Abstrak— Pengendalian kualitas dalam industri manufaktur (ERW). Electric Resistance Welded (ERW) merupakan pipa
sangat diperlukan agar produk yang dihasilkan sesuai dengan baja yang diproduksi dengan jumlah besar daripada jenis pipa
standar yang telah ditetapkan dan mampu bersaing. PT. X yang baja yang lain karena permintaan produk pipa baja tersebut
memproduksi berbagai jenis pipa baja, salah satunya adalah pipa
paling sering dipesan oleh pelanggan. Proses produksi Electric
Electric Resistance Welded (ERW). Namun dalam prosesnya,
bagian Quality Control belum menerapkan peta kendali statistika Resistance Welded (ERW) memerlukan pengenda-lian
untuk pemecahan masalah melalui Statistical Process Control kualitas. Hasil pengujian tersebut biasanya disimpan di bank
(SPC). Pengendalian kualitas yang dilakukan melibatkan tiga data yang digunakan sebagai informasi dan pengambilan
karakteristik kualitas pipa ERW yaitu diameter, panjang, dan keputusan perusahaan. Namun dalam prosesnya, bagian
berat pipa ERW. Pengendalian terhadap mean proses Quality Control belum menerapkan peta kendali statistik untuk
menggunakan Peta Kendali T2Hotelling, sedangkan untuk
pemecahan masalah melalui Statistical Process Control (SPC).
pengendalian variabilitasnya menggunakan Peta Kendali
Generalized Variance. Penelitian ini membagi data menjadi dua Berdasarkan hal tersebut maka penerapan Statistical Process
tahap. Berdasarkan proses produksi pipa ERW dengan Control (SPC) dapat dilakukan dengan alat pengendali kualitas
menggunakan peta kendali peta kendali T2Hotelling dan peta statistika. Proses pengendalian kualitas dengan menggunakan
kendali Generalized Variance terdapat pengamatan yang out of peta kendali variabel. Apabila karakteristik kualitas saling
control. Faktor Penyebabnya utama proses tidak terkendali berhubungan maka menggunakan peta kendali T2Hotelling
antara lain faktor utama yaitu manusia karena kesalahan dalam
pengukuran. Hasil indeks kapabilitas proses pipa ERW
dan peta kendali Generalized Variance. Peta kendali
menunjukkan kapabilitas proses dari karakteristik kualitas T2Hotelling digunakan untuk melihat dan memonitoring
produksi pipa ERW secara multivariat sudah kapabel dan variasi vektor rata-rata dari proses agar tetap di dalam batas kendali,
proses lebih kecil toleransi dari batas spesifikasi yang ditentukan. sementara untuk peta kendali Generalized Variance untuk
Nilai indeks kapabilitas Cpm tahap II lebih kecil daripada indeks melihat dan mengontrol variabilitas proses tersebut.
kapabilitas tahap I. Penelitian tentang pengendalian kualitas dengan peta
kendali T2Hotelling dan peta kendali Generalized Variance
Kata Kunci—Pengendalian Kualitas, Mean dan Variabilitas
Proses, T2Hotelling, Generalized Variance, Electric Resistance untuk bidang jasa dengan melakukan pengendalian kualitas
Welded (ERW). layanan Bandara Juanda [2]. Penelitian yang lain dibidang
manufaktur yaitu pada perbaikan kualitas logam cair
menggunakan peta kendali multivariat[3].
I. PENDAHULUAN
Penelitian ini bertujuan untuk menghitung nilai kapabilitas
dan
B. Statistika Deskriptif 2 1
( ; p ( p 1)) adalah nilai distribusi chi-square dengan
2
Satistika deskriptif merupakan metode dalam statistika
yang berkaitan dengan pendataan, pengumpulan, penyajian tingkat kepercayaan sebesar α dan derajat bebas sebesar
data dan penyimpulan hasil pengamatan terhadap seluruh 1
p( p 1)
kejadian secara kuantitatif yang dapat dideskripsikan dalam 2
bentuk angka maupun visual dengan menggunakan metode D. Peta Kendali Variabel
statistika. Statistika deskriptif biasanya digunakan untuk
mengetahui karakteristik suatu situasi tertentu misalkan dengan Peta kendali variabel adalah diagram yang digunakan untuk
menghitung nilai rata-rata, median, modus, standar deviasi, mengendalikan suatu karakteristik kualitas yang dapat
dan varians pada suatu objek pengamatan[4]. digunakan untuk mengukur mean dan variabilitas prosesnya.
Sebagai contoh suatu karakteristik kualitas yang dapat diukur
C. Asumsi Peta Kendali Multivariat seperti dimensi, berat atau volume. Peta kendali variabel
Ada beberapa asumsi pada peta kendali multivariat yang terdiri 2 dari jenis berdasarkan jumlah variabel yang
harus dipenuhi untuk melakukan pengujian selanjutnya digunakan yaitu peta kendali variabel univariat dan peta
diantaranya adalah data yang digunakan memenuhi asumsi kendali variabel multivariat. Peta kendali univariat diguna-kan
distribusi normal multivariat dan dependensi antar pada data dengan satu karakteristik kualitas sedangkan untuk
karakteristik kualitas. dua atau lebih karakteristik kualitas maka menggunakan peta
1) Distribusi Normal Multivariat kendali multivariat [1].
Distribusi normal multivariat merupakan suatu perluasan E. Peta Kendali T2Hotelling
dari distribusi normal univariat dengan variabel-variabel yang
biasanya dependen. Probability density function dari Peta kendali T2Hotelling merupakan suatu metode pe-
ngendalian kualitas proses atau produksi secara multivariat.
variabel X1 , X 2 .....Xp berdistribusi normal multivariat Metode ini digunakan untuk mengendalikan rata-rata proses
dengan parameter µ dan adalah sebagai berikut [5]. dengan 2 atau lebih karakteristik yang diduga saling
1
1
( X )' 1 ( X ) berhubungan. Tabel berikut merupakan tabel struktur orga-
f ( X i , X 2 ,..., X p ) e 2 (1) nisasi data yang sering digunakan pada pengamatan meng-
(2 ) p / 2
p/2
gunakan peta kendali variabel multivariat[1]. Berikut ini
Jika X1 , X 2 .....Xp berdistribusi normal multivariat (µ,Σ) maka merupakan persamaan untuk estimasi parameter rata-rata dan
varians
(X μ)' Σ 1(X μ) berditribusi 2p. Berdasarkan sifat ini n
maka pemeriksaan distribusi normal multivariat
dilakukan dengan cara membuat q-q plot dari nilai,
dapat X .j
1
n i 1
X ij , j 1,2,...,p (4)
d2 1 1 V 'V
j ( xij x .j )'S ( xij x .j ) (2) Sj (5)
2 n 1
dimana d2j merupakan nilai jarak kuadrat pengamatan ke-i.
v'1 ( x 2 x1 )'
Berdasarkan kriteria tersebut, organisasi data sebagai berikut
v' 2 ( x3 x 2 )'
X ij = vektor pengamatan ke-i, dan variabel ke-j. V
dimana (6)
Data berdistribusi normal multivariat apabila titik-titik
v' n 1 ( xi 1 xi )'
nilai d2j pada grafik mengikuti garis linear dan proporsi dari
dimana Xij adalah data pengamatan pengamatan ke-i dari
nilai d2j≤ 2 n j 0.5 sekitar 50%.
p, karakteristik kualitas ke-j. Sj adalah matriks kovarian
n
successive difference sampel ke-i berukuran p×p dengan nilai
2) Uji Bartlett
varians yang terletak pada diagonal matriks, dan lainnya
Uji Barlett merupakan pengujian yang digunakan untuk
adalah nilai kovariannya dimana i= 1, 2, ..., n; j = 1, 2, ...,p
mengetahui hubungan antara variabel yang akan diteliti.
seperti pada persamaan berikut.
Variabel X1 , X 2 .....Xp dikatakan bersifat saling bebas jika S 2
.1 S12 S13 S1 p
matriks korelasi antar variabel membentuk matriks S 2 .2 S 23 S 2 p
identitas[6]. Hipotesis uji Bartlett dengan sebagai berikut:
H0 : R = I (antar variabel tidak berkorelasi) S ij S 2 .3 S 3 p
(7)
H1 : R ≠ I (antar variabel berkorelasi)
Statistik Uji :
S 2 .p
2 p 5
χ 2hitung n 1 ln R Setelah diketahui nilai dugaan parameter µ dan maka
6 dapat dihitung nilai T2Hotelling. Pada peta kendali
(3)
dimana n adalah jumlah observasi, p adalah jumlah variabel, R T2Hotelling, matrikS kovarian S digunakan untuk mengesti-
adalah matrik korelasi dari masing-masing variabel respon masi ∑ dan vektor X. p digunakan sebagai nilai vektor rata-
JURNAL SAINS DAN SENI ITS Vol. 5, No.2, (2016) 2337-3520 (2301-928X Print) E-85
rata proses yang telah terkendali. Statistik uji pada peta maka penyebab dari proses yang tidak terkendali tersebut perlu
kendali T2Hotelling sebagai berikut. diidentifikasi terutama dengan mengidentifikasi variabel
T penyebab terjadinya proses tersebut tidak terkendali. Cara
T 2 n X ij. X .j. S 1 X ij. X .j. yang dilakukan untuk mengidentifikasi variabel penyebab
(4) proses yang tidak terkendali secara multivariat dengan
Tahapan dalam melakukan pengendalian kualitas dengan menguraikan nilai T2 pada peta kendali T2Hotelling ke dalam
peta kendali T2Hotelling ada dua. Tahap pertama biasa disebut komponen dari kontribusi masing-masing variabel
retrospective analysis yaitu tahapan untuk mendapatkan karakteristik kualitas. Berikut merupakan persamaan untuk
pengamatan yang berada dalam batas kendali atau dapat menghitung nilai indikator dari kontribusi variabel ke-j (dj)
dikatakan prosesnya terkendali, sehingga batas kendali dapat pada keseluruhan statistik [8].
digunakan untuk tahap 2. Berikut ini merupakan batas kendali
untuk peta kendali T2Hotelling. d j T 2 T j2 ; dengan j= 1, 2, . . ., p (13)
p( n 1 )( n 1 ) Apabila nilai dj > 2(,1) maka variabel ke-j tersebut
BKA = Fα,p,n p (5)
n 2 np merupakan variabel penyebab proses yang out of control
segingga perlu diidentifikasi variabel tersebut out of control.
BKB = 0
Dimana, p merupakan banyaknya karakteristik kualitas,dan n H. Kapabilitas Proses
merupakan banyaknya sampel, F , p,n p adalah nilai yang Kapabilitas proses merupakan suatu analisis statistika yang
diperoleh dari tabel F dengan α ditetapkan oleh peneliti, dan digunakan untuk mengukur kemampuan proses. Proses
derajat bebas p, n-p. dikatakan mampu atau kapabel jika memenuhi presisi dan
akurasi yang diketahui dari variasi dalam pengukuran. Analisis
F. Peta Kendali Generaized Variance kapabilitas proses adalah bagian yang sangat penting dari
Peta kendali generalizel variance (|S|) merupakan salah satu keseluruhan program peningkatan kualitas. Indeks kapabilitas
alat untuk pengendali variabilitas proses dimana data secara univariat dan multivariat dihitung dengan cara yang
pengamatan bersifat multivariat [1]. Variabilitas proses berbeda. Indeks kapabilitas proses untuk data multivariat sama
dinyatakan sebagai matriks kovarian ∑ beru-kuran p×p. seperti univariat yaitu bila proses telah terkendali dan asumsi
Diagonal utama dari matriks ini adalah variasi dari variabel data distribusi normal telah terpenuhi[1]. Indeks kapabilitas
proses secara individual dan data selain diagonal utama adalah untuk data multivariat diantaranya adalah Cpm. Cpm
kovarians. Matriks kovarian ∑ biasa ditaksir oleh matrik merupakan rasio volume yaitu perbandingan antara volume
kovarian sampel S berdasarkan analisis sampel pendahu-luan. daerah toleransi dengan volume daerah proses. Cpm dapat
Berikut adalah dugaan nilai ekspektasi (rata-rata) dan varians dicari dengan rumus sebagai berikut,
dari |S|, 1/ v
v
E S b
1 (6)
USLi LSLi
Var S b
2
(7) CpM i 1
2 v (14)
dimana
1 p
i 1
UPLi LPL
i
b n i
1 n 1 p (8)
i 1 v
dan
p p p
dimana
i 1
USLi LSLi merupakan volume daerah toleransi,
1
b n i n j 2 n j dengan USLi merupakan batas spesifikasi atas dan LSLi
2 n 12 p j 1 (9)
i 1 j 1 merupakan batas spesifikasi bawah. Sedangkan
v
Sehingga batas kendali peta kendali untuk (|S|) sebagai berikut
S
i 1
UPLi LPLi merupakan volume daerah proses yang
Tabel 2.
Variabel karakteristik kualitas produk pipa ERW
Manusia Material Metode
Kode
Nama Variabel Satuan Spesifikasi
Variabel
X1 Diameter milimeter 88± 0,5 mm
Masalah X2 Panjang meter 6 ± 0,05m
X3 Berat kilogram 45 ± 1 kg
B. Variabel Penelitian
Lingkungan Mesin
Variabel penelitian yang digunakan untuk penelitian ini
merupakan karakteristik kualitas produk Electric Resistance
Gambar 1. Diagram Tulang Ikan Welded Pipe (ERW) yang diperoleh dari hasil uji coba.
Variabel tersebut adalah diameter, panjang (length), dan berat
dengan i=1, 2, . . ., v dan det (-1i) adalah determinan dari (weight). Berikut ini merupakan penjelasan dari masing-
matriks yang diperoleh dari -1 dengan menghapus baris dan masing variable (dapat dilihat pada Tabel 2).
kolom ke-i [7]. 1. Diameter merupakan garis tengah pipa yang diukur
dari luar atau biasa disebut diameter luar.
I. Diagram Tulang Ikan/Isikhawa 2. Length (panjang) merupakan dimensi pengukuran
Diagram Tulang Ikan digunakan untuk mencari akar panjang pipa yang diukur sesuai spesifikasi.
penyebab permasalahan, disusun oleh faktor-faktor penyebab 3. Weight (berat) merupakan dimensi pengukuran berat
permasalahan yang seperti rangkaian tulang ikan dengan pipa yang diukur sesuai spesifikasi.
masalah sebagai kepalanya. Untuk memudahkan mencari
faktor-faktor penyebab, pada umumnya faktor-faktor tersebut C. Langkah Penelitian
dikelompokkan ke dalam 5 faktor utama, yaitu 5M+1E yaitu Langkah-langkah penelitian yang akan dilakukan dalam tugas
material, man, methode, machine, measurement dan akhir adalah sebagai berikut.
environment [1]. Diagram Ishikawa dapat dilihat pada Gambar 1. Melakukan studi literatur
1. 2. Merumuskan permasalahan.
3. Mendefinisikan variabel.
J. Proses Produksi Pipa Electric Resistance Welded (ERW) 4. Melakukan pengambilan data.
Perusahaan manufaktur yang memproduksi berbagai macam 5. Melakukan pengolahan data dan analisis data dengan
pipa baja salah satunya adalah pipa Electric Resistance rincian sebagai berikut.
Welded (ERW). Secara umum langkah-langkah produksi a. Melakukan analisis secara deskriptif untuk mengetahui
Electric Resistance Welded Pipe (ERW) karakteristik variabel.
1. Persiapan bahan baku. b. Melakukan analisis pengendalian kualitas dengan
2. Proses coiling/ penggulungan. melakukan pengujian asumsi multivariat dan pengujian
3. Proses air cooling. indpendensi antar variabel.
4. Proses inspeksi. c. Melakukan analisis data menggunakan peta kendali
Proses packaging. Generalized Variance untuk melihat dan mengontrol
variabilitas proses.
K. Formulir Copyright
d. Membuat peta kendali T2Hotelling untuk melihat
Artikel yang siap untuk dipublikasikan harus dilengkapi vektor rata-rata dari proses.
dengan sebuah formulir copyright. Anda dapat mendapatkan e. Mengidentifikasi penyebab data tidak terkendali
formulir ini di http://ejurnal.its.ac.id/. Setiap penulis memnggunakan dekomposisi nilai T2Hotelling
bertanggung jawab secara pribadi untuk mendapatkan security f. Melakukan perhitungan dan analisis dari indeks
clearances apapun yang dibutuhkan. kapabilitas proses.
g. Mengulang langkah analisis data dari a hingga f untuk
III. METODOLOGI PENELITIAN data tahap 2.
h. Menarik kesimpulan dan memberikan rekomendasi
A. Sumber Data dari hasil analisis yang telah dilakukan.
Data yang digunakan pada penelitian ini merupakan data
sekunder dari Divisi Quality Control PT. X . Data tersebut IV. ANALISIS PEMBAHASAN
merupakan data pengujian produk Electric Resistance Welded
Pipe (ERW) dengan karakteristik kualitas diameter, panjang A. Karakteristik Proses Produksi Pipa ERW Tahap I
(length), dan berat (weight). Pengambilan sampel terbagi Analisis karakteristik secara umum dapat dilakukan dengan
dalam 2 tahap, tahap pertama diambil pada periode Januari- ringkasan statistika deskriptif untuk mencari rata-rata, standar
Juni 2015 dan tahap kedua diambil pada periode bulan Juli- deviasi, varians, nilai minimum dan nilai maksimum dari data
Desember 2015.
JURNAL SAINS DAN SENI ITS Vol. 5, No.2, (2016) 2337-3520 (2301-928X Print) E-87
Tabel 3.
6
UCL=5,619
Ringkasan Statistika Deskriptif Proses Produksi Pipa ERW Tahap I
5 Nilai Nilai Batas
Variabel Mean Varians
Min Maks Spesifikasi
Generalized Variance
4 88± 0,5
Diameter 88,26 0,0139 88,05 88,45
mm
3
Panjang 6,0321 0,00001 6,0267 6,0417 6 ± 0,05m
|S|=2,188
2
Berat 45,631 0,0536 45,235 45,882 45 ± 1 kg
1
Tabel 4.
0 LCL=0 Identifikasi Penyebab Out of Control
1 5 9 13 17 21 25 29 33 37 41 45 Pengamatan T2i Variabel T2ij dj= T2i- T2ij
Sample
ke-
Gambar 2. Peta Kendali Generalized Variance 27 26,25 Diameter 14,06 12,19
Panjang 19,17 7,08
60
Berat 15,98 10,27
50
30 36,28 Diameter 19,57 16,71
40
Panjang 32,06 4,22
Tsquared
20 UCL=19,43
31 38,77 Diameter 27,68 11,09
Panjang 36,58 2,19
10
8
Panjang 38,64 5,83
6
Median=4,03
Berat 5,06 39,41
4
2
35 39,69 Diameter 20,37 19,32
0 Panjang 39,69 0
1 3 5 7 9 11 13 15 17 19
Sample Berat 3,37 36,32
Gambar 4. Peta Kendali T2 Hotelling Tahap I Revisi 6 36 40,14 Diameter 24,69 15,45
Panjang 26,57 13,57
6,0
UCL=5,619
Berat 4,04 36,1
5,5
5,0 37 40,88 Diameter 32,64 8,24
4,5
Generalized Variance
1 5 9 13 17 21 25 29 33 37
39 42,46 Diameter 26,22 16,24
Sample
Panjang 24,94 17,52
Gambar 5. Peta Kendali Generalized Variance Tahap II
proses produksi pipa ERW pada tahap I seperti ditunjukkan Berat 6,66 35,8
pada Tabel 3.
JURNAL SAINS DAN SENI ITS Vol. 5, No.2, (2016) 2337-3520 (2301-928X Print) E-88
10
rata diameter, rata-rata panjang, dan rata-rata berat pipa ERW
tahap II lebih besar daripada nilai target yang ditetapkan
perusahaan namun masih dalam batas spesifikasi. Berdasarkan
5
Median=3,76 nilai minimum dan maksimum variabel panjang dan berat pipa
menunjukkan nilai yang lebih besar daripada nilai target yang
0
ditetapkan sehingga terindikasi akurasi variabel tersebut
1 5 9 13 17 21 25 29 33 37
Sample rendah.
4.
Gambar 6. Peta Kendali T2Hotelling Tahap II D. Pengendalian Proses Produksi Pipa ERW Tahap II Secara
Multivariat
20 1) Pemeriksaan Asumsi Normal Multivariat
UCL=18,82
Pengujian asumsi data berdistribusi normal multivariat pada
proses produksi pipa ERW tahap II yaitu pada karakteristik
15
kualitas data diameter, panjang dan berat pipa ERW diperoleh
hasil bahwa perhitungan persentase dari jarak kuadrat (d2j)
Tsquared
Las
Bergelombang Tidak Teliti
Seting Welding Salah
Suhu Mesin
Suhu Ruangan
Seting Diameter
Mesin Lingkungan
5) Kapabilitas Proses Produksi Pipa ERW Tahap I menggunakan peta kendali peta kendali T2Hotelling dan peta
Analisis kapabilitas proses untuk tahap kedua pada kendali Generalized Variance terdapat pengamatan yang out
karakteristik kualitas pipa ERW tahap II dapat dilihat pada of control. Faktor Penyebabnya antara lain faktor utama yaitu
Tabel 6. material, manusia, mesin, metode dan lingkungan dengan
Nilai indeks kapabilitas proses Cpm menunjukkan nilai variabel berat menjadi variabel penyebab proses tidak
sebesar 2,63 artinya kapabilitas proses dari karakteristik terkendali yang dipengaruhi oleh faktor manusia karena
kualitas produksi pipa ERW secara multivariat sudah kapabel ketidaktelitian petugas sehingga menyebabkan kesalahan
dan daerah proses lebih sempit daripada daerah spesifikasi. dalam pengukuran. Hasil indeks kapabilitas proses pipa ERW
Sehingga dapat disimpulkan bahwa kapabilitas proses dari menunjukkan kapabilitas proses dari karakteristik kualitas
karakteristik kualitas produksi pipa ERW secara multivariat. produksi pipa ERW secara multivariat sudah kapabel dan
Apabila dibandingkan dengan tahap I nilai indeks kapabilitas variasi proses lebih kecil toleransi dari batas spesifikasi yang
Cpm, indeks kapabilitas tahap II lebih kecil daripada indeks ditentukan. Nilai indeks kapabilitas Cpm tahap II lebih kecil
kapabilitas tahap I.
daripada indeks kapabilitas tahap I.
E. Diagram Ishikawa
Peta kendali Generaized Variance dan peta kendali DAFTAR PUSTAKA
T2Hotelling terdapat proses tersebut tidak terkendali. Tidak
[1] Montgomery, D. C. (2009). Introduction to Statistical Quality Control
terkendalinya proses ini dapat dilihat berdasarkan banyaknya (6th ed). John New York: Wiley and Sons Inc.
titik-titik pengamatan yang berada di luar batas kendali. [2] Arishanti, V. (2011). Pengontrolan Kualitas Layanan Bandar Udara
Melalui diagram ishikawa inilah nantinya akan diketahui apa Juanda Surabaya Menggunakan Diagram Kendali T2Hotelling Dan
saja penyebab proses tersebut menjadi tidak terkendali. Diagram Kendali Improved Generalized Variance (│S│). Surabaya :
Institut Teknologi Sepuluh Nopember.
Gambar 13 merupakan diagram Ishikawa dari penyebab [3] Rao, O.R.M , Subbaiah, K.V. , Rao, J.N. , Rao, T.S. (2012). Application
karakteristik kualitas yang out of control. Variabel penyebab of Multivariate Control Chart for Improvement in Quality of Hot Metal.
proses tidak terkendali adalah variabel berat. Faktor penyebab International Journal for Quality Research, 7(4), 623-640.
[4] Walpole, R.E., Myers, R.H., Myers, S.L., &Ye, K .(2012). Probability &
out of control berasal dari 5 faktor utama yaitu material, Statistics for Engineers & Scientists (9th ed.). United States of America:
manusia, mesin, metode dan lingkungan. Dari ke-5 faktor Person Education Inc.
tersebut, faktor manusia yang menjadi penyebab utama [5] Johnson, R.A. dan Wichern, D.W. (2007). Applied Multivariate
Statistical Analysis (6th ed.). United States of America: Person
dikarenakan ketidaktelitian petugas sehingga menyebabkan
Education Inc.
kesalahan dalam pengukuran. [6] Morrison, D. F., (1990). Multivariate Statistical Methods Third Edition.
USA: Mc Graw Hill Inc.
V. KESIMPULAN DAN SARAN [7] Fernandez, E.S, dan Scagliarini, M. (2012). MPCI: An R Package for
Computing Multivariate Process Capability Indices. Journal of
Berdasarkan hasil analisis pengendalian kualitas dalam rata- Statistical Software, Vol.47, No.7, p.1-15.
rata dan variabilitas dari proses produksi pipa ERW dengan