BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

IV.1.1 Waktu dan Lokasi Penelitian

IV.1.1 Waktu Penelitian
Penelitian ini, dimulai pada tanggal 24 September 2018 sampai dengan
tanggal 08 Desember 2018. Terhitungan selama 2 Bulan 15 hari.

IV.1.2 Lokasi Penelitian

Penelitian ini dilaksanakan pada perusahaan yang bernama pabrik Tiga
Bersaudara, yang beralamat Kampung Kajar-Kajar, Rt. 002 Rw. 005, Desa
Kertasari, Kecamatan Haurwangi, Kabupaten Cianjur, Provinsi Jawa Barat.

IV.2 Gambaran Umum Perusahaan Dan Struktur Organisasi

IV.2.1 Gambaran Umum Perusahaan
Pabrik Tiga Bersaudara merupakan sebuah perusahaan yang bergerak di
bidang pengolahan kulit kikil sapi. Selain itu perusahaan ini merupakan
perusahaan milik keluarga yaitu bapak Ali Subhan. Pabrik Tiga Bersaudara ini
berdiri pada tahun 2002 dimana pada saat awal berdirinya pemilik perusahaan
menyewa sebuah tempat yang sudah jarang dipakai oleh pemiliknya. Lambat laun
atas kerja keras dan kegigihan bapak Ali Subhan dalam menjalankan usahanya,
perusahaan ini berhasil menjadi salah satu produsen kulit kikil yang cukup
berhasil di Cianjur. Perusahaan ini men-supply kulit kikil sapi ke beberapa pasar
yang ada di sekitar Cianjur yaitu pasar Ciranjang, pasar Ramayana, pasar Induk,
dan pasar Cipanas. Selain itu perusahaan ini juga men-supply ke pasar yang
berada di sekitar Bandung yaitu pasar Ciroyom dan pasar Rajamandala.
IV.2.2 Struktur Organisasi

Pemilik

Bendahara Ketua Produksi

Operator

Gambar IV.1 Stuktur Organisasi Perusahaan Tiga Bersaudara

IV.3 Pembuatan Seven Tools
Setelah data-data yang diperlukan sudah terkumpul, maka langkah
selanjutnya adalah pembuatan seven tools. Metode Seven Tools ini digunakan
untuk memecahkan permasalahan yang berkaitan dengan kualitas. Data yang telah
didapat akan dibuat beberapa diagram yaitu, check sheet, diagram paretto,
histogram dan fishbone diagram.

IV.3.1 Check Sheet

Tabel IV.1 Check Sheet Hasil Observasi

Volume Air Jumlah Volume Air Temperatur Volume Air
Perendaman 1 ( Liter ) Kapur ( Liter ) Perendaman 2 ( Liter) Air Pemasakan ( °C ) Perendaman 3 ( Liter )
445,58 6,22 481,84 95,25 841,92
450,50 6,22 475,47 96,25 839,46
445,58 6,10 488,21 95,25 839,46
443,12 6,05 486,08 95,25 837,00
450,50 6,10 488,21 95,25 837,00
440,65 6,10 481,84 95,00 841,92
452,96 6,10 483,96 96,25 841,92
438,19 6,10 488,21 96,50 841,92
445,58 6,05 483,96 98,25 837,00
433,27 5,99 483,96 96,25 834,54
443,12 5,93 483,96 95,25 841,92
443,12 6,10 481,84 98,50 841,92
435,73 5,93 486,08 96,75 837,00
445,58 5,99 481,84 95,00 839,46
443,12 6,22 483,96 96,75 841,92
445,58 5,99 481,84 96,00 839,46
445,58 5,93 483,96 95,50 837,00
445,58 6,22 481,84 95,00 841,92
450,50 5,99 483,96 95,50 841,92
445,58 6,10 483,96 95,50 839,46
445,58 6,22 486,08 95,50 837,00
443,12 6,22 488,21 96,25 837,00
440,65 6,22 475,47 95,25 839,46
440,65 5,99 483,96 96,25 839,46
450,50 6,10 486,08 95,50 839,46
IV.3.2 Diagram Pareto
Diagram pareto merupakan salah satu dari seven tools yang sering
digunakan dalam hal pengendalian kualitas. Pada dasarnya, diagram paretto
adalah grafik batang yang menunjukan masalah berdasarkan urutan banyaknya
jumlah kejadian. Dibawah ini adalah diagram pareto hasil dari data yang telah
diperoleh :

Gambar IV.2 Diagram pareto volume air perendaman 1

Dari data diagram pareto diatas dapat diketahui bahwa volume air
perendaman 1 menjadi 8 kelompok dengan volume air yang berbeda-beda.
Kelompok yang terbanyak berjumah 9 dengan volume air 445,58 liter. Kelompok
terbanyak kedua berjumlah 5 dengan volume air 443,12 liter. Kelompok
terbanyak ketiga berjumlah 4 dengan volume air 450,50 liter. Kelompok
terbanyak keempat berjumlah 3 dengan volume air 440,65 liter. Sisanya 4
kelompok masing-masing berjumlah satu dengan volume air 433,27 liter, 435,73
liter, 438,19 liter.
 Gambar IV.3 Diagram pareto jumlah kapur

Dari diagram pareto diatas dapat dikeahui jumlah kapur menjadi 5

kelompok dengan jumlah yang berbed-beda. Jumlah terbanyak 8 dengan volume
kapur 6,10. Terbanyak kedua 7 dengan volume kapur 6,22. Terbanyak ketiga 5
dengan volume kapur 5,99. Terbanyak keempat 3 dengan volume kapur 5,93.
Terbanyak kelima 2 dengan volume kapur 6,05.

Gambar IV.4 Diagram pareto volume perendaman air 2

 Dari diagram pareto volume perendaman air 2 terdapat 5 kelompak
dengan volume air yang berbeda-beda. Jumlah terbanyak 9 dengan volume 483,96
liter. Terbanyak kedua 6 dengan volume air 481,84 liter. Terbanyak ketiga 4
dengan volume air 486,08 liter. Terbanyak keempat 4 dengan volume air 488,21
liter. Terbanyak kelima 2 dengan volume air 475,47 liter.

Gambar IV.5 Diagram pareto temperatur air pemasakan

Dari diagram pareto temperatur air pemasakan menjadi 9 kelompok

dengan temperatur yang berbeda-beda. Terbanyak berjumlah 6 dengan temperatur
95,25 °C. Kedua 5 dengan temperatur 95,50 °C. Ketiga 5 dengan temperatur 96,25
°C. Keempat 3 dengan temperatur 95,00 °C. Kelima 2 dengan temperatur 96,75
°C. Sisanya berjumlah satu dengan temperatur 96,00 °C, 96,50 °C, 98,25 °C.
 Gambar IV.6 Diagram pareto volume air perendaman 3

Dari diagram pareto volume air perendaman 3 terdapat 5 jumlah kelompok

volume air yang berbeda-beda. Terbanyak yaitu 9 dengan volume air 841,92
liter. Kedua 7 dengan volume air 837,00 liter. Ketiga 4 dengan volume air 837,45
liter. Keempat 4 dengan volume air 439,46 liter. Kelima 1 dengan volume air
lainnya.

Gambar IV.7 Diagram pareto jumlah produk cacat

Dapat diketahui dari diagram pareto bahwa terdapat jumlah produk yang
cacat berjumlah 2 dengan berat yang sama yaitu 55 Kg.
IV.3.3 Histogram
Histogram adalah tampilan grafis dari tabulasi frekuensi yang
digambarkan dengan grafis batangan sebagai manifestasi data binning. Dibawah
ini adalah diagram pareto hasil dari data yang telah diperoleh :

Gambar IV.8 Histogram volume air perendaman 1

Dari data histogram volume air perendaman 1, bahwa dari jumlah rentang
436 liter sampai dengan 452 liter dapat diketahui bahwa volume air yang tidak
ada diangka jumlah antara 440 liter s/d 444 liter. Kedua diangka jumlah volume
air 448 liter.
 Gambar IV.9 Histogram jumlah kapur

Pada gambar histogra jumlah kapur, terdapat jumlah kapur yang tidak ada
yaitu direntang jumlah 6,15 liter

Gambar IV.10 Histogram volume air perendaman 2

Paada data histogram volume air perendaman 2, terdapat rentang volume

air yang tidak ada yaitu direntang angka 478 liter dan 480 liter
 Gambar IV.11 Histogram temperatur air pemasakan

Paada data histogram suhu temperatur air pemasakan, terdapat rentang

suhu temperatur yang tidak ada yaitu direntang angka 97,5 °C dan 98,0 °C

Gambar IV.12 Histogram volume air perendaman 3

Paada data histogram volume air perendaman 2, terdapat rentang volume

air yang tidak ada yaitu diangka 836 liter, 838 liter dan direntang angka 840 liter
s/d 841 liter
IV.3.4 Fishbone Diagram
Fishbone Diagram atau diagram tulang ikan adalah salah satu metode /
tool didalam meningkatkan kualitas. Fishbone Diagram akan menidentifikasi
berbagai sebab potensial dari satu efek atau masalah, dan menganalisis masalah
tersebut melalui sesi brainstorming. Dibawah ini adalah diagram pareto hasil dari
data yang telah diperoleh :

Gambar IV.13 Fishbone diagram perusahaan Tiga Bersaudara

Dari gambar fishbone diagram diatas diketuhui bahwa terdapat empat

faktor yaitu man/manusia, materia/bahan baku, metode, mesin/tool. Faktor
manusia meliputi dari penyebab dari kelalaian karyawan,kurang terampilnya
karyawan,kurang disiplin, dan tidak teliti. Faktor material meliputi penyebab dari
kerussakan bahan baku dan lamanya pengiriman. Faktor methode meliputi
penyebab dari kurangnya informasi dan tidak adanya prosedur yang baku. Faktor
mechine/tools meliputi penyebab dari kurangnya perawatan dan dan sistem kerja
yang manual.
IV.4 Principal Component Analysis (PCA)
IV.4.1 Data Hasil Observasi

Tabel IV.2 Data Hasil Observasi

Volume Air Jumlah Volume Air Temperatur Volume Air
Perendaman 1 ( Liter ) Kapur ( Liter ) Perendaman 2 ( Liter) Air Pemasakan ( °C ) Perendaman 3 ( Liter )
445,58 6,22 481,84 95,25 841,92
450,50 6,22 475,47 96,25 839,46
445,58 6,10 488,21 95,25 839,46
443,12 6,05 486,08 95,25 837,00
450,50 6,10 488,21 95,25 837,00
440,65 6,10 481,84 95,00 841,92
452,96 6,10 483,96 96,25 841,92
438,19 6,10 488,21 96,50 841,92
445,58 6,05 483,96 98,25 837,00
433,27 5,99 483,96 96,25 834,54
443,12 5,93 483,96 95,25 841,92
443,12 6,10 481,84 98,50 841,92
435,73 5,93 486,08 96,75 837,00
445,58 5,99 481,84 95,00 839,46
443,12 6,22 483,96 96,75 841,92
445,58 5,99 481,84 96,00 839,46
445,58 5,93 483,96 95,50 837,00
445,58 6,22 481,84 95,00 841,92
450,50 5,99 483,96 95,50 841,92
445,58 6,10 483,96 95,50 839,46
445,58 6,22 486,08 95,50 837,00
443,12 6,22 488,21 96,25 837,00
440,65 6,22 475,47 95,25 839,46
440,65 5,99 483,96 96,25 839,46
450,50 6,10 486,08 95,50 839,46
IV.4.2 Uji korelasi dan kelayakan suatu variabel
Tahap ini menguji korelasi variabel-variabel yang telah didefinisikan
menggunakan Uji Barlett (Bartleet’s Test of Sphericity) dan Kaiser meyer
olkin Measure of Sampling Adequancy (MSA). Uji Barlett dan uji MSA dilakukan
untuk menilai kelayakan suatu variabel yang akan dianalisis menggunakan
analisis faktor.
IV.4.2.1 Uji Barlett (Bartleet’s Test of Sphericity)
Uji Barlett adalah untuk menguji korelasi antar variabel karena hasil
yang diinginkan adalah adanya korelasi yang tinggi antar variabel, memiliki
korelasi yang tinggi jika nilai Barlett hitung > Barlett tabel, atau p-value (sig) <
(0,05), maka menunjukkan nilai korelasi yang tinggi antar variabel dan proses
dapat dilanjutkan. Hipotesa untuk signifikansi adalah :
Ho = Tidak memilki korelasi
H 1 = Memilki korelasi dan sampel memadai untuk dianalisis lebih lanjut.

Kriteria untuk melihat signifikansi adalah :

Nilai Sig > (0,05) maka Ho diterima, Sig < (0,05) maka Ho ditolak.

Tabel IV.3 KMO and Bartlett’s Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,616
Approx. Chi-Square 6,450

Bartlett's Test of Sphericity df 10

Sig. ,776

Pada tabel KMO and Bartlett’s Test menunjukkan bahwa sig < dimana
nilai sig pada tabel 0,000 < 0,05. Sehingga variabel-variabel berkorelasi dan
dapat diproses lebih lanjut.
IV.4.2.2 Uji Measure of Sampling Adequancy (MSA)
Uji MSA adalah uji yang digunakan untuk mengukur homogenitas
antar variabel dan melakukan penyaringan antar variabel sehingga hanya
variabel yang memenuhi syarat dapat diproses lebih lanjut. Dimana nilai MSA
sebesar 0,5 – 1,0. Dengan kriteria sebagai berikut :
a. MSA = 1 variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel lain.
b. MSA = 0,5 variabel dapat diprediksi dan bisa dianalisis lebih lanjut.
c. MSA = variabel tidak dapat diprediksi dan tidak dianalisis lebih
lanjut serta dikeluarkan dari variabel lainnya.

Terlihat pada Tabel IV.3 nilai KMO dan Bartleet’s Test of Sphericity = 0,616
sehingga proses analisis faktor dapat dilanjut karena memenuhi syarat dimana
nilai KMO hitung > KMO tabel yaitu 0,625 > 0,5. Hipotesa varibel dapat
dikatakan layak dan dapat diproses.
Ho = Variabel tidak layak dan tidak dapat diproses lebih lanju.
H 1 = Variabel layak dan dapat diproses lebih lanjut.

Kriteria untuk melihat signifikansi adalah :

Nilai Sig < (0,05) maka Ho diterima, Sig > (0,05) maka Ho ditolak.

Pada image matrices bagian anti image correlation dapat dilihat pada tabel
IV.4 variabel-variabel yang terbentuk setelah uji MSA adalah sebagai
berikut:
 Tabel IV.4 Anti-image Matrices Measures of Sampling Adequacy (MSA)

Pada tabel IV.4 Anti-image Matrices Measures of Sampling Adequacy (MSA) menunjukan nilai diatas 0,5 maka terbentuklah
suatu variabel yang memilki nilai loading > 0,5.
IV.4.3 Proses faktoring atau ekstraksi

Proses faktoring atau ekstraksi adalah proses pemisahan variabel-variabel

yang memenuhi korelasi dari nilai MSA, diamana suatu variabel dikatakan
berkorelasi jika nilai MSA lebih besar 0,5. Metode yang digunakan adalah
Principal Components Analysis (PCA). Jumlah variabel yang akan diekstraksi
terlihat pada tabel IV.5 konstribusi variabel hasil ekstraksi.

Tabel IV.5 Kontribusi Variabel hasil Ekstraksi

Initial Extraction

Volume_air_perendaman1 1,000 ,572

Jumlah_kapur 1,000 ,443
Volume_air_perendaman2 1,000 ,562
Temperatur_air_pemasakan 1,000 ,672
Volume_air_perendaman3 1,000 ,506

Extraction Method: Principal Component Analysis.

Tabel IV.5 konstribusi variabel hasil ekstraksi menunjukkan nilai variabel

terhadap faktor yang terbentuk. Semakin besar konstribusi sebuah variabel, maka
semakin erat hubugan dengan faktor yang terbentuk. Selanjutnya dari Tabel 4.9
akan menunjukkan hasil ekstraksi yang lebih spesifik dengan menggunakan
metode Principal Components Analysis (PCA) terlihat pada nilai Eigenvalue lebih
besar atau sama dengan 1,0. Hasil spesifik ekstraksi PCA terlihat pada Tabel 4.8
Hasil Ekstraksi PCA sebagai berikut :
 Tabel IV.6 Hasil Ekstraksi PCA
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

1 1,683 33,662 33,662 1,683 33,662 33,662 1,542 30,837 30,837

2 1,071 21,423 55,085 1,071 21,423 55,085 1,212 24,247 55,085
3 ,835 16,700 71,785
4 ,779 15,583 87,368
5 ,632 12,632 100,000

Extraction Method: Principal Component Analysis.

Pada Tabel IV.6 Hasil Ekstraksi PCA merupakan tabel hasil ekstraksi dari sejumlah variabel yang mempengaruhi permasalahan
terhadap kualitas produk kulit kikil. Dari 5 variabel hasil ekstraksi, terbentuk 2 faktor terlihat pada Tabel IV.6 Jumlah faktor hasil
Ekstraksi (PCA), dari 5 faktor yang terbentuk terlihat semua faktor memilki nilai eigen > 1, misalkan pada kolom total faktor 1 = 1,683 >1.
Selain dari tabel total varian, terdapat pula grafik yang menjelaskan dasar perhitungan dalam menentukan jumlah faktor, terlihat pada
grafik Scree Plot. Bentuk grafik Scree Plot yang bersesuaian dengan tabel Tabel IV.6 dapat dilihat pada gambar IV14 Scree Plot sebagai
berikut :
 Gambar IV.14 Scree Plot

Pada Gambar IV.14 Scree Plot terlihat bahwa dari titik satu ke titik dua
menurun sangat tajam, titik dua masih terlihat tajam dan pada titik tiga sampai
dengan lima terlihat sedikit landai tidak seperti titik satu dan dua.
IV.4.4 Rotasi Faktor
Variabel-variabel yang telah diekstraksi akan dilakukan proses rotasi
karena biasanya dalam penempatan variabel belum tepat atau masih ada variabel
yang tidak sesuai dengan faktor. Proses rotasi dilakukan pada variabel yang lolos
dalam uji MSA. Component matrix dapat menentukan konstribusi variabel
terhadap faktor yang terbentuk. Distribusi variabel terlihat pada Tabel IV.7
Component Matrix. Hasil Tabel IV.7 Component Matrix sebelum rotasi Variamx
menunjukkan bahwa tiap-tiap variabel berada pada masing-masing kelompok
faktor.

Tabel IV.7 Component Matrix sebelum rotasi Varimax

Component

1 2

Volume_air_perendaman3 ,695 ,152

Jumlah_kapur ,644 ,170
Volume_air_perendaman1 ,624 -,428
Volume_air_perendaman2 -,555 -,503
Temperatur_air_pemasakan -,298 ,764

Extraction Method: Principal Component Analysis.

a. 2 components extracted.

Rotasi faktor akan memperjelas posisi sebuah variabel tanpa dengan melihat
nilai loading terbesar tanpa melihat (+) dan (-). Setelah diketahui bahwa
faktor yang terbentuk adalah 2 maka Tabel IV.7 Component Matrix setelah
Rotasi menunjukan distribusi 5 variabel terhadap 2 faktor yang terbentuk.
Hasil rotasi dapat dilihat pada Tabel IV.8 Component Matrix sebagai berikut :
 Tabel IV.8 Component Matrix setelah Rotasi
Component

1 2

Volume_air_perendaman2 -,729 ,175

Volume_air_perendaman3 ,682 ,201
Jumlah_kapur ,646 ,160
Temperatur_air_pemasakan ,105 -,813
Volume_air_perendaman1 ,342 ,675

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.