Abstrak— Bantal merupakan salah satu kendali atas (Upper Control Limit) dan batas kendali
produk yang paling sering di gunakan ketika bawah (Lower Control Limit), untuk
hendak ingin tidur. Bantal dapat menyanggah menginterpretasikan data suatu proses dengan cara
kepala dengan baik agar kepala terjaga dari membuat gambar batasan-batasan variasi yang
benturan dan juga sakit pada leher. Biasanya diperbolehkan dan secara objektif menentukan apakah
bantal berisi kapuk, bulu angsa dan lainnya. suatu proses ada “dalam batas kendali“ atau “diluar
Perusahaan bantal ingin memenuhi kebutuhan batas kendali“. Peta kendali diperkenalkan oleh Dr.
pelanggannya berdasarkan kualitas sehingga bantal Walter A. Shewhart pada tahun 1920-an, sangat
yang diproduksi haruslah bantal yang memenuhi bermanfaat untuk mengetahui variabilitas yang terjadi
standar yang diberikan perusahaan dan sesuai dalam suatu proses produksi [1].
dengan spesifikasi dari konsumen sehingga Penelitian ini bertujuan untuk mengetahui apakah
memiliki manfaat yang maksimal sesuai yang spesifikasi karakteristik kualitas produk bantal itu cacat
diharapkan konsumen. Penelitian ini bertujuan atau tidak cacat sesuai dengan spesifikasi dengan
untuk mengetahui apakah spesifikasi karakteristik menggunakan peta kendali C dan U.
kualitas produk bantal itu cacat atau tidak cacat
II. TINJAUAN PUSTAKA
sesuai dengan spesifikasi dengan menggunakan peta
A. Peta Kendali
kendali C dan U. Diharapkan dalam praktikum
Peta kendali (Control chart) adalah suatu teknik
dapat mengerti tentang konsep penggunaan peta
statistik yang sering digunakan dalam menjamin bahwa
kendali C dan peta kendali U
B
suatu proses memenuhi standar dan memiliki batas
Kata Kunci—Bantal, Peta kendali C , Peta kendali atas (Upper Control Limit) dan batas kendali
kendali U bawah (Lower Control Limit), untuk
I. PENDAHULUAN menginterpretasikan data suatu proses dengan cara
antal merupakan salah satu produk yang paling sering membuat gambar batasan-batasan variasi yang
di gunakan ketika hendak ingin tidur. Bantal dapat diperbolehkan dan secara objektif menentukan apakah
menyanggah kepala dengan baik agar kepala terjaga suatu proses ada “dalam batas kendali“ atau “diluar
dari benturan dan juga sakit pada leher. Biasanya bantal batas kendali“. Peta kendali diperkenalkan oleh Dr.
berisi kapuk, bulu angsa dan lainnya. Perusahaan bantal Walter A. Shewhart pada tahun 1920-an, sangat
ingin memenuhi kebutuhan pelanggannya berdasarkan bermanfaat untuk mengetahui variabilitas yang terjadi
kualitas sehingga bantal yang diproduksi haruslah dalam suatu proses produksi [1].
bantal yang memenuhi standar yang diberikan 1. Peta Kendali C
perusahaan dan sesuai dengan spesifikasi dari Peta kendali C adalah suatu peta kendali yang
konsumen sehingga memiliki manfaat yang maksimal digunakan untuk mengevaluasi stabilitas suatu
sesuai yang diharapkan konsumen. Untuk proses yang berkenaan dengan perhitungan
memaksimalkan kualitas yang diharapkan sesuai kejadian-kejadian dalam suatu klasifikasi yang
dengan spesifikasi konsumen. Pada proses produksi diberikan pada suatu sampel. [2].Rumus untuk
pembuatan bantal dilakukan pengamatan untuk mencari nilai C dan batas pengendalian adalah
mengetahui kualitas hasil proses produksi bantal sebagai berikut :
apakah terkendali secara statistik dengan menggunakan
peta kendali.
Peta kendali (Control chart) adalah suatu teknik totalsampe l
c
statistik yang sering digunakan dalam menjamin bahwa Rata-rata proses: sampel
suatu proses memenuhi standar dan memiliki batas
2
Percent
60
Data yang digunakan dalam praktikum ini adalah Jumlah Sampel Sama
Percent
154
33,4
154
33,4
153
33,2
data primer yang diperoleh dengan generate data Cum % 33,4 66,8 100,0
sebanyak 20 data. Data di ambil pada hari Selasa, 7 Gambar 4.1 Diagram Pareto Jumlah Sampel Sama
April 2020, di rumah masing masing. Berdasarkan diagram pareto diatas dapat dikatakan
B. Variabel Penelitian bahwa jumlah cacat terbanyak terjadi pada jenis cacat
Variabel penelitian yang digunakan dalam ketebalan dan kekencangan jahitan yaitu sebanyak 154
pembahasan adalah bantal yang di amati selama 20 hari cacat, sedangkan jumlah cacat paling sedikit yaitu pada
di bulan Juni tahun 2019 sebagai subgroup dan sampel jenis cacat ketidakhalusan kain yaitu sebanyak 153
sebanyak 15 per hari dengan tingkat produksi 300 cacat. Jenis cacat kekencangan jahitan disebabkan oleh
bantal/hari. Karakteristik kualitas yang dimiliki bantal assignable causes yaitu karena memakai benang dari
antara lain ketebalan bantal, kekencangan jahitan, kain supplier baru, sedangkan pada ketebalan disebabkan
bantal yang tidak halus. olrh random causes.
2. Uji Poisson Jumlah Cacat Jumlah Sampel Sama
C. Langkah Analisis
Langkah analisis yang dilakukan pada praktikum Data jumlah cacat pada produksi bantal dengan
jumlah sampel sama yang sudah didapatkan lalu di
ini adalah sebagai berikut.
1. Generate data mengenai proses produksi bantal lakukan uji poisson. Dengan Hipotesis sebagai berikut:
Hipotesis:
dengan skala data nominal
H0 : Data jumlah cacat berdistribusi poisson.
2. Membuat diagram pareto H1 : Data jumlah cacat tidak berdistribusi poisson.
3. Melakukan Uji Poisson Taraf signifikan : α = 5%
Daerah kritis : tolak H0 apabila P-value < α ( 0,05)
4. Membuat peta kendali c dan peta kendali u Statistik Uji:
berdasarkan kasus yang sesuai P-value yang didapat dari pengujian
5. Melakukan uji keacakan menghasilkan p-value sebesar 0,549
Keputusan:
6. Membuat diagram sebab akibat Gagal Tolak H0 karena p-value = 0,549 > α = 0,05
7. Menarik kesimpulan dan saran Kesimpulan:
Data jumlah cacat berdistribusi poisson pada taraf
signifikan α = 5%, sehingga dapat dilanjutkan untuk
II. ANALISIS DAN PEMBAHASAN analisis selanjutnya.
A. Menganalisis Kapabilitas Proses Pembuatan 3. Membuat Peta Kendali C dan U untuk Jumlah
Bantal Jumlah Sampel Sama Sampel Sama
1. Diagram Pareto Untuk Jumlah Sampel Sama a. Peta Kendali C
Berikut ini merupakan diagram pareto unutk jenis Setelah diketahui data berdistribusi poisson,
cacat pada jumlah sampel sama. selanjutnya data jumlah cacat digambarkan sebagai
berikut.
4
B
en
an
g
da
ri
s
up
2,5 UCL=2,501
pli
er
ba
Penyebab
ru
Benang dari supplier
baru
Frek uensi
C acat
Tertinggi
Sample Count Per Unit
2,0
_
1,5 U=1,54
1,0
400
Jumlah Sampel Berbeda
2,0
300
Percent
60 _
1,5
U=1,419
200
40
1,0
100 20
0,5 LCL=0,496
0 0
Jenis Cacat Kekencangan Jahitan Ketebalan Ketidakhalusan Kain
Jumlah Sampel Berbeda 154 150 150 1 3 5 7 9 11 13 15 17 19
Percent 33,9 33,0 33,0
Sample
Cum % 33,9 67,0 100,0 Tests performed with unequal sample sizes
Gambar 4.5 Diagram Pareto Jumlah Sampel Berbeda Gambar 4.4 Peta kendali U Jumlah Sampel Berbeda
Berdasarkan diagram pareto diatas dapat dikatakan Berdasarkan peta kendali U diatas bisa di lihat
bahwa jumlah cacat terbanyak terjadi pada jenis cacat bahwa peta tersebut tidak ditemukan titik merah atau
kekencangan jahitan yaitu sebanyak 154 cacat, out of control pada titik persebarannya dengan batas
sedangkan jumlah cacat paling sedikit yaitu pada jenis kendali atas sebesar 2,341, garis tengah 1,419 dan batas
cacat ketebalan dan ketidakhalusan kain yaitu sebanyak kendali bawah sebesar 0,496 maka dapat dikatakan peta
150 cacat. Pada jenis cacat kekencangan jahitan sudah terkendali secara statistik.
mendapatkan jumlah cacat terbanyak disebabkan oleh 3. Uji Keacakan
assignable causes yaitu karena memakai benang dari Menguji keacakan data jumlah caact, merupakan
supplier baru. salah satu syarat yang harus dipenuhi sebelum
2. Uji Poisson Sampel Berbeda melakukan analisis kapabilitas. Tabel berikut
merupakan hasil pengujian dengan metode run test
Data jumlah cacat pada produksi bantal dengan dengan software Minitab.
jumlah sampel sama yang sudah didapatkan lalu di Hipotesis :
lakukan uji poisson. Dengan Hipotesis sebagai berikut: H0 : Sampel dari data keacakan data jumlah cacat
Hipotesis: diambil secara acak
H0 : Data jumlah cacat berdistribusi poisson. H1 : Sampel dari data keacakan data jumlah cacat
H1 : Data jumlah cacat tidak berdistribusi poisson. diambil tidak acak
Taraf signifikan : α = 5% Taraf signifikan α = 0,05
Daerah kritis : tolak H0 apabila P-value < α ( 0,05) Daerah kritis : tolak H0 saat p-value < α
Statistik Uji: Statistik Uji:
P-value yang didapat dari pengujian P-value yang didapat dari pengujian
menghasilkan p-value sebesar 1 menghasilkan p-value sebesar 0,178.
Keputusan:
Gagal Tolak H0 karena p-value = 1 > α = 0,05 Keputusan:
Kesimpulan: Gagal tolak H0 karena p-value = 0,178 > α = 0,05
Data jumlah cacat berdistribusi poisson pada taraf Kesimpulan:
signifikan α = 5%, sehingga dapat dilanjutkan untuk Data jumlah cacat diambil secara acak pada taraf
analisis selanjutnya. signifikan α = 5%, sehingga dapat dilanjutkan untuk
2. Membuat Peta Kendali U untuk Jumlah Sampel analisis selanjutnya.
Berbeda
4. Diaram Ishikawa Untuk Assignable Causes pada
Setelah diketahui data berdistribusi poisson, Jumlah Cacat Sampel Berbeda
selanjutnya data jumlah cacat digambarkan sebagai
berikut. Untuk mengetahui penyebab dari titik merah pada
peta kendali x-bar pada n=15 dapat ditunjukkan oleh
diagram ishikawa di bawah ini.
6
Cause-and-Effect Diagram
bagaimana suatu proses dikatakan terkendali. Saran
Measurements Material Personnel untuk peneliti adalah agar memasukkan data yang jelas
dan lengkap agar memudahkan ketika akan dilakukan
analisis dan teliti saat mengolah data.
B
en
an
g
da
ri
DAFTAR PUSTAKA
s
up
pli
er
ba
Penyebab
ru
Benang dari supplier
baru
Frek uensi
C acat
[1] Evans, James R. & William M. Lindsay. 2007. An
Tertinggi
Introduction to Six Sigma & Process Improvement.
Jakarta: Salemba Empat.
[2] Montgomery, D. C., 2009 Introduction to
Environment Methods Machines
Statistical Quality Control. United States of
America: John Wiley & Sons, Inc.
Gambar 4.4 Diagram ishikawa untuk assignable causes [3] Montgomery, D.C, Design and Analysis of
Jumlah Sampel Sama Experiments. New York: John Wiley and Sons
Berdasarkan gambar diatas dapat dikatakan bahwa (2009).
yang menjadi penyebab frekuensi cacat terbesar pada [4] Purwanto, Djoko, 2007.Korespondensi Bisnis
kekencangan jahiran adalah pada faktor material yaitu Modern. Jakarta : Erlangga Group
benang dari supplier baru. [5] Marimin, 2008, Teknik dan Aplikasi Pengambilan
Keputusan Kriteria Majemuk, Jakarta : Grasindo
III. KESIMPULAN DAN SARAN [6] Montgomery, D.C, Design and Analysis of
Berikut ini merupakan kesimpulan dan saran yang Experiments. New York: John Wiley and Sons
didapatkan berdasarkan hasil analisis pada Pembuatan (2009).
Bantal dengan jumlah observasi sama dan berbeda. [7] Montgomery, D. C., 2009 Applied Statistics and
Probability for Engineers. United States of
A.Kesimpulan America: John Wiley & Sons, Inc
Berikut ini merupakan kesimpulan yang didapatkan [8] Regina, Belinda . 2013 . Bantal Fancy. Depok :
berdasarkan hasil analisis pada panjang pembuaatan Kanaya Press
Bantal dengan jumlah observasi sama dan berbeda
1. Pada analisis pembuatan bantal dengan jumlah
observasi sama yaitu dengan n=15, jumlah cacat
terbanya yaitu pada jenis cacat kekencangan
jahitan dikarenankan oleh random causes yaitu
benang dari supplier baru dan ketebalan yang
disebabkan oleh radom causes. data jumlah cacat
bantal yang berdistribusi poisson selanjutnya
dilakukan analisis menggunakan peta kendali c
dan u. Menghasilkan gambar garis yang sama
tentu saja dengan garis tengah dan batas kendali
yang berbeda. Data jumlah cacat adalah acak. LAMPIRAN
2. Pada analisis pembuatan bantal dengan jumlah
Output Software Distribusi Poisson untuk Jumlah
observasi berbeda, jumlah cacat terbanyak yaitu Sampel Sama
pada jenis cacat kekencangan jahitan dikarenankan
One-Sample Kolmogorov-Smirnov Test
oleh random causes yaitu benang dari supplier
baru. data jumlah cacat bantal yang berdistribusi JumlahCacat_n
poisson selanjutnya dilakukan analisis Sama
menggunakan peta kendali u. Data jumlah cacat
N 20
adalah acak.
a,b
Poisson Parameter Mean 23,1000
B, Saran
Most Extreme Differences Absolute ,178
Saran untuk pembaca adalah untuk
Positive ,178
memperhatikan dengan seksama agar paham
Negative -,127
7
Kolmogorov-Smirnov Z ,797
Asymp. Sig. (2-tailed) ,549
JumlahCacat_n
Beda
N 20
a,b
Poisson Parameter Mean 22,7000
Most Extreme Differences Absolute ,079
Positive ,065
Negative -,079
Kolmogorov-Smirnov Z ,355
Asymp. Sig. (2-tailed) 1,000