0.6
0.6
0.5
0.4 0.5
0.3 0.4
0 Part 1 2 3 4 5 6 7 8 9 10
variasi dari proses adalah peta-peta kendali atau kontrol (control charts) beserta
analisis kapabilitas proses. Peta kontrol pertama kali diperkenalkan oleh Dr. Walter
Andrew Shewhart dari Bell Telephone Laboratories, Amerika Serikat, pada tahun
1924 dengan maksud untuk menghilangkan variasi tidak normal melalui pemisahan
variasi yang disebabkan oleh penyebab khusus (special-causes variation) dari variasi
yang disebabkan oleh penyebab umum (common causes variation). Pada dasarnya
proses dengan cara menghilangkan variasi penyebab khusus dari proses itu, sehingga
variasi yang melekat pada proses hanya disebabkan oleh variasi penyebab umum.
berikut:
di luar sistem manajemen kualitas yang mempengaruhi variasi dalam sistem itu.
kendali atau kontrol (control charts), jenis variasi ini ditandai dengan titik
dalam sistem manajemen kualitas atau yang melekat pada proses yang
Penyebab umum sering disebut juga sebagai penyebab acak (random causes)
atau penyebab sistem (system causes). Karena penyebab umum ini selalu melekat
elemen dalam sistem itu dan hanya pihak manajemen yang dapat
manajemen kualitas itu. Dalam konteks analisis data dengan menggunakan peta-
peta kendali atau kontrol (control charts), jenis variasi ini sering ditandai dengan
pada bagan control chart, dapat dilihat pada Gambar 2.16 berikut.
70
Material
Peralatan NG
Penyebab Rusak Seting
khusus Mesin
Pengawasa Training
n Kurang
Penyebab
Umum
Metode Kesalahan
Tidak Bagus Pengukuran
Kesalahan
Penyebab mesin Perubahan
Kesalahan Temp.
Khusus Operator
causes variation) yang mempengaruhi produk atau outcomes merupakan proses yang
stabil karena penyebab sistem yang mempengaruhi variasi biasanya relatif stabil
sepanjang waktu. Sedangkan apabila variasi penyebab khusus terjadi dalam proses,
proses itu akan menjadi tidak stabil. Upaya-upaya menghilangkan variasi penyebab
diantaranya adalah:
71
semua nilai rata-rata dan range dari sub-sub kelompok (subgroups) contoh berada
2. Memantau proses terus-menerus sepanjang waktu agar proses tetap stabil secara
adalah:
2. Sepasang batas kontrol (control limits), di mana satu batas kontrol ditempatkan di
atas garis tengah yang dikenal sebagai batas kontrol atas (upper control limit),
biasa dinotasikan sebagai UCL, dan yang satu lagi ditempatkan di bawah garis
tengah yang dikenal sebagai batas kontrol bawah (lower control limit), biasa
proses. Jika semua nilai yang ditebarkan (diplot) pada peta itu berada di dalam
yang ditebarkan pada peta itu jatuh atau berada di luar batas-batas kontrol atau
72
proses yang berlangsung dianggap sebagai berada dalam keadaan di luar kontrol
(tidak terkontrol), atau tidak berada dalam pengendalian, sehingga perlu diambil
Dan untuk lebih mengetahui bentuk umum dari Peta Kendali (control chart)
Nilai data
UCL
3σx 2σx
CL
LCL
Limit peringatan
Tentukan
Karakteristik
Kualitas Sesuai
Keinginan
Apakah Apakah
Data Atribut Ber Data Atribut Ber
Apakah tida tida
bentuk Proporsi atau bentuk Banyaknya
Data
persentase? Ketidaksesuaian?
Variabel?
ya
ya ya
Apakah Apakah
tida tida Apakah
Proses Homogen Ukuran Contoh
tida Ukuran Contoh
Atau Proses Batch Konstan? Konstan?
Seperti Industri Kimia,
dll?
ya
ya
bar dan R sering disebut sebagai peta kontrol untuk data variabel. Peta kontrol X-bar
ukuran titik pusat (central tendency) atau rata-rata dari suatu proses. Hal ini mungkin
temperatur secara gradual, perbedaan metode yang digunakan dalam shift, material
baru, tenaga kerja baru yang belum dilatih, dll. Sedangkan peta kontrol R (Range)
dihasilkan melalui suatu proses. Hal ini mungkin disebabkan oleh faktor-faktor
seperti: bagian peraltan yang hilang, minyak pelumas mesin yang tidak mengalir
2. Kumpulkan 20 – 25 set contoh (paling sedikit dari data 60 – 100 titik data
individu).
3. Hitung nilai rata-rata, X-bar, dan range, R dari setiap set contoh.
75
4. Hitung nilai rata-rata dari semua X-bar, yaitu: X-double bar yang merupakan
garis tengah (central line) dari peta kontrol X-bar, serta nilai rata-rata dari semua
R, yaitu: R-bar yang merupakan garis tengah (central line) dari peta kontrol R.
1) CL = X-double bar
1) CL = R-bar
2) UCL = D4.R-bar
3) LCL = D3.R-bar
atas. Setelah itu plot atau tebarkan data X-bar dan R dari setiap contoh yang
diambil itu pada peta kontrol X-bar dan R serta lakukan pengamatan apakah data
berada dalam peta kontrol itu, yang menunjukkan bahwa proses sedang berada
dalam pengendalian statistikal, maka kita dapat menggunakan peta kontrol X-bar
dan R yang dibangun itu sebagai peta kontrol untuk memantau proses yang
sedang berlangsung dari waktu ke waktu. Apabila semua data pengukuran tidak
berada dalam pengendalian statistikal, maka proses harus diperbaiki. Setelah itu
dilakukan pengukuran ulang untuk membangun peta kontrol X-bar dan R sampai
peta kontrol itu telah menunjukkan bahwa proses telah berada dalam
76
baru dapat dilaksanakan, apabila proses itu telah dianggap stabil secara statistikal
dipergunakan sebagai alat untuk menjelaskan apakah suatu proses yang sedang
berlangsung itu telah stabil atau belum. Jika belum stabil, proses itu harus
diperbaiki dulu, dan baru kemudian membangun peta kontrol terkendali untuk
memantau proses yang telah stabil itu. Hal ini berarti kita membawa proses ke
dalam pengendalian.
7. Apabila proses berada dalam pengendalian (proses stabil), maka hitung indeks
kapabilitas proses. Catatan: Indeks kapabilitas proses baru layak untuk dihitung
8. Gunakan peta kontrol terkendali dari X-bar dan R itu untuk memantau proses
yang sedang berlangsung dari waktu ke waktu, untuk seterusnya segera diambil
diinginkan pada proses itu. Sekali lagi perlu ditekankan bahwa peta kontrol yang
tidak terkendali, tidak boleh dipergunakan sebagai peta kontrol untuk memantau
pemantauan terhadap proses baru dapat dilaksanakan, apabila proses itu telah
1. Pilih Stat>Control Charts>Xbar-R..., lalu akan keluar dialog box seperti pada
Gambar 2.19.
2. Masukkan data sampel pada single column dan kolom subgroup pada subgroup
size. Dan pilih option yang ingin diisi atau dirubah lalu tekan tombol OK, dan
42 11
1
UCL=41.29
Sample Mean
41
40 Mean=40.00
39
1 LCL=38.71
1 1
38
1
S ubgroup 0 10 20 30 40 50
5
UCL=4.735
Sample Range
4
3
2 R=2.239
1
0 LCL=0
kapabilitas suatu proses yang dinyatakan dalam bentuk angka sehingga dapat
kapabilitas proses adalah rasio antara lebar variasi proses yang diijinkan
yang optimal atau dengan kata lain proses tersebut telah berada dalam batas-batas
kontrol/terkontrol. Jika hal tersebut tidak dilakukan terlebih dahulu maka akan
diperoleh perhitungan kapabilitas proses yang salah. Kapabilitas proses adalah sama
dengan 6σ ketika proses berada dalam kontrol statistik. Kapabilitas proses ditentukan
oleh variasi yang bersumber dari variasi penyebab umum. Secara umum kapabilitas
proses menggambarkan kinerja terbaik (misalnya range minimum) dari proses itu
sendiri.
kualitas. Semakin besar indeks kapabilitasnya maka semakin baik pula kualitasnya.
Oleh karena itu dibutuhkan usaha untuk melakukan perbaikan secara terus-menerus
agar dapat membuat indeks kapabilitas tersebut meningkat sebesar mungkin. Untuk
itu pada Tabel 2.5 terdapat beberapa indeks kapabilitas yang nantinya akan
Cpk = Min(USL – Xbar , LSL – Xbar) Ppk = Min(USL – Xbar , LSL – Xbar)
3 sst 3 slt
Zst = 3.(Cp, Cpk, CPU, CPL) Zlt = 3.(Pp, Ppk, PPU, PPL)
berikut:
1. Pilih Sample yang ada di kolom kiri ke single column lalu subgroup ke kolom
subgroup size.
2. Isi kolom Lower dan Upper spec sesuai dengan yang telah ditetapkan.
3. Tekan OK, dan tampilan outputnya pun akan keluar seperti pada Gambar 2.22 di
bawah.
81
USL
Process Data
USL 602.000
Within
Target *
LSL * Overall
Mean 599.548
Sample N 100
StDev (Within) 0.576429
StDev (Ov erall) 0.620865
Ov erall Capability Observ ed Perf ormance Exp. "Within" Perf ormance Exp. "Ov erall" Perf ormance
Pp * PPM < LSL * PPM < LSL * PPM < LSL *
PPU 1.32 PPM > USL 0.00 PPM > USL 10.51 PPM > USL 39.19
PPL * PPM Total 0.00 PPM Total 10.51 PPM Total 39.19
Ppk 1.32
ppm
Zst = 3.CPU = 4,26
Zlt = 3.PPU = 3,96
4 Block Diagram
(Anonim, 2002) Setelah proses perhitungan selesai dan nilai yang dibutuhkan
dari proses kita. Apakah yang bermasalah adalah kontrolnya, teknologinya, kedua-
duanya, ataukah tidak ada masalah kedua-duanya. Sehingga dengan begitu dapat
proses tersebut ternyata sudah cukup baik maka untuk apa kita perbaiki lagi karena
akan mengeluarkan biaya untuk memperbaiki sesuatu yang sudah baik. Dan ini tidak
akan memberikan kita manfaat yang banyak. Pada 4 Block Diagram ini dibagi atas
82
empat daerah yang dari kesemuanya daerah “D”-lah yang menjadi target kita untuk
terhadap proses kita sudah bagus dan teknologi yang diterapkan pada proses sudah
cukup tinggi.
Poor
2.5
2.0 A B
Zshift 1.5
1.0
0.5
C D
Good
1 2 3 4 5 6
Poor Good
Zst
Jepang, menyatakan bahwa tanda pertama dari masalah adalah gejala (symptoms),
bukan penyebab (causes). Karena itu perlu dipahami apa yang disebut sebagai: gejala
(symptoms), penyebab (causes), dan akar penyebab (root causes). Untuk lebih
jelasnya dapat dilihat pada contoh yang ada pada Tabel 2.6 di bawah ini.
83
Penyebab Aki tidak berfungsi Mengganti aki mobil Tiba terlambat di tempat
tujuan
Akar Perawatan preventif Implementasi Mobil tidak pernah mogok
Penyebab tidak dilakukan perawatan mobil (masalah) hilang)
secara tepat sesuai saran pabrik
antara sebab dan akibat. Berkaitan dengan pengendalian proses statistikal, diagram
Diagram sebab-akibat sering juga disebut sebagai diagram tulang ikan (fishbone
(Ishikawa’s diagram).
kebutuhan berikut:
sebagai berikut:
untuk diselesaikan.
84
2. Tuliskan pernyataan masalah itu pada kepala ikan, yang merupakan akibat
(effect). Tuliskan pada sisi sebelah kanan dari kertas (kepala ikan), kemudian
gambarkan tulang belakang dari kiri ke kanan dan tempatkan pernyataan masalah
masalah kualitas sebagai tulang besar, juga ditempatkan dalam kotak. Faktor-
peralatan, material, metode kerja, lingkungan kerja, dll, atau stratifikasi melalui
6. Tentukan item-item yang penting dari setiap faktor dan tandailah faktor-faktor
karakteristik kualitas.
7. Catatlah informasi yang perlu di dalam diagram sebab-akibat itu, seperti: judul,
Machine Man
Problem
paling mempengaruhi proses. Untuk dapat diuji, suatu hipotesis haruslah dinyatakan
persediaan beras cukup, sukar diuji kebenarannya, sebab apa yang dikatakan cukup
itu tidak jelas. Hipotesis statistik (statistical hypothesis) ialah suatu pernyataan
tentang bentuk fungsi suatu variabel (apakah Binomial, apakah Poisson, apakah
Normal, dan lain sebagainya) atau tentang nilai sebenarnya suatu parameter (µ =
dapat dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis yang
1. Buat Hipotesis
formula numerik
b. Hipotesis
ketidaksamaan (>,<,≠)
2. Mengumpulkan Data
Uji Hipotesis adalah bagian dari Statistical Inference. Data diperlukan untuk
kegiatan ini.
Input data dan pilih metode pengujian yang cocok untuk kondisi yang ada.
a. Jika p-value LEBIH BESAR dari 0.05, maka kita MENERIMA H0.
87
terdistribusi normal atau tidak? Untuk uji kenormalan data, hipotesisnya adalah,
Tolak H0, jika p-value hasil pengujian lebih kecil daripada tingkat α.
berdasarkan korelasi.
1. Pilih Stat>Basic Statistics>Normality Test, lalu akan keluar dialog box seperti
2. Kemudian masukkan data ke kolom variable, dan pilih metode yang akan
digunakan untuk menguji kenormalan data. Kalau sudah, pilih tombol OK dan
.999
.99
.95
Probability
.80
.50
.20
.05
.01
.001
hipotesis terhadap kesamaan, atau kehomogenan varians yang ada pada dua populasi
melalui F-test dan Levene’s test. Banyak prosedur statistik, termasuk prosedure 2-
sampel t yang butuh untuk mengasumsikan bahwa 2 sampel yang akan diuji tersebut
memiliki varians yang sama. Prosedure uji varians akan menguji keabsahan dari
asumsi tersebut.
Minitab menghitung dan menampilkan hasil dari uji statistik (test statistic)
dan p-value untuk F-test dan Levene’s test dimana hipotesis nol nya adalah varians
kedua sampel sama sedangkan alternatifnya adalah bahwa varians dari kedua sampel
tidak sama. Gunakan F-test pada saat datanya terdistribusi normal dan Levene’s test
1. Menentukan H0
2. Menentukan H1
H1: σ12 σ2 2
3. Tentukan α
4. Wilayah Kritik :
5. Perhitungan :
F = s12
s22
v=n-1
sedangkan bila nilai F itu jatuh diluar wilayah kritiknya terimalah H0.
kesamaan ragam (test for equal variance) dengan menggunakan Minitab, adalah
sebagai berikut:
1. Pilih Stat>ANOVA>Test for equal variance, lalu akan keluar dialog box seperti
2. Masukkan data yang ingin diuji pada kolom response dan jenis sampel pada
kolom factors. Kemudian isi kolom confidence level lalu tekan tombol OK. Dan
hasil dari analisisnya dapat dilihat pada graph window, seperti yang terlihat pada
Gambar 2.28.
Test for Equal Variances for Weight
95% Confidence Intervals for Sigmas Factor Levels
dua sampel mempunyai perbedaan atau untuk mengetahui apakah suatu faktor
rata-rata dua populasi pada saat standard deviasi populasinya tidak diketahui.
hipotesis 2-sampel t dengan σ1=σ2 dan tidak diketahui, adalah sebagai berikut:
1. Menentukan H0
H0: µ1 - µ2 = δ0
2. Menentukan H1
H1: Hipotesis Alternatifnya salah satu diantara (µ1 - µ2 < δ0), (µ1 - µ2 > δ0),
3. Tentukan α
5. Perhitungan :
df = (n1 + n2 – 2)
93
s = sp{(1/n1) + (1/n2)}1/2
sedangkan bila nilai t itu jatuh diluar wilayah kritiknya terimalah H0.
berikut:
1. Pilih pada tool bar Minitab Stat>Basic Statistics>2-Sample t..., lalu akan muncul
2. Pilih Samples in different columns jika data sampelnya berada pada kolom yang
berbeda, lalu masukkan data masing-masing sampel pada kotak First dan Second.
4. Pilih Assume equal variances jika variasi kedua sampel dianggap sama.
5. Tekan OK, maka akan keluar tampilan session windows seperti Gambar 2.30.
(Kiemele, 1997) Agar dapat mengerti DOE secara benar, maka harus
mengetahui terlebih dahulu tentang proses dengan baik. Dalam pengertian umumnya
proses dapat diterjemahkan sebagai sebuah aktivitas yang terdiri dari beberapa
tugas/pekerjaan.
Uncontrollable Factor
…
…
Controllable Factor
data dari proses eksperimen dan analisa data sehingga kita mendapatkan informasi
cara untuk menentukan hubungan antara faktor (X) yang mempengaruhi proses dan
output (keluaran) dari proses (Y). DOE dilakukan dengan tujuan untuk
respon/keluaran (Y).
Faktor, suatu faktor (input) yang mempengaruhi Response (output) dan dapat
Dan dapat saja bersifat kuantitatif (misal : temperatur, waktu) atau bersifat kualitatif
Level, level suatu faktor adalah nilai-nilai dari faktor dalam suatu eksperimen.
3. Kumpulkan data.
4. Analisis data.
6. Buat Solusi.
2. Pilih option Designs.. dan Factors... lalu isi kolom yang tersedia sesuai dengan
3. Pilih Jumlah faktor yang akan dipakai pada kolom Numbers of Factors (lihat
Gambar 2.32).
4. Setelah semuanya telah diisi lalu tekan tombol OK. Dan akan keluar tampilan
dengan kombinasi yang telah ada pada output Factorial Design lalu masukkan
data tersebut ke dalam kolom yang telah tersedia pada output Factorial Design.
7. Pilih Main effects dan masukkan faktor yang akan dianalisis pada tombol setup....
8. Pilih Interaction dan masukkan faktor yang akan dianalisis pada tombol setup....
9. Pilih Cube dan masukkan faktor yang akan dianalisis pada tombol setup....
10. Dan setelah selesai tekan tombol OK, maka akan keluar output graph window
dari hasil analisis seperti terlihat pada Gambar 2.35 untuk Main Effects Plot,
Gambar 2.36 untuk Interaction Plot, dan Gambar 2.37 untuk Cube Plot.
100
20 25 8.5 9.0 60 70
51.5
50.5
49.5
y
48.5
47.5
A B C
53
A
25 49
20
45
53
B
9 49
8.5
45
50.0 49.5
51.0 55.5
9.0
B 47.0 43.5
70
C
49.5 50.5
8.5 60
20 25
A
11. Dan terakhir pada Gambar 2.37 dapat diambil satu kesimpulan sesuai dengan
nilai yang diminta, apakah yang minimum ataukah yang maksimum. Sebagai
contoh, apabila menginginkan nilai yang minimum maka temukanlah dari setiap
titik yang ada pada cube yang memiliki nilai yang terkecil, setelah ditemukan lalu
tentukan level yang harus diambil pada setiap faktor agar diperoleh hasil yang
minimum.