SIDANG TUGAS AKHIR

Jumat, 10 Juni 2016

Analisis Kapabilitas Proses

Produk Rokok Djarum Coklat
di PT Djarum Kudus, Jawa Tengah

Yongky Choirul Anam

1313 030 096

Dosen Pembimbing :
Dra. Sri Mumpuni Retnaningsih, MT.

Dosen Penguji :
Dra. Lucia Aridinanti, MT.
Noviyanti Santoso, S.Si., M.Si.

Program Studi DIII Jurusan Statistika ITS

Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember Surabaya
 OUTLINE
BAB I : PENDAHULUAN
BAB II : TINJAUAN PUSTAKA

BAB III : METODOLOGI PENELITIAN

BAB IV : ANALISIS DAN PEMBAHASAN

BAB V : PENUTUP

2
 BAB I
PENDAHULUAN

3
 LATAR BELAKANG

4
 LATAR BELAKANG

KK Pemeriksaan
Berat Rokok
Variabel
Proses :
 Giling
 Packing
o Pengisian blend
 Press
o Kertas sigaret
KK Atribut o Batilan
o Tampilan/materi
al/lain-lain
Djarum Coklat

5
 LATAR BELAKANG

Spesifikasi : Januari 2016 :

Level sigma 5,047 
Produk 195 produk tidak sesuai
sesuai / tidak dalam 1 juta produk

6
 LATAR BELAKANG
Penelitian Sebelumnya
Tia Zhalina Santoso
2011
Peningkatan kualitas rokok
sigaret kretek tangan (SKT)
dengan metode six sigma di
PT Djarum Kudus-SKT BL 53
6 defect : berat rokok, kotor di
bagian ekor, diameter ekor tidak
sesuai, keras sampai sulit dihisap,
gembos, dan cowong ekor
penyebab utama : belum adanya
alat bantu mengatur tembakau
7
Ida Nursanti
2014
Aplikasi SPC (Statistical
Process Control) dan Quality
Improvement Tool di bagian
giling dan batil rokok SKT PT
Djarum Kudus
Proses berada dalam in control
tetapi memiliki indeks kapabilitas
proses sebesar 0,21 sehingga
proses belum kapabel
Christina Adiyanti S
2008
Peranan pengendalian kualitas
terhadap pengurangan produk
cacat di PT Djarum
Pengamatan out of control
disebabkan oleh faktor tenaga
kerja, mesin, metode, bahan baku,
dan lingkungan
5 jenis ketidaksesuaian : light
weight, hard weight, soft spot, light
end, light end density
 RUMUSAN MASALAH

Giling

Packing

Press

8
 RUMUSAN MASALAH

 Djarum 76
 Djarum Super

Djarum Coklat

9
 RUMUSAN MASALAH

0,18% 
Produk tidak
sesuai

10
 RUMUSAN MASALAH

Kapabilitas proses produksi

rokok Djarum Coklat

Bagaimana, Jenis-jenis ketidaksesuaian

Apa sajakah yang sering terjadi pada
rokok Djarum Coklat

Penyebab-penyebab
terjadinya ketidaksesuaian
rokok Djarum Coklat
11
 TUJUAN

Kapabilitas proses produksi

rokok Djarum Coklat

Jenis-jenis ketidaksesuaian
Mengetahui yang sering terjadi pada
rokok Djarum Coklat

Penyebab-penyebab
terjadinya ketidaksesuaian
rokok Djarum Coklat
12
 MANFAAT

Memberikan informasi untuk PT Djarum Kudus terhadap

kapabilitas proses yang ada di perusahaan saat ini agar dapat
meningkatkan kualitas produk rokok yang diproduksi dan
meminimumkan adanya ketidaksesuaian pada proses produksi
khususnya produk rokok Djarum Coklat.

Memberikan informasi kepada perusahaan terhadap jenis-jenis

ketidaksesuaian yang sering terjadi pada produk Djarum
Coklat agar dapat melakukan perbaikan berkesinambungan
berdasarkan akar penyebab terjadinya ketidaksesuaian
tersebut.
13
 BATASAN MASALAH

Data Bagian Proses

Pemeriksaan Giling Januari – April
Produk Djarum Unit Pengkol, 2016
Coklat Kudus

14
 BAB II
TINJAUAN PUSTAKA

15
 Pengendalian
Kualitas Statistika

16
 PENGENDALIAN KUALITAS STATISTIKA
Pengendalian kualitas statistika merupakan suatu metode untuk
mengevaluasi kualitas produk hasil produksi dengan menggunakan
metode-metode statististik.
Peta kendali merupakan suatu diagram yang menggambarkan titik
pengamatan dalam suatu periode tertentu, pola penyebaran dibatasi oleh
batas kendali atas (BKA) dan batas kendali bawah (BKB).

Karakteristik kualitas atribut  Karakteristik kualitas variabel 

Kategori tertentu Besaran yang dapat diukur

Peta p, np, c dan u KK 1 : Peta kendali x  R , x  S , individu

KK > 1 : Generalized Variance dan T2
Hotelling
17
 Peta Kendali Variabel

18
 PETA KENDALI VARIABEL

Peta kendali variabel adalah peta kendali yang digunakan untuk

pengendalian kualitas secara statistika pada data yang diperoleh melalui
pengukuran dan dinyatakan dalam skala kontinu.

Peta kendali x  s adalah peta kendali variabel yang digunakan untuk

mengendalikan rata-rata proses (peta kendali x ) dan variabilitas proses
(peta kendali s) dimana ukuran sampel yang digunakan lebih dari 10.

19
 DISTRIBUSI NORMAL
Distribusi normal digunakan untuk mengetahui apakah data yang
digunakan normal atau tidak. (Daniel, 1989).
Kolmogorov-Smirnov
Hipotesis :
H0 : F(x) = F0(x)
H1 : F(x)  F0(x) untuk sekurang-kurangnya data sebuah nilai x

Statistik uji :
D  sup S x   F0 x 
dimana,
Sup = Supremum yaitu selisih terbesar
S x  = Nilai kumulatif distribusi empiris
F0  x  = Nilai kumulatif distribusi teoritis
Keputusan :
Jika ditetapkan tingkat signifikansi sebesar α maka H0 ditolak jika nilai statistik uji
(D) > nilai tabel (D n;α), dimana nilai tabel D
20
 PETA KENDALI S

Peta kendali S digunakan untuk memantau dan mengendalikan variabilitas

proses yang mempunyai karakteristik kualitas berskala kontinu yang
diperoleh dari hasil suatu pengukuran (Montgomery, 2009).

BKA  B4 s dimana :

GT  s 3
B3  1  1  c42
BKB  B3 s c4
plot : 3
B4  1  1  c42
n c4

 im i
x  x 2

si  i 1

21 n 1
 PETA KENDALI x
Peta kendali x digunakan untuk memantau mean proses yang mempunyai
karakteristik kualitas berskala kontinyu yang diperoleh dari hasil suatu
pengukuran (Montgomery, 2009).

BKA  x  A3 s dimana :
GT  x A3  s
BKB  x  A3 s c4
plot :

1 n
xi   xin
22
n i n
 Peta Kendali Atribut

23
 PETA KENDALI ATRIBUT

Peta kendali atribut adalah peta kendali yang digunakan untuk

pengendalian kualitas secara statistika pada data yang dinyatakan
dalam skala diskrit (Montgomery, 2009).

24
 PETA KENDALI p

Peta kendali p adalah peta yang digunakan untuk mengendalikan jumlah produk
yang tidak sesuai (produk cacat) dengan banyaknya keseluruhan produk yang ada
dalam proses tersebut.
(Montgomery, 2009).

GT  p plot : dimana :
p (1  p npi
BKA  p  3 pˆ i  ; i  1,2,..., m m m
n n  np i  pˆ i
p (1  p p i 1
 i 1
BKB  p  3 mn m
n

25
 Kapabilitas Proses

26
 KAPABILITAS PROSES

Kapabilitas proses merupakan bagian yang sangat penting dari

keseluruhan program peningkatan kualitas guna menaksir
kemampuan proses.

Proses dikatakan kapabel jika presisi dan akurasi proses tinggi.

Presisi adalah kedekatan antara pengamatan satu dengan
pengamatan lainnya yang ukurannya dapat ditunjukkan oleh
variabilitas (σ), sedangkan akurasi adalah kedekatan antara
pengamatan dengan batas spesifikasi

27
 KAPABILITAS PROSES VARIABEL

Kapabilitas proses untuk data yang memiliki karakteristik kualitas variabel

dapat diukur melalui nilai Cp untuk presisi dan Cpk untuk akurasi
(Montgomery, 2009).

BKA  x
Cp A 
3
BKA  BKB
Cp  x  BKB
6 Cp B 
3
Cpk  min( Cp A , Cp B )
28
 KAPABILITAS PROSES ATRIBUT

Kapabilitas proses untuk data atribut yaitu menggunakan Equivalent P%PK

untuk mengukur akurasi dari kualitas hasil produksi, P%p untuk mengukur
presisi dari kualitas hasil produksi dan ppmTOTAL,LT (Bothe, 1997).

%
Equivalent Z MIN,LT
Equivalent P  dimana :
3
PK

 p Equivalent Z MIN,LT
Z 
2 Equivalent Z  Z  p' 
Equivalent Pp%   
3  Z  p
ppmTOTAL,LT  px1.000.000
29
 Membandingkan
Dua Populasi

30
 MEMBANDINGKAN DUA POPULASI

Membandingkan dua populasi dilakukan untuk mengetahui

apakah ada perbedaan proses antara populasi satu dengan
populasi lainnya.

Metode yang dapat digunakan yaitu t-test untuk

membandingkan mean proses dua populasi dan uji proporsi
untuk membandingkan proporsi proses.

31
 MEMBANDINGKAN MEAN DUA POPULASI
Uji t digunakan untuk mengetahui ada atau tidak adanya perbedaan (kesamaan) rata-
rata antara dua populasi (Montgomery, 2009). Pengujian t dimana varians populasi
tidak diketahui, jumlah sampel berbeda dan varians kedua populasi dianggap sama.
T-Test dengan,
Hipotesis :
H0 : 1   2 (Tidak ada perbedaan rata-
m1  1s X2  m2  1s X2
sx1x2  1 2

rata antara populasi 1 dan populasi 2) m1  m2  2

H1 : 1   2 (Ada perbedaan rata-rata
antara populasi 1 dan populasi 2)
Keputusan :
Statistik Uji :
X1  X 2 Jika ditetapkan tingkat signifikansi
t sebesar α maka H0 ditolak jika
1 1 t  t ( / 2;m1  m2  2 ) atau t  t ( / 2;m1  m2  2 )
s x1 x2 
m1 m 2
32
 MEMBANDINGKAN PROPORSI DUA POPULASI
Tujuan dari dari pengujian ini adalah untuk mengetahui ada tidaknya pergeseran
proses dilihat dari ada tidaknya perbedaan antara proporsi populasi pertama dengan
populasi kedua (Montgomery, 2009).
Uji Proporsi Daerah Kritis :
Jika ditetapkan tingkat signifikansi
Hipotesis :
sebesar α maka H0 ditolak jika Z  Z  / 2
H0 : p1  p2 (Tidak ada perbedaan
atau Z  Z  / 2
rproporsi antara populasi 1 dan populasi 2)
H1 : p1  p2 (Ada perbedaan proporsi
antara populasi 1 dan populasi 2)
Statistik Uji : pˆ  pˆ
Z 1 2

 1 1 
pˆ qˆ   
 m1 m2 
33
 Diagram Pareto

34
 DIAGRAM PARETO

Diagram pareto merupakan histogram

data yang mengurutkan data dari
yang frekuensinya terbesar hingga
terkecil. (Montgomery, 2009).

Prinsip Pareto juga dikenal sebagai

aturan 80/20 yaitu 80% masalah
disebabkan oleh 20% penyebab.

35
 Diagram Ishikawa

36
 DIAGRAM ISHIKAWA

Diagram ishikawa merupakan suatu

grafik yang menggambarkan
hubungan antara akibat dengan
faktor-faktor yang menjadi Material Manusia

penyebabnya (Montgomery, 2009).

Masalah
Pada umumnya di dalam proses
produksi terdapat lima hal penyebab
terjadinya masalah yaitu manusia, Lingkungan Metode Mesin

material, metode, mesin, dan

lingkungan.

37
 PT Djarum Kudus
Jawa Tengah

38
 PROFIL

PT Djarum Kudus

PT Djarum adalah sebuah perusahaan rokok yang berpusat di Kudus, Jawa Tengah,
Indonesia. Perusahaan rokok kretek Djarum berdiri pada 25 Agustus 1950. PT Djarum
Kudus, Jawa Tengah sebagai suatu perusahaan penghasil rokok kretek di Indonesia
yang sudah sangat terkenal dan menghasilkan produk rokok yaitu Sigaret Kretek Tangan
(SKT), Sigaret Kretek Mesin (SKM) dan Sigaret Putih Mesin.

Perusahaan ini menciptakan kepuasan pelanggan dengan menghasilkan produk yang

berfokus pada kualitas dan memberikan harga yang relatif rendah.

39
 PROSES PRODUKSI
Bahan Baku SKT Unit Pengkol
O-1 Giling
I-1 (Sortir / Inspeksi) Pengambilan sampel

O-2 Packing
I-2 (Sortir / Inspeksi)

O-3 Press
I-3 (Sortir / Inspeksi)

O-4 Ball

O-5 Box

S-1
Gudang Simpan
40
 BAB III
METODOLOGI PENELITIAN

41
 VARIABEL PENELITIAN
KARAKTERISTIK KUALITAS VARIABEL

Karakteristik
Keterangan Spesifikasi
Kualitas
- Berat rokok dalam 100 batang
205 ± 5
Berat rokok - Alat ukur yang digunakan yaitu
gram
timbangan

42
 VARIABEL PENELITIAN
Sesuai
KARAKTERISTIK KUALITAS ATRIBUT - Talipan pada rokok berkerut
Keriput atau tidak
- Diukur dengan cara dilihat
Karakteristi sesuai
Keterangan Spesifikasi Cincin - Cincin tidak tepat, bergeser 2 Sesuai
k Kualitas
- Pengisian blend pada sebagian Sesuai menceng > 1 mm atau tidak
Medot bagian rokok kurang rata atau tidak mm - Diukur dengan cara dilihat sesuai
- Diukur dengan cara diraba sesuai - Kertas sigaret mengeluarkan
Sesuai
Cowong - Pengisian blend pada rokok Sesuai Yellow Spot bercak kuning pada proses
atau tidak
kepala < 3 terlihat agak ke dalam atau tidak eks produksi produksi
sesuai
mm - Diukur dengan cara dilihat sesuai - Diukur dengan cara dilihat
- Diameter ekor tidak sesuai
- Keras di sebagian batang rokok Sesuai atau Diameter ekor / Sesuai
batasan tolernasi
Banggal (ekor, tengah, kepala) tidak kepala tidak atau tidak
- Diukur dengan menggunakan
- Diukur dengan cara diraba sesuai sesuai sesuai
plong
- Talipan rokok tidak rekat di
Sesuai atau - Diameter kepala tidak sesuai
Talipan rokok sebagian batang rokok minimal Diameter ekor / Sesuai
tidak batasan tolernasi
tidak rapi 1½ kepala kurang atau tidak
sesuai - Diukur dengan menggunakan
- Diukur dengan cara dilihat sesuai sesuai
43 plong
 STRUKTUR DATA PENELITIAN

Ukuran Sampel PETA KENDALI xs

Subgrup X S
X1 X2 ... X20
1 x11 x12 ... x1 20 x1 s1 Dimana :
2 x21 x22 ... x2 20 x2 s2 n = 20
m fase I = 40
: : : : : : : m fase II = 34
i xi1 xi2 ... xi 20 xi si
: : : : : : :
m xm1 xm2 ... xm 20 xm sm
Rata-rata x s
44
 STRUKTUR DATA PENELITIAN
Total Proporsi
PETA KENDALI p
Total Produksi Produk Produk Tidak
Subgrup
(ni) Tidak Sesuai Sesuai
(npi) (pi)
Dimana :
1 n1 np1 p1
m fase I = 40
2 n2 np2 p2 m fase II = 34
: : : :
i ni npi pi
: : : :
m nm npm pm
Rata-rata p
45
 STRUKTUR DATA PENELITIAN
Jenis Ketidaksesuaian DIAGRAM PARETO
Subgrup
A B C ... K
1 a1 b1 c1 ... k1
2 a2 b2 c2 ... k2
: : : : : :
i ai bi ci ... ki
: : : : : :
m am bm cm ... km
m m m

 A  B C
m
Total i i i ... K
i 1
i
i 1 i 1 i 1
46
 TEKNIK PENGAMBILAN SAMPEL
SEKUNDER

Fase I = Interval waktu 2 jam

Pemeriksaan
Januari– KK atribut : populasi
rokok Djarum
Februari 2016 KK Variabel : 20
Coklat 
Fase II = sampel
Bagian giling
Maret-April
2016 Subgrup
KK Variabel Fase I = 40
dan Atribut Subgrup : Hari Fase II = 34

47
 LANGKAH ANALISIS

Analisis Membandi
Mengumpulkan Statistika Pengendalian ngkan
Data Deskriptif Kualitas Dua
Statistika Populasi

Identifikasi
Analisis
Penyebab
Kesimpulan Interpretasi Kapabilitas
dan Akar
Proses
Penyebab

48
 DIAGRAM ALIR

Mulai

Mengumpulkan Data

Identifikasi Karakteristik Data

Asumsi Distribusi Normal

Berdistribusi Tidak Peta Kendali

Normal? Nonparametrik

Ya

A B

49
 DIAGRAM ALIR
A B

Membuat Peta Kendali

Terkendal Tidak Mencari

i? penyebab
Ya
Membandingkan Dua Populasi

Menentukan Indeks Kapabilitas

Proses

Membuat Peta Kendali p

Terkendali Tidak Mencari

? penyebab
Ya
Membandingkan Dua Populasi

Menentukan Indeks Kapabilitas

Proses

Kesimpulan

Selesai
50
 BAB IV
ANALISIS DAN PEMBAHASAN

51
 Karakteristik Data

52
 KARAKTERISTIK DATA

Rata-rata Minimum Maksimum Spesifikasi

Periode Varians
(gram) (gram) (gram) (gram)

Fase I 206,28 13,08 199,03 212,99 200 - 210

Fase II 206,33 13,89 199,07 212,99 200 - 210

Rata-rata 206,30 13,44 199,03 212,99 200 - 210

53
 KARAKTERISTIK DATA

Rata-rata Rata-rata Produk Persentase Rata-rata

Periode Produksi Tidak Sesuai Produk Tidak Sesuai
(Batang) (Batang) (%)
Fase I 2.355.213 4.113 0,1746
Fase II 2.671.297 4.756 0,1780 24 Maret 2016 
0,260%
Rata-rata 2.500.441 4.408 0,1763

54
 Pengendalian Kualitas
Statistika Fase I

55
 ASUMSI DISTRIBUSI NORMAL
FASE I
Hipotesis :
H0 : Data fase I berdistribusi normal
H1 : Data fase I tidak berdistribusi
normal
Daerah kritis :
H0 ditolak jika D > Dα;n dimana nilai
D0,05;40 sebesar 0,210 dan P-value < α

Dhitung P-value H0 Gagal

0,081 0,150 Ditolak

56
 PETA KENDALI S
FASE I

5,5
BKA=5,288
5,0

4,5 40 Subgrup
Standar Deviasi

4,0
_
3,5 S=3,550
TERKENDALI
SECARA
3,0

2,5

2,0 STATISTIK
BKB=1,811
1 5 9 13 17 21 25 29 33 37

Sampel

57
 PETA KENDALI x
FASE I

209 1
BKA=208,693
Pengamatan 32  17 Februari 2016
208

207 karyawan tidak tepat dalam

Rata-rata

__
X=206,281 pengisian blend sehingga
206
menimbulkan diameter rokok yang
205 tidak sesuai
204
BKB=203,868 TIDAK
TERKENDALI SECARA
1 5 9 13 17 21 25 29 33 37

Sampel
STATISTIK
58
 PETA KENDALI S
FASE I (PERBAIKAN)

5,5
BKA=5,289
5,0

4,5 39 Subgrup
Standar Deviasi

4,0
_
3,5 S=3,550
TERKENDALI
SECARA
3,0

2,5

2,0
STATISTIK
BKB=1,811
1 5 9 13 17 21 25 29 33 37

Sampel

59
 PETA KENDALI x
FASE I (PERBAIKAN)

209

BKA=208,631

39 Subgrup
208

207
Rata-rata

__
206
X=206,218
TERKENDALI
205
SECARA
STATISTIK
204
BKB=203,805
1 5 9 13 17 21 25 29 33 37

Sampel
60
 PETA KENDALI p
FASE I

0,001 85
BKA=0,0018419

0,001 80
40 Subgrup
Proporsi

_
0,001 75
P=0,0017461
TERKENDALI
0,001 70 SECARA
STATISTIK
0,001 65 BKB=0,0016504
1 5 9 13 17 21 25 29 33 37

Sampel

61
 Pengendalian Kualitas
Statistika Fase II

62
 ASUMSI DISTRIBUSI NORMAL
FASE II
Hipotesis :
H0 : Data fase II berdistribusi normal
H1 : Data fase II tidak berdistribusi
normal
Daerah kritis :
H0 ditolak jika D > Dα;n dimana nilai
D0,05;34 sebesar 0,227 dan P-value < α

Dhitung P-value H0 Gagal

0,081 0,150 Ditolak

63
 MEMBANDINGKAN DUA POPULASI
Mean Proses
H0 : Tidak ada pergeseran mean proses
antara fase I dan fase II
H1 : Ada pergeseran mean proses antara fase
I dan fase II
Daerah kritis : H0 ditolak jika t  t ( 0, 025;71)
sebesar 1,994 dan P-value < α

thitung P-value
0,51 0,613

H0 GAGAL DITOLAK
64
 PETA KENDALI S
FASE II

BKA=5,289
5
34 Subgrup
Standar Deviasi

4
_
S=3,550 TERKENDALI
3 SECARA
STATISTIK
2
BKB=1 ,81 1
1 4 7 10 13 16 19 22 25 28 31 34
Sampel
65
 PETA KENDALI x
FASE II

209

BKA=208,631
208

34 Subgrup
207

__
Rata-rata

206
X=206,218
TERKENDALI
205
SECARA
STATISTIK
204
BKB=203,805
1 4 7 10 13 16 19 22 25 28 31 34
Sampel

66
 MEMBANDINGKAN DUA POPULASI
Proporsi Proses
H0 : Tidak ada pergeseran proporsi proses
antara fase I dan fase II
H1 : Ada pergeseran proporsi proses antara
fase I dan fase II
Daerah kritis : H0 ditolak jika Z > Z0,025
sebesar 1,96 dan P-value < α
Zhitung P-value
5,55 0,000

H0 DITOLAK
67
 PETA KENDALI p
FASE II

0,0026
1 Pengamatan 17  24 Maret 2016

0,0024

karyawan kurang teliti dalam bekerja

Proporsi

0,0022
sehingga menimbulkan medot,
0,0020 diamater ekor/kepala tidak sesuai
BKA=0,001853
_
dan cincin menceng > 1 mm
0,001 8
P=0,001780
BKB=0,001708
0,001 6
TIDAK
1 4 7 10 13 16

Sampel
19 22 25 28 31 34
TERKENDALI SECARA
STATISTIK
68
 PETA KENDALI p
FASE II (PERBAIKAN)

0,001 85

BKA=0,0018233
0,001 80 33 Subgrup
Proporsi

_
P=0,0017517
TERKENDALI
0,001 75

0,001 70
SECARA
BKB=0,0016801 STATISTIK
0,001 65
1 4 7 10 13 16 19 22 25 28 31

Sampel

69
 Diagram Pareto

70
 DIAGRAM PARETO
FASE I FASE II

71
 Diagram Ishikawa

72
 MEDOT

Mesin Manusia

Kurang
teliti
Setelan tidak
pas Tergesa-gesa

Medot
Wiwiran
Penataan tembakau tidak tembakau tidak rata
pas

Metode
73
 TALIPAN ROKOK TIDAK RAPI

Material Manusia

Tidak membesut
Kurang
Lem kering
teliti Tergesa-

Talipan rokok
gesa

tidak rapi
Besutan
kurang rata

Metode

74
 DIAMETER TIDAK SESUAI

Material Manusia
Pengambilan tembakau
Tembakau terlalu Kurang tidak rata
banyak teliti
Tergesa-gesa

tidak sesuai
Diameter
Peletakan
tembakau tidak pas
Setelan alat
tidak pas
Metode Mesin

75
 Kapabilitas Proses

76
 KAPABILITAS PROSES
VARIABEL

Indeks Fase I Fase II

Cp 0,46 0,45
Cpk 0,35 0,33

PROSES TIDAK KAPABEL

77
 KAPABILITAS PROSES
ATRIBUT
Indeks Fase I Fase II
P%p 1,043 1,043
Equivalent P%PK 0,974 0,973
ppmTOTAL,LT 1746,1 1751,7
Z  p Z 0,0017517  2,9197
%  Z  p   Z 0,0017461   2,9207  0,974
PPK
% 
PPK    0,973
3 3 3 3 3 3

 p  p
Z  Z 
2 Z 0,000873  3,13033 Pp%   2   Z 0,000876   3,12939  1,043
Pp%       1,043 3 3 3
3 3 3

PROSES TIDAK KAPABEL

78
 BAB V
PENUTUP

79
 KESIMPULAN
Proses produksi rokok Djarum Coklat tidak kapabel artinya
belum mampu memenuhi spesifikasi yang telah ditentukan
perusahaan.

Penyebab yang paling sering terjadi  medot, talipan rokok

tidak rapi, dan diameter ekor/kepala tidak sesuai.

Akar penyebab terjadinya ketidaksesuaian  karyawan

yang kurang teliti dan tergesa-gesa dalam bekerja sehingga
metode yang dilakukan kurang tepat dan setelan alat giling
tidak pas.

80
 SARAN
PT Djarum Kudus perlu melakukan perbaikan berkesinambungan terutama
pada faktor karyawan.
Karyawan  Memberikan pelatihan khusus terhadap karyawan terus
memantau kinerja agar dapat meminimalisir produk yang tidak sesuai.
Material  Tembakau dan lem diletakkan pada suhu lembab agar tidak
mudah kering sehingga kualitas tembakau tetap terjaga baik.

Mesin  Melakukan pemeriksaan alat giling setelah digunakan (tidak

menunggu usang) dan melakukan kalibrasi secara berkala.

Perusahaan lebih mengontrol jenis ketidaksesuaian medot, talipan rokok

tidak rapi, dan diameter ekor/kepala tidak rapi.

Penelitian selanjutnya sebaiknya melakukan analisis dengan pendekatan six

sigma.
81
 DAFTAR PUSTAKA

82
 DAFTAR PUSTAKA

Adityanti, Christina S. Peranan Pengendalian Kualitas

Terhadap Pengurangan Produk Cacat di PT Djarum.
Bandung: Universitas Kristen Maranatha.
Bothe, R. Davis. 1997. Measuring Process Capability.
United States of America: McGraw-Hill Companies.
Daniel, W. 1989. Statistik Non Parametrik Terapan.
Jakarta: PT Gramedia Pustaka Utama.
Djarum. 2016. World of Djarum. www.djarum.com/world-of-
djarum/overview. Diakses pada 24 Maret 2016 pukul
12.43 WIB.
83
 DAFTAR PUSTAKA
Montgomery, Douglas C. 2009. Introduction to Statistical Quality
Control Sixth Edition. New York: John Wiley & Sons, Inc.
Nursanti, Ida. 2014. Aplikasi SPC (Statistical Process Control)
dan Quality Improvement Tool di Bagian Giling dan Batil
Rokok SKT PT. Djarum Kudus. Surakarta: Universitas
Muhammadiyah Surakarta.
Pyzdek, T. and Keller, P. A. 2003. The Six Sigma Handbook.
New York: McGraw-Hill Companies.
Santoso, Tia Zhalina. 2013. Peningkatan Kualitas Rokok Sigaret
Kretek Tangan (SKT) dengan Metode Six Sigma (Studi Kasus
Pada PT Djarum Kudus-SKT BL53). Malang: Universitas
84
Brawijaya.
 TERIMAKASIH

85
 SIDANG TUGAS AKHIR
Jumat, 10 Juni 2016

Analisis Kapabilitas Proses

Produk Rokok Djarum Coklat
di PT Djarum Kudus, Jawa Tengah

Yongky Choirul Anam

1313 030 096

Dosen Pembimbing :
Dra. Sri Mumpuni Retnaningsih, MT.

Dosen Penguji :
Dra. Lucia Aridinanti, MT.
Noviyanti Santoso, S.Si., M.Si.

Program Studi DIII Jurusan Statistika ITS

Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember Surabaya