LAPORAN PRAKTIKUM

PENGENDALIAN KUALITAS STATISTIKA

MODUL 1

ANALISIS BMI (BODY MASS INDEX) MAHASISWA

ARSITEKTUR ITS DENGAN MENGGUNAKAN
̅ − 𝑹 DAN I-MR
GRAFIK KENDALI 𝑿

Oleh :
M. Zamroni Al-Fikri (06211740000084)
Unggul Harfianto (06211740000055)

Asisten Dosen:
Iman Rais Afandy (06211950010010)

Dosen:
Dr. Muhammad Mashuri, M. T.
Wibawati, S. Si, M. Si

PROGRAM STUDI SARJANA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA KOMPUTASI DAN SAINS DATA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2019

i
 LAPORAN PRAKTIKUM
PENGENDALIAN KUALITAS STATISTIKA
MODUL 1

ANALISIS BMI (BODY MASS INDEX) MAHASISWA

ARSITEKTUR ITS DENGAN MENGGUNAKAN
̅ − 𝑹 DAN I-MR
GRAFIK KENDALI 𝑿

Oleh :
M. Zamroni Al-Fikri (06211740000084)
Unggul Harfianto (06211740000055)

Asisten Dosen:
Iman Rais Afandy (06211950010010)

Dosen:
Dr. Muhammad Mashuri, M. T.
Wibawati, S. Si, M. Si

PROGRAM STUDI SARJANA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA KOMPUTASI DAN SAINS DATA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2019

i
 ABSTRAK
Dalam menghadapi kemajuan ilmu dan teknologi yang semakin pesat, mahasiswa
diharapkan memiliki elemen yang mendukung dalam dirinya. Salah satu elemen yang
harus dimiliki adalah kesehatan. Berat badan dan tinggi badan yang ideal merupakan
salah satu faktor penting dalam kesehatan dengan tolak ukur indeks massa tubuh atau BMI
(Body Massa Index). BMI (Body Massa Index) merupakan ukuran yang digunakan untuk
menilai proporsionalitas perbandingan antara tinggi dan berat seseorangBMI (Body Massa
Index) yaitu cara terbaik untuk menilai apakah berat badan seseorag sehat atau tidak.
Pada praktikum kali ini, dilakukan pengamatan terhadap berat badan dan tinggi badan
100 mahasiswa aktif S1 Departemen Arsitektur ITS untuk dilihat apakah BMI dari 100
mahasiswa aktif S1 Departemen Arsitektur ITS mengalami suatu kondisi berat badan yang
ideal atau kurang ideal. Serta melihat faktor-faktor apa saja yang mempengaruhi kurang
ideal berat badannya. Dalam praktikum ini, dilakukan pengujian asumsi keacakan dan
normalitas pada sebuah data BMI mahasiswa Arsitektur ITS. Selain itu, juga mengetahui
karakteristik data BMI (Body Mass Index) mahasiswa Arsitektur ITS berada dalam
kategori ideal atau tidak. Kemudian, juga mengamati data BMI mahasiswa Arsitektur ITS
masih dalam batas kendali x − R dan batas kendali I-MR untuk fase I dan II secara
statistik atau tidak dengan menggunakan analisis grafik kendali x − R dan I-MR. Setelah
itu, dilakukan analisis lebih lanjut mengenai berat badan dan tinggi badan menggunakan
grafik pareto dilanjutkan dengan analisis faktor-faktor yang mempengaruhi kurang
idealnya berat badan dengan menggunakan grafik ishikawa untuk mengetahui akar
permasalahannya. Dengan adanya penelitian ini, diharapkan dapat membantu
Departemen maupun mahasiswa Arsitektur ITS untuk mengambil langkah-langkah atau
kebijakan yang tepat agar tercapainya mahasiswa yang sehat

Kata Kunci : BMI, Grafik Kendali x − R , Grafik Kendali I-MR, Grafik Pareto,
Grafik Ishikawa

ii
 DAFTAR ISI
LAPORAN PRAKTIKUM .................................................................................... i

LAPORAN PRAKTIKUM .................................................................................... i

ABSTRAK ............................................................................................................. ii

DAFTAR ISI ......................................................................................................... iii

DAFTAR GAMBAR ............................................................................................ vi

DAFTAR TABEL................................................................................................ vii

BAB I ...................................................................................................................... 1

1.1 Latar Belakang .......................................................................................... 1

1.2 Rumusan Masalah .................................................................................... 2

1.3 Tujuan ....................................................................................................... 2

1.4 Manfaat .................................................................................................... 3

1.5 Batasan Masalah ...................................................................................... 3

BAB II .................................................................................................................... 4

2.1 Statistika Deskriptif................................................................................... 4

2.1.1 Mean (rata-rata) .................................................................................. 4

2.1.2 Varians ............................................................................................... 4

2.1.3 Simpangan Baku (Standard Deviation) ............................................. 5

2.1.4 Jangkauan (Range) ............................................................................ 5

2.2 Uji Keacakan ............................................................................................. 5

2.3 Uji Normalitas Kolmogorov-Smirnov ........................................................ 6

2.4 Grafik Kendali (Control Chart) .................................................................. 7

2.4.1 Grafik Kendali 𝑿 − 𝑹 ......................................................................... 7

2.4.2 Grafik Kendali Individual dan Moving Range ................................... 9

2.5 Diagram Pareto....................................................................................... 10

iii
 2.6 Diagram Ishikawa ................................................................................... 10

2.7 BMI (Body Mass Index) ........................................................................... 11

BAB III ................................................................................................................. 12

3.1 Sumber Data ........................................................................................... 12

3.2 Variabel Penelitian ................................................................................. 12

3.3 Struktur Data .......................................................................................... 12

3.4 Langkah Penelitian ................................................................................. 13

3.5 Diagram Alir ............................................................................................ 13

BAB IV ................................................................................................................. 14

4.1 Statistika Deskriptif Body Mass Index mahasiswa SI Arsitektur ITS ....... 15

4.2 Uji Keacakan dan Normalitas BMI (Body Mass Index) ........................... 15

4.2.1 Uji Keacakan .................................................................................... 15

4.2.2 Uji Normalitas Kolmogorov-Smirnov............................................... 16

4.3 Grafik Kendali 𝑿 − 𝑹 .............................................................................. 17

4.3.1 Grafik Kendali 𝑿 − 𝑹 fase I ............................................................. 17

4.3.2 Grafik Kendali 𝑿 − 𝑹 fase II ............................................................ 18

4.4 Grafik Kendali I-MR................................................................................. 20

4.4.1 Grafik Kendali I-MR Fase I ............................................................... 21

4.4.2 Grafik Kendali I-MR Fase II .............................................................. 22

4.5 Diagram Pareto....................................................................................... 23

4.5.1 Diagram Pareto 𝑿 − 𝑹 .................................................................... 24

4.5.2 Diagram Pareto I-MR....................................................................... 24

4.6 Diagram Ishikawa ................................................................................... 25

BAB V ................................................................................................................... 27

5.1 Kesimpulan ............................................................................................. 27

iv
 5.2 Saran ....................................................................................................... 27

DAFTAR PUSTAKA .......................................................................................... 28

LAMPIRAN ......................................................................................................... 29

v
 DAFTAR GAMBAR
Gambar 3.1 Diagram Alir .................................................................................. ..14
Gambar 4.1 Uji Kolmogorov-Smirnov BMI mahasiswa S1 Arsitektur ITS ...... ..16
Gambar 4.2 R chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase I .... ..17
Gambar 4.3 x chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase I .. ..18
Gambar 4.4 R chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II ... ..19
Gambar 4.5 chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II ..... ..20
Gambar 4.6 Moving Range chart Body Mass Index mahasiswa S1 Arsitektur ITS
Fase I ........................................................................................... ..21
Gambar 4.7 Individual chart Body Mass Index mahasiswa S1 Arsitektur ITS
Fase I ........................................................................................... ..21
Gambar 4.8 Moving Range chart Body Mass Index mahasiswa S1 Arsitektur ITS
Fase II .......................................................................................... ..22
Gambar 4.9 Individual chart Body Mass Index mahasiswa S1 Arsitektur ITS
Fase II .......................................................................................... ..23
Gambar 4.10 Pareto chart Penyebab Badan Tidak Ideal ̅
X − R ....................... ..24
Gambar 4.11 Pareto chart Penyebab Badan Tidak Ideal I-MR ........................ ..24
Gambar 4.12 Diagram Ishikawa Waktu Tidur .................................................. ..25
Gambar 4.13 Diagram Ishikawa Banyak Pikiran .............................................. ..26

vi
 DAFTAR TABEL
Tabel 3.1 Struktur Data Fase I............................................................................ ..12
Tabel 3.1 Struktur Data Fase II .......................................................................... ..13
Tabel 4.1 Statistika Deskriptif BMI Mahasiswa S1 Arsitektur ITS ................... ..15
Tabel 4.2 Uji Run Test data Mahasiswa S1 Arsitektur ITS................................ ..16

vii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Mahasiswa adalah sekumpulan orang yang akan menjadi garis terdepan
dalam menghadapi kemajuan ilmu dan teknologi. Dalam menghadapi kemajuan
ilmu dan teknologi yang semakin pesat, mahasiswa diharapkan memiliki elemen
yang mendukung dalam dirinya. Sehingga, dalam menghadapi kemajuan ilmu dan
teknologi mahasiswa bisa menghadapinya dengan mudah dan tanpa hambatan.
Selain itu mahasiswa juga diharapkan bisa menjadi penerus perjuangan para
pahlawan bangsa. Artinya harapan mahasiswa di masa depan sangat banyak, maka
dari itu perlu dipersiapkan elemen pendukung dalam dirinya. Salah satunya adalah
kesehatan.
Salah satu kesehatan yang perlu diperhatikan adalah kondisi berat badan
ideal. Cara melihat apakah berat badan sudah ideal adalah melihat melalui indeks
massa tubuh atau BMI (Body Massa Index). BMI (Body Massa Index) merupakan
ukuran yang digunakan untuk menilai proporsionalitas perbandingan antara tinggi
dan berat seseorang. (Syukra Alhamda, 2015). BMI sering digunakan dokter untuk
menilai seseorang itu obesitas atau tidak. Cara menilainya bisa melihat dari berat
badan dan tinggi badan seseorang dengan menggunakan suatu rumus, sehingga
nanti hasilnya dapat dikategorikan ideal atau tidak. Dalam kasus BMI, ada beberapa
factor yang mempengaruhi berat badan yang kurang ideal yaitu konsumsi makanan,
konsumsi sayur dan buah, waktu tidur, banyak pikiran, dan kurang olahraga. Hal
tersebut yang menghambat kegiatan perkuliahan.
Pada praktikum kali ini, dilakukan pengamatan terhadap berat badan dan
tinggi badan 100 mahasiswa S1 Arsitektur ITS untuk dilihat apakah BMI dari 100
mahasiswa S1 Arsitektur ITS mengalami suatu kondisi berat badan yang ideal atau
kurang ideal. Serta melihat faktor-faktor apa saja yang mempengaruhi kurang ideal
berat badannya. Praktikum ini juga melihat nilai BMI mahasiswa S1 Arsitektur ITS
apakah terkendali atau tidak dengan menggunakan grafik kendali x − R dan I-MR.
Hal itu dikarenakan grafik kendali x − R dan I-MR mampu menunjukkan apakah
nilai BMI pada mahasiswa S1 Arsitektur ITS terkendali atau tidak. Setelah itu,
dilakukan analisis lebih lanjut mengenai berat badan dan tinggi badan

1
menggunakan diagram pareto dilanjutkan dengan analisis faktor-faktor yang
mempengaruhi kurang idealnya berat badan dengan menggunakan diagram
ishikawa untuk mengetahui akar permasalahannya. Sehingga kedepannya, faktor-
faktor tersebut dapat dikendalikan agar memberikan evaluasi yang lebih baik.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, didapatkan beberapa permasalahan
untuk analisis data, yaitu sebagai berikut.
1. Bagaimana karakteristik data BMI (Body Mass Index) mahasiswa aktif S1
Departemen Arsitektur ITS?
2. Bagaimana asumsi keacakan dan uji normalitas pada data BMI (Body Mass
Index) mahasiswa aktif S1 Departemen Arsitektur ITS?
3. Bagaimana hasil Analisa BMI (Body Mass Index) pada mahasiswa aktif S1
Departemen Arsitektur ITS dengan diagram x − R ?
4. Bagaimana hasil Analisa BMI (Body Mass Index) pada mahasiswa aktif S1
Departemen Arsitektur ITS dengan diagram I-MR?
5. Bagaimana faktor utama pengaruh pada hasil Analisa BMI (Body Mass
Index) pada mahasiswa aktif S1 Departemen Arsitektur ITS?

1.3 Tujuan
Perumusan masalah di atas menghasilkan tujuan yang akan dicapai dalam
praktikum ini, yaitu sebagai berikut.
1. Mengetahui karakteristik data BMI (Body Mass Index) mahasiswa aktif S1
Departemen Arsitektur ITS.
2. Mengetahui asumsi keacakan dan uji normalitas pada data BMI (Body Mass
Index) mahasiswa aktif S1 Departemen Arsitektur ITS.
3. Mengetahui hasil Analisa BMI (Body Mass Index) pada mahasiswa aktif S1
Departemen Arsitektur ITS dengan diagram x − R .
4. Mengetahui hasil Analisa BMI (Body Mass Index) pada mahasiswa aktif S1
Departemen Arsitektur ITS dengan diagram I-MR.
5. Mengetahui faktor utama pengaruh pada hasil Analisa BMI (Body Mass
Index) pada mahasiswa aktif S1 Departemen Arsitektur ITS.

2
1.4 Manfaat
Dalam praktikum ini, terdapat beberapa manfaat bagi penulis dan pembaca,
yaitu sebagai berikut.
1. Manfaat bagi penulis
Mampu meningkatkan kemampuan dan keterampilan dalam melakukan
kegiatan survei dan mampu meningkatkan pemahaman penerapan terkait Seven
tools quality control di kehidupan sehari-hari sehingga memiliki persiapan untuk
menghadapi dunia kerja.
2. Manfaat bagi pembaca
Mampu mengetahui informasi karakteristik dari tinggi badan dan berat badan
mahasiswa aktif S1 Departemen Arsitektur ITS. Selain itu, pembaca juga
mengetahui informasi terkait hasil Analisa BMI dengan menggunakan grafik
kendali X − R dan I-MR pada data tinggi badan dan berat badan pada mahasiswa
S1 Arsitektur ITS serta mengetahui penyebab utama yang menyebabkan tidak
idealnya berat badan dengan menggunakan diagram pareto dan ishikawa.

1.5 Batasan Masalah

Dalam praktikum ini, terdapat beberapa Batasan masalah pada penelitian
ini, yaitu sebagai berikut.
1. Jika data dalam penelitian tidak berdistribusi normal, maka dapat diasumsikan
berdistribusi normal
2. Jumlah data yang diambil dari mahasiswa S1 Arsitektur ITS adalah sejumlah
100 mahasiswa

3
 BAB II
TINJAUAN PUSTAKA

2.1 Statistika Deskriptif

Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang
berguna. Perlu kiranya dimengerti bahwa statistika deskriptif memberikan
informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik
inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih besar.
(Walpole, 2012).

2.1.1 Mean (rata-rata)

Pengukuran mean atau rata-rata sangat sering digunakan dalam analisis
statistik. Mean diterapkan dengan tujuan untuk menentukan angka/ nilai rata-rata
dan secara aritmatik ditentukan dengan cara menjumlah seluruh nilai dibagi
banyaknya individu.
n

 Xi
i =1 (2.1)
X=
n
Keterangan
xi = data ke-i

n = banyaknya data

X = Rata-rata

2.1.2 Varians
Varians adalah rata-rata dari simpangan kuadrat setiap data terhadap rata-
rata hitung
n

 (X
2
i − X)
s2 = i =1 (2.2)
n −1

Keterangan :
s 2 = Varians
Xi = Nilai masing-masing data
X = Rata-rata
n = Jumlah data

4
 Varians biasanya digunakan untuk mengetahui keseragaman dari
serangkaian data. Semakin kecil nilai varians berarti data yang ada semakin
seragam dan sebaliknya jika nilainya semakin besar berarti datanya tidak seragam.

2.1.3 Simpangan Baku (Standard Deviation)

Standar Deviasi atau simpangan baku merupakan penyebaran yang paling
baik, karena menggambarkan besarnya penyebaran tiap-tiap unit observasi. Standar
Deviasi atau simpangan baku sering digunakan untuk menyatakan derajat dispersi
(penyebaran). (Yulianti, 2005)
n (2.3)
 (X
2
i − X)
s= i =1
n −1

Keterangan :
S = simpangan baku untuk data sampel
n = jumlah data
Xi = nilai tengah data ke-i
x = rata-rata data untuk sampel

2.1.4 Jangkauan (Range)

Sekelompok data kuantitatif akan terdapat data dengan nilai terbesar dan dat
terkecil. Range merupakan penyebaran yang merupakan selisih nilai minimum dan
nilai maksimum. Pada jangkauan ini untuk mengetahui seberapa tinggi atau pendek
dari suatu data.
R = xmax − xmin (2.4)

Keterangan :
xmax = Nilai maksimum pada suatu data

xmin = Nilai minimum pada suatu data

Nilai dari jangkauan juga dapat dilihat apakah data tersebut terdapat data
outlier atau data ekstrem.

2.2 Uji Keacakan

Uji keacakan atau run test adalah teknik analisis data yang diuji dengan
dijadikan sampel dari suatu populasi untuk mengetahui apakah data tersebut

5
diambil dari suatu populasi secara acak atau tidak. (Daniel,1989). Langkah-langkah
uji keacakan atau run test sebagai berikut.
Hipotesis
H0 : Data pengamatan telah diambil secara acak dari suatu populasi
H1 : Data pengamatan telah diambil secara tidak acak dari suatu populasi
Statistik Uji
1. Untuk nilai n1 dan n2 < 20
r = banyaknya data runtun yang terjadi
r diperoleh dari banyaknya hasil runtunan data dengan dibandingkan nilai
median yang didapat
2. Untuk nilai n1 dan n2> 20
Menggunakan rumus sebagai berikut:
r − {( 2n1 n2 ) /( n1 n2 )} + 1
Z=
2n1 n2 (2n1 n2 − n1 n2 ) (2.5)
(n1 + n2 ) 2 (n1 n2 − 1)

Dimana:
r = banyaknya runtun data yang terjadi
n1 = banyaknya data bertanda (+)
n2 = banyaknya data bertanda (-)
Daerah kritis
1. Untuk data < 20
Tolak H0 jika, r < r bawah atau r > r atas dari tabel. Nilai kritis untuk runtun r
dengan n1 dan n2.
2. Untuk data > 20
Tolak H0 jika, Z  Z  atau Z  −Z  atau P-value < 
1− 1−
2 2

2.3 Uji Normalitas Kolmogorov-Smirnov

Asumsi normal terpenuhi jika histogram terlihat seperti distribusi normal
yang berpusat di 0. Apabila plot residualnya cenderung mendekati garis lurus (garis
linier) dengan Uji Kolmogorov Smirnov dengan melihat nilai P-Value. Jadi suatu
data dapat dikatakan baik apabila data tersebut memenuhi semua asumsi Distribusi
Normal. ( Daniel, 1989). Pengujian hipotesis ujinya, yaitu:
H0: Residual berdistribusi normal

6
H1: Residual tidak berdistribusi normal
Taraf signifikan, α: 0.05
Daerah kritis: Tolak Ho jika D > D (1-α, n )dan P-value < α
Statistik Uji :

D= F0 ( x) − Fn ( x)
sup
(2.6)
x

2.4 Grafik Kendali (Control Chart)

Grafik kendali merupakan sebuah alat grafik yang digunakan untuk
melakukan pengawasan dari sebuah proses yang sedang berjalan. Nilai dari
karakteristik kualitas diplot sepanjang garis vertikal, dan garis horizontal mewakili
sampel atau subgrup (berdasarkan waktu) di mana karakteristik dari kualitas
ditemukan (Montgomery, 2009).
Grafik kendali dapat digunakan untuk perbaikan kualitas proses,
menentukan kemampuan proses, membantu menentukan spesifikasi-spesifikasi
yang efektf, menentukan kapan proses dijalankan dan kapan dibuat
penyesuaiannya, serta menemukan penyebab dari tidak diterimanya standar kualitas
tersebut (produk). Serta digunakan untuk membantu mendeteksi adanya
penyimpangan dengan cara menetapkan batas-batas kendali. Berikut merupakan
batas-batas kendali :
1) Upper control limit/batas kendali atas (UCL) Merupakan garis batas atas untuk
suatu penyimpangan yang masih diijinkan.
2) Central line/garis pusat atau tengah (CL) Merupakan garis yang melambangkan
tidak adanya penyimpangan dari karakteristik sampel.
3) Lower control limit/batas kendali bawah (LCL) Merupakan garis batas bawah
untuk suatu penyimpangan dari karakteristik sampel.

2.4.1 ̅−𝑹
Grafik Kendali 𝑿
̅ menjelaskan perubahan-perubahan yang terjadi dalam
Diagram kendali X
ukuran titik pusat atau rata-rata dari suatu proses, sedangkan diagram kendali R
menjelaskan tentang perubahan-perubahan dalam ukuran variasi yang didekati
dengan ragam. (Vincent Gaspersz, 2001)
Diagram x − R merupakan suatu diagram yang digunakan untuk memantau
proses yang mempunyai karakteristik yang berdimensi kontinyu. Ukuran subgrup

7
diagram x − R adalah 4, 5, 6. Diagram x menjelaskan tentang perubahan-
perubahan yang terjadi pada titik pusat atau rata-rata dari suatu proses. Diagram R
(range) menjelaskan perubahan-perubahan yang terjadi dalam ukuran variasi.
Untuk membuat diagram x , dimisalkan karakteristik kualitas berdistribuasi
normal dengan mean  dan standar deviasi  dimana  dan  diketahui. Jika x1,
x2, ..., xn sampel berukuran n, maka rata-rata sampel ini adalah sebagai berikut.
(Montgomery, 2009)
x1 + x 2 + ... + x n
x= (2.7)
n
x = x1 + x2 + ... + xm adalah rata-rata tiap sampel. Penaksir rata-rata untuk m

sampel tersebut adalah sebagai berikut.

x1 + x 2 + ... + x m
x= (2.8)
m
Untuk membuat batas kontrol, diperlukan estimasi dari standar deviasi  .
Jika x1, x2, ..., xn sampel berukuran n, maka rentang sampel adalah selisih observasi
yang terbesar dan terkecil, yaitu
R = X maks − X min (2.9)

R1, R2, ..., Rm adalah rentang m sampel. Rentang rata-rata untuk m sampel
tersebut adalah sebagai berikut.
R1 + R2 + ... + Rm
R= (2.10)
m
R
Jika digunakan x sebagai penaksir untuk  dan sebagai penaksir untuk
d2

 maka batas kontrol diagram x adalah sebagai berikut.

3
UCL = x + R
d2 n

Garis Tengah = x (2.11)

3
LCL = x − R
d2 n
3
Dimisalkan A2 = , maka batas kontrol diagram x adalah sebagai
d2 n

berikut.

8
 UCL = x + A2 R

Garis Tengah = x (2.12)

LCL = x − A2 R

Untuk membuat diagram R dengan rentang rata-rata R dan standar deviasi

R
yang tidak diketahui, maka penaksir  R adalah ˆ R = d 3 . Maka batas diagram
d2

kontrol diatas adalah sebagai berikut.

R
UCL = R + 3ˆ R = R + 3d 3
d2

Garis Tengah = R (2.13)

R
LCL = R − 3ˆ R = R − 3d 3
d2

d3 d
Dimisalkan D3 = 1 − 3 dan D4 = 1 + 3 3 , maka batas kontrol diagram R
d2 d2
menjadi sebagai berikut.
UCL = D4 R

Garis Tengah = R (2.14)

LCL = D3 R

Control chart akan memberikan panduan dalam melakukan perbaikan pada

proses. Pada area manajemen resiko, control chart dapat digunakan sebagai alat
untuk memonitor resiko (Montgomery, 2009).

2.4.2 Grafik Kendali Individual dan Moving Range

Diagram kendali Individual (X) dan Moving Range (MR) adalah diagram
kendali variabel yang digunakan di mana ukuran sampel yang digunakan pada
setiap periodenya adalah n=1 (sampel terdiri dari unit individu). (Montgomery,
2009). Diagram kendali MR (Moving Range) digunakan untuk mengendalikan
dispersi. MR (Moving Range) yaitu jarak (range) antara satu titik data ( x i ) dengan

titik data sebelumnya ( x i −1 ) . Berikut merupakan rumus-rumus dari pembuatan

grafik kendali individual dan moving range :

Cara menghitung MR dan MR adalah sebagai berikut :
(2.16) 9
 MRi = xi − xi −1 (2.16)

MRi
MR = (2.17)
n
Untuk menentukan batas-batas kendali grafik kendali moving range :
BKA = MR  D4
GP = MR (2.18)
BKB = MR  D3

Dimana D4 dan D3 diperoleh dari tabel faktor untuk membangun diagram kendali.

Untuk menentukan batas-batas kendali grafik kendali individual sebagai berikut :

MR
BKA = x + 3
d2
GP = x (2.19)
MR
BKB = x − 3
d2

Dimana D4 dan D3 diperoleh dari tabel faktor untuk membangun diagram kendali.

2.5 Diagram Pareto

Diagram Pareto adalah grafik yang menunjukkan masalah berdasarkan
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 terakhir yang terendah serta ditempatkan pada sisi paling kanan (Besterfield,
2009). Diagram pareto ini merupakan suatu gambaran yang mengurutkan
klasifikasi data dari kiri ke kanan menurut urutan ranking tertinggi hingga terendah.
Hal ini dapat membantu menemukan permasalah yang paling penting untuk segera
diselesaikan (ranking tertinggi) sampai dengan masalah yang tidak harus segera
diselesaikan (ranking terendah) diagram pareto juga dapat mengidentifikasikan
masalah yang paling penting yang mempengaruhi usaha perbaikan kualitas
(Besterfield, 2009).

2.6 Diagram Ishikawa

Diagram Ishikawa (diagram tulang ikan/cause-and-effect matrix) adalah
diagram yang menunjukkan penyebab-penyebab dari sebuah even yang spesifik.

10
Diagram ini pertama kali diperkenalkan oleh Kaoru Ishikawa. Diagram Ishikawa
dapat membantu mengidentifikasi faktor-faktor yang signifikan memberi efek
terhadap sebuah even. Diagram ini sangat praktis dilakukan dan dapat mengarahkan
satu tim untuk terus menggali suatu permasalahan. Penyebab terjadinya masalah
pada umumnya adalah 4M+L yaitu mesin, material, manusia, metode, dan
lingkungan.Sehingga menemukan penyebab utama atau akar dari permasalahan.
(Ariani, 2003).

2.7 BMI (Body Mass Index)

BMI (Body Mass Index) merupakan ukuran yang digunakan untuk menilai
proporsionalitas perbandingan antara tinggi dan berat seseorang. BMI sering
digunakan dokter untuk menilai seseorang itu obesitas atau tidak. Body Mass Index
(BMI) merupakan teknik untuk menghitung index berat badan, sehingga dapat
diketahui kategori tubuh kita apakah tergolong kurus, normal dan obesitas
(kegemukan). (Syukra Alhamda, 2015). Cara menghitung nilai BMI adalah sebagai
berikut
𝐵𝑒𝑟𝑎𝑡 𝑏𝑎𝑑𝑎𝑛
BMI = 𝑇𝑖𝑛𝑔𝑔𝑖 𝑏𝑎𝑑𝑎𝑛2 (2.20)

Menurut WHO, hasil BMI (Body Mass Index) dibagi dalam beberapa
kategori yaitu kurus untuk BMI kurang dari 18.5, normal untuk 18,5 sampai dengan
24.9, genuk untuk 25 – 29.9, dan obesitas untuk lebih dari 30

11
 BAB III
METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini adalah data primer yang
didapatkan melalui Google Form yang disebar ke mahasiswa aktif Departemen
Arsitektur ITS. Data yang digunakan adalah data Body Mass Index (BMI) sebanyak
100 dari mahasiswa aktif S1 Departemen Arsitektur ITS.

3.2 Variabel Penelitian

Variabel yang digunakan pada penelitian ini adalah tinggi badan, berat
badan, dan faktor yang mempengaruhi badan tidak ideal dari 100 mahasiswa aktif
S1 Departemen Arsitektur ITS.

3.3 Struktur Data

Adapun struktur data yang digunakan dalam analisis ini adalah sebagai
berikut.

Struktur data yang digunakan dalam penelitian terbagi menjadi 2 yaitu

struktur data yang digunakan untuk fase I dan struktur data yang digunakan untuk
fase II sebagai berikut.
Tabel 3.1 Struktur Data Fase I
Sub Banyak observasi
group 1 2 3 4
1 X1,1 X2,1 X3,1 X4,1
2 X1,2 X2,2 X3,2 X4,2
. . . . .
. . . . .
. . . . .
20 X1,20 X2,20 X3,20 X4,20

12
 Tabel 3.2 Struktur Data Fase II
Sub Banyak Observasi
Group 1 2 3 4
1 X1,1 X2,1 X3,1 X4,1
2 X1,2 X2,2 X3,2 X4,2
3 X1,3 X2,3 X3,3 X4,3
4 X1,4 X2,4 X3,4 X4,4
5 X1,5 X2,5 X3,5 X4,5

3.4 Langkah Penelitian

Langkah-langkah penelitian yang kami lakukan yaitu sebagai berikut :
1. Merumuskan masalah.
2. Melakukan pengumpulan data yang akan dianalisis.
3. Menganalisis karakteristik data.
4. Menguji asumsi keacakan dan normalitas data.
5. Menganalisis grafik grafik kendali x - 𝑅 dan I-MR untuk fase I dan fase II
6. Membuat diagram pareto dan diagram Ishikawa
7. Menarik kesimpulan.

3.5 Diagram Alir

Diagram alir menggambarkan alur perjalanan pembuatan laporan ini, mulai
dari proses perumusan masalah hingga penarikan kesimpulan dan saran. Diagram
alir dalam praktikum ini adalah sebagai berikut.

Merumuskan masalah

Mengumpulkan Data

Menganalisis karakteristik data

13
 A

Tidak Data diasumsikan telah

Uji Acak
diambil secara acak
keacakan
data

Acak

Tidak Data diasumsikan

Uji Normal berdistribusi Normal
normalitas
data

Normal

Menganalisa Menganalisa
grafik kendali grafik kendali
x - 𝑅 fase I I – M𝑅 fase I
Identifikasi
Tidak Tidak
penyebab
Terkendali terkendali
out of terkendali Terkendali
control

Menganalisa Menganalisa
grafik kendali grafik kendali
x - 𝑅 fase II I – M𝑅 fase I

Tidak Tidak
Terkendali terkendali Identifikasi terkendali Terkendali
penyebab
Analisis Diagram Pareto
Analisis Diagram Pareto out of
control

Analisis Diagram Ishikawa Analisis Diagram Ishikawa

Kesimpulan dan saran

Gambar 3.1 Diagram alir

Gambar 3. 1 Diagram alir

14

GAMBAR 3 1
 BAB IV
ANALISIS DATA DAN PEMBAHASAN

4.1 Statistika Deskriptif Body Mass Index mahasiswa SI Arsitektur ITS

Data praktikum yang dipakai dilakukan dengan mengumpulkan data tinggi
dan berat badan dari 100 mahasiswa S1 Arsitektur ITS. Pada fase I digunakan 20
subgroup dengan subgroup size 4, sedangkan pada fase II digunakan data tambahan
5 subgroup dengan subgroup size 4.
Tabel 4.1 Statistika Deskriptif BMI Mahasiswa S1 Arsitektur ITS
Mean Minimum Maximum Standar Deviation
Tinggi Badan 160,63 145,00 185,00 10,09
Berat Badan 53,60 37,00 90,00 7,70
BMI 20,686 16,218 32,466 3,055
Berdasarkan pada Tabel 4.1 diketahui bahwa rata-rata tinggi badan mahasiswa S1
Arsitektur ITS adalah 160,63 cm dan rata-rata berat badannya adalah 53,60 kg.
Berdasarkan rata- rata BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS adalah
22,242. Dengan nilai rata-rata BMI 22.242, dapat dikategorikan bahwa rata-rata
BMI di mahasiswa S1 Arsitektur ITS adalah normal sesuai aturan dari WHO.
Artinya rata-rata berat badan yang terjadi di mahasiswa S1 Arsitektur masih ideal.

4.2 Uji Keacakan dan Normalitas BMI (Body Mass Index)

Sebelum melakukan pengontrolan melalui grafik kendali, ada dua asumsi
yang harus terpenuhi yaitu asumsi acak dengan dilakukan uji keacakan dan asumsi
distribusi normal dengan dilakukan uji normalitas. Oleh karena itu, dilakukan uji
keacakan dan uji normalitas pada data BMI (Body Mass Index) mahasiswa S1
Arsitektur ITS untuk dilihat apakah data berdistribusi normal dan berasumsi acak.

4.2.1 Uji Keacakan

Uji keacakan yang digunakan adalah uji Run test. Uji Run test digunakan
untuk mengetahui untuk mengetahui apakah data pada BMI (Body Mass Index)
mahasiswa S1 Arsitektur ITS bersifat acak atau tidak. Berikut merupakan hasil uji
Run test pada 20 subgrup dengan 4 sample. Uji keacakan pada data BMI (Body
Mass Index) mahasiswa S1 Arsitektur ITS adalah sebagai berikut

15
 Tabel 4.2 Uji Run Test data 20 Mahasiswa S1 Arsitektur ITS
Nilai
P- value 0,128
Pada tabel 4.2 dapat dilihat bahwa nilai p-value menunjukkan angka 0,128
dimana angka tersebut lebih besar dari ɑ (0,05), sehingga data BMI (Body Mass
Index) pada mahasiswa S1 Arsitektur ITS sudah memenuhi asumsi acak.

4.2.2 Uji Normalitas Kolmogorov-Smirnov

Uji normalitas ini digunakan untuk mengetahi apakah data sudah
berdistribusi normal atau tidak. Untuk menguji data berdistribusi normal atau tidak
bisa dilakukan pengujian normalitas Kolmogorov-Smirnov. Uji normalitas pada
data BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS adalah sebagai berikut.

99,9
Mean 20,69
StDev 3,055
99 N 100
KS 0,117
95 P-Value <0.010

90

80
70
Percent

60
50
40
30
20

10
5

0,1
10 15 20 25 30 35
BMI

Gambar 4.1 Uji Kolmogorov-Smirnov BMI mahasiswa S1 Arsitektur ITS

Informasi pada Gambar 4.1 menunjukkan bahwa uji normalitas dengan

metode Kolmogorov-Smirnov pada data BMI (Body Mass Index) mahasiswa S1
Arsitektur ITS menghasilkan nilai Kolmogorov-Smirnov sebesar 0.117 dan P-value
<0.010. Jika dibandingkan dengan ɑ =0,05, maka nilai p-value < 0.05. Sehingga
data BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS tidak berdistribusi
normal. Namun, sebagai asumsi yang harus terpenuhi dalam grafik kendali, data
tersebut diasumsikan berdistribusi normal.

16
4.3 ̅−𝑹
Grafik Kendali 𝑿
Untuk melihat apakah nilai BMI (Body Mass Index) mahasiswa S1
Arsitektur terkendali secara statistic atau tidak, maka dapat dilakukan grafik kendali
x -𝑅, yaitu terdapat fase 1 dan fase 2.

4.3.1 ̅ − 𝑹 fase I
Grafik Kendali 𝑿
Hal pertama melakukan grafik kendali x -𝑅 adalah melakuakan grafik
kendali x -𝑅 fase 1. Data yang digunakan pada fase ini adalah 20 subgroup dengan
4 sampel. Berikutnya untuk menganalisis diagram kendali x − R adalah melihat
pada R chart apakah proses ada dalam kendali atau tidak. Berikut x − R chart pada
data Fase I.

14
UCL=13,19
12

10
Sample Range

_
6 R=5,78

0 LCL=0

1 3 5 7 9 11 13 15 17 19
Sample

Gambar 4.2 R chart BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS Fase I
Informasi pada Gambar 4.2 menunjukkan bahwa R chart untuk BMI (Body
Mass Index) tidak terdapat yang di luar batas kendali. Dapat dilihat bahwa nilai
batas bawah (LCL) memiliki nilai 0, sedangkan nilai R BMI (Body Mass Index)
yang paling kecil adalah rentang antara 0-2. Untuk nilai batas atas (UCL) memiliki
nilai 13,19, sedangkan nilai R BMI (Body Mass Index) yang paling tinggi adalah
sekitar mendekati angka batas. Sehingga untuk R berada dalam kendali.
Karena variabilitas antar subgroup kecil sudah terkontrol atau terkendali
secara statistik, maka dilanjutkan untuk membuat x . Berikut diagram kendali x
chart pada data BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS

17
 25 UCL=25,105

24

23

22
Sample Mean

_
_
21 X=20,894

20

19

18

17
LCL=16,683
16
1 3 5 7 9 11 13 15 17 19
Sample

Gambar 4.3 x chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase I

Informasi pada Gambar 4.3 x chart dapat dilihat bahwa nilai x BMI
(Body Mass Index) tidak terdapat yang di luar batas kendali. Dapat dilihat bahwa
nilai batas bawah (LCL) memiliki nilai 16,683, sedangkan nilai x BMI (Body Mass
Index) yang paling kecil adalah 18. Untuk nilai batas atas (UCL) memiliki nilai
25,105, sedangkan nilai x BMI (Body Mass Index) yang paling tinggi adalah
mendekati sekitar 24. Sehingga untuk R berada dalam kendali. Sehingga
kesimpulannya adalah x - 𝑅 fase 1 berada di dalam kendali

4.3.2 ̅ − 𝑹 fase II
Grafik Kendali 𝑿
Setelah dilakukan grafik kendali fase 1 yaitu 20 subgroup dengan 4 sampel
data BMI (Body Mass Index) yang hasilnya telah terkendali secara statistik, maka
dapat dilanjutkan ke Grafik Kendali x - 𝑅 fase II. Pada fase II ini, data ditambah 5
subgroup dengan 4 sampel. Pada fase II ini akan diketahui apakah terjadi
pergeseran proses pada data BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS.
Berikut diagram kendali R fase II gabungan dari dua data yaitu 20 subgrup dan 5
subgrup.

18
 14,00 13,19 13,19

12,00

10,00

8,00
5,78 5,49
6,00

4,00

2,00
0,00 0,00
0,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

r cl r ucl r lcl r

Gambar 4.4 R chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II
Informasi pada Gambar 4.4 menunjukkan bahwa nilai R-chart BMI (Body
Mass Index) tidak terdapat yang di luar batas kendali. Dapat dilihat bahwa nilai
batas bawah (LCL) fase I memiliki nilai 0, sedangkan nilai batas atas (UCL) fase II
adalah 13,19. Dapat dilihat dari batas-batas yang telah ada, bahwa tidak ada yang
di luar kendali (out of control). Sehingga dapat disimpulkan bahwa data R-chart
BMI (Body Mass Index) mahasiswa Arsitektur ITS telah terkendali secara statistik.
Selain itu, dapat dilihat nilai rata-rata dari fase I adalah 5,78 dan fase II adalah 5,49.
Sehingga dapat disimpulkan bahwa terjadi pergeseran rata-rata dari proses tersebut,
namun masih terkendali secara statistik.
Karena variabilitas antar subgroup kecil sudah terkontrol atau terkendali
secara statistik, maka dilanjutkan untuk membuat x . Berikut diagram kendali R-
chart fase II pada data BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS.

19
 27,00
25,11 25,11
25,00

23,00
20,89
21,00 19,85

19,00
16,68 16,683
17,00

15,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

xbar cl xbar ucl xbar lcl xbar

Gambar 4.5 x chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II

Dari Gambar 4.5 Berdasarkan Gambar, dapat dilihat bahwa dalam x chart
semua proses berada dalam batas kendali. Pada data BMI (Body Mass Index)
mahasiswa S1 Arsitektur ITS batas kendali atas yang digunakan adalah sebesar
25,11 dan batas kendali bawah adalah 16,683. Dapat dilihat bahwa semua proses
berada diantara batas kendali maka artinya tidak ada proses yang out of control,
sehingga dapat disimpulkan bahwa data x BMI (Body Mass Index) mahasiswa S1
Arsitektur ITS telah terkendali secara statistik. Selain itu, dapat dilihat nilai rata-
rata dari fase I adalah 20,89 dan fase II adalah 19,85. Sehingga dapat disimpulkan
bahwa terjadi pergeseran rata-rata dari proses tersebut, namun masih terkendali
secara statistik. Sehingga kesimpulannya adalah x - 𝑅 fase II berada di dalam
kendali.

4.4 Grafik Kendali I-MR

Grafik kendali I-MR merupakan grafik yang digunakan untuk
mengidentifikasi apakah sebuah proses masih berada di dalam batas kendali
dengan memperhatikan ukuran sampel yang digunakan pada setiap periodenya
adalah n = 1 dan range antara satu titik data dengan data sebelumnya . Berikut
grafik kendali moving range dari data BMI (Body Mass Index) mahasiswa
Arsitektur ITS dengan data sebanyak 20.

20
4.4.1 Grafik Kendali I-MR Fase I
Untuk membuat grafik kendali I-MR fase I diawali dengan grafik Moving
Range Chart terlebih dahulu. Berikut merupkan grafik Moving range Chart
18

16 UCL=16,14

14

12
Moving Range

10

6 __
MR=4,94
4

0 LCL=0

1 3 5 7 9 11 13 15 17 19
Observation

Gambar 4.6 Moving Range chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase I
Berdasarkan Gambar 4.6, dapat dilihat bahwa semua proses berada dalam
batas kendali. Pada data BMI (Body Mass Index) mahasiswa Arsitektur ITS batas
kendali atas yang digunakan adalah sebesar 16,14 dan batas kendali bawah adalah
0. Karena semua proses berada diantara batas kendali maka artinya tidak ada proses
yang out of control, sehingga dapat disimpulkan bahwa data BMI (Body Mass
Index) mahasiswa Arsitektur ITS telah terkendali secara statistik.

35 UCL=35,02

30
Individual Value

25
_
X=21,88
20

15

10
LCL=8,74

1 3 5 7 9 11 13 15 17 19
Observation

Gambar 4.7 Individual chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase I
Karena variabilitas antar subgroup kecil dan sudah terkontrol atau
terkendali secara statistik, maka dilanjutkan ke Individual Chart. Berdasarkan

21
Gambar 4.7, dapat dilihat bahwa semua proses berada dalam batas kendali. Pada
data BMI (Body Mass Index) mahasiswa Arsitektur ITS batas kendali atas yang
digunakan adalah sebesar 35,02 dan batas kendali bawah adalah 8,74. Karena
semua proses berada diantara batas kendali maka artinya tidak ada proses yang out
of control, sehingga dapat disimpulkan bahwa data BMI (Body Mass Index)
mahasiswa Arsitektur ITS telah terkendali secara statistik.

4.4.2 Grafik Kendali I-MR Fase II

Pada fase I, data BMI (Body Mass Index) mahasiswa Arsitektur ITS telah
terkendali secara statistik. Sehingga dapat dilanjutkan pada fase II. Pada fase II,
ditambah data dengan 5 subgroup dan digunakan untuk mengtahui apakah terjadi
pergeseran proses pada data BMI (Body Mass Index) mahasiswa Arsitektur ITS.
Berikut grafik kendali I-MR fase II gabungan dari dua data yaitu 20 subgroup dan
5 subgroup.

Gambar 4.8 Moving Range chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II

Berdasarkan Gambar 4.8, dapat dilihat bahwa semua proses berada dalam
batas kendali. Data BMI diambil dari data ketiga. Pada data BMI (Body Mass Index)
mahasiswa Arsitektur ITS batas kendali atas yang digunakan adalah sebesar 16,14
dan batas kendali bawah adalah 0. Karena semua proses berada diantara batas
kendali maka artinya tidak ada proses yang out of control, sehingga dapat
disimpulkan bahwa data BMI (Body Mass Index) mahasiswa Arsitektur ITS telah
terkendali secara statistik. Selain itu, dapat dilihat nilai rata-rata dari fase I adalah

22
4,94 dan fase II adalah 3,86. Sehingga dapat disimpulkan bahwa terjadi pergeseran
rata-rata dari proses tersebut, namun masih terkendali secara statistik.

Gambar 4.9 Individual chart Body Mass Index mahasiswa S1 Arsitektur ITS Fase II
Karena variabilitas antar subgroup kecil dan sudah terkontrol atau
terkendali secara statistik, maka dilanjutkan ke Individual Chart. Berdasarkan
Gambar 4.9, dapat dilihat bahwa semua proses berada dalam batas kendali. Data
BMI diambil dari data ketiga. Pada data BMI (Body Mass Index) mahasiswa
Arsitektur ITS batas kendali atas yang digunakan adalah sebesar 35,02 dan batas
kendali bawah adalah 8,74. Karena semua proses berada diantara batas kendali
maka artinya tidak ada proses yang out of control, sehingga dapat disimpulkan
bahwa data BMI (Body Mass Index) mahasiswa Arsitektur ITS telah terkendali
secara statistik. Selain itu, dapat dilihat nilai rata-rata dari fase I adalah 21,88 dan
fase II adalah 18,70. Sehingga dapat disimpulkan bahwa terjadi pergeseran rata-rata
dari proses tersebut, namun masih terkendali secara statistik.

4.5 Diagram Pareto

Untuk menentukan dan mengindentifikasi prioritas permasalahan yang akan
diselesaikan dapat menggunakan grafik pareto. Permasalahan dengan frekuensi
tertinggi merupakan masalah prioritas yang harus dicari solusinya. Permasalahan
yang dapat menyebabkan variabilitas BMI (Body Mass Index) adalah konsumsi
makanan, konsumsi sayuran dan buah-buahan, waktu tidur, banyak pikiran, dan
pola olahraga. Berikut grafik pareto dari data fase II x − R dan I-MR.

23
4.5.1 ̅−𝑹
Diagram Pareto 𝑿
Berikut merupakan Pareto Chart untuk 𝑋̅ − 𝑅 untuk penyebab badan tidak
ideal

Gambar 4.10 Pareto chart Penyebab Badan Tidak Ideal 𝑋̅ − 𝑅

Berdasarkan Gambar 4.10, dapat dilihat bahwa penyebab utama dari BMI
(Body Mass Index) yang tidak ideal dikarenakan faktor waktu tidur. Dari 20
responden, 16 diantaranya memilih waktu tidur sebagai penyebab utama BMI
(Body Mass Index) yang tidak ideal.

4.5.2 Diagram Pareto I-MR

Berikut merupakan Pareto Chart untuk I-MR untuk penyebab badan tidak
ideal

Gambar 4.11 Pareto chart Penyebab Badan Tidak Ideal I-MR

24
 Berdasarkan Gambar 4.11, dapat dilihat bahwa penyebab utama dari BMI
(Body Mass Index) yang tidak ideal dikarenakan faktor banyak pikiran. Dari 5
responden, semuanya memilih banyak pikiran sebagai penyebab utama BMI (Body
Mass Index) yang tidak ideal.

4.6 Diagram Ishikawa

Pada grafik pareto telah disebutkan bahwa ada dua penyebab utama yang
menyebabkan BMI (Body Mass Index) yang tidak ideal yaitu waktu tidur dan
banyak pikiran. Untuk mengetahui penyebab pada masing- masing faktor maka
dilakukan analisis dengan menggunakan grafik ishikawa. Berikut grafik ishikawa
dari penyebab utama yang menyebabkan BMI (Body Mass Index).

Material Personnel

Tidak punya selimut Ajakan bergadang

Tempat tidur tidak nyaman Banyak kegiatan

Banyak
Pikiran

Suhu tidak mendukung Jam tidur yang tidak

teratur

Banyak nyamuk Posisi tidur yang salah

Environment Methods

Gambar 4.12 Diagram Ishikawa Waktu Tidur

Berdasarkan Gambar 4.12 menjelaskan tentang salah satu faktor penyebab
tidak normalnya BMI (Body Mass Index) karena menjadi penyebab paling banyak
dibandingkan faktor yang lain pada grafik kendali x − R fase II yaitu faktor waktu
tidur. Grafik ishikawa di atas terbagi menjadi 4M+1L. Dari sisi kepribadian,
mahasiswa kadang terpengaruh dengan ajakan teman untuk bergadang dan banyak
mengikuti kegiatan-kegiatan di luar kampus. Selain itu dari sisi material adalah
mahasiswa tidak mempunyai selimut di kos/rumahnya dan tempat tidur yang tidak
nyaman. Kemudian dari sisi metode adalah jam tidak tidur yang tidak teratur dan
posisi tidur yang salah. Penyebab yang terakhir dari sisi lingkungan yaitu
banyaknya nyamuk dan suhu yang tidak mendukung.

25
 Material Personnel

Tidak punya uang Banyak masalah

Tidak bisa memenuhi sandang Gangguan psikologi

dan pangan

Banyak
Pikiran

Adanya masalah
keluarga Kendaraan rusak

Banyak urusan Manajemen waktu

organisasi yang salah
Alat komunikasi rusak
Diacuhkan dari
pergaulan

Environment Methods Machines

Gambar 4.13 Diagram Ishikawa Banyak Pikiran

Berdasarkan Gambar 4.13 menjelaskan tentang salah satu faktor penyebab
tidak normalnya BMI (Body Mass Index) karena menjadi penyebab paling banyak
dibandingkan faktor yang lain pada grafik kendali I-MR fase II yaitu faktor banyak
pikiran. Grafik ishikawa di atas terbagi menjadi 4M+1L. Dari sisi kepribadian,
mahasiswa kadang memiliki banyak masalah dan kemungkinan terdapat gangguan
psikologi. Selain itu dari sisi material adalah mahasiswa tidak mempunyai
mempunyai uang dan tidak bisa memenuhi sandang & pangan. Kemudian dari sisi
metode adalah manajemen waktu yang salah. Dari sisi machine diantaranya alat
komunikasi rusak dan kendaraan rusak. Penyebab yang terakhir dari sisi lingkungan
yaitu diacuhkan dari pergaulan sosial, banyak urusan organisasi, dan adanya
masalah keluarga.

26
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan, dapat ditarik beberapa
kesimpulan sebagai berikut :
1. Dari hasil analisis yang telah dilakukan, dapat disimpulkan bahwa rata- rata
BMI (Body Mass Index) mahasiswa S1 Arsitektur ITS adalah 22,242.
Dengan nilai rata-rata BMI 22.242, dapat dikategorikan bahwa rata-rata
BMI di mahasiswa S1 Arsitektur ITS adalah normal atau ideal sesuai aturan
dari WHO.
2. Dari uji keacakan, didapatkan nilai p-value menunjukkan angka 0,128
dimana angka tersebut lebih besar dari ɑ (0,05), sehingga data BMI (Body
Mass Index) pada mahasiswa S1 Arsitektur ITS sudah memenuhi asumsi
acak.
3. Dalam pengendalian kualitas BMI mahasiswa aktif Arsitektur ITS
menggunakan grafik kendali 𝑥̅ − 𝑅 fase 1 dan fase 2 sudah terkendali secara
statistik, meskipun terjadi pergeseran nilai rata-rata.
4. Dalam pengendalian kualitas BMI mahasiswa aktif Arsitektur ITS
menggunakan grafik kendali I-MR fase 1 dan fase 2 sudah terkendali secara
statistik, meskipun terjadi pergeseran nilai rata-rata.
5. Dari hasil analisis menggunakan grafik pareto, didapatkan 2 faktor utama
yang mempengaruhi BMI (Body Mass Index) mahasiswa Arsitektur ITS.
Diantaranya adalah waktu tidur dan banyak pikiran. Dan kemudian
dijabarkan lagi penyebab-penyebabnya menggunakan grafik ishikawa.

5.2 Saran
Setelah melakukan analisis dan pembahasan terhadap BMI (Body Mass
Index) mahasiswa Arsitektur ITS, saran untuk pembaca adalah agar supaya bisa
menghindari pola hidup yang kurang baik seperti, konsumsi makanan berlebihan,
stress, kurang tidur, dan sebagainya. Saran untuk penelitian selanjutnya agar
mengatasi data yang belum memenuhi asumsi berdistribusi normal dengan cara
transformasi data.

27
 DAFTAR PUSTAKA
Alhamda, Syukra dan Sriani, Yustina. (2015). Buku Ajar Ilmu Kesehatan
Masyarakat (IKM).Jakarta: Deepublish
Bhattacharyya, G. J. R., 1996. Statistics Principles and Methods. Singapore: John
Wiley &Sons, Inc.
Daniel, W. W., 1898. Statistika Nonparametrik Terapan. Jakarta: Gramedia
Montgomery, Douglas C. 2009. Introduction to Statistical Quality Control Fifth
Edition. NewYork: John Wiley & Sons, Inc.
Walpole, R. (1995). Pengantar Statistika. Jakarta: PT. Gramedia Pustaka Utama

28
 LAMPIRAN
Lampiran 1
Berat Tinggi
No Nama NRP
Badan (kg) Badan (cm)
1 Ichsan Syafii 8111740000020 50 167
2 Syefira 8111740000003 72 167
3 Anggita Arief Febriandia 8111740000056 74 162
4 Husna 8111740000060 41 159
5 Fia 8111740000016 38 150
6 Nabila Khoirun Nisa 8111740000064 42 155
7 Shabrina Nur Lathifatul 8111740000034 38 148
8 M. Habib Alfakhri 8111740000027 57 167
9 Hani Maghfiroh 8111740000008 48 152
10 Berliana 8111740000071 54 167
11 Elysa Marsha Devina 8111740000007 78 155
12 Nikmatullah 8111640000092 73 171
13 Hanina 8111640000058 50 152
14 Intan 8111640000071 56 165
15 Tiara Shafira 8111640000082 42 155
16 Syifa adila 8111640000032 50 163
17 Indah 8111640000103 40 153
18 Ananda Putri Wardani 8111940000097 54 152
19 Reynard Aditya Prathama 8111740000047 63 170
20 Amirah Zarli 8111940000063 49 161
21 Sri Wahyuni 8111940000026 43 152
22 Nadhila 8111740003001 50 162
23 Deitra Meifi 8111940000088 56 163
24 Maya 8111640000081 60 165
25 Syahlaa Nabiilab Putri 8111940000048 47 158
26 dahniar 8111840000011 55 165
27 Ayu 8111640000010 66 167
28 Eka Apriliawati 8111740000021 50 151
29 Daffa Ramadhan 8111940000089 56 168
30 Windi 8111840000030 53 160
31 Putri 8111740000011 57 155
32 ika 8111740000048 42 155
33 Nabila Jasmine Sinaga 8111940000027 58 167
34 Aida Sheila Aprilia 8111940000060 60 162
35 wahid 8111740007003 45 160
36 izzah desta b.r. 8111940000011 60 163
37 raihan f 8111740000072 56 157
38 Wardatut Toyyibah 8111740000026 40 147

29
 Berat Badan Tinggi
No Nama NRP (kg) Badan (cm)
39 Tarisa Fandra Maizana 8111940000099 40 145
40 Arlinda Surya 8111940000050 50 160
41 Saniyya Rahma 8111740000057 53 160
42 Tristansha 8111940000002 46 152
Ahmad Asyam Dary
43 Kharisma 8111940000085 62 173
44 Samuel edison 8111940000045 65 165
45 Izyan Asyrofi 8111940000079 54 161
46 ralf samuel 8111940000078 64 170
47 Akhmad Faza Amaanullah 8111940000044 57 163
Muhammad Daffa
48 Samudera 8111940000017 80 175
49 Sri Wahyuni Fatimah 8111940000026 44 152
50 Anisa Widya Aliefiyanti 8111940000053 50 158
51 Rania Ayu W. 8111940000039 54 164
52 Salsabilla K 8111940000068 47 153
53 David FP 8111740000024 60 165
Syafa Ailsa Dewi
54 Bhanuwati 8111940000022 50 152
55 Mutia Sulistiastuti 8111740000009 42,7 156
56 Ledy Fitra Ramadhani 8111640000006 45 160
57 Mirkam 8111640000111 55 157
58 Khansa 8111640000068 48 163
59 Unchi maya 8111640000099 54 160
60 Aryo 8111640000034 51 165
61 aam 8111640000018 55 160
62 Oktavian 8111640007001 70 181
63 Reza Alfarizi 8111940000052 90 175
64 Haajar 8111840000035 66 155
65 Farhan 8111940000062 63 173
66 maurania 8111640000081 60 160
67 Ardha 8111840000059 50 160
68 Ahnaf 8111840000038 64,8 185
69 Raras Sela 8111740000002 54 148
70 Nabila Puspitowati 8111840000048 51,5 160
71 Dika 8111840000051 48 160
72 Fitri 8111740000040 42 157
73 Elang 8111740000046 60 172
74 Dida 8111840000045 55 165
75 Ina 8111740000022 46 155
76 Rusyda Tamma 8111840000023 52 152
77 sanaura rafif elantares 8111840000039 45 160
30
 Berat Badan Tinggi
No Nama NRP (kg) Badan (cm)
78 Amanda Shafa Kirana 8111840000009 48 151
79 Cholisil muchlis 8111640000113 76 166
80 nabila vian 8111740000005 43 156
81 Carissa 8111740000044 42 156
Wayan Lingga Hutama
82 Putra 8111740000006 56 172
83 Damayanti Tri 8111640000038 45 155
Rozaan Roziin Nabilan
84 Cahyono 8111940000073 60 170
85 Gita 8111740000074 53 160
86 Nouvend Setiawan 8111640000077 57 174
Altheannisa Agatha
87 Soraya 8111640000117 37 150
88 Vanessa Virda 8111940000074 45 159
89 Puspita Mahdy Hanifa 8111740000066 70 165
90 Windyandini Prajnyasinta 8111740000070 55 151
91 Alyssa Jane Khadijah 8111740000075 60 160
92 Aini Halima 8111740000004 43 152
93 Annisa Nur Ramadani 8111740000050 50 160
94 Hanna 8111740000038 43,5 159
95 Ariya Yosea 8111740000059 54 175
96 Aulia Syadza S 8111740000068 45 150
97 Rifdah Kamila Sofyan 8111740000014 65 155
98 Ines 8111740000017 49 163
Nathifa Rasheeda Putri
99 Alpatra 8111940000087 47 165
100 Tantri Pratisthita 8111740000013 50 164

31