1
Nurul Rizqiyah, 2Adam Fahmi Fandisyah, 3Wibawati, 4Novri Suhermi
1,2,3,4
Departemen Statistika, Institut Teknologi Sepuluh Nopember
Kampus ITS Sukolilo, Surabaya, Indonesia 60111
e-mail: 1nurulrizqiyah30@gmail.com 2adamfahmi@gmail.com 3wibawati.its@gmail.com
4
novri.suhermi@gmail.com
Abstrak
Nira merupakan hasil dari proses produksi gula sebelum diuapkan. Karakteristik kualitas dari
nira adalah brix dan pol. Agar dapat menghasilkan nira yang unggul, perlu dilakukan pengendalian
kualitas statistik menggunakan peta kendali Generalizad Variance dan T 2 Hotelling. Sebelumnya
dilakukan simulasi pada peta kendali T2 Hotelling untuk mengetahui apakah dapat menangkap
pergeseran proses yang kecil dan besar. Hasilnya peta kendali T 2 Hotelling dapat menangkap
pergeseran rata-rata proses yang besar. Variabilitas proses produksi nira terkendali secara statistik.
Rata-rata proses produksi nira ada titik out of control sehingga tidak terkendali secara statistik. Hasil
produksi nira sudah kapabel dengan Mpp dan Mpk lebih dari 1.
Kata Kunci Brix; Pol; Peta Kendali Generalized Variance; Peta Kendali T2 Hotelling;
Kapabilitas Proses.
1 Pendahuluan
PT. Perkebunan Nusantara (PTPN) X merupakan salah satu perusahaan milik BUMN yang
bergerak dalam industri pengolahan gula pasir. Salah satu pabrik dari PTPN X adalah Pabrik
Gula Toelangan Sidoarjo. Pabrik ini selalu menargetkan dalam menghasilkan gula yang
berkualitas dengan bahan baku tebu memiliki kualitas yang baik pula. Tebu yang berkualitas
baik akan sangat berpengaruh dalam gula yang dihasilkan, sehingga perlu dilakukan pemilihan
yang tepat. Untuk mencapai kualitas gula yang baik, kualitas nira yang dihasilkan juga perlu
diperhatikan. Kualitas nira yang dihasilkan dari tahap pemurnian sangat penting mengingat
dari poses tersebut nira akan dilanjutkan ke proses selanjutnya yaitu tahap penguapan dimana
nira akan diolah menjadi gula. Pada tahap ini, terdapat variabel kualitas yang berpengaruh
terhadap kualitas nira yang dihasilkan yaitu brix dan pol.
PTPN X tersebut harus melakukan pengendalian kualitas pada nira agar dapat
menghasilkan gula dengan kualitas yang baik. Perusahaan harus melakukan pengontrolan
produk untuk menghasilkan produk yang berkualitas melalui pengendalian kualitas statistik.
Pengendalian kualitas statistik adalah suatu kegiatan membandingkan kualitas produk yang
dihasilkan dengan spesifikasi yang telah ditentukan untuk kemudian diambil sebuah tindakan
apabila terdapat ketidaksesuaian antara kualitas produk dengan standar yang ditetapkan oleh
perusahaan [1]. Peta kendali merupakan salah satu alat dalam mengontrol proses secara
statistik yang berfungsi untuk mengendalikan suatu karakteristik dari kualitas. Peta kendali
multivariat digunakan untuk mengendalikan proses produksi dengan lebih dari satu
karakteristik kualitas dimana antar variabel memiliki hubungan.
Dalam kasus ini, telah diketahui bahwa variabel brix mempengaruhi nilai variabel pol.
Semakin besar nilai brix maka nilai pol juga semakin meningkat. Oleh karena itu pengendalian
kualitas pada proses produksi nira di Pabrik Gula Toelangan Sidoarjo kali ini menggunakan
peta kendali multivariat Generalized Varianced untuk mengetahui variabilitas proses produksi
dan peta kendali T2 Hotelling untuk mengetahui mengendalikan rata-rata proses produksi.
Harapannya dapat dilakukan pengendalian proses produksi nira dengan memperhatikan
karakteristik kualitas dari variabel brix dan pol. Setelah itu dapat dilakukan analisis mengenai
kapabilitas proses produksi sehingga dapat diketahui hasil produksi kapabel atau tidak, dengan
memperhatikan spesifikasi yang diberikan oleh perusahaan.
Sebelum melakukan analisis pengendalian kualitas produksi nira, akan dilakukan
simulasi untuk mengetahui apakah peta kendali T2 Hotelling dapat menangkap pergeseran rata-
rata proses kecil dan besar. Simulasi dilakukan dengan membangkitkan data yang memiliki
rata-rata berbeda untuk dibentuk peta kendali T2 Hotelling. Dalam pengendalian kualitas proses
produksi nira, ingin diketahui karakteristik data yang telah diamati. Kemudian ingin
mengetahui apakah proses produksi telah terkendali secara statistik melalui peta kendali
Generalized Variance dan T2 Hotelling. Selanjutnya ingin diketahui apakah hasil produksi nira
sudah kapabel dan faktor-faktor yang menyebabkan ketidaksesuaian pada hasil produksi nira
menggunakan diagram sebab akibat.
Tujuan dari praktikum ini yaitu untuk mengetahui apakah peta kendali T2 Hotelling pada
simulasi dapat menangkap rata-rata pergeseran kecil dan besar. Kemudian praktikum ini
bertujuan untuk menganalisis pengendalian kualitas statistik proses produksi nira dari
karakteristik kualitas brix dan pol. Serta kapabilitas proses produksi nira di Pabrik Gula
Toelangan Sidoarjo secara multivariat.
Manfaat yang akan diperoleh dari praktikum ini yaitu sebagai informasi untuk Pabrik
Gula Toelangan Sidoarjo mengenai penerapan peta kendali Generalizad Variance dan T2
Hotelling sebagai alat untuk mengendalikan kualitas statistik pada produksi nira. Selain itu
bagi pembaca umum dan penulis agar lebih mengetahui penerapan peta kendali Generalizad
Variance dan T2 Hotelling untuk pengendalian kualitas statistik.
Batasan masalah pada praktikum kali ini adalah data yang dipakai adalah data sekunder
yang merupakan data brix dan pol dari produksi nira. Data yang digunakan sebanyak 47
subgrup dengan masing-masing subgrup memiliki 3 sampel. Metode yang digunakan pada
analisis pengendalian kualitas adalah peta kendali peta kendali Generalizad Variance dan T2
Hotelling. Batas spesifikasi yang diberikan oleh perusahaan adalah 12,58±2 untuk variabel brix
dan untuk pol 9,38±3.
2 Tinjauan Pustaka
2.1 Statistika Deskriptif
Statistika adalah ilmu yang mempelajari merancang, mengumpulkan, mengolah, menganalisis
dan menginterpretasikan, serta menyimpulkan data dimana adanya keragaman dan
ketidakpastian. Sedangkan statistika deskriptif adalah ilmu statistika yang mencakup metode
meringkas (menyarikan) data dan menyajikan data menjadi informasi [2]. Ukuran pemusatan
data dalam statistika deskriptif yaitu mean (rata-rata), modus, median. Ukuran penyebaran data
dalam statistika deskriptif yaitu nilai maximum, nilai minimum, range, varians, dan
sebagainya.
Mean (rata rata) merupakan jumlah dari sekumpulan data dibagi dengan frekuensi data
tersebut.
Rumus mean adalah sebagai berikut [3].
n
xi
x (1)
i 1 n
Keterangan :
x : rata-rata
xi : nilai sampel ke-i
n : jumlah sampel
Nilai maksimum diperoleh dari mencari nilai tertinggi atau terbesar dari data tersebut.
Nilai minimum diperoleh dari mencari nilai terendah atau terkecil dari data tersebut.
Varians merupakan salah satu ukuran dispersi atau variasi. Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif [3].
Rumus varians adalah sebagai berikut.
n
( xi x )2
s2 (2)
i 1 n
Keterangan :
s2 : nilai sampel terbesar
x : rata-rata
xi : nilai sampel ke-i
n : jumlah sampel
Range (rentang) atau jangkauan merupakan selisih antara nilai maximum dan niai
minimum dari sekumpulan data [3].
Rumus range adalah sebagai berikut.
R xmaks xmin (3)
Keterangan :
R : range
xmak : nilai sampel terbesar
1 p x jr x j x pr x p
rjp
p 1 r 1 S jj Spp
(6)
S jj (x jr x j )2 (7)
Spp (x pr x p ) 2 (8)
H0 ditolak dan diperoleh kesimpulan bahwa terdapat korelasi pada variabel jika
2
hitung 2 1 .
α; p(p 1)
2
1 p x jr x j x pr x p
rjp
p 1 r 1 S jj Spp
(6)
S jj (x jr x j )2 (7)
Spp (x pr x p ) 2 (8)
H0 ditolak dan diperoleh kesimpulan bahwa terdapat korelasi pada variabel jika
2
hitung 21 .
α; p(p 1)
2
Berdasarkan sifat ini maka pemeriksaan distribusi normal multivariat dapat dilakukan
dengan cara membuat q-q plot sebagai berikut.
di2 xi x ' S 1 xi x (10)
dimana,
s12 s12 s13 s1 p
s 22 s 23 s 2 p
S (11)
s 32
2
s p
xij x j xik xk
1 m
S jk (12)
m 1 i 1
Berikut merupakan langkah-langkah pembuatan grafik Q-Q plot.
1. Menghitung jarak tergeneralisasi yang dikuadratkan disebut 𝑑𝑖2 .
2. Mengurutkan 𝑑𝑖2 dari terkecil hingga terbesar.
3. Menghitung nilai q dimana,
q 2p ;(( n i 0 ,5 ) / n ) (13)
4. Membuat scatterplot antara 𝑑𝑖2 dan q.
Data akan mengikuti distribusi multivariat apabila pada Q-Q plot membentuk suatu garis
lurus (45° terhadap garis horizontal).
Uji Hipotesis:
H0 : Data berdistribusi normal multivariat
H1 : Data tidak berdistribusi normal multivariat
Statistik Uji:
x x q q
n
j 1 j j
rq (14)
x x q q
n 2 n 2
j 1 j j 1 j
Daerah Kritis:
Tolak H0 jika 𝑟𝑞 < 𝑟(𝛼,𝑛) . Jika hasil dari statistic uji memiliki hasil yang kurang dari
table normal probabilitas koefisien korelasi (𝑟(𝛼,𝑛) ), maka dapat disimpulkan bahwa data tidak
berdistribusi normal.
2.4 Peta Kendali Generalized Variance
Peta kendali Generalized Variance digunakan untuk mengontrol variabilitas dari proses
produksi. Varians proses digambarkan berdasarkan matriks varian kovarian berukuran p x
p. Diagonal utama dari matriks ini adalah variansi dan data selain diagonal utama merupakan
kovarian. Matriks varian kovarian dapat ditaksir dengan matriks varian kovarian S [5].
Metode yang digunakan untuk peta kendali Generalized Variance menggunakan rata-rata
E( S ) dan varians V( S ) sebagai berikut:
E( S ) b1 (15)
2
V( S ) b2 (16)
Dimana,
p
(n i)
1
b1 (17)
(n 1 ) p i 1
p p p
1
b2 (n i)x (n j 2) (n j ) (18)
(n 1 )2 p
i 1 j 1 j 1
Batas kendali dari peta kendali Generalized Variance adalah sebagai berikut.
1
BKA (b1 3b2 2 ) (19)
GT b1 (20)
1
BKB (b1 3b2 2 ) (21)
x
1
x jk ijk (22)
n i 1
1 n
2
s 2 jk xijk x jk (23)
n 1 i 1
Dimana xijk adalah sampel ke-i pada karakteristik kualitas ke-j dan pada subgrup ke-
k. Kovarians diantara karakteristik kualitas ke–j dan karakteristik kualitas ke-h (h = 1, 2,…,p)
pada subgrup ke-k adalah sebagai berikut.
1 n
s jhk
n 1 i 1
xijk x jk xihk xhk (24)
Dengan,
BSB BSA
Pp (31)
6s
Sedangkan analisis kapabilitas proses berdasar mean atau rata-ratanya dapat dilihat dari
nilai MPp k dengan persamaan sebagai berikut:
p
MPpk Wi Ppki (32)
i 1
Dengan,
BSA μ μ BSB
Ppk min , (33)
3s 3s
Keterangan :
p
Wi : Bobot kepentingan sesuai keterangan perusahaan dimana, W 1
i 1
i
x1 x2 … xn
1 1 x111 x121 … x1n1
2 x211 x221 … x2n1
… … … … …
m xm11 xm21 … xmn1
2 1 x112 x122 … x1n 2
2 x212 x222 … x2n 2
… … … … …
m xm12 xm22 … xmn 2
… … … … … …
o 1 x11o x12o … x1no
2 x21o x22o … x2no
… … … … …
m xm1o xm 2o … xmno
Keterangan :
m : jumlah sampel dalam subgrup
n : jumlah variabel karakteristik kualitas
o : jumlah subgrup
3.4 Langkah Analisis
Langkah-langkah yang dilakukan untuk menganalisis data dalam penelitian ini adalah sebagai
berikut.
1. Mengidentifikasi masalah dan tujuan penelitian.
2. Pengambilan data sekunder dan input data.
3. Melakukan simulasi bangkitan data untuk mengetahui sensitifitas peta kendali T2
Hotelling terhadap pergeseran.
4. Analisis statistika deskriptif.
5. Melakukan uji dependensi dan uji multivariat normal.
6. Membuat diagram peta kendali GV dan T2 Hotelling.
7. Menghitung nilai kapabilitas proses.
8. Membuat diagram ishikawa.
9. Melakukan analisis dan interpretasi.
10. Membuat kesimpulan dan saran.
4 Analisis dan Pembahasan
4.1 Simulasi
Sebelum melakukan analisis pada data yang telah dikumpulkan, dilakukan simulasi
membangkitkan data berdistribusi multivariat normal dengan beberapa mean yang berbeda.
Selanjutnya data tersebut dibentuk peta kendali T2 Hotelling untuk mengetahui apakah terdapat
titik yang out of control yang artinya peta kendali T2 Hotelling dapat menangkap pergeseran
yang kecil atau hanya pergeseran besar saja. Berikut ini merupakan karakteristik dari data yang
telah dibangkitkan menggunakan software Minitab.
Tabel 2: Karakteristik Bangkitan Data Multivariat Normal
Co- Co-
Banyaknya Co-var
Data ke- x1 x2 x3 var x1 var x2
data x1 x2
x3 x3
1 100 17 31 22
2 50 17 31 23
0,65 0,7 0,81
3 50 17 31 21
4 50 17 31 30
Berdasarkan tabel 1, data dibangkitkan sebanyak empat kali. Terdapat 3 variabel pada
masing-masing data dengan jumlah 100, 50, 50 dan 50 data. Rata-rata pada setiap data untuk
variabel pertama dan kedua adalah 17 dan 31. Sedangkan rata-rata pada setiap data untuk
variabel ketiga dibuat berbeda-beda yaitu 22, 23, 21 dan 30. Hal ini dimaksudkan untuk
mengetahui adanya pergeseran rata-rata proses yang ditunjukkan oleh peta kendali T2
Hotelling.
Selanjutnya dibentuk peta kendali T2 Hotelling dengan cara menggabungkan data pada
bangkitan ke-2, 3 dan 4 secara bergantian dengan data pertama. Berikut ini merupakan peta
kendali yang telah dibuat dengan software Minitab.
20 UCL=20,28
15
Tsquared
10
5
Median=3,60
20 UCL=20,28
15
Tsquared
10
5
Median=3,60
80
70
60
Tsquared
50
40
30
20 UCL=20,28
10
Median=3,60
0
1 16 31 46 61 76 91 106 121 136
Sample
0,07
Generalized Variance
0,06
0,05
0,04
0,03
0,02
0,01 |S|=0,01087
0,00 LCL=0
1 6 11 16 21 26 31 36 41 46
Sample
16
14
UCL=12,48
12
10
Tsquared
2
Median=1,38
0
1 6 11 16 21 26 31 36 41 46
Sample
16
14
UCL=12,49
12
10
Tsquared
2
Median=1,38
1 6 11 16 21 26 31 36 41 46
Sample
14
UCL=12,51
12
10
Tsquared
8
2
Median=1,38
1 5 9 13 17 21 25 29 33 37 41 45
Sample
Kesalahan
perhitungan
Kualitas tebu Ketelitian operator
Ketidaksesuai
an produksi
nira
Maintenance mesin
Methods Machines