BAB 4

PENGOLAHAN DATA

4.1 Pengolahan Data Manual

4.1.1 Pengolahan Data Variabel

 Dimensi Panjang

Tabel 4.1 Dimensi Tinggi

No Sub Grub Tinggi
X R
1 2 3 4
1 22,9 22 23
22,89 90,79 1
2 23 23,1 22,9
22,8 91,8 0,3
3 22,9 22,9 22,8
22,8 91,4 0,1
4 23 22,9 23
22,9 91,8 0,1
mtotal 365,79 1,5
Sumber: Pengolahan Data Komputer Laboratorium Statistik 2017

A. Peta Kendali R
R = data max – data min
1,5
LCL = 𝑅̅ = 4 = 0,375

D4 = 2,282 (Tabel D)
D3 = 0 (Tabel D)
UCL = D4. R LCL = D3. R
= 2,282 . 0,375 = 0 . 0,375
= 0,855 =0
Dimana : LCL = Batas kendali bawah
UCL = Batas kendali atas
R = Rentang
R = Rata-rata rantang

12
 Peta Kendali R
1.1

0.9

0.7
LCL
0.5
UCL

0.3 R

0.1

-0.1 1 2 3 4

Gambar 4.1 Peta Kendali R

B. Peta Kendali X
365,79
(CL) X   182,895
2

(CL) R  0,375

A2 = 0,729 (pada table D, n = 4)

UCL X = X +A2.R

= 182,895 +(0,729. 0,375)

= 153,594

LCL X = X ± A2.R

= 182,895 - (0,729. 0,375)

= 182,643

13
Dimana : CL = Batas kendali
LCL = Batas kendali bawah
UCL = Batas kendali atas
X = Nilai rata-rata

X =Rata-rata nilai X

Peta Kendali X
185

180

175

170 UCL
LCL
165
X
160

155

150
1 2 3 4

Gambar 4.2 Pada Kendali X

Dari hasil revisi tersebut diperoleh data pada peta kendali R dan X, bahwa
tidak ada lagi data yang keluar dari batas kendali.Hal ini berarti data telah terkendali.

 Dimensi Lebar

Tabel 4.2 Data Dimensi Lebar

No Sub Grub Tinggi
X R
1 2 3 4
1 6 5,8 6 6,1 23,9 0,3
2 6 5,9 6 6,1 24 0,2
3 6 5,8 6 6 23,8 0,2
4 5,9 6 5,9 5,8 23,6 0,2
mtotal 95,3 0,9
Sumber: Pengolahan Data Komputer Laboratorium Statistik 2017

14
 A. Peta kendali R
X = 95,3
R = 0,9
R = Data Max - Data Min
0,9
𝑅̅ = = 0,225
4

95,3
(CL) R   47,65
2

D4 = 2,282 (Tabel D)

D3 = 0 (Tabel D)

UCL R = D4. R LCL = D3. R

= 2,282 . 0,225 = 0 . 0,225

= 0,513 =0

Peta Kendali R
0.6

0.5

0.4
UCL
0.3
LCL

0.2 R

0.1

0
1 2 3 4

Gambar 4.3 Peta Kendali R

15
B. Peta Kendali X
95,3
(CL) X   47,65
2

(CL) R  0,225

A2 = 0,729 (pada tabel D)

UCL X = X +A2. R

= 47,65 + (0,729. 0,225)

= 47,81

LCL X = X ± A2. R

= 47,65 - (0,729 .0,225)

= 47,39

Peta Kendali X
47.9

47.8

47.7

47.6
UCL
47.5
LCL
47.4 x
47.3

47.2

47.1
1 2 3 4

Gambar 4.4 Peta Kendali X

16
4.1.2 Pengolahan Data Atribut

Peta kendali N P

Tabel 4.3 Pencatatan Data Atribut

Pemeriksaan No Jumlah yang di Jumlah
Jumlah Cacat
Ke Produk periksa Produk
1 1 4 3
2 0 0
3 6 5 20
4 7 6
5 7 6
2 1 7 6
2 3 2
3 5 4 20
4 6 5
5 4 3
49 40
Sumber: Pengolahan Data Komputer Laboratorium Statistik 2017
dx
Spesifikasi
T = 22,93
L = 5,956

( P )= jumlah AQUA yang ditolak/ jumlah pemeriksaan

40
  0.869
49

𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑟𝑜𝑑𝑢𝑘 𝑦𝑎𝑛𝑔 𝑑𝑖 𝑡𝑜𝑙𝑎𝑘 49

nP = = = 23
𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖 𝑝𝑒𝑟𝑖𝑘𝑠𝑎 2

UCL = 3 np (1  p )

= 23 + 3 23(1  0.869)

= 24,88

LCL = 3 np (1  p )

= 23 - 3 23(1  0.869)  21,11

17
 Peta Kendali Atribut
26

25

24

23 UCL
LCL
22
ATRIBUT
21

20

19
1 2 3 4

Gambar 4.5.Peta Kendali Atribut

4.1.3 Stratifikasi Masalah

Tabel 4.4 Stratifikasi masalah

Kode Jenis cacat Jumlah cacat
A Tanggal kadaluarsa 9

B Volume air 2

C Label sobek 9

D Ukuran berbeda-beda 11

E Kondisi botol rusak 9

Total 37
Sumber : Data Manual Atribut, 2017

4.1.4 Histogram

Berdasarkan hasil stratifikasi diatas maka jumlah cacat untuk produk

minumankemasan digambarkan dalam sebuah histogram sebagai berikut :

18
 jumlah cacat
12

10

0
Tanggal Warna air Label sobek Ukuran berbeda- Kondisi botol
kadaluarsa beda rusak

Gambar 4.6 Histogram

4.1.5 Diagram pareto

Diagram ini menggambarkan besarnya persentase cacat minuman kemasan

yang dominan terjadi :

Tabel 4.5 Diagram Pareto

Kode Jenis cacat Jumlah %Cacat Kumulatif%
A Tanggal kadaluarsa 9 24,32% 24,32%
B Volume air 2 5,40% 29,72
C Label sobek 9 24,32% 51,04%
D Ukuran berbeda-beda 11 29,72% 80,76
E Kondisi botol rusak 9 24,32% 105,32%
Total 37 100% 290,927
Sumber : Data Manual Pareto, 2017

19